Advertisement

Datenbasierte Personas älterer Endbenutzer für die zielgruppenspezifische Entwicklung innovativer Informations- und Kommunikationssysteme im Gesundheitssektor

  • Katharina SchäferEmail author
  • Alexander Mertens
  • Peter Rasche
  • Sabine Theis
  • Christina Bröhl
  • Olga Apdarmani
  • Tobias Seinsch
  • Verena Nitsch
  • Christopher Brandl
  • Matthias Wille
Open Access
Wissenschaftliche Beiträge
  • 106 Downloads

Zusammenfassung

„Personas“ als archetypische Benutzer können Entwicklern helfen, die individuellen Bedürfnisse potentieller Benutzergruppen frühzeitig in der Technologieentwicklung mit einzubeziehen. Bspw. steht der Gesundheitssektor, aufgrund des demographischen Wandels, vor der Herausforderung, neue innovative Technologien für ältere und sehr alte Endbenutzer zu entwickeln. In diesem Kontext könnten insbesondere datenbasierte Personas ein Schlüssel zu einer erfolgreichen Sensibilisierung sein. In diesem Beitrag wird die Entwicklung acht datenbasierter Personas im Sinne eines Best Practice Beispiels vorgestellt und diskutiert. Datenbasis ist eine im Jahr 2016 erhobene, deutschlandweite Längsschnittstudie zur Informations- und Kommunikationstechnologie-Benutzung älterer Menschen.

Praktische Relevanz Im Gesundheitssektor sieht man sich vor das Problem gestellt, dass eine wachsende Gruppe älterer Menschen einer gleichbleibenden oder gar schrumpfenden Gruppe an Versorgungskräften gegenübersteht. Diesem Problem wird durch neue medizinische Assistenz- und Monitoring-Systeme entgegengetreten, die ältere Patienten selbstständig, z. B. in der häuslichen Nachsorge, benutzen sollen. Die hier entwickelten Personas adressieren genau diesen Punkt. Sie können bereits in einer frühen Phase der Entwicklung eingesetzt werden, um somit die Entwickler für die Bedürfnisse, Fähigkeiten und Fertigkeiten älterer und sehr alter Menschen zu sensibilisieren. Gleichermaßen stellen sie eine kostengünstige Alternative dar, auf die schnell und einfach zugegriffen werden kann. Ihre Gültigkeit stützt sich auf eine fundierte Datenbasis.

Schlüsselwörter

Personas IKT-Technologien Ältere Benutzer Gesundheit Produktentwicklung 

Data-based Personas of elderly end users for the target-group-specific development of innovative information and communication systems in the health sector

Abstract

“Personas” as archetypal users can help developers to include the individual needs of potential user groups at an early stage of technology development. For example, due to demographic change, the health sector faces the challenge of developing new innovative technologies for older and very old end users. In this context, especially data-based personas could be a key to a successful sensibilisation. This article presents and discuss the development of eight data-based personas in the sense of an example of best practice. The data set applied results from a nation-wide longitudinal study on the elderly’s use of information and communication technology, which was carried out in Germany in 2016.

Practical Relevance The health sector in Germany faces the problem of increasing amounts of older people, while fewer caregivers are available. This problem should be addressed by developing new medical assistance and monitoring systems that are used by older adults independently, e. g. in home aftercare, to relieve the burden on medical staff. The developed personas address exactly this point. They can be used at an early stage of development to sensitize developers to the needs, skills and abilities of elderly. They are also a cost-effective alternative that can be accessed quickly and easily. In addition, furthermore, as they are substantiated by a robust data set.

Keywords

Personas ICT eldery users product development requirements engineering system design 

1 Einführung

Der demographische Wandel ist Realität. Bis zum Jahr 2060 soll der Prozentanteil der Gesamtbevölkerung in Deutschland der über 65-Jährigen von ca. 20 auf 33 %, der Anteil der 80-Jährigen von 5 auf 13 % steigen (Schmidt und Wolf-Ostermann 2018; Pötzsch und Rößger 2015). Dies führt neben einem erhöhten Bedarf an Arbeitskräften im medizinischen Sektor zu einer Erhöhung des Pflegeaufwandes bei gleichzeitig abnehmender Anzahl von Menschen im berufsfähigen Alter. Das bedeutet, dass der Gesundheitssektor vor der Herausforderung steht, eine steigende Anzahl an Patienten bei mindestens gleichbleibenden oder sinkenden finanziellen Ressourcen und Mitarbeitern zu versorgen (Umbach 2018; Nowossadeck 2013; Nunes et al. 2010). Einen Versuch, hierbei die Situation für Gesundheitssystem und auch Patienten zu verbessern, liegt, im Sinne einer Orts- und Zeitflexibilisierung der Arbeit in der Entwicklung und Erprobung neuer technischer Assistenz- und Monitoring-Systeme. Diese sollen einerseits die Autonomie der Patienten stärken, indem sie es ermöglichen wichtige medizinische Parameter langfristig auch ohne Hospitalisierung zu erheben, und andererseits die Kommunikationswege zu den Mitarbeitern im medizinischen Bereich zu verbessern (Schweda et al. 2018; Adolph et al. 2016). Mobile Informations- und Kommunikationstechnologien (IKT), wie bspw. Computer, Smartphones und Tablet-PCs bieten dabei sinnvolle Ergänzungen zur Steigerung der Lebensqualität und Selbstständigkeit.

In diesem Kontext ist es überaus wichtig, die spezifischen kognitiven, sensorischen und motorischen Fähigkeiten und Fertigkeiten Älterer bei der Entwicklung zu berücksichtigen (Wille et al. 2016; Theis et al. 2016; LeRouge et al. 2013). In der Realität geschieht dies jedoch noch viel zu selten. Stattdessen werden diese neuen Systeme meist von einer jüngeren Generation für ältere Menschen entwickelt, die sich oftmals nur schwer in die spezifische Situation von älteren Menschen hineinversetzen können. Ältere Menschen sind jedoch im Umgang mit diesen technischen Geräten nicht so vertraut, wie vergleichbar jüngere Generationen (AG Generali Deutschland 2017). Neben physischen Funktionsfähigkeitsveränderung (Seh‑, Hör- oder taktile Veränderungen) oder dem Fehlen sozioökonomischer Ressourcen, können auch personenbezogene Hemmnisse Grund für eine Ablehnung der Technologien sein (Seifert 2016). Entsprechend erweisen sich für die älteren Endbenutzer das Erlernen, ebenso wie die Integrierbarkeit dieser Technologien in den eigenen Alltag, als wichtige Faktoren bei der Akzeptanz ebendieser (Nunes et al. 2010; Malwitz-Schütte 2006; Schweibenz 2004). Daneben stellt diese Akzeptanz einen wichtigen Bezugspunkt für die Ausgabedynamik des wirtschaftlichen und finanzpolitischen Handlungsfeldes dar, denn die Fertigung neuer innovativer Technik für den Medizinbereich und auch Betreuung von immer mehr Patienten, bringen enorme Kosten mit sich (Brändle und Colombier 2017).

Aus diesen Gründen ist es umso wichtiger, diese Gruppe Älterer schon während des Entwicklungsprozesses frühzeitig einzubeziehen. Da dies jedoch für viele Unternehmen ebenso einen sehr ressourcenaufwändigen Prozess (aufgrund Personal oder Equipment usf.) darstellen würde und zudem noch andere Faktoren, wie Krankheit, fehlende Mobilität bei den Teilnehmenden und individuelle Ressourcen, die die Gruppe älterer Benutzer einschränken, müssen neue Ansätze zur Partizipation gefunden werden. Ein solcher kann in sogenannten „Personas“ liegen. Diese stellen archetypische Benutzergruppen dar, die über Ziele, Bedürfnisse und Ängste verfügen (Blomquist und Arvola 2002; Junior und Filgueiras 2005). Dadurch könnten Entwickler für Eigenschaften und Fähigkeiten der Endbenutzer sensibilisiert werden. Insgesamt können detaillierte und konkrete Personas, wie Long (2009) in seiner Pilotstudie aufgezeigt hat, zu einem verbesserten Verständnis der Benutzer und einer Fokussierung auf diese Gruppe verhelfen.

Personas sind Teil der DIN EN ISO 9241 (2018). Innerhalb der Norm werden Personas für jedes System einzeln erstellt auf Basis der Vorstellung oder Beobachtung des Entwicklers. Die bestehende Literatur zu Personas ist gleichzeitig vergleichsweise unkonkret, was eine Ausgestaltung von Personas schwierig macht. Auch existieren kaum Arbeiten, die eine quantitative Aufarbeitung dieser in den Mittelpunkt stellen (Chang et al. 2008; Pruitt und Grudin 2003; McGinn und Kotamraju 2008). Ausnahmen sind bei LeRouge et al. (2013) und Casas et al. (2008) zu finden. In beiden Projekten wurden datenbasierte Personas älterer Endnutzer entwickelt. Solche Arbeiten fehlen unseres Wissens nach jedoch im deutschsprachigen Raum.

Im Folgenden wird entsprechend eine konkrete Entwicklung von acht solcher Personas für den medizintechnischen Bereich im Sinne einer Best Practice aufgezeigt. Sie basieren auf einer, im Jahr 2016 erhobenen, Längsschnittstudie, die durch das Institut für Arbeitswissenschaft der RWTH Aachen durchgeführt wurde. In der Studie wurden u. a. Fragestellungen, wie Technikbenutzung und -bewertung, gesundheitsbezogener Informationsbedarf, Bedürfnisse und kontextspezifische Einflussfaktoren abgefragt (Mertens et al. 2017). An dieser Studie nahmen 511 Menschen älter als 60 Jahre teil. Als eine der ersten Studien, die sich so umfassend mit älteren und sehr alten Erwachsenen in Deutschland in den Domänen beschäftigt, bietet sie quantifizierte Ergebnisse zu der derzeitigen Situation und den Bedürfnissen dieser Gruppe im Gesundheitssektor bei gleichzeitigem Bezug zum Gebrauch von IKT.

2 Methodik

Im Folgenden wird die methodische Ausarbeitung der datenbasierten Personas aufgezeigt. Da zum jetzigen Stand kaum Literatur zu der Erstellung von Personas auf Grundlage einer quantitativen Datenbasis vorliegt, wird ein Fokus auf der transparenten und nachvollziehbaren Erstellung dieser gelegt (Chang et al. 2008; Pruitt und Grudin 2003; McGinn und Kotamraju 2008). Zuvor wird die methodische Basis der Personaentwicklung in aller Kürze dargelegt, auf die sich die eigenen Entwicklungsschritte beziehen. Daran anschließend erfolgt eine kurze Darstellung der Längsschnittstudie als Datenquelle, damit sowohl die Datenauswertung, als auch die konkrete Entwicklung der Personas nachvollziehbar wird. Die konkreten eigenen Entwicklungsschritte – im Sinne einer Best Practice – werden in dem anschließenden Kapitel dargestellt.

2.1 Methodischer Hintergrund

Es wurden acht idealtypische Personas mittels der ursprünglich von Cooper (2004) vorgestellten und weiterentwickelten Methode, als eine Form der nutzorientierten Gestaltung (DIN EN ISO 9241-210 2010), designt (Rönkkö et al. 2004; Chapman und Milham 2006; Junior und Filgueiras 2005). Die im Folgenden dargestellte konkrete Entwicklung der Personas orientiert sich an dem Vorgehen von Adlin und Pruitt (2010), und Wobig (2012).

Personas stellen hypothetische Archetypen aktueller Benutzer und Konsumenten dar (Cooper 2004; Grudin und Pruitt 2002; Junior und Filgueiras 2005; Miller und Williams 2006). Entstanden sind diese Archetypen im Kontext der Entwicklung und Evaluierung von neuer Software, mit der Frage nach potentiellen Benutzern (Nunes et al. 2010). Wichtige Merkmale bei ihrer Ausgestaltung sind der Präzisionsgrad und der Spezifikationsgrad. Diese entscheiden in einer narrativen Erzählweise, wie „echt“ die entworfenen Personas wirken (Schweibenz 2004; Cooper 2004; Miaskiewicz und Kozar 2011). Im Mittelpunkt der Beschreibung stehen die Interessen, Meinungen und Ziele potentieller Benutzer, welche sowohl durch die Datenlage, als auch durch fiktionale, vom Ersteller aber begründbare und nachvollziehbare Elemente, von Entwicklern designt werden (Konstan et al. 2012; Coney und Steehouder 2000; Pruitt und Grudin 2003). Durch Fotos und Zitate wurden diesen Personas anschaulichere, lebendigere und persönlichere Charakteristika verliehen.

2.2 Datenbasierter Hintergrund

In einer als Längsschnittstudie angelegten Untersuchung ging es um eine periodisch wiederkehrende Erfassung des Einsatzes von IKT-Technologien insbesondere im Hinblick auf medizinische Versorgungsprozesse bei älteren Erwachsenen (Mertens et al. 2017). Bestehende Instrumente wurden in der ersten Runde mit demographischen und gesundheitsbezogenen Standardinstrumenten und neuen Items kombiniert. Das Befragungsinstrument wurde thematisch in unterschiedliche Abschnitte unterteilt. Die zum großen Teil quantitativen Fragen wurden durch offene Fragen ergänzt, um vertiefende Beweggründe und Motive erfassen zu können.

Im ersten Abschnitt wurden demographische Daten abgefragt. Neben klassischen Variablen, waren auch altersspezifische deskriptive Werte, wie beispielsweise die Rentenjahre, der (frühere) Beruf und potentielle chronische Krankheiten, von Interesse. Daran anschließend wurde die durchschnittliche tägliche IKT- und Internetbenutzung thematisiert, gefolgt von dem Gebrauch von IKT und gesundheitsrelevanten Geräten. Der nächste Abschnitt befasste sich mit dem Thema gesundheitsbezogener Informationsbedarf und -verhalten. Schließlich erfolgte die Erfassung allgemeiner Anwendungen und der Benutzung von IKT im Alltag. Dann erfolgte die Abfrage etablierter und für die Zielgruppe bereits mehrfach erfolgreich eingesetzter Fragebögen: Die Computer Literacy Scale (CLS) (Sengpiel und Dittberner 2008), die Technikneigung nach Neyer et al. (2012), die soziale Erwünschtheit (Winkler et al. 2006), und einer angepassten Version der Health Literacy Scale (HLS) nach Sørensen et al. (2015). Am Ende des Fragebogens konnten die Teilnehmer eigene Bemerkungen hinzufügen.

Ein papierbasierter Fragebogen wurde an 5000 zufällig ausgewählte Personen innerhalb Deutschlands verschickt. Die Antwortrate der Teilnehmer lag bei 11 % (N = 551) mit einem mit einem Durchschnittsalter von 69,71 Jahren (SD = 5,787). Das Geschlechterverhältnis der Stichprobe ist, mit einem Männeranteil von 51,3 % und einem Frauenanteil von 48,7 %, ausgewogen. Deskriptive Ergebnisse sowie eine detailliertere Beschreibung des Fragebogens finden sich bei Mertens et al. (2017). Vertiefende Analysen dieser Studie sind bei Rasche et al. (2018), Bröhl et al. (2018) und Theis et al. (2018) nachzulesen. Die Studie wird alle drei Jahre erneut durchgeführt werden, um auf Anforderungs- und Parameteränderungen in der Entwicklung der Zielgruppe reagieren zu können. Hintergrund ist die Annahme, dass durch die immer kurzzyklischere Entwicklung neuer technischer Produkte und deren Einzug in den Alltag von immer mehr Menschen eine valide Erfassung der Erfahrungen fundamental bei der kontinuierlichen Technikintegration auf die Einstellung gegenüber entsprechenden Unterstützungssystemen ist (Mertens 2014).

2.3 Auswertung der Datenbasis

Vor der Erstellung der datenbasierten Personas musste der Anwendungsbereich klar abgegrenzt werden. Konkret wurde das Problem der Gestaltung medizintechnischer Produkte für ältere Benutzer definiert. Entsprechend sollten verschiedene Typen der Benutzer nachgezeichnet werden, um Entwickler für deren Bedürfnisse zu sensibilisieren. In diesem Fall wurden vier Abstufungen der Technikaffinität gewählt, um so Nuancen in der Benutzung von IKT und Medizintechnik aufzeigen zu können. Sie wurde durch die Wahl der Technologien (Smartphone, Tablet-PC, Computer und weitere zu einer Kategorie zusammengefasste nicht-technische Medien), in Verbindung mit dem Gebrauch von Apps, abgebildet. Diese zeigte sich exemplarisch in der Verwendung unterschiedlicher Dienstleistungen, bspw. Online-Banking, Fahrkartenkauf oder der Benutzung sozialer Netzwerke. Die erste Gruppe, die am technikaffinsten einzustufen ist, umfasste dabei ein n = 29, die zweite ein n = 77, die dritte ein n = 102 und die vierte ein n = 135.

Die gebildeten Gruppen dienten als Ausgangspunkt für eine vertiefende Analyse der vorliegenden Daten. Darüber hinaus wurden das Geschlecht und die Benutzung von Apps bei der vertiefenden Analyse im besonderen Maße berücksichtigt, um erste spezifische Verhaltensweisen für die Persona abzuleiten. Während durch die Variable der Benutzung von Apps eine Abgrenzung der Abstufungen der Technikaffinität weiter geschärft werden sollte, wurden durch die Variable des Geschlechtes spezifische Verhaltensweisen und geschlechtertypische Unterschiede in der Benutzung technischer Geräte aufgezeigt (Marsden et al. 2014). Analysiert wurde außerdem, wie sich diese Ausprägungen auf die Einstellung gegenüber medizinischen Fragestellungen und medizintechnischen Gerätschaften auswirken. Der Datensatz wurde unter Zuhilfenahme der ausgewählten Ausprägungen deskriptiv ausgewertet.

Nach der Analyse der Daten erfolgte eine Zuordnung dieser in insgesamt fünf relevante Kategorien. Diese wurden in Anlehnung an die bisher existierende Methodik der Entwicklung von Personas (Abschn. 2.1) ausgewählt. Für die hier beschriebene Fragestellung ergaben sich in einem ersten Schritt vier Kategorien, für die Personas eine Rolle während des Entwicklungsprozesses von IKT und Medizintechnik spielen: persönlicher Hintergrund, gesundheitliche Situation, Informationsbedarf bei medizinischen Fragestellungen und die Einstellung gegenüber technischen Geräten (s. Tab. 1). Diesen Kategorien wurden Ergebnisse aus der Auswertung zugeordnet. Darüber hinaus wurde eine fünfte Kategorie gebildet, die weiterführende Informationen gesammelt wurden, um die Personas realistischer und greifbarer zumachen. Darunter fielen u. a. Zitate, die im Rahmen der Längsschnittstudie erhoben worden sind, potentielle Bilder für die Personas oder eine erste Auswahl von Namen und Berufen.
Tab. 1

Merkmale der datenbasierten Personas

Table 1

Characteristics of the data-based personas

Persönlicher Hintergrund

Gesundheitliche Situation

Informationsbedarf Gesundheitsfragestellungen

Einstellung ggü. Technik

Weitere Informationen

(Geschlecht)

Krankheiten

Gesundheitskompetenz

Technikaffinität

Zitate

Alter

Gesundheitskompetenz

Informationsbedarf

Technikerfahrung und -vorlieben

Fiktionale Elemente

Wohnort und -art

Nutzung Gesundheitsapps

Zufriedenheit Informationsquellen

Gerätebesitz und Erwerbsgrund

Externe Datenquellen

Bildungsabschluss

Internetnutzung

Bilderquellen

Berufliche Karriere

Installation von Programmen

Integration Technik im Alltag

Nach der Auswertung der Daten erfolgte eine Auswahl der endgültigen Anzahl der Personas. Hierbei wurde ebenfalls Bezug zu der gängigen Literatur genommen. Basierend auf den identifizierten Kategorien wurde der Entschluss, unter Berücksichtigung der Variable Geschlecht, für eine Anzahl von acht Personas gefasst. Die gewählte Anzahl der Personas entspricht, so die Argumentationslinie von Marsden et al. (2014), einer gängigen Anzahl in der Praxis. Durch diese Anzahl sollte einerseits sichergestellt werden, dass der Trend der Ergebnisse der Längsschnittstudie korrekt wiedergegeben wurde, andererseits individuelle Merkmale einzelner Gruppen Berücksichtigung finden würden.

Anschließend ging es darum die vorliegenden Daten und Quellen, die nicht zur Längsschnittstudie zählten, hinzuzuziehen. Dadurch sollte der Präzisionsgrad der Personas weiter steigen. Durch diese externen Daten wurde eine Nachvollziehbarkeit im Sinne bekannter und wiedererkennbarer Merkmale gesellschaftlicher (Teil‑)Gruppierungen der Personas angestrebt (Cooper 2004; Böhm et al. 2009). Beispielsweise wurden die Namen nicht zufällig ausgewählt, sondern dem Onlineverzeichnis „beliebte-vornamen.de“ entnommen, das die häufigsten vorkommenden Vornamen nach Jahrgängen sortiert. Ebenfalls wurden erhobene Krankheitsbilder weiter spezifiziert und passende Berufe für Berufs- und Ausbildungsgruppen ergänzt, wie bspw. durch die Homepage der Bundesagentur für Arbeit und der ICD-10-GM Version 2018 für Krankheiten. Unterschiedliche Alterskrankheiten, wie Bluthochdruck, Übergewicht und Arthrose, wurden bei der gesundheitlichen Situation in den Personas berücksichtigt. Darüber hinaus konnten spezifische Krankheitsbilder, wie Herzprobleme infolge eines Herzinfarktes, eine Schilddrüsenüberfunktion und Diabetes, identifiziert werden (OECD und EU 2016; World Health Organization 2016). Innerhalb der Personabeschreibungen werden diese spezifischen Krankheitsbilder mit einbezogen und der Umgang damit umrissen. Gleichzeitig wird das weitere Handeln der Personas im Kontext dieser Krankheitsbilder gesehen. Beispielsweise wurde ihr Interesse an Informationen im gesundheitlichen Sektor einerseits an das Krankheitsbild, dass ihnen zugeordnet wurde, angepasst, andererseits basierten Charaktermerkmale auf der Datenlage der entsprechenden gesundheitsbezogenen Kategorie. Darüber hinaus wurde der jeweilige Beruf als weiterer Bezugspunkt für die Personas gewählt. Um einen stärkeren Bezug zu den Personas herstellen zu können, wurden sie um passende Bilder, die den Charakteristika der jeweiligen Personas am ehesten entsprachen, ergänzt. Die Auswahl erfolgte gemeinsam mit einem interdisziplinären Expertengremium und Endbenutzern. Fragen, die zu der Auswahl führten, waren u. a.: Ist es potentiell möglich, sich die Person in dem gewählten Berufsbild und mit der ausgewählten Krankheit vorzustellen? Kann man sich die Person auf dem Foto mit der dargestellten Beschreibung vorstellen? Durch die gemeinsame Diskussion sollte sichergestellt werden, dass die individuellen Merkmale der einzelnen Personen sich in den Fotos widerspiegeln. Innerhalb der Diskussion um die Fotos wurden widersprüchliche Emotionen in Bezug auf die Fotos und ihren konkreten Wiedererkennungswert zu Personen festgestellt. Dies könnte sich auch negativ auf die Verwendung und auch die Entwicklung von Empathie von Personas auswirken. Da jedoch mit Long (2009) postuliert werden kann, dass mit gänzlich abstrakten Fotos der Aspekt der Empathie stark abnimmt, wurden die Fotos real existierender Menschen nur mit einem Filter leicht abstrahiert. Anschließend wurden gewisse persönliche Informationen der Personas fiktional ergänzt, insbesondere wenn es um kennzeichnende Verhaltensmuster ging (Vincent und Blandford 2014). Es wurde darauf geachtet, dass die fiktionalen Elemente in sich schlüssig und nachvollziehbar waren und eine sinngebende Geschichte erzählen (Quesenbery 2006). Unter Berücksichtigung von Marsden et al. (2014), wurde ein Wiedererkennungswert zwischen den Personas und real existierenden Personengruppen angestrebt, um sinnstiftende Personas zu schaffen. Aus diesen Grund erfolgte eine systematische und kritische Verwendung von Stereotypen. Innerhalb der Entwicklung von Personas ist es dabei üblich, sich diesen zu bedienen (Marsden et al. 2014; Pruitt und Grudin 2003). Darunter fiel zum großen Teil die familiäre Situation der Personas.

Anschließend wurden Steckbriefe der acht Personas angefertigt. Diese Steckbriefe wurden innerhalb eines interdisziplinären Expertengremiums (aus den Bereichen Medizin, Informatik, Ingenieurwissenschaft, Psychologie, Informationswissenschaft und Soziologie), evaluiert und entsprechend überarbeitet. Durch die Interdisziplinarität des Gremiums konnten die Personas aus mehreren Blickwinkeln, wie bspw. Sinnhaftigkeit, Sprache, Logik und textueller Verschriftlichung, während der Entwicklung betrachtet werden. Das führt zu einer, für einen Großteil der beteiligten wissenschaftlichen Disziplinen verständlichen und nachvollziehbaren Logik und Sprache. Darüber hinaus sollte durch eine exemplarische Weitergabe an potenzielle Endbenutzer sichergestellt werden, dass diese sowohl einen Zugang, als auch eine Verwendung für diese haben. Hierbei ging es primär darum sicherzustellen, dass die Personas für die spätere Gruppe der Anwender verständlich und anschaulich gestaltet sind. Die langen Versionen der Steckbriefe der Personas sind dem Anhand zu entnehmen.

3 Diskussion

Die Vorteile datenbasierter Personas liegen in ihrer gesellschaftlichen Relevanz. So spiegeln diese nicht nur eine potentielle Benutzergruppe wieder, sie zeigen auch gesellschaftliche Tendenzen auf, ohne auf individuelle Charakteristika und damit auf einen Wiedererkennungswert zu verzichten. Im Zuge dessen können sie Entwicklern Benutzereigenschaften einfach zugänglich machen, ohne das zusätzliche Ressourcen in Anspruch genommen werden müssen. Entsprechend der vagen Gestaltungsempfehlungen der Personas bei Cooper (2004), Pruitt und Grudin (2003), Pruitt und Adlin (2006), wurde eine systematische Ausarbeitung im Sinne einer Best Practice dieser mithilfe einer quantitativen Datenlage angestrebt. Es wird dabei einerseits auf die generelle Handhabung der Datenlage eingegangen und andererseits anhand eines konkreten Beispiels dargestellt.

Die hier vorgestellten Personas beinhalten dabei drei Aspekte: Durch ihre Datenbasis spiegeln sie gesellschaftliche Trends wieder und gleichermaßen sind sie durch die Art ihrer Konzeption ressourcensparend. Durch ihre Erzählweise sorgen die Personas für die Entwicklung eines Verständnisses gegenüber deutlich älteren Menschen. Anders als herkömmliche Berichte, verhelfen sie dazu ein direktes Bild von Benutzergruppen zu erhalten und damit direkt auf Probleme und Chancen eingehen zu können. Dabei sind sie nicht nur allgemeinverständlich, sondern besitzen einen hohen Spezifikationsgrad. Ein weiterer Vorteil datenbasierter Personas ist, dass sie reale Gegebenheiten wiederspiegeln und nicht nur durch subjektive Einschätzung entstanden sind. Dadurch zeichnen sich gesellschaftliche Strukturen in ihnen ab, ohne dass auf individuelle Merkmale verzichtet werden muss. Ziele und Motivationen des Endbenutzers lassen sich davon ableiten (Wobig 2012). Bereits 1996 stellte Baltes diese Faktoren auf, die für eine Integration von älteren Menschen wichtig sind: Erstens die Erfassung gesellschaftlicher Strukturen und zweitens das Aufbringen relevanter kontextspezifischer Ressourcen und damit drittens einhergehend ein besseres Verständnis für die Ziele des Alters (Baltes 1996).

Die hier entwickelten Personas können bei einer Vielzahl unterschiedlicher Fragestellung genutzt werden. Denkbar wäre somit, dass sie für die Entwicklung neuer technischer (Medizin‑)Produkte verwendet werden, damit eine Orientierung an den Endbenutzer und seine Fähigkeiten erfolgt. Genauso könnten sie aber für eine Sensibilisierung von Versorgungskräften genutzt werden, die mit älteren Menschen in verschiedenen Einrichtungen arbeiten. Gleichermaßen eignen sich diese dazu, Forschung und Entwicklung ein Bild von der derzeitigen Situation älterer Menschen zu vermitteln. Darunter fällt nicht nur das technische Selbstverständnis dieser Menschen, sondern auch ihr Informationsbedarf und ihr Wunsch nach technischer Handhabbarkeit und eigener Partizipation.

Die hier vorliegende Stichprobe der Längsschnittstudie zeichnet sich durch die detaillierte und konkrete Beschreibung einer besonderen, bisher nicht ausreichend betrachteten Gruppe aus. Durch die steigende Anzahl älterer und sehr alter Menschen ist es äußerst wichtig, ihre spezifischen Charakteristika in den Entwicklungsprozess von Medizintechnik und IKT miteinzubeziehen (Nunes et al. 2010). Damit dies möglich wird, ist jedoch neben einem objektiven Verständnis der Schwierigkeiten des Alterns auch wichtig, ein subjektives Empfinden und Empathie in diesem Kontext zu entwickeln. Zwar können Personas dies nicht leisten, jedoch können sie für diese Aspekte sensibleren.

Bezogen auf die Besonderheit der Stichprobe lässt sich feststellen, dass diese einen generellen gesellschaftlichen Trend wiederspiegeln. Die hier entworfenen Personas spiegeln in dem Kontext die realen Benutzer von IKT und Medizinprodukten wieder, was sich auch in den empirischen Daten zeigt. Ein Teil älterer Benutzer hat Probleme mit der Benutzung technischer Endgeräte, es besteht aber ein Interesse an der Handhabung dieser, der sich in den letzten Jahren als Trend fortsetzt (Mertens et al. 2017). Gleichzeitig haben Männer ein größeres Interesse an technischen Neuerungen als Frauen (Haesner et al. 2015). Zurzeit stellen technikaffine ältere Menschen einen geringen Teil dieser spezifischen Subgruppe dar, was sich – so die Annahme – in naher Zukunft wandeln wird. Trotz unveränderlicher physiologischer Alterseffekte erhebt sich die Frage, ob die Leistungsunterschiede zwischen jüngeren und älteren Benutzern zukünftig geringer ausfallen. Auch aufgrund der Tatsache, dass die heute „jungen älteren Menschen“ mit technischen Systemen, sowie IKT, erwachsen geworden sind und der damit einhergehenden neu entstehenden Anforderungen im Vergleich zu der derzeitigen Zielgruppe besser gewachsen sind (Mertens 2014; Nunes et al. 2010).

Aufgrund der immer kleinzyklischeren Entwicklung von neuen Technologien im digitalen Wandlungsprozess und der kleiner werdenden Leistungsunterschiede stellt sich die Frage nach der Aktualität der in diesem Beitrag entworfenen Personas. Diese Herausforderung wurde bereits bei der Konzeption der Personas bedacht. Durch die sich dreijährig wiederholenden Erhebungen der Längsschnittstudie wird eine inhaltliche Anpassung dieser erfolgen. Geplant ist es, um langfristige Entwicklungen hinsichtlich der Technikbenutzung und Einstellung gegenüber Medizintechnologien älterer und sehr alter Menschen zu untersuchen. Im textuellen Entwurf wurden darüber hinaus Textbausteine eingebaut, die leicht zu aktualisieren sind. Gleichzeitig muss postuliert werden, dass aufgrund der zur Verfügung stehenden Daten zwar von einem gesellschaftlichen Trend gesprochen werden kann, jedoch keine Rückschlüsse auf die Gesamtbevölkerung möglich sind. Insbesondere da eine spezielle gesellschaftliche Gruppierung im Vordergrund stand. Limitierend wirkt in diesem Kontext auch, dass nicht alle Informationen der vorliegenden Personas auf Daten basieren, auch wenn versucht wurde, diesen Part möglichst klein zu halten und die Lücken mit weiteren Quellen zu schließen.

4 Ausblick

In diesem Artikel erfolgte die Ausarbeitung acht datengestützter Personas im Sinne einer Darstellung der Best Practice. Die hier vorgestellten Personas werden in Forschung und Entwicklung eingesetzt, um so den in der Einleitung skizzierten Problemlagen entgegenzutreten. Gleichzeitig erfolgt eine Aufbereitung auf einer entsprechenden Online-Plattform „www.tech4age.de“, um so eine einfache Benutzung gewährleisten zu können. Im Rahmen einer regelmäßigen Neuauflage der Längsschnittstudie werden die Personas darüber hinaus fortwährend überarbeitet und bei Bedarf erweitert, so dass das sie ihre Aktualität über eine längere Zeitspanne hinweg behalten.

Notes

Förderung

Diese Publikation ist Teil des vom Bundesministerium für Bildung und Forschung (BMBF, Förderkennzeichen 16SV7111) geförderten Forschungsprojektes „TECH4AGE“, das von der VDI/VDE Innovation + Technik GmbH betreut wird. Die Repräsentation zielgruppenspezifischer Eigenschaften und Anforderungen anhand archetypischer Personenprofile, basierend auf umfangreichen Befragungen, wurde im Projekt Sireva (FKZ: 13N12954) erprobt und evaluiert.

Supplementary material

Literatur

  1. Adlin T, Pruitt J (2010) The essential persona lifecycle. Your guide to building and using personas. Amsterdam: Elsevier/Morgan Kaufmann. http://site.ebrary.com/lib/alltitles/docDetail.action?docID=10408161. Zugegriffen: 10. Juli 2018Google Scholar
  2. Adolph L, Rothe I, Windel A (2016) Arbeit in der digitalen Welt – Mensch im Mittelpunkt. Z Arb Wiss 70(2):77–81Google Scholar
  3. AG, Generali Deutschland (2017) Generali Altersstudie 2017. Springer, Berlin HeidelbergGoogle Scholar
  4. Baltes MM (1996) Produktives Leben im Alter: Die vielen Gesichter des Alters – Resumee und Perspektiven für die Zukunft. In: Baltes MM, Montada L (Hrsg) Produktives Leben im Alter, S 393–408Google Scholar
  5. Blomquist Å, Arvola M (2002) Personas in action: ethnography in an interaction design team. In: Bertelsen OW (Hrsg) Proceedings of the second Nordic conference on Human-computer interaction—NordiCHI ’02. ACM Press, New York, S 197–200Google Scholar
  6. Böhm K, Tesch-Römer C, Ziese T (2009) Beiträge zur Gesundheitsberichterstattung des Bundes. Gesundheit und Krankheit im Alter. Robert Koch-Institut. http://www.gbe-bund.de/pdf/Gesundh_Krankh_Alter.pdf#SEARCH=%22Krankheit%20im%20Alter%22. Zugegriffen: 10. Juli 2018Google Scholar
  7. Brändle T, Colombier C (2017) Nicht nur die Alterung führt zu Zusatzlasten im Gesundheitswesen. Die Volkswirtsch 2(3):11–15Google Scholar
  8. Bröhl C, Rasche P, Jablonski J, Theis S, Wille M, Mertens A (2018) Desktop PC, tablet PC, or Smartphone? An analysis of use preferences in daily activities for different technology generations of a worldwide sample. Full paper accepted for the 4rd International Conference on Human Aspects of IT for the Aged Population. Applications, Services and Contexts. ITAP 2018.Google Scholar
  9. Casas R, Marín RB, Robinet A, Delgado AR, Yarza AR, Mcginn J, Picking R, Grout V (2008) User modelling in ambient intelligence for elderly and disabled people. In: International Conference on Computers for Handicapped Persons. Springer, Berlin, Heidelberg, S 114–122Google Scholar
  10. Chang Y, Lim Y, Stolterman E (2008) Personas: from theory to practices. In: Tollmar K, Jönsson B (Hrsg) Proceedings of the 5th Nordic conference on human-computer interaction building bridges—NordiCHI ’08. ACM Press, New York, S 439–442Google Scholar
  11. Chapman CN, Milham RP (2006) The personas’ new clothes. Methodological and practical arguments against a popular method. Proc Hum Factors Ergon Soc Annu Meet 50(5):634–636Google Scholar
  12. Coney MB, Steehouder M (2000) Role playing on the web: guidelines for designing and evaluating personas online. Tech Commun 47(3):327–340Google Scholar
  13. Cooper A (2004) The inmates are running the asylum: why high-tech products drive us crazy and how to restore the sanity. Sams, IndianapolisGoogle Scholar
  14. DIN EN ISO 9241-210:2010 Ergonomie der Mensch-System-Interaktion – Teil 210: Prozess zur Gestaltung gebrauchstauglicher interaktiver Systeme (ISO 9241-210:2010); Deutsche FassungGoogle Scholar
  15. DIN/ISO 9241-11:2018 Ergonomics of human-system interaction—Part 11: Usability: Definitions and concepts (ISO 9241-11:2018); Englische FassungGoogle Scholar
  16. Grudin J, Pruitt J (2002) Personas, participatory design and product development: an infrastructure for engagement. In: Proceedings of the participatory design, S 144–152Google Scholar
  17. Haesner M, Steinert A, O’Sullivan JL, Steinhagen-Thiessen E (2015) Analyse des Umgangs älterer Internetnutzer mit unerwarteten Situationen. Z Gerontol Geriatr 48(8):715–721Google Scholar
  18. Junior PTA, Filgueiras LVL (2005) User modeling with personas. In: Baranauskas MCC, Ibarra OM (Hrsg) Proceedings of the 2005 Latin American conference on Human-computer interaction—CLIHC ’05 New York. ACM Press, New York, S 277–282Google Scholar
  19. Konstan JA, Chi EH, Höök K (Hrsg) (2012) Proceedings of the 2012 ACM annual conference on Human Factors in Computing Systems—CHI ’12. ACM Press, New YorkGoogle Scholar
  20. LeRouge C, Ma J, Sneha S, Tolle K (2013) User profiles and personas in the design and development of consumer health technologies. Med Inf (Lond) 82(11):251–268Google Scholar
  21. Long F (2009) Real or imaginary: the effectiveness of using personas in product design. Proceedings of the Irish Ergonomics Society Annual Conference. Bd. 14. Irish Ergonomics Society, DublinGoogle Scholar
  22. Malwitz-Schütte M (2006) Lebenslanges Lernen (auch) im Alter? – Selbstgesteuertes Lernen, Medienkompetenz und Zugang zu Informations- und Kommunikationstechnologien älterer Erwachsener im Kontext wissenschaftlicher Weiterbildung. Bildungsforschung 3(2):25Google Scholar
  23. Marsden N, Link J, Büllesfeld E (2014) Personas und stereotype Geschlechterrollen. In: Marsden N (Hrsg) Gender-UseIT. HCI, Usability und UX unter Gendergesichtspunkten. DeGruyter Oldenbourg, Berlin, S 91–104Google Scholar
  24. McGinn J, Kotamraju N (2008) Data-driven persona development. In: Czerwinski M, Lund A, Tan D (Hrsg) Proceeding of the twenty-sixth annual CHI conference on Human factors in computing systems—CHI ’08 Proceeding of the twenty-sixth annual CHI conference, Florence, 05.04.2008–10.04.2008 ACM Press, New York, S 1521–1524Google Scholar
  25. Mertens A (2014) Alternsgerechte Gestaltung von Mensch-Maschine-Schnittstellen zur ergonomischen Interaktion mit telemedizinischen Systemen und Dienstleistungen. Shaker, AchenGoogle Scholar
  26. Mertens A, Rasche P, Theis S, Bröhl C, Wille M (2017) Use of Information and Communication Technology in Healthcare Context by Older Adults in Germany: Initial Results of the Tech4Age Long-Term Study. i‑com 16(2):165–180Google Scholar
  27. Miaskiewicz T, Kozar KA (2011) Personas and user-centered design. How can personas benefit product design processes? Des Stud 32(5):417–430Google Scholar
  28. Miller G, Williams L (2006) Personas: “Moving Beyond Role-Based Requirements. Engineering, ”. North Carolina. Microsoft and North Carolina State UniversityGoogle Scholar
  29. Neyer FJ, Felber J, Gebhardt C (2012) Entwicklung und Validierung einer Kurzskala zur Erfassung von Technikbereitschaft. Diagnostica. https://www.researchgate.net/profile/Franz_Neyer/publication/274419230_Entwicklung_und_Validierung_einer_Kurzskala_zur_Erfassung_von_Technikbereitschaft/links/5540c0e60cf2b7904369be78.pdf. Zugegriffen: 10. Juli 2018
  30. Nowossadeck S (2013) Demografischer Wandel, Pflegebedürftige und der künftige Bedarf an Pflegekräften. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 56(8):1040–1047Google Scholar
  31. Nunes F, Silva PA, Abrantes F (2010) Human-Computer Interaction and the Older Adult: An Example Using User Research and Personas. In: Makedon F (Hrsg) Proceedings of the 3rd International Conference on PErvasive Technologies Related to Assistive Environments. PETRA, Bd. 10. ACM Press, New York, New York, USA, S 49–56Google Scholar
  32. OECD, EU (2016) Health at a Glance: Europe 2016. State Health EU CycleGoogle Scholar
  33. Pötzsch O, Rößger F (2015) Bevölkerung Deutschlands bis 2060. 13. Koordinierte Bevölkerungsvorausberechnung. DeStatis, WiesbadenGoogle Scholar
  34. Pruitt J S, Adlin T (Hg.) (2006) The persona lifecycle. Keeping people in mind throughout product design. ScienceDirect (Online service). Amsterdam, Boston: Elsevier (The Morgan Kaufmann series in interactive technologies). Online verfügbar unter http://gbv.eblib.com/patron/FullRecord.aspx?p=269955. Zugegriffen: 10. Juli 2018
  35. Pruitt J, Grudin J (2003) Personas: Practice and Theory. In: Arnowitz J, Chalmers A, Swack T, Anderson R, Zapolski, J (Hg.): Proceedings of the 2003 conference on Designing for user experiences—DUX ’03. New York, New York, USA: ACM Press, 1–15Google Scholar
  36. Quesenbery W (2006) Storytelling and Narrative. In: Pruitt JS, Adlin T (Hrsg) The persona lifecycle. Keeping people in mind throughout product design. Amsterdam. Elsevier, Boston, S 520–554Google Scholar
  37. Rasche P, Wille M, Bröhl C, Theis S, Schäfer K, Knobe M, Mertens A (2018) Prevalence of Health App Use Among Older Adults in. Ger Natl Surv In: jmir Mhealth Uhealth 6(1):e26Google Scholar
  38. Rönkkö K, Hellman M, Kilander B, Dittrich Y (2004) Personas is not Applicable: Local Remedies Interpreted in a Wider Context. In: Clement A, van den Besselaar P (Hrsg) Proceedings of the eighth conference on Participatory design Artful integration: interweaving media, materials and practices. PDC, Bd. 04. ACM Press, New York, New York, USA, S 112–120Google Scholar
  39. Schmidt A, Wolf-Ostermann K (2018) Ambulante Versorgung von Menschen mit Demenz – ein Überblick. Management von Gesundheitsregionen IV. Springer Gabler, Wiesbaden, S 59–76Google Scholar
  40. Schweda M, Coors M, Mitzkat A, Pfaller L, Rüegger H, Schmidhuber M, Sperling U, Bozzaro C (2018) Ethische Aspekte des Alter(n)s im Kontext von Medizin und Gesundheitsversorgung: Problemaufriss und Forschungsperspektiven. Ethik Med 30(1):5–20Google Scholar
  41. Schweibenz W (2004) Zielgruppenorientiertes Interaktionsdesign mit Personas. Inf – Wissenschaft Prax 55(2):151–156Google Scholar
  42. Seifert A (2016) Techniknutzung im Alter. In. NOVAcura, Bd. 1, S 53–55Google Scholar
  43. Sengpiel M, Dittberner D (2008) The computer literacy scale (CLS) for older adults-development and validation. In Mensch & Computer, S 7–16Google Scholar
  44. Sørensen K, Pelikan J M, Röthlin F, Ganahl K, Slonska Z, Doyle G, Fullam J, Kondilis B, Agrafiotis D, Uiters E, Falcon M, Mensing M, Tchamov K, van den Broucke S, Brand H; HLS-EU Consortium. (2015) Health literacy in Europe: comparative results of the European health literacy survey (HLS-EU). The European Journal of Public Health, ckv043. Online available [march 2017]: https://academic.oup.com/eurpub/article/25/6/1053/2467145/Health-literacy-in-Europe-comparative-results-of. Zugegriffen: 15. Juni 2018
  45. Theis S, Rasche P, Mertens A, Schlick CM (2016) An Age-Differentiated Perspective on Visualizations of Personal Health Data. In: Schlick C et al (Hrsg) Advances in Ergonomic Design of Systems, Products and Processes. Springer, Berlin, HeidelbergGoogle Scholar
  46. Theis S, Rasche P, Bröhl C, Wille M, Mertens A (2018) What do you need to know to stay healthy?—A national study on elderlies’ health information seeking behavior. In Proceedings of the 20th International Conference of the International Ergonomics Association. IEA, Bd. 2018. Accepted, FlorenceGoogle Scholar
  47. Umbach G (2018) Health Economics and Outcomes Research sowie Market Access. Erfolgreich im Pharma-Marketing. Springer Gabler, Wiesbaden, S 369–375Google Scholar
  48. Vincent CJ, Blandford A (2014) The challenges of delivering validated personas for medical equipment design. Appl Ergon 45(4):1097–1105Google Scholar
  49. Wille M, Theis S, Rasche P, Bröhl C, Schlick C, Mertens A (2016) Best Practices for Designing Electronic Healthcare Devices and Services for the Elderly. i‑com 15(1):67–78Google Scholar
  50. Winkler N, Kroh M, & Spiess M (2006) Entwicklung einer deutschen Kurzskala zur zweidimensionalen Messung von sozialer Erwünschtheit (No. 579). DIW-Diskussionspapiere. http://www.econstor.eu/bitstream/10419/18472/1/dp579.pdf. Zugegriffen: 10.07.2018Google Scholar
  51. Wobig M (2012) Benutzermodellierung mit Personas und Zielen. Leibniz Universität Hannover, Informatik. Hannover. Online verfügbar unter http://www.se.uni-hannover.de/pub/File/kurz-und-gut/ss2012-proseminar-inf-usabiliy/Wobig2012.pdf. Zugegriffen: 10. Juli 2018Google Scholar
  52. World Health Organization (2016): “Global action plan for the prevention and control of NCDs 2013–2020. 2013.” 55.Google Scholar

Copyright information

© The Author(s) 2019

Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.

Authors and Affiliations

  • Katharina Schäfer
    • 1
    Email author
  • Alexander Mertens
    • 1
  • Peter Rasche
    • 1
  • Sabine Theis
    • 1
  • Christina Bröhl
    • 1
  • Olga Apdarmani
    • 1
  • Tobias Seinsch
    • 1
  • Verena Nitsch
    • 1
  • Christopher Brandl
    • 1
  • Matthias Wille
    • 1
  1. 1.Lehrstuhl und Institut für ArbeitswissenschaftRWTH AachenAachenDeutschland

Personalised recommendations