KI-App: Bewegungserkennung im Sport

Mona HopfingerMona Hopfinger
Läufer mit digitaler Ganganalyse auf Laufbahn, Tablet und Kamera
© Mit KI (Gemini) generiert

Ein österreichisches Unternehmen hat eine mobile Videoanalyse-Lösung für Sport und Therapie entwickelt. Die App zeigt Gelenkpunkte und Winkel automatisch im Bild an – mit KI-Unterstützung und Hosting in Österreich.

Ob ein Schwimmer den Ellbogen zu tief eintaucht oder eine Läuferin beim Aufsetzen im Knie nach innen knickt – solche Details entscheiden über Zehntelsekunden und Verletzungsrisiken. Mit bloßem Auge sind sie kaum zu erkennen. Für diese Anforderungen entwickelte die österreichische Firma movAcam ein mobiles Bewegungsanalysesystem. Gemeinsam mit Anexia Digital Engineering entstand daraus eine Videoanalyse-App mit KI-gestützter Bewegungserkennung, die Gelenkpunkte und Winkel direkt im Bild sichtbar macht.

Vom Sportwissenschafter entwickelt

Hinter movAcam steht MMag. Dr. David Höden, Sportwissenschafter und Betriebswirt, der an der Universität Graz promoviert hat. Der staatlich geprüfte Trainer für Schwimmen und Triathlon gründete 2012 das Unternehmen fluidlife und entwickelt seit 2020 movAcam.

Das System richtet sich an Trainer, Athleten und Therapeuten. Es besteht aus zwei synchronisierten Kameras, die mit bis zu 120 Bildern pro Sekunde und einer Auflösung bis 4K aufnehmen, einem vorkonfigurierten Android-Tablet, Stativen und einem Transportkoffer. Das gesamte System wiegt rund vier Kilogramm und ist laut Hersteller in weniger als drei Minuten aufgebaut. Neben der Variante für den Einsatz an Land gibt es eine Ausführung für das Wasser, mit der sich Schwimmer über und unter der Oberfläche filmen lassen.

Die Anwendungsbereiche von movAcam umfassen Schwimmen, Laufsport, Ganganalyse, Fitness, Reha und Ballsportarten wie Tennis und Fußball. Genutzt wird das System von Vereinen, Verbänden, Physiotherapeuten sowie sportmedizinischen und orthopädischen Praxen.

Automatische Erkennung statt manuelles Einzeichnen

Neu ist die Videoanalyse im Sport nicht. Der Anspruch hingegen, sie derart einfach zu gestalten, dass sie tatsächlich im Trainingsalltag zum Einsatz kommt, ist neu. In der Praxis wird das selten gemacht, wenn nach dem Training erst Dateien zweier Kameras kopiert, synchronisiert und am Laptop ausgewertet werden müssen.

Von der Hardware-Seite her löste movAcam dieses Problem. Nach dem Anstecken beider Kameras läuft die Aufnahme synchron, das Video steht sofort am Tablet bereit. Das händische Einzeichnen von Winkeln kostet Zeit und ist davon abhängig, wie präzise jemand den Gelenkpunkt trifft. Eine App, die den Körper selbst erkennt, macht die Analyse schneller und besser vergleichbar.

Hinzu kam die Datenfrage. Sensibel sind Aufnahmen von Athletinnen und Athleten, insbesondere wenn es sich um Nachwuchssportler und Patienten handelt. Nicht infrage kam eine Lösung, bei der Aufnahmen zur Auswertung an Dienste außerhalb Europas übermittelt werden.

Wie die KI Gelenkpunkte findet

In der Fachsprache wird dieses Verfahren Posenschätzung genannt. In jedem einzelnen Bild ermittelt ein neuronales Netz die Positionen von Schultern, Ellbogen, Handgelenken, Hüften, Knien und Sprunggelenken. Durch die Verbindung dieser Punkte entsteht ein Strichmodell, das den Bewegungen des Körpers folgt. Die Punkte ermöglichen die Berechnung von Gelenkwinkeln und deren Verfolgung über die Zeit.

In der Videoanalyse-App von movAcam erscheint dieses Skelett als Überlagerung im Video. Ohne selbst etwas einzeichnen zu müssen, sehen Trainer Gelenkpunkte und Winkel und können sich auf deren Interpretation konzentrieren.

Herausforderung Sport

Trainiert werden Posenschätzungsmodelle überwiegend mit Alltagsbildern. Menschen sitzen, stehen oder gehen dabei. Im Sport sieht die Welt anders aus: Bewegungen sind schnell, bei einem Sprint oder einem Aufschlag verwischen Arme und Beine. Körperteile verdecken einander. Haltungen sind ungewöhnlich – eine Rollwende oder ein Fallrückzieher kommen in gewöhnlichen Trainingsdaten selten vor. Die Umgebung wechselt: Hallenlicht, Gegenlicht im Freien, Spiegelungen und Wasser stellen unterschiedliche Anforderungen.

Deshalb muss eine Erkennung für den Sport an echten Aufnahmen aus Becken, Platz und Halle getestet werden. Als Maßstab gilt, ob ein erfahrener Trainer dem Ergebnis vertraut.

Genauigkeit und Geschwindigkeit

Je größer ein Modell, desto genauer arbeitet es meist – und desto länger rechnet es. Für eine Videoanalyse-App im Trainingseinsatz zählt beides. Den Zweck verfehlt eine Auswertung, die erst abends vorliegt, denn die Rückmeldung sollte erfolgen, während die Sportlerin die Bewegung noch körperlich spürt.

Darin liegt die Kunst: ein Modell auszuwählen, das ausreichend genau arbeitet und dessen Ergebnis dennoch vor Ort am Tablet verfügbar ist.

Die App am Beckenrand

Anders als ein Rechner im Büro wird ein Tablet am Spielfeldrand oder Beckenrand bedient. Die Hände stecken in Handschuhen oder sind nass, die Sonne blendet, zwischen zwei Durchgängen verbleiben dreißig Sekunden. Die Videoanalyse-App ist auf diese Bedingungen ausgelegt.

Dem Trainer stehen nach der Aufnahme jene Werkzeuge zur Verfügung, die für eine fundierte Rückmeldung nötig sind:

  • Zeitlupe und Wiedergabe Bild für Bild

  • Winkelmessung und Zeichenwerkzeuge

  • Vergleich zweier Aufnahmen durch Überlagerung

  • Sprachkommentar, der mit dem Video gespeichert wird

  • Schnitt und Versand an Athleten, Trainerkollegen oder Therapeuten

In diese Werkzeuge fügt sich die Bewegungserkennung ein. Kein eigener Modus, den man erst suchen müsste – sie ergänzt die Ansicht um eine zusätzliche Ebene.

Cloud und Hosting in Österreich

Erst wenn sie beim Sportler ankommt, ist eine Analyse etwas wert. Die Videoanalyse-App synchronisiert Aufnahmen deshalb mit einer Cloud, über die Trainer ihre Teams und Mitglieder verwalten und Videos teilen. Statt jeden Namen einzeln anzulegen, können Athletenlisten importiert werden.

Der Betrieb der Cloud hinter der Videoanalyse-App erfolgt in Österreich. Für movAcam stellt das ein Verkaufsargument dar, für die Nutzer hingegen eine Voraussetzung. Mit Minderjährigen arbeiten Vereine, Therapeuten mit Patienten, und Verbände möchten die Technikvideos ihrer Spitzenathleten nicht auf Servern sehen, über die keine Kontrolle besteht.

Neben der Softwareentwicklung bringt Anexia hier die eigene Infrastruktur mit ein. Anwendung, Speicher und Betrieb kommen aus einer Hand.

Einsatz über den Sport hinaus

Die Technik hinter dieser Videoanalyse-App ist nicht auf den Sport beschränkt. Derselbe Ansatz lässt sich überall anwenden, wo menschliche Bewegungen beurteilt werden.

In der Physiotherapie und Rehabilitation macht eine Videoanalyse-App Fortschritte sichtbar, etwa den Bewegungsumfang eines Gelenks über mehrere Wochen. Hebevorgänge und Haltungen an Arbeitsplätzen können in der Arbeitsmedizin bewertet werden, ohne dass Sensoren am Körper befestigt werden müssen. Beim Erlernen handwerklicher Abläufe hilft in der Ausbildung die Überlagerung mit einer Referenzbewegung.

Gemeinsam ist diesen Anwendungen die Kombination aus Kamera, Videoanalyse-App, KI-Auswertung und einem Betrieb, bei dem die Daten in Europa bleiben.

Quelle: https://anexia.com/de/stories/case-study-movacam-videoanalyse-app

Worüber spricht Klagenfurt morgen?

Kostenloses News Briefing aus deiner Region – jeden Morgen um 6 Uhr.

Mit der Anmeldung nimmst du die Datenschutzerklärung zur Kenntnis.

austria.com auf Google bevorzugen.