Ziel ist es, langfristige Verläufe (Trajektorien) in Bezug auf die Unabhängigkeit bei der Ausübung von Alltagsaktivitäten, die funktionelle Leistungsfähigkeit, die körperliche Aktivität und das Sturzrisikoprofil von älteren Menschen zu identifizieren und vorherzusagen. Das Studienkollektiv bilden Patienten > 60 Jahre, die nach einem Sturz in der Notaufnahme vorstellig werden, bei denen die Schwere der Verletzung allerdings keine stationäre Aufnahme erfordert. Neben einer umfassenden geriatrischen Untersuchung werden innovative Technologien eingesetzt, um Sturzrisikofaktoren und die individuellen funktionellen Verläufe zu analysieren. So werden u. a. Ganganalysen auf einem Perturbationslaufband durchgeführt, mit dem zur Testung der dynamischen Balance gezielte Störungen des Gangs provoziert werden können, denen durch eine adäquate Reaktion entgegengewirkt werden muss. Zudem wird untersucht, ob diese gezielten Störungen Bewegungsmuster schulen, die die Reaktion auf derartige Störungen verbessern und dadurch einen Einfluss auf den weiteren Verlauf bzw. das Sturzrisiko haben. Während der Diagnostik werden auch Bewegungsdaten durch am Körper getragene Sensoren erfasst. Diese Datensätze sollen genutzt werden, um mit Ansätzen des maschinellen Lernens (ML) die funktionelle Leistungsfähigkeit im täglichen Leben zu erfassen und die unter standardisierten Bedingungen im Labor erzeugten Bewegungsabläufe im Alltag durch körpergetragene Sensoren wiederzuerkennen. Basierend auf den Erkenntnissen wird ein statistisches Vorhersagemodell erarbeitet. Des Weiteren werden die Patientinnen und Patienten sowie deren Betreuungspersonen in einem qualitativen Ansatz am Forschungsprozess beteiligt und deren Bedürfnisse, Präferenzen und Barrieren zur Teilnahme an Sturzpräventions-Programmen erhoben. Basierend auf den Ergebnissen werden bestehende Interventionsmaßnahmen ausgewählt und neue entwickelt, um Stürzen vorzubeugen bzw. das individuelle Sturzrisiko zu minimieren.