Alle Arbeiten
01 / 042026

cura

Intelligenter Assistent im Medikamenten-Befüllungsprozess

Zeitraum
März – Juli 2026
Team
Vanessa Hiller, Hannes Uhl
Tools
Figma, Miro, GenAI-Tools, Paper Prototyping
Schwerpunkte
User Research, Konzept, Interface Design, Usability Testing
Kontext
Lean Design Project · 6. Semester · HfG Schwäbisch Gmünd, interdisziplinär mit der Hochschule Aalen
Aufbau des cura-Prototyps beim Usability-Test im Pflegeheim
Der Prototyp beim Usability-Test in einem Pflegeheim in Schwäbisch Gmünd.

Kurzfassung

Pflegekräfte setzen täglich komplexe Medikationspläne um – unter Zeitdruck und mit ständigen Unterbrechungen. cura begleitet das Befüllen der Wochen-Dispenser: Das Gerät erkennt den Dispenser, zeigt den aktuellen Medikationsplan und prüft per Kamera, ob die richtigen Tabletten im richtigen Fach liegen.

Leitfrage

Wie kann die Kontrollsicherheit beim Stellen von Medikamenten im Altenheim gewährleistet werden, wenn das Vier-Augen-Prinzip wegen Personalmangel und Zeitdruck regelmäßig ausfällt?

Design Sprint

Fünf Tage, um das Feld zu verstehen

Wir starteten mit einem einwöchigen Design Sprint: Understand, Sketch, Decide, Build, Test. Über eine Mindmap und erste Desk Research grenzten wir das Themenfeld Gesundheit auf Medikamente ein – ein Bereich mit hoher Verantwortung und vielen Beteiligten.

Ein wichtiges Learning kam früh: Wir hatten 17 How-Might-We-Fragen formuliert, bevor die Zielgruppe feststand – und merkten, dass sie dadurch zu breit blieben. Erst mit einer klaren Zielgruppe wurden die Fragen präzise. Sieben Interviews mit Menschen zwischen 23 und 81 Jahren und einer Pflegekraft zeigten dann, wo der Prozess wirklich hakt.

Methoden

  • Design Sprint
  • Mindmap
  • Desk Research
  • Marktrecherche
  • How Might We
  • 7 Interviews
  • As-Is Scenario

Erkenntnisse

  • 01

    Das Befüllen ist die Fehlerquelle

    Bestehende Lösungen erinnern an die Einnahme. Das Vorbereiten und Zuordnen der Tabletten bleibt Handarbeit – und genau dort entstehen Fehler.

  • 02

    Änderungen verunsichern

    Wird der Medikationsplan geändert, steigt das Risiko für Verwechslungen deutlich.

Whiteboard mit geclusterten Post-its
Brainstorming und Clustering der Problemfelder.

Research vor Ort

Vom Privathaushalt ins Pflegeheim

Nach dem Sprint verlagerten wir den Fokus von älteren Menschen zu Hause auf die professionelle Pflege. Dort werden Medikamente für viele Bewohner:innen gleichzeitig gestellt – die Verantwortung ist größer, die Bedingungen sind härter.

Wir haben Pflegekräfte im Altenheim interviewt und beim Stellen der Medikamente begleitet. Aus Shadowing, Experteninterviews, Kontext- und Wettbewerbsanalyse entstanden eine Stakeholder Map, eine User Journey und die Persona Sabine, 54, Pflegefachkraft.

Methoden

  • Shadowing
  • Experteninterviews
  • Kontextanalyse
  • Stakeholder Map
  • User Journey
  • Persona

Erkenntnisse

  • 01

    Nicht die Kompetenz ist das Problem

    Pflegekräfte wissen, wie Medikamente korrekt gestellt werden. Es ist der Kontext – Zeitdruck, Unterbrechungen, Personalmangel –, der Fehler begünstigt.

  • 02

    Medienbrüche kosten Aufmerksamkeit

    Der Blick wechselt ständig zwischen ausgedrucktem Plan, Laptop und Dispenser.

  • 03

    Die zweite Kontrolle fehlt oft

    Das Vier-Augen-Prinzip ist vorgesehen, fällt im Alltag aber regelmäßig aus.

Synthese

Eine Frage, an der sich alles ausrichtet

Aus den Erkenntnissen formulierten wir unsere Question Zero, Design Principles und Anforderungen. Ein Value Proposition Canvas und Produktachsen halfen, den Nutzen zu schärfen. In einem Szenario-Workshop (STEEP, Future Wheel, Three Horizons) prüften wir, wie sich Pflege und Technologie bis 2030 entwickeln könnten – etwa durch die elektronische Patientenakte.

Methoden

  • Question Zero
  • Design Principles
  • Value Proposition Canvas
  • Szenario-Workshop
  • STEEP
  • Three Horizons

„Wie können wir Kontrollmechanismen digital unterstützen, sodass eine Überprüfung auch ohne zweite Pflegekraft möglich ist?“

— Unsere How-Might-We-Frage

Konzept

Vom Skizzenblatt zum System

Mit Crazy 8s und einem morphologischen Kasten entwickelten wir viele Varianten und strichen bewusst alles Mechanische: Ein vollautomatischer Wagen hätte das Problem nur verlagert. Übrig blieb ein Assistent, der den Menschen beim Stellen unterstützt, statt ihn zu ersetzen.

Das System besteht aus drei Teilen: einer Sensorfläche, die den Dispenser per NFC den Bewohnerdaten zuordnet, einer Kamera mit KI-gestützter Tablettenerkennung und einem Interface, das mit der elektronischen Bewohnerakte verbunden ist. Daraus leiteten wir Informationsarchitektur, Wireframes und das Screen Design ab.

Methoden

  • Crazy 8s
  • Morphologischer Kasten
  • Impact-/Effort-Matrix
  • Informationsarchitektur
  • Wireframes
  • Moodboard
Handskizzen erster Konzeptideen
Crazy 8s: erste Konzeptideen.
Skizzierte Wireframes auf Papier
Wireframes auf Papier.
Testaufbau der Tablettenerkennung mit Kamerabild eines Dispensers
Technischer Test: Erkennung der Fächer per Kamera.

Prototyp & Test

Getestet, wo gestellt wird

Wir testeten einen Paper Prototype nach dem Wizard-of-Oz-Prinzip mit einer Pflegekraft in einem Pflegeheim in Schwäbisch Gmünd. Sie sprach ihre Gedanken laut aus, während wir beobachteten und protokollierten. Leitfrage: Erreicht sie ihr Ziel effizient, effektiv und zufriedenstellend?

Methoden

  • Paper Prototype
  • Wizard of Oz
  • Think Aloud
  • Testleitfaden

Erkenntnisse

  • 01

    Kernfunktionen sind sofort verständlich

    Eine klare Darstellung des Medikationsplans erleichtert den Einstieg und erhöht die Akzeptanz.

  • 02

    Das System muss sich an Routinen anpassen

    Die Testperson stellte den Dispenser anders hin als vorgesehen. Etablierte Abläufe dürfen nicht umgekrempelt werden.

  • 03

    Jede Aktion braucht sichtbares Feedback

    Nach einer Anpassung war unklar, ob die Änderung gespeichert wurde.

  • 04

    Fehlermeldungen brauchen einen nächsten Schritt

    Eine Meldung muss zeigen, welches Fach betroffen ist und was jetzt zu tun ist.

„Und dann bräuchte theoretisch, denke ich – das ist nur meine Meinung –, niemand mehr weitere Kontrollen durchzuführen.“

— Pflegekraft im Usability-Test (sinngemäß)
Testaufbau mit Prototyp, Dispenser und Kamera auf einem Tisch
Aufbau des Usability-Tests.
Physischer Prototyp von cura mit Tablet und Wochen-Dispenser
Der physische Prototyp.

Ergebnis

Alles an dem Ort, an dem befüllt wird

Sobald ein Dispenser auf die Sensorfläche gestellt wird, erkennt cura die zugehörigen Bewohnerdaten und zeigt den aktuellen Medikationsplan. Änderungen durch Ärzt:innen werden aus der elektronischen Bewohnerakte synchronisiert – die Pflegefachkraft arbeitet immer mit dem aktuellen Stand.

Während des Befüllens prüft die Kamera die eingelegten Tabletten. Fehlt eine, ist eine zu viel oder liegt sie im falschen Fach, erscheint sofort eine Meldung, die Schritt für Schritt durch die Korrektur führt. Der ständige Wechsel zwischen Papierplan, Laptop und Dispenser entfällt.

Die Testerkenntnisse sind in das finale Design eingeflossen: eindeutige Rückmeldungen nach jeder Aktion und Fehlermeldungen mit klarer Handlungsanweisung.

cura-Startbildschirm mit Übersicht der Befüllprozesse
Start: Überblick über offene und erledigte Dispenser.
Screen zum Befüllen mit Medikationsplan
Befüllen: der Medikationsplan führt Schritt für Schritt.
Fehlermeldung: falsches Fach erkannt
Fehler: betroffenes Fach, Ursache und nächster Schritt.
KI-generierte Visualisierung des Gerätekonzepts
Ausblick: KI-generierte Visualisierung eines möglichen Seriengeräts.

Learnings

Was ich mitnehme

  1. 01

    Erst die Zielgruppe schärfen, dann Fragen formulieren – sonst bleiben How-Might-We-Fragen zu breit.

  2. 02

    Vor Ort beobachten zeigt Dinge, die in Interviews niemand erwähnt.

  3. 03

    Ein System muss sich in bestehende Routinen einfügen, nicht umgekehrt.

Weitere Arbeiten