Deep Care Isa: Offline-Desk-Gadget mit ToF-Sensoren für bessere Haltung und Bewegung

Wer im Homeoffice arbeitet, kennt die stille Kumulation: Der Rücken meldet sich, der Kopf rutscht nach vorn, und nebenbei verschwinden ganze Stunden, bevor man überhaupt aufsteht. Zwar existieren zahlreiche Apps und Wearables, die Bewegungs- oder Sitzzeiten melden, doch sie lassen sich leicht ignorieren oder setzen oft auf Kamera- bzw. Cloud-Workflows. Genau hier positioniert sich das deutsche Startup Deep Care mit dem Desk-Device Isa: Es soll als dezente, aber konsequente Rückkopplung im Raum wirken – und zwar offline, ohne Kamera und ohne zwingende Online-Verbindung. Damit adressiert das Gerät nicht nur Ergonomie, sondern auch das Sicherheits- und Vertrauensproblem „Always-on“-Erfassung, das viele Unternehmen und Beschäftigte heute stärker beschäftigt. Technisch basiert Isa auf einem 3D-Depth-Ansatz über Time-of-Flight (ToF). Vorne sitzt ein ToF-3D-Sensor, der über die Laufzeit von Lichtimpulsen Entfernungen und Konturen im definierten Messbereich erfasst. Deep Care nennt für die Messstrecke Werte von 0,15 bis 1,8 Metern, was bedeutet, dass sich das Gerät bei typischer Schreibtischhöhe sowohl für Bewegungen im Nahbereich als auch für das Aufstehen während des Arbeitstages eignet.

Ergänzt wird der Sensorverbund durch weitere Bausteine wie ein ToF-1D-Modul, Gyroskop, Barometer, Lichtsensor und einen Geräuschpegel-Sensor. Für Umgebungsdaten kommen zudem ein CO2/VoC-Sensor sowie Temperatur- und Feuchtigkeitsmessungen hinzu, sodass Isa nicht nur „Körperdaten“, sondern auch Kontext rund um den Arbeitsplatz einordnet. Die Interaktion ist bewusst niedrigschwellig. Auf dem Gerät zeigt ein kleines IPS-HD-Display eine Art ringförmige Sitzbewertung, visuell als „Squircle“-Kontur umgesetzt, die sich füllt oder entleert – und bei schlechter Haltung farblich bzw. statusseitig signalisiert. Zusätzlich gibt es ein Trink-Widget im Stil einer Wasserkanne, das über die Sensorik und den ToF-Ansatz Trinkereignisse zählt oder zumindest als Indikator loggt. Bei anhaltender Schieflage warnt Isa durch Vibration, und diese Rückmeldung wirkt überraschend direkt: Man richtet sich „reflexartig“ auf, sobald der Status sichtbar wird oder die kurze haptische Störung einsetzt. Für Pausen schlägt das Gerät ebenfalls Aktionen vor; der Bewegungs-Tracker wird dabei nach Rückkehr zum Arbeitsplatz zurückgesetzt, damit die Logik nicht künstlich „weiterläuft“. Im Gegensatz zu kamera- oder cloudlastigen Lösungen setzt Isa auf Privacy by Design, bringt aber auch physikalische Grenzen mit sich.

Da der ToF-Sensor auf Distanz und 3D-Strukturen reagiert, kann ein Flaschenobjekt zwischen Person und Sensor dazu führen, dass das System kurzzeitig eine Person „nicht richtig“ erkennt oder umgekehrt Objekte als Bewegungsereignisse interpretiert. Haushaltsmitbewohner oder Haustiere, die den Sichtkorridor passieren, können ebenfalls Ausreißer erzeugen. In der Praxis scheint Isa diese Situationen abzufangen, indem es bei wahrgenommenem „Weggehen“ in einen digitalen Uhrmodus wechselt; dennoch wünscht man sich ein manuelles „Nicht am Desk“-Signal. Ähnlich verhält es sich mit Fehlalarmen: In einzelnen Tests meldete Isa Standzeiten bereits nach unter einer halben Stunde. Insgesamt bleiben das jedoch Randfragen gegenüber dem Nutzen, weil das Gerät die eigene Sitzroutine deutlich öfter überprüfbar macht. Marktseitig ist Isa Teil einer breiteren Verschiebung: Arbeitsplatz-Wellness entwickelt sich von reinen „Gesundheits-Apps“ hin zu Hardware mit Sensorik, die direkt am Arbeitsort liefert, was man für IT-Entscheider als „messbar“ und für Nutzer als „nützlich“ erlebt. Deep Care wurde laut eigenen Angaben von drei Ex-Bosch-Mitarbeitern gegründet und verkaufte Isa zunächst direkt an Unternehmen – eine Strategie, die bei B2B-Ergonomie häufig funktioniert, weil Budgets für Workplace-Health leichter zu rechtfertigen sind.

Der Schritt zu Verbrauchern mit Subscriptions auf Premium-Hardware ist dagegen eine Wette: Ob sich ein monatliches Modell neben der einmaligen Gerätezahlung durchsetzt, hängt stark davon ab, ob die Mehrwerte regelmäßig spürbar bleiben und nicht nur „Datenexport“ versprechen. Vergleichbar sind hier Angebote von Wearables oder smarten Bürozubehörteilen, doch Isa versucht sich mit Offline-Betrieb und ganzheitlicher Umgebungsmessung (Licht, Lärm, CO2/VoC) abzugrenzen – und tritt damit indirekt auch in Richtung „Digital Workplace“-Anbieter, die Arbeitsplatzzustände ganzheitlich optimieren. Expertenperspektiven aus dem Umfeld von Workplace-Security und IoT zeigen dabei einen klaren Zielkonflikt: Mehr Sensoren bedeuten mehr Messmöglichkeiten, aber auch ein höheres Risiko für Fehlinterpretationen und für die Frage, wie Daten verarbeitet werden. Isa adressiert Datenschutz zumindest dadurch, dass keine Kamera enthalten ist und das Gerät Updates via Wi‑Fi nur optional nutzt, während man die Verbindung jederzeit deaktivieren kann. Entscheidend wird aber die Systemarchitektur dahinter: Selbst bei Offline-Erfassung entscheidet die spätere Auswertung (z. B. in einer App oder auf Servern) darüber, wie streng Nutzer- und Unternehmensanforderungen ausfallen.

In regulierten Umgebungen – etwa in HR-nahen Gesundheitsinitiativen oder bei Standorten mit strengen Richtlinien – kann die Frage nach Datenminimierung, Aufbewahrungsfristen und Auditierbarkeit über Erfolg oder Misserfolg entscheiden. Genau deshalb ist die Offline-Positionierung ein Signal, auch wenn die Subscription-Fortschreibung die Diskussion um Datenflüsse später erneut anheizen kann. Für die weitere Roadmap geht Deep Care bereits einen Schritt über reine Ergonomie hinaus. Geplant ist, die Sensorik langfristig für mental-health-nahe Erkennung zu nutzen: Isa soll über Bewegungs- und Atemsignale (z. B. Kopf- und Brustbewegung) Atemmuster ableiten und diese mit Umgebungsdaten wie Lärm, Licht und CO2 zu einem Stress-Score verdichten. Technisch ist das plausibel, aber nicht trivial: Atemmuster sind indirekt messbar, Bewegungen können durch Gestik, Haltungsschwankungen oder externe Aufgaben verfälscht werden, und ein Stress-Score braucht solide Kalibrierung sowie sorgfältige Interpretationsregeln. Der Umstand, dass der Ansatz auf Kontextsignale setzt, erinnert an moderne „Signals-first“-Systeme, bei denen nicht ein einzelnes Merkmal überbewertet wird, sondern mehrere niedrigdimensionale Indikatoren zusammengeführt werden. In Summe ist Isa damit ein interessantes Angebot für alle, die aus dem Homeoffice heraus wirklich an ihrer Sitz- und Bewegungsroutine arbeiten möchten und bereit sind, einmalig 299 Euro plus monatliche Beiträge zu akzeptieren.

Das Core-Paket wird mit 4,99 Euro pro Monat beschrieben und umfasst Sitz-Tracking, Trinkgewohnheiten sowie eine Übungsbibliothek; das Pro-Level für 7,99 Euro ergänzt Umweltmetriken wie Licht, Geräuschpegel und CO2. Ob die mental-health-Funktionen in der Praxis verantwortungsvoll und verlässlich genug ausgerollt werden, wird sich zeigen – insbesondere, wenn man in Unternehmen Compliance- und Datenschutzanforderungen berücksichtigen muss. Für Entwickler und Integratoren eröffnet die Plattformidee dennoch Chancen: Ein offlinefähiges Sensor-Ökosystem kann als Baustein für Workplace-Analytik dienen, solange Transparenz, Minimierung und Nutzerkontrolle von Beginn an fest in der Produktarchitektur verankert sind.