Pose- und Gestenanalyse (Ergonomie, Fitness, Rehabilitation)

Die Schätzung der menschlichen Körperhaltung (Pose Estimation) macht aus gewöhnlichem Video Skelett-Schlüsselpunkte, aus denen sich Gelenkwinkel, Wiederholungen und Bewegungsqualität berechnen lassen. Arbeitgeber nutzen sie, um ungünstige Haltungen bei manueller Arbeit zu finden, Fitnessstudios und Apps für Rückmeldungen zur Übungsausführung, und Physiotherapeuten zur Begleitung von Heimübungen. Die Technik ist ausgereift; schwierig sind die Messgültigkeit mit nur einer Kamera, das Vertrauen der Beschäftigten und (in der EU) die Grenzen von Datenschutz und KI-Verordnung.

Problem & Nutzen

• Heute: Ergonomische Beurteilungen (REBA, RULA, OWAS, EAWS; ISO 11226 / EN 1005-4 für statische Haltungen) führen geschulte Fachleute durch, die einige Minuten Arbeit mit Checklisten oder tragbaren Sensoren beobachten. Die Abdeckung ist dünn, Momentaufnahmen sind subjektiv, und eine erneute Beurteilung nach einer Änderung am Arbeitsplatz ist selten. Rückmeldungen zur Übungsausführung im Fitnessbereich brauchen einen Trainer; Reha-Übungen zu Hause werden oft falsch oder gar nicht gemacht, und Therapeuten sehen wenig davon, was zwischen den Terminen geschieht.
• KI-Nutzen: Markerlose Posenschätzung lässt ein Handy oder eine vorhandene Kamera wiederholbare Gelenkwinkelmessungen im großen Maßstab erzeugen, Aufgaben mit hohem Risiko für die Prüfung durch Fachleute markieren, Wiederholungen zählen und sofort Rückmeldung geben.
• Warum es wichtig ist: Arbeitsbedingte Muskel-Skelett-Erkrankungen gehören zu den häufigsten arbeitsmedizinischen Problemen in der EU, weshalb EU-OSHA die Prävention als Priorität behandelt [4]. Hier werden keine belegten, herstellerneutralen ROI-Zahlen genannt; messen Sie Ihre eigene Ausgangslage.

Varianten

• Arbeitsplatz-Ergonomie (Montage, Logistik, Gesundheitswesen, Büros): Risikobewertung auf Aufgabenebene aus Video, Vorher-/Nachher-Vergleich von Änderungen am Arbeitsplatz; unterstützt die Beurteilenden, statt einzelne Personen laufend zu überwachen.
• Fitness & Sport-Coaching: Wiederholungszählung, Ausführung von Kniebeuge/Kreuzheben, Laufstil, Golf-/Tennis- Schwung; Verbraucher-Apps, vernetzte Fitnessgeräte, Werkzeuge für Trainer (Verfolgung im Mannschaftssport: VIS-015).
• Rehabilitation & Physiotherapie: Begleitung von Übungen in der Tele-Reha, Verfolgung des Bewegungsumfangs nach Operationen, Heimprogramme bei Schlaganfall und in der Orthopädie; kann ein Medizinprodukt sein.
• Gestensteuerung: Hand-/Körpergesten für Terminals und die Steuerung in sterilen Umgebungen.
• Taktzeitanalyse aus denselben Schlüsselpunkten: siehe VIS-034; Sicherheit/PSA: VIS-007.

So funktioniert es

1. camera / phone video
2. person detection + tracking (multi-person, ID persistence)
3. 2D keypoints (17-33+ joints, optional hands/face/feet)
4. 3D lifting or depth fusion (monocular lifting, multi-camera triangulation, depth sensor)
5. temporal smoothing + joint angles / kinematics
6. rules or models: ergonomic score, rep segmentation, deviation from reference movement
7. feedback (on-screen cues, report for assessor/physio) with human review

• Pose-Modelle: Top-down (Detektor, dann Schlüsselpunkte je Person, z. B. RTMPose, ViTPose) oder einstufig für mehrere Personen (z. B. RTMO, YOLO-pose). MediaPipe Pose Landmarker liefert 33 Körper- Landmarken in Bild- und 3D-Weltkoordinaten und läuft auf Handys und in Browsern [1].
• 3D und Kinematik: 2D-zu-3D-Lifting oder Mehrkamera-Triangulation, danach biomechanische Anpassung (z. B. OpenSim-basierte Pipelines wie OpenCap) für Gelenkwinkel in Forschungsqualität.
• Bewertungsschicht: Deterministische Regeln (REBA/RULA-Tabellen, Winkelschwellen) sind einem undurchsichtigen neuronalen Wert vorzuziehen, weil sie prüfbar sind und den Standards entsprechen, die Beurteilende kennen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Ergonomen prüfen markierte Aufgaben; Therapeuten legen Übungsziele fest und prüfen die Einhaltung; keine automatischen Sanktionen oder Personalentscheidungen aus Rohwerten.

Datenaufbereitung

Benötigte Daten: Video oder Kamerabilder von Personen bei Aufgaben oder Übungen sowie Referenzwissen wie ergonomische Beurteilungen (z. B. RULA- oder REBA-Werte), Übungsdefinitionen und Anleitungen von Physiotherapeuten. Im Mittelstand liegt das meist noch nicht als Daten vor: Videos auf Handys oder Tablets, Beurteilungen in Papierformularen oder Excel-Tabellen und Übungspläne in PDFs.

Typische Lücken: schlechte Kamerawinkel, Verdeckung durch Maschinen, uneinheitliches Licht, keine beschrifteten Beispiele für gute und schlechte Haltung, keine Einwilligungsnachweise und Beurteilungen, die nur auf Papier existieren.

Aufbereitungsschritte: 1. Den Aufbau festlegen: Kameraposition, welche Bewegungen, welche Schwellenwerte, abgestimmt mit dem Fachbereich und dem Betriebsrat. 2. Papierbeurteilungen und Checklisten digitalisieren (PREP-008, PREP-011). 3. Einen kleinen Satz Testclips mit Expertenbewertung sammeln (PREP-018), mit Freiwilligen, die nach Aufklärung eingewilligt haben. 4. Video lokal verarbeiten und nur Skelett-Schlüsselpunkte statt Bildern speichern, was als Pseudonymisierung gilt (PREP-022). 5. Zweck und Rechtsgrundlage dokumentieren (PREP-025).

Aufwand: gering bei den Daten (etwa 10 bis 20 Prozent); der größere Teil ist Kameraaufbau, Einwilligung und die Abstimmung von Nutzungsregeln.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg C, weil Körperhaltungsdaten von Beschäftigten sensibel sind und quelloffene Pose-Modelle wie MediaPipe auf dem Gerät mit einfacher Hardware (HW1) laufen.
• Großunternehmen: Weg C, da Video vor Ort zu halten die Übertragung von Bildern der Beschäftigten vermeidet und zu einer Betriebsvereinbarung passt.
• Entwickler: Weg C, weil offene Modelle zur Posenschätzung lokal laufen und volle Kontrolle über Datenschutz und Latenz geben.
• Privat: Weg A, weil fertige Fitness- und Reha-Apps Video auf dem Handy verarbeiten und keine Einrichtung brauchen.

Weg A — Kaufen (Standardsoftware)

• Ergonomie: videobasierte Beurteilung und EHS-Analytik (z. B. Intenseye, Protex AI, beide außerhalb der EU) sowie Simulation digitaler Menschen in Siemens Tecnomatix (Jack / Process Simulate). Prüfen Sie das Hosting in der EU und dass die laufende Überwachung einzelner Personen abschaltbar ist.
• Fitness / Reha: Übungs-Apps und -Plattformen wie Kaia Health (DE, EU), Physitrack (in SE börsennotiert), Sword Health und Kemtai; Reha-Versprechen können eine Zertifizierung als Medizinprodukt erfordern.
• A wählen, wenn: Standardbeurteilungen oder Übungsprogramme, keine eigene Kameraintegration, und der Anbieter eine DSFA-Vorlage, Unterlagen für den Betriebsrat und Hosting in der EU liefern kann.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Pose: Google MediaPipe Pose Landmarker (auf dem Gerät, Apache-2.0-Lizenz, mobil/Web) [1]; verwaltete Video-KI-APIs für Objektverfolgung; VLMs (Gemini, Claude, GPT, Mistral Pixtral/Medium mit Bildverarbeitung) für erzählende Rückmeldung zu kurzen Clips, gehostet in EU-Regionen.
• Muster: Posenextraktion auf dem Gerät ausführen, sodass nur Schlüsselpunkte die Kamera verlassen (Datenminimierung).
• B wählen, wenn: Sie ein Produkt oder ein internes Werkzeug bauen und schnell iterieren wollen.

Weg C — Selbst betreiben (Open Source)

• Modelle: MMPose mit RTMPose / RTMO / RTMW (Ganzkörper einschließlich Hände) [2], ViTPose, Ultralytics YOLO-pose [3] (AGPL-/kommerzielle Lizenzbedingungen prüfen), MediaPipe, OpenPose (nichtkommerzielle Lizenz, meist historisch), MotionBERT oder Ähnliches für 3D-Lifting, OpenCap für biomechanische Forschung.
• Laufzeit: ONNX Runtime, TensorRT, OpenVINO, TFLite; NVIDIA Jetson oder Hailo für Edge- Kameras; Verfolgung mit Trackern der Klasse ByteTrack.
• Hardware: HW1 genügt für wenige Streams (Klasse Jetson Orin, moderne Handy-NPU); HW2 für Dutzende Streams oder hochauflösende 3D-Erfassung mit mehreren Kameras.

Weg D — Eigenes Training

Lohnt sich, wenn die Umgebung von öffentlichen Datensätzen abweicht (schwere PSA, verdeckte Arbeitsplätze, Rollstühle, Kinder, ungewöhnliche Werkzeuge oder Übungsgeräte). Ein Schlüsselpunktmodell mit einigen tausend annotierten Bildern aus der Zielumgebung feintunen oder einen Klassifikator auf Schlüsselpunkt- Sequenzen (Graph-Faltung oder Transformer-Aktionserkennung) für bestimmte Bewegungen trainieren.

Stand der Technik (2026)

• Die 2D-Pose mehrerer Personen ist weitgehend gelöst und eine Echtzeit-Standardleistung: leichtgewichtige Varianten von RTMPose/RTMO und YOLO-pose laufen in Echtzeit auf CPUs, eingebetteten GPUs und Handys; Transformer-Modelle (ViTPose-Familie) führen Genauigkeits-Benchmarks wie COCO und 3D-Sätze im Stil von Human3.6M an.
• Grenzen und Fehlerbilder: Tiefenmehrdeutigkeit bei einer Kamera (Beugung/Drehung in der Blick- achse wird schlecht geschätzt), Verdeckung durch Maschinen, weite Kleidung und PSA, ungewöhnliche Haltungen (liegen, hocken, vorbeugen), Kamerawinkel, Kinder und Körper, die in den Trainingsdaten unterrepräsentiert sind, sowie Zittern. Die berichtete Übereinstimmung mit Experten- oder markerbasierten Referenzen schwankt stark mit dem Aufbau; validieren Sie an der eigenen Aufgabe, bevor Sie den Werten trauen.

Gemeinsame Bausteine & Kombinationen

• Derselbe Pose-/Tracking-Stack bedient VIS-007 (PSA- und Warnungen vor unsicherer Haltung), VIS-034 (manuelle Taktzeiten), VIS-015 (Sportverfolgung), VIS-028 (Fahrerüberwachung im Fahrzeuginnenraum) und HLTH-015 (Sturzerkennung). Eine Edge-GPU-Box oder Jetson-Flotte kann mehrere davon betreiben.
• Anonymisierung am Rand (Edge): VIS-030 (Gesichter verwischen; nur Skelette übertragen).
• Kopplung mit tragbaren Sensoren über PERS-002 (IMU-Daten) und Planung von Exoskeletten mit ROBO-018.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen für Piloten; Abonnement je Nutzer, Standort oder Kamera.
• Weg B: 1-3 Monate für eine mobile oder interne App mit Validierung.
• Weg C: 2-4 Monate einschließlich Kameraaufbau, Kalibrierung und Validierungsstudie.
• Kennzahlen: Übereinstimmung mit der Expertenbeurteilung (z. B. Winkelfehler in Grad, Kappa der Bewertung), Anteil beurteilter Aufgaben gegenüber vorher, Zahl umgesetzter Verbesserungen an Arbeitsplätzen, Genauigkeit der Wiederholungszählung, Einhaltung und Abschluss von Übungen in der Reha, Rate falscher Warnungen, Akzeptanz bei den Nutzern.

Menschen & Veränderung

Wer und wann: Die Geschäftsleitung, HR und die Fachbereichsleitung einigen sich zuerst auf den Zweck; der Betriebsrat kommt dazu, bevor eine Kamera installiert wird; die/der Datenschutzbeauftragte prüft Rechtsgrundlage und DSFA; IT und Arbeitssicherheit richten Kameras und Speicher ein. Endnutzer werden ab dem ersten Test einbezogen, weil Akzeptanz über den Erfolg entscheidet.

Betriebsrat: Ja. Kameras und Posenanalyse eignen sich zur Überwachung von Verhalten und Leistung, daher gilt §87 Abs. 1 Nr. 6 BetrVG; nach dem Bundesarbeitsgericht genügt die objektive Eignung. Hinzu kommen §90 Abs. 1 Nr. 3 (Information über KI-gestützte Arbeitsprozesse) und §80 Abs. 3 (KI-Sachverständiger). Eine Betriebsvereinbarung sollte die Nutzung auf Ergonomie beschränken und die Leistungsbewertung ausschließen (GUIDE-004). Öffentlicher Dienst: Personalrat.

Datenschutz: Eine DSFA (Art. 35 DSGVO) ist wahrscheinlich, da die systematische Beobachtung von Beschäftigten Gesundheitsdaten berühren kann; die Einwilligung von Beschäftigten ist selten wirklich freiwillig, stützen Sie sich daher auf eine Betriebsvereinbarung und Datenminimierung (GUIDE-005).

KI-Kompetenz: Unterstützen Sie die Mitarbeitenden mit kurzen Schulungen dazu, was das System misst und wie hoch die Fehlerraten sind (Art. 4 KI-Verordnung, GUIDE-006).

Pilot und Bedenken: Pilotieren Sie mit Freiwilligen in einem Bereich. Ängste vor Überwachung sind berechtigt: lokal verarbeiten, kein Video speichern, den Beschäftigten zuerst ihre eigenen Ergebnisse zeigen und die Daten nie für Beurteilungen verwenden (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act), Verbot nach Art. 5 (Hinweis): Das Ableiten von Emotionen von Personen am Arbeitsplatz oder in Bildungseinrichtungen ist verboten (außer aus medizinischen oder Sicherheitsgründen). Modelle zu Haltung, Gesten oder Gesichtsausdruck, die als Erkennung von „Stress“, „Engagement“, „Stimmung“ oder „Motivation“ bei Beschäftigten verkauft werden, liegen im verbotenen Bereich; die Leitlinien der Kommission zu Art. 5 klären den Anwendungsbereich [5][6]. Biometrische Kategorisierung, die sensible Merkmale ableitet (z. B. Gesundheit, Religion), ist ebenfalls verboten. Pose-Schlüsselpunkte für Ergonomie sind keine Emotionserkennung und nicht an sich verboten.
• Sonstige Einstufung: Ergonomie-Werkzeuge, die nur der Arbeitsplatzgestaltung dienen, sind in der Regel minimales Risiko. Fließen Ergebnisse in Entscheidungen über Leistung, Beförderung, Kündigung oder Aufgabenverteilung von Beschäftigten ein, können sie als Hochrisiko unter Anhang III fallen (Beschäftigung, Verwaltung von Arbeitnehmern). Reha- und Physio- Software, die diagnostiziert oder eine Therapie leitet, kann ein Medizinprodukt sein (MDR; Software-Regel 11) und dann über Anhang I Hochrisiko. Biometrische Fernidentifizierung muss aus dem System herausgehalten werden.
• DSGVO: Video identifizierbarer Beschäftigter sind personenbezogene Daten; bei jedem gesundheitsbezogenen Rückschluss nähert es sich besonderen Kategorien (Art. 9). Die Einwilligung von Beschäftigten ist wegen des Machtungleichgewichts selten wirksam; stützen Sie sich auf berechtigtes Interesse oder Kollektivvereinbarungen mit DSFA, strikter Zweckbindung und Mitbestimmung des Betriebsrats (in Deutschland §87 Abs. 1 Nr. 6 BetrVG). Bevorzugen Sie die Schlüsselpunktextraktion auf dem Gerät, keine Speicherung von Rohvideo, Aggregation auf Team- oder Aufgaben- ebene, kurze Aufbewahrung und kein Ranking einzelner Personen.
• Risiken und Gegenmaßnahmen: Messfehler (validieren), Verzerrung über Körperbautypen hinweg (mit vielfältigen Gruppen testen), schleichende Ausweitung auf Produktivitätsüberwachung (schriftliche Nutzungsgrenzen, Audit), abschreckende Wirkung auf Beschäftigte (Transparenz, Beteiligung), Verletzungsrisiko durch fehlerhafte Rückmeldung bei Übungen (vorsichtige Grenzen, Freigabe durch Therapeuten, Hinweise zum Abbrechen und Hilfe suchen).
• Die Pflicht zur KI-Kompetenz (Art. 4) gilt für Betreiber.

Erste Schritte

1. Die Entscheidung festlegen und was nicht getan wird (kein Ranking einzelner Personen, kein Ableiten von Emotionen).
2. Betriebsrat und Datenschutzbeauftragte(n) einbinden; eine DSFA durchführen.
3. MediaPipe oder RTMPose an 20-50 Clips aus der echten Umgebung erproben; Winkel mit einem Experten vergleichen.
4. Die Schlüsselpunktextraktion auf dem Gerät ausführen und nur Schlüsselpunkte oder Aggregate speichern.
5. Regelbasierte Bewertung (REBA/RULA oder übungsspezifische Winkelgrenzen) mit Expertenprüfung ergänzen.

Quellen

1. Google AI Edge — MediaPipe Pose Landmarker guide — https://ai.google.dev/edge/mediapipe/solutions/vision/pose_landmarker
2. OpenMMLab — MMPose (RTMPose, RTMO, RTMW) — https://github.com/open-mmlab/mmpose
3. Ultralytics — Pose estimation docs — https://docs.ultralytics.com/tasks/pose/
4. EU-OSHA — Musculoskeletal disorders — https://osha.europa.eu/en/themes/musculoskeletal-disorders
5. European Commission — Guidelines on prohibited AI practices (AI Act Art. 5) — https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. OpenCap — markerless biomechanics from smartphone video — https://www.opencap.ai/