Zum Inhalt
Fakultät Maschinenbau

Erfolgreicher Abschluss im Forschungsprojekt HAawAI

Teilnehmende des abschließenden Projekttreffens.	© Steffen Jansing​/​TU Dortmund
Zeit- und Ergonomiestudien aus Videodaten? Beim abschließenden Projekttreffen am 20. März 2025 präsentierten die Projektpartner die Ergebnisse des Forschungsprojekts HAawAI und tauschten sich mit Vertretern aus Wirtschaft und Wissenschaft über die Potenziale der entwickelten Technologien aus.

Die Analyse manueller Arbeitsabläufe spielt eine zentrale Rolle bei der Optimierung von Produktionsprozessen und Arbeitsplätzen. Doch der hohe zeitliche Aufwand sowie das erforderliche Expertenwissen stellen Unternehmen vor große Herausforderungen. Um diesen Prozess zu vereinfachen, arbeitete das RIF Institut für Forschung und Transfer e.V. in Kooperation mit der MTM ASSOCIATION e.V. im Rahmen des Forschungsprojekts  HAawAI („Humanzentrierte Ausführungsanalyse von manuellen Bewegungsabläufen mittels Motion Capturing und Artificial Intelligence“) an innovativen Lösungen auf Basis von Bewegungsdaten.

Am 20. März 2025 wurden die Ergebnisse des zweijährigen Projekts in Dortmund vorgestellt: Die Teilnehmer erhielten umfassende Einblicke in die Bereiche Bewegungsdatenerfassung, Objektdatenerkennung sowie deren technische Umsetzung. Anhand eines Demonstrators konnten die erarbeiteten Lösungen getestet werden, während ein Beispielprozess die gesamte Prozesskette – von der Datenerfassung über die teilautomatisierte Erstellung von Analysen bis hin zur Visualisierung – veranschaulichte.

Im Projekt konnte gezeigt werden, dass das Zusammenwirken von videobasierter Datenerfassung und MTMmotion als Konverter geeignet ist, um arbeitswissenschaftliche Analysen effizienter zu gestalten. Besonders überzeugte der modulare Aufbau des Systems mit seinen Teilmodellen zur Analyse und Interpretation manueller Bewegungsabläufe. Eine Herausforderung bleibt jedoch die automatische Identifikation von Bewegungs- und Verwendungsarten – ein Bereich, in dem aktuelle Entwicklungen wie Human Action Recognition (HAR) sowie multimodale KI-Modelle vielversprechende Ansätze bieten.

Das Projekt hat nicht nur technologische Fortschritte erzielt, sondern auch den Austausch zwischen Forschungseinrichtungen und Industrie gefördert. Wir danken allen Beteiligten für ihre Unterstützung, ihr Interesse und ihre wertvollen Beiträge während der gesamten Projektlaufzeit!