Proximitäts- und Aktivitätserkennung mit mobilen Endgeräten

Mit der immer groseren Verbreitung mobiler Endgerate wie Smartphones und Tablets aber auch am Korper getragener Technik (Wearables), ist die Vision einer ubiquitar von Computern durchzogenen Welt weitgehend Realitat geworden. Auf Basis dieser uberall verfugbaren Technologien lassen sich mehr und mehr kontextbezogene Anwendungen umsetzen, also solche, die ihre Diensterbringung an die aktuelle Situation des Benutzers anpassen. Ein wesentliches Kontextelement ist dabei die Proximitat (Nahe) eines Benutzers zu anderen Benutzern oder Objekten. Dabei ist diese Proximitat nicht nur rein ortlich zu verstehen, sondern ihre Bedeutung kann auf samtliche Kontextelemente ausgedehnt werden. Insbesondere ist auch die Ubereinstimmung von Aktivitaten verschiedener Benutzer von Interesse, um deren Zusammengehorigkeit abzuleiten. Es existiert gerade im Hinblick auf ortliche Nahe eine Reihe von Standardtechnologien, die eine Proximitatserkennung grundsatzlich erlauben. Alle diese Verfahren weisen jedoch deutliche Schwachen im Hinblick auf Sicherheit und Privatsphare der Nutzer auf. Im Rahmen dieser Arbeit werden drei neue Verfahren zur Proximitatserkennung vorgestellt. Dabei spielen die Komponenten "Ort" und "Aktivitat" jeweils in unterschiedlichem Mase ein wichtige Rolle. Das erste Verfahren benutzt WLAN-Signale aus der Umgebung, um sichere, d.h. unfalschbare, Location Tags zu generieren, mit denen ein privatsphare-schonender Proximitatstest durchgefuhrt werden kann. Wahrend das erste Verfahren rein auf ortliche Nahe abzielt, berucksichtigt das zweite Verfahren implizit auch die Aktivitat der betrachteten Benutzer. Der Ansatz basiert auf der Auswertung und dem Vergleich visueller Daten, die von am Korper getragenen Kameras aufgenommen werden konnen. Die Grundidee des dritten Verfahrens besteht darin, dass auch rein auf Basis von Aktivitaten bzw. Aktivitatssequenzen eine kontextuelle Proximitat zwischen verschiedenen Nutzern festgestellt werden kann. Zur Umsetzung dieser Idee ist eine sehr feingranulare Aktivitatserkennung notwendig, deren Machbarkeit in dieser Arbeit ebenfalls gezeigt wird. Zusammengenommen werden in der vorliegenden Arbeit mehrere Wege aufgezeigt, unterschiedliche Arten von kontextueller Proximitat auf sichere und privatsphare-schutzende Weise festzustellen.