Abbildung 1: Beispielhafte Skeletterkennung der Subsequent GmbH im Skateboard-Beispiel anhand einer einfachen Handyaufnahme. (Video freundlicherweise zur Verfügung gestellte durch die Spinnax GmbH & Co. KG)

Dr. Manuel Stein hat an der Universität Konstanz in Baden-Württemberg Information Engineering studiert und im Bereich Datenanalyse und Visualisierung am Lehrstuhl von Prof. Dr. Keim promoviert. Mittlerweile ist er Geschäftsführer der Subsequent GmbH aus Konstanz am Bodensee. Subsequent ist Anbieter von innovativen Lösungen in der Bewegungsdatenerhebung sowie der Echtzeit-Skeletterkennung und Analyse von Bewegungsabläufen. Die Produkte und Dienstleistungen von Subsequent kommen in zahlreichen Anwendungsgebieten zum Einsatz. Hinter Subsequent steht ein Team aus sechs Experten (Tendenz steigend) der Bereiche Softwareentwicklung, Deep Learning, High-Performance Computing, Datenanalyse und Visual Analytics, sowie Wirtschaft und Risikomodellierung. Die Vision zu Subsequent basiert wesentlich auf Manuels Dissertation Visual Analytics for Cooperative and Competitive Behavior in Team Sports und seinen Forschungstätigkeiten der vergangenen 8 Jahre. Manuel hat zahlreiche internationale Vorträge zur visuellen Sportanalyse gehalten (unter anderem beim deutschen Fußballbund (DFB) und dem spanischen Erstligisten FC Barcelona) und verfügt über ein großes Netzwerk im Bereich Sportanalyse und Datenerfassung. Manuel sieht seine Hauptaufgabe darin sicherzustellen, dass die Mission Subsequent umgesetzt wird, nämlich marktreife Produkte zu entwickeln, die einem breiten Spektrum an Kunden, vom Spitzensport bis hin zu ambitionierten Amateurvereinen, eine umfassende Sportbewegungsanalyse erlauben.

Zu den Produkten von Subsequent zählen, unter anderem, die Durchführung von Ganganalysen im Gesundheitsbereich, die Evaluation von Fitnesstrainings oder auch analytische Auswertungen im Profisport (z.B. taktische Analysen wie automatische Analyse von Raumkontrollverhalten im Fußball). Subsequent spezialisiert sich dabei auf die Bereitstellung von hochgenauen, echtzeitfähigen Verfahren zur markerlosen Erkennung von Skelettposen in alltagstauglichen Situationen unter Verwendung von bereits vorhandener Hardware. Die von Subsequent entwickelten KI-Verfahren nutzen als Datenquelle einfache Videoaufnahmen handelsüblicher Kameras (z.B. Smartphones, Webcams). Dabei werden weder zusätzliche Sensoren noch eine kontrollierte Laborumgebung benötigt. Die Datenerhebung kann auch unter schwierigen Bedingungen (geringe Videoqualität, schlechte Beleuchtung, etc.) zuverlässig durchgeführt werden. So hat Subsequent in der Vergangenheit bereits Verfahren zur menschlichen Skeletterkennung entwickelt, welche gegenüber dem Stand der Technik signifikante Verbesserungen der Laufzeit sowie der Generalisierbarkeit auf Realsituationen erreichen. Als Konsequenz ermöglicht Subsequent äußerst kostengünstige und universell einsetzbare Lösungen zur Erhebung von hochwertigen Skelettbewegungsdaten und -analysen in der breiten Masse. Zu den Kunden von Subsequent gehören unter anderem Sportvereine und Verbände aus den ersten europäischen (Fußball-)ligen (Subsequent ist u.a. neuer Datenprovider der österreichischen Fußballnationalmannschaft), sowie Kliniken, Forschungsinstitute und Unternehmen aus dem Homefitness- und Sicherheitsbereich. Das Team von Subsequent freut sich jederzeit über neue Projektideen und Interessenten (contact@subsequent.ai)!

Abbildung 2: Automatische Visualisierung von freien Räumen auf Basis einer einfachen TV-Aufnahme von Sky.