Ungestört im Flow dank adaptivem Notifikationsmanagement

Beschäftigte im Büro sind heute insbesondere bei der Arbeit am Computer einer Vielzahl unterschiedlicher Reize und Ablenkungen ausgesetzt. Digitale Notifikationen zum Beispiel von E-Mail-Klienten oder Instant Messenger Werkzeugen können einerseits eine gute Hilfestellung sein, indem sie zum Beispiel auf einen wichtigen Sachverhalt aufmerksam machen und so ein schnelles Reagieren ermöglichen. Studien zeigen jedoch, dass eine Vielzahl der Notifikationen im Arbeitsalltag weder wichtig ist, noch eine unmittelbare Reaktion erfordert. Vielmehr können die häufigen Unterbrechungen während der Arbeit die mentale Belastung erhöhen und Fehler begünstigen. Als besonders schädlich gelten digitale Unterbrechungen, wenn sie den sogenannten Flow unterbrechen. Flow geht auf den Psychologen Mihály Csíkszentmihályi zurück wird als Schaffensphase definiert und beschreibt das vollständige Aufgehen in einer Aufgabe. Besonders im Arbeitskontext gelten Flowzustände als besonders wichtig, da sie im Zusammenhang mit einer erhöhten Leistungsfähigkeit und einem gesteigerten Wohlbefinden stehen.

Neueste Studien am Karlsruher Institut für Technologie konnten mittels Methoden der künstlichen Intelligenz basierend auf Daten der Herzratenvariabilität eine Prozedur zur kontinuierlichen Erkennung von Flow entwickeln. Auf Grundlage dieser Prozedur wurde zuletzt ein erstes Flow-adaptives System entwickelt, das digitale Benachrichtigungen des Instant Messengers Slack im Flow adaptiv stummschaltet. Mit dem System können Störungen durch Instant Messenges im Flow effektiv unterbunden werden, ohne eine manuelle Anpassung der Verfügbarkeit durch den Nutzer zu erfordern. Gleichzeitig wird vermieden, dass Benachrichtigungen außerhalb von Flowzuständen verpasst werden.

Das entwickelte Flow-adaptive System wurde erfolgreich in einer Feldstudie in einem Karlsruher Unternehmen pilotiert. Es leistet einen Beitrag zur Steigerung von Wohlbefinden und Produktivität bei der Arbeit. Aufbauend auf dem ersten Prototyp sind sowohl die Integration weiterer Adaptionsziele wie zum Beispiel die Stummschaltung von E-Mail-Klienten oder Telefonsystemen. Neben der Adaption von Systemen könnte eine Visualisierung der eigenen Flowzustände Anwender befähigen ein besseres Bewusstsein für Flow zu entwickeln.

Weitere Informationen zu Flow-Studien des Karlsruher Institut für Technologie finden Sie hier:

R. Rissler, M. Nadj, M. X. Li, N. Loewe, M. T. Knierim and A. Maedche, "To Be or Not to Be in Flow at Work: Physiological Classification of Flow using Machine Learning," in IEEE Transactions on Affective Computing, doi: 10.1109/TAFFC.2020.3045269