PAVA: Arbeidsbesparende WiFi-Sensing voor Slimme Nachtzorg
| Dossier | AI.KIEM.01.011 |
|---|---|
| Status | Initieel |
| Subsidie | € 39.880 |
| Startdatum | 1 september 2026 |
| Einddatum | 31 augustus 2027 |
| Regeling | KIEM Arbeidsbesparende AI 2026 |
| Thema's |
|
De intramurale ouderenzorg staat onder toenemende druk door dubbele vergrijzing en structurele personeelstekorten. Vooral in de nachtzorg is de personele bezetting minimaal, terwijl bewoners in de intramurale ouderenzorg een verhoogd val- en dwaalrisico hebben. Huidige bewegingsmonitoring met traditionele sensoren leidt tot veel niet-relevante meldingen. Iedere melding vraagt een fysieke controle, wat resulteert in onnodige loopbewegingen, verstoring van werkprocessen, slaaponderbrekingen bij bewoners en inefficiënte inzet van schaars personeel. In dit project onderzoeken we het arbeidsbesparend potentieel van de bestaande AI-toepassing MOOS, ontwikkeld door PAVA. MOOS maakt gebruik van WiFi-sensing om afwijkende bewegingspatronen contactloos te detecteren, zonder inzet van camera’s of wearables. In kleinschalige pilots liet de technologie zien gerichter te signaleren dan traditionele sensoren. Onafhankelijke effectmeting in een realistische zorgsetting ontbreekt echter nog.
De centrale praktijkvraag luidt:
Hoe kan de bestaande AI-toepassing MOOS in de intramurale nachtzorg aantoonbaar bijdragen aan arbeidsbesparing en efficiëntere werkprocessen, met behoud van veiligheid en kwaliteit van zorg?
In samenwerking met ZZG Zorggroep, PAVA, Vilans en het Lectoraat Technologie voor Gezondheid van de HAN wordt een praktijkgerichte effectevaluatie uitgevoerd met een nulmeting en interventiemeting. Het onderzoek kwantificeert het huidige werkproces (meldingen, tijdsbesteding, loopbewegingen, werkdruk) en vergelijkt dit met de situatie na implementatie van MOOS.
Arbeidsbesparing wordt uitgedrukt in tijdsreductie per dienst, vermindering van fysieke controles, optimalisatie van personeelsinzet en potentiële FTE-impact op jaarbasis. Daarnaast wordt een kosten-batenanalyse uitgevoerd en worden organisatorische randvoorwaarden voor structurele implementatie in kaart gebracht. Het project levert objectief onderbouwd inzicht in de mate waarin AI-gedreven WiFi-sensing kan bijdragen aan arbeidsbesparing in de nachtzorg, inclusief een opschaalbaar implementatie- en businessmodel voor bredere toepassing binnen de ouderenzorg.
Contactinformatie
HAN University of Applied Sciences
Maurice Magnée, contactpersoon
Consortiumpartners
bij aanvang project- PAVA.ai B.V.
- Stichting Vilans
- Stichting ZZG zorggroep