Frühzeitige Erkennung von Nebenwirkungen durch KI-gestützte Videoanalyse

Der Kunde

Likeminded, heute nilo, ermöglicht einfachen und direkten Zugang zu mentaler Gesundheitsunterstützung. Das Berliner Unternehmen hilft Organisationen und ihren Mitarbeitenden, langfristig psychische Widerstandsfähigkeit und allgemeines Wohlbefinden zu stärken. Ziel ist es, das Stigma rund um mentale Gesundheit aufzubrechen und möglichst vielen Menschen zu ermöglichen, ihre mentale Gesundheit selbstbestimmt zu verbessern. Dazu stellt nilo individuell zugeschnittene Angebote über eine benutzerfreundliche, mehrsprachige Plattform bereit – von 1:1-Coachings über Gruppensitzungen bis hin zu eigenständigen Übungen.

Herausforderung

nilo bietet ein breites Spektrum an mentaler Gesundheitsunterstützung – von Einzelcoachings über Gruppensitzungen bis hin zu selbstgesteuerten Übungen. Um Nutzende bei der Auswahl aus dem breiten Spektrum von Inhalten und Formaten zu unterstützen, plante das Unternehmen die Entwicklung eines Empfehlungssystems, das Nutzende passgenau mit geeigneten Angeboten zusammenbringt. Merantix Momentum wurde beauftragt, entlang von drei Schwerpunkten den Grundstein des Systems zu legen:

Modellierung eines Digitalen Zwillings entlang der Dimensionen Angst, Depression und Burnout
Entwicklung eines Modells zur Empfehlung passender psychologischer Expert:innen
Training eines Format-Recommenders, der die passende Angebotsform auswählt (1:1, Gruppe, Selbsthilfe)

"Die Zusammenarbeit mit Merantix Momentum hat uns dabei geholfen, das technische Fundament für unser Empfehlungssystem zu legen. Die klaren Handlungsempfehlungen und das Denken aus User- wie auch Data-Science-Perspektive haben das Projekt sehr wertvoll gemacht.”

Josu Garcia de Albizu Armentia

Co-Founder & CPTO, nilo

Lösung

Um diesen Grundstein zu legen, arbeitete Merantix Momentum drei Wochen intensiv mit nilo zusammen. In Phase 1 berieten wir zum Datenkonzept: In Deep-Dive-Workshops mit Psycholog:innen wurden Entscheidungsfaktoren herausgearbeitet und ein informationshaltiger Datensatz kuratiert.

Nach der Sammlung ausreichender, gelabelter Daten startete Phase 2: Validierung von Hypothesen und Modell-Prototyping. Innerhalb von zwei Wochen führten wir statistische Auswertungen durch und entwickelten ein erstes Modell des digitalen Zwillings, das 80% Genauigkeit in den Vorhersagen erreichte. Zum Abschluss wurde das Projekt an das Engineering-Team von nilo übergeben – inklusive Empfehlungen zur weiteren Integration von Machine Learning.

Ergebnisse & Auswirkungen

Wir haben die KI-Reise von nilo in nur 3 Wochen mit handfesten Ergebnissen und umsetzbaren Empfehlungen erfolgreich gestartet.

Auf Basis unseres Prototyps kann nilo psychologische Expert:inneneinschätzungen mit über 80% Genauigkeit vorhersagen (Angst, Depression, Burnout)

Die Zusammenarbeit war ein wichtiger Schritt in der Entwicklung von nilo hin zu einem personalisierten, KI-gestützten Anbieter evidenzbasierter Mental-Health-Lösungen.

‍