Case Study movAcam, Bewegungserkennung im Sport mit Videoanalyse App
Wie aus einem mobilen Kamerasystem für den Sport eine Videoanalyse App mit KI Bewegungserkennung wurde, die Gelenkpunkte und Winkel direkt im Bild zeigt. Mit Hosting in Österreich.

Bewegung sichtbar machen
Ein Schwimmer taucht mit dem Ellbogen zu tief ein. Eine Läuferin knickt beim Aufsetzen im Knie leicht nach innen. Solche Details entscheiden über Zehntelsekunden und über Verletzungen, und mit bloßem Auge sind sie kaum zu erkennen. Das österreichische Unternehmen movAcam hat dafür ein mobiles System zur Bewegungsanalyse entwickelt. Gemeinsam mit Anexia Digital Engineering ist daraus eine Videoanalyse App mit KI gestützter Bewegungserkennung entstanden, die Gelenkpunkte und Winkel direkt im Bild sichtbar macht. Diese Case Study beschreibt die Aufgabe, den Weg und das, was andere Unternehmen daraus mitnehmen können.
Der Kunde und sein System von Sportwissenschaftern für die Praxis
Hinter movAcam steht MMag. Dr. David Höden, Sportwissenschafter und Betriebswirt, der an der Universität Graz promoviert hat. Er ist staatlich geprüfter Trainer für Schwimmen und Triathlon und hat 2012 das Unternehmen fluidlife gegründet. Seit 2020 entwickelt er movAcam.
Das Produkt 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 nach Angaben des Herstellers 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 aufnehmen lassen.
Eingesetzt wird movAcam im Schwimmen, im Laufsport und in der Ganganalyse, in Fitness und Reha sowie in Ballsportarten wie Fußball und Tennis. Zu den Nutzern zählen Vereine und Verbände ebenso wie Physiotherapeuten und Praxen für Sportmedizin und Orthopädie.
Die Ausgangslage
Videoanalyse im Sport ist nicht neu. Neu ist der Anspruch, sie so einfach zu machen, dass sie im Trainingsalltag tatsächlich stattfindet. Wer nach dem Training erst Dateien von zwei Kameras kopieren, synchronisieren und am Laptop auswerten muss, tut es in der Praxis selten.
movAcam hat dieses Problem von der Hardware her gelöst. Beide Kameras werden angesteckt, die Aufnahme läuft synchron, und das Video liegt sofort am Tablet. Was fehlte, war der nächste Schritt. Winkel von Hand einzuzeichnen kostet Zeit und hängt davon ab, wie genau jemand den Gelenkpunkt trifft. Eine Videoanalyse App, die den Körper selbst erkennt, macht die Analyse schneller und besser vergleichbar.
Dazu kam die Frage nach den Daten. Aufnahmen von Athletinnen und Athleten, darunter Nachwuchssportler und Patienten, sind sensibel. Eine Lösung, die Aufnahmen zur Auswertung an einen Dienst außerhalb Europas schickt, kam nicht infrage.
Die Aufgabe für Anexia Digital
Die Zusammenarbeit umfasste drei Bereiche, die eng ineinandergreifen. Der erste war die KI Bewegungserkennung, also das automatische Erkennen von Gelenkpunkten und das Berechnen von Winkeln im Video. Der zweite war die Videoanalyse App für das Android Tablet, mit der aufgenommen, ausgewertet und geteilt wird. Der dritte umfasste Cloud und Hosting für Synchronisation, Teamverwaltung und Speicherung in Österreich.
Jeder Bereich wäre für sich ein überschaubares Projekt gewesen. Die Herausforderung lag im Zusammenspiel. Eine Erkennung, die im Labor überzeugt und am Beckenrand zehn Sekunden rechnet, hilft keinem Trainer.
KI Bewegungserkennung, vom Bild zum Skelett
Das Verfahren dahinter heißt in der Fachsprache Posenschätzung. Ein neuronales Netz sucht in jedem einzelnen Bild die Position von Schultern, Ellbogen, Handgelenken, Hüften, Knien und Sprunggelenken. Verbindet man diese Punkte, entsteht ein Strichmodell des Körpers, das der Bewegung folgt. Aus den Punkten lassen sich Gelenkwinkel berechnen und über die Zeit verfolgen.
In der Videoanalyse App von movAcam erscheint dieses Skelett als Überlagerung im Video. Trainer sehen Gelenkpunkte und Winkel, ohne selbst etwas einzeichnen zu müssen, und können sich auf die Deutung konzentrieren.
Warum Sport für solche Verfahren schwierig ist
Modelle zur Posenschätzung werden überwiegend mit Alltagsbildern trainiert. Menschen stehen, gehen oder sitzen. Im Sport sieht die Welt anders aus, und vier Punkte entscheiden dort über die Qualität.
Bewegungen sind schnell. Bei einem Sprint oder einem Aufschlag verwischen Arme und Beine, wenn die Kamera zu langsam aufnimmt. Die hohe Bildrate der Kameras ist deshalb eine Voraussetzung und kein Luxus, sie vervielfacht aber auch die Menge der Bilder, die auszuwerten sind.
Körperteile verdecken einander. In der Seitenansicht verschwindet der hintere Arm hinter dem Rumpf. Ein gutes System muss damit umgehen können, ohne Punkte an unsinnige Stellen zu setzen.
Haltungen sind ungewöhnlich. Eine Rollwende, ein Fallrückzieher oder eine tiefe Kniebeuge kommen in gewöhnlichen Trainingsdaten selten vor.
Die Umgebung wechselt. Hallenlicht, Gegenlicht im Freien, Spiegelungen und Wasser stellen ganz unterschiedliche Anforderungen.
Eine Erkennung für den Sport muss deshalb an realen Aufnahmen aus Halle, Platz und Becken geprüft werden. Maßstab ist, ob ein erfahrener Trainer dem Ergebnis traut.
Genauigkeit und Geschwindigkeit gegeneinander abwägen
Je größer ein Modell, desto genauer arbeitet es meist und desto länger rechnet es. Für eine Videoanalyse App im Trainingseinsatz zählt beides. Eine Auswertung, die erst am Abend fertig ist, verfehlt den Zweck, denn die Rückmeldung soll kommen, solange die Sportlerin die Bewegung noch im Körper spürt.
Die Kunst liegt darin, ein Modell zu wählen, das genau genug arbeitet und dessen Ergebnis trotzdem vor Ort am Tablet zur Verfügung steht.
Die Videoanalyse App am Tablet
Ein Tablet am Beckenrand oder am Spielfeldrand wird anders bedient als ein Rechner im Büro. Hände sind nass oder stecken in Handschuhen, die Sonne blendet, und zwischen zwei Durchgängen bleiben dreißig Sekunden. Die Videoanalyse App ist auf diese Bedingungen ausgelegt.
Nach der Aufnahme stehen dem Trainer die Werkzeuge zur Verfügung, die er für eine fundierte Rückmeldung braucht. Er kann Zeitlupe und Wiedergabe Bild für Bild nutzen, Winkel messen und mit Zeichenwerkzeugen arbeiten oder zwei Aufnahmen zum direkten Vergleich überlagern. Standbilder und Markierungen halten wichtige Stellen fest, und ein Sprachkommentar wird mit dem Video gespeichert. Videos lassen sich schneiden und mit Vorspann und Abspann versehen und anschließend an Athleten, Trainerkollegen oder Therapeuten versenden.
Die Bewegungserkennung fügt sich in diese Werkzeuge ein. Sie ist kein eigener Modus, den man erst suchen muss, sie ergänzt die Ansicht um eine weitere Ebene.
Die Videoanalyse App läuft auf Android. Zwei Kameras mit hoher Bildrate gleichzeitig anzusprechen, Videos flüssig Bild für Bild zu zeigen und daneben ein neuronales Netz zu betreiben verlangt direkten Zugriff auf die Hardware. Warum wir bei solchen Anforderungen meist zu nativer Entwicklung raten, beschreiben wir auf unserer Seite zur Android App Entwicklung.
Cloud und Hosting in Österreich
Eine Analyse ist erst dann etwas wert, wenn sie beim Sportler ankommt. Die Videoanalyse App synchronisiert Aufnahmen deshalb mit einer Cloud, über die Trainer ihre Teams und Mitglieder verwalten und Videos teilen. Athletenlisten lassen sich importieren, statt jeden Namen einzeln anzulegen.
Der Betrieb der Cloud hinter der Videoanalyse App erfolgt in Österreich. Für movAcam ist das ein Verkaufsargument, für die Nutzer eine Voraussetzung. Vereine arbeiten mit Minderjährigen, Therapeuten mit Patienten, und Verbände wollen die Technikvideos ihrer Spitzenathleten nicht auf Servern wissen, über die sie keine Kontrolle haben.
Anexia bringt hier neben der Softwareentwicklung die eigene Infrastruktur ein. Anwendung, Speicher und Betrieb kommen aus einer Hand, und die Frage, wo die Daten liegen, lässt sich in einem Satz beantworten.
Was ein Vorhaben dieser Art gelingen lässt
Rückblickend haben drei Dinge den Unterschied gemacht. Sie gelten weit über den Sport hinaus.
Fachwissen des Kunden schlägt jede Technik. Ob eine Erkennung gut genug ist, kann kein Entwickler beurteilen. Das kann nur jemand, der weiß, worauf es bei einer Kraulbewegung oder einem Laufschritt ankommt. Die enge Abstimmung mit den Sportwissenschaftern von movAcam war deshalb der wichtigste Baustein.
Echte Aufnahmen kommen vor dem ersten Modell. Wer mit Beispielvideos aus dem Netz entwickelt, erlebt am Einsatzort Überraschungen. Material aus der Halle, vom Platz und aus dem Becken gehört von Anfang an auf den Tisch.
Das Ganze zählt mehr als das Modell. Kamera, Videoanalyse App, Erkennung und Cloud müssen als ein Produkt wirken. Der Nutzer unterscheidet nicht, welcher Teil gerade langsam ist.
Das Ergebnis
movAcam bietet heute ein System samt Videoanalyse App an, das Aufnahme, Auswertung und Weitergabe in einem Ablauf verbindet. Nach dem Aufbau wird synchron aufgenommen, vor Ort analysiert, in der Videoanalyse App bearbeitet und verschickt. Die Bewegungserkennung zeigt Gelenkpunkte und Winkel als Überlagerung im Video und erspart damit das Einzeichnen von Hand.
Was andere Branchen daraus mitnehmen können
Die Technik hinter dieser Videoanalyse App ist nicht auf den Sport beschränkt. Überall, wo Bewegungen von Menschen beurteilt werden, lässt sich derselbe Ansatz anwenden.
In der Physiotherapie und Rehabilitation macht eine Videoanalyse App Fortschritte sichtbar, etwa den Bewegungsumfang eines Gelenks über mehrere Wochen. In der Arbeitsmedizin lassen sich Hebevorgänge und Haltungen an Arbeitsplätzen bewerten, ohne Sensoren am Körper zu befestigen. In der Ausbildung hilft die Überlagerung mit einer Referenzbewegung beim Erlernen handwerklicher Abläufe.
Auch der Schritt vom Menschen zur Maschine ist kleiner, als man denkt. Dieselben Verfahren des maschinellen Sehens, die ein Kniegelenk im Video finden, lassen Roboter ihre Umgebung erkennen. Wie wir dieses Feld gerade aufbauen, lesen Sie in unserem Beitrag zur Robotik Entwicklung.
Gemeinsam ist diesen Anwendungen die Kombination aus Kamera, Videoanalyse App, KI Auswertung und einem Betrieb, bei dem die Daten in Europa bleiben. Software, KI Auswertung und Betrieb liefert Anexia Digital Engineering gemeinsam. Einen Überblick über unsere Leistungen rund um mobile Anwendungen gibt die Seite zur App Entwicklung.
Technologie im Überblick
Als Bildquelle dienen zwei synchronisierte Kameras mit bis zu 120 Bildern pro Sekunde und einer Auflösung bis 4K. Die Android Anwendung läuft auf einem Tablet mit großem Bildschirm. Die Posenschätzung erkennt Gelenkpunkte und berechnet Winkel. Eine Cloud übernimmt die Synchronisation und die Verwaltung von Teams und Mitgliedern, und das Hosting erfolgt in Österreich.
Häufige Fragen zur Videoanalyse App mit KI
Rund um eine Videoanalyse App mit KI hören wir einige Fragen immer wieder. Hier sind unsere Antworten.
Braucht eine solche Lösung spezielle Kameras?
Für schnelle Bewegungen ja. Erst eine hohe Bildrate liefert scharfe Einzelbilder, auf denen sich Gelenkpunkte zuverlässig bestimmen lassen. Für langsamere Abläufe wie Ganganalysen oder Übungen in der Reha genügt oft die Kamera eines aktuellen Tablets oder Telefons.
Wie genau ist die automatische Winkelmessung?
In jeder Videoanalyse App hängt das von Kameraposition, Bildrate, Kleidung und Bewegung ab. Für die Rückmeldung im Training und den Vergleich über die Zeit ist sie gut geeignet. Ob und wie Messwerte in der medizinischen Befundung verwendet werden dürfen, ist eine eigene Frage, die mit dem Hersteller und im Zweifel rechtlich zu klären ist.
Können wir eine Videoanalyse App für unsere eigene Anwendung entwickeln lassen?
Ja. Kamera, Erkennung und Auswertung lassen sich auf andere Bewegungen und Branchen übertragen. Am Anfang steht die Frage, was genau gemessen werden soll und wie genau es sein muss.
Wo werden die Videos gespeichert?
Im beschriebenen Projekt in Österreich. Bei eigenen Vorhaben entscheiden Sie, ob in einem Rechenzentrum der Anexia Gruppe oder in Ihrer eigenen Umgebung gespeichert wird.
Wie lange dauert ein solches Projekt?
Bei einer Videoanalyse App hängt das davon ab, ob Hardware und Aufnahmen bereits vorhanden sind. Ein erster Nachweis der Machbarkeit mit echten Videos ist meist in wenigen Wochen möglich und zeigt, wie groß der Rest des Weges ist.
Ihr Vorhaben mit Bewegtbild und KI
Sie wollen Bewegungen sichtbar und messbar machen, im Sport, in der Therapie oder im Betrieb? In einem unverbindlichen Erstgespräch sehen wir uns Ihre Idee und, wenn vorhanden, Ihre Aufnahmen an und sagen Ihnen, was mit einer Videoanalyse App und KI heute möglich ist. Über unsere Kontaktseite vereinbaren Sie dafür einen Termin.


