Kontextbasierte Aktivit\"atserkennung -- Synergie von Mensch und Technik in der Social Networked Industry

TL;DR

This paper explores sensor-based human activity recognition in social networked industries, emphasizing the integration of contextual data like object positions to enhance machine understanding of non-verbal human movements for industrial collaboration.

Contribution

It presents ongoing fundamental research on activity recognition and discusses potential transferability to industrial applications by incorporating contextual data streams.

Findings

Sensor data can effectively recognize human movements.

Adding context improves activity recognition accuracy.

Potential for industrial application transfer is identified.

Abstract

In a social networked industry, the focus is on collaboration between humans and technology. Communication is the basic prerequisite for synergetic collaboration between all players. It includes non-verbal as well as verbal interactions. To enable non-verbal interaction, machines must be able to detect and understand human movements. This article presents the ongoing fundamental research on the analysis of human movements using sensor-based activity recognition and identifies potential for a transfer to industrial applications. The focus is on the practical feasibility of activity recognition by adding further data streams such as the position data of logistical objects and tools, meaning the context in which a certain activity is carried out. -- In der Social Networked Industry steht die Zusammenarbeit von Mensch und Technik im Vordergrund. Grundvoraussetzung f\"ur eine synergetische Zusammenarbeit aller Akteure ist die Kommunikation, welche neben verbalen auch nonverbale Interaktionen umfasst. Um eine nonverbale Interaktion zu erm\"oglichen, m\"ussen Maschinen in der Lage sein, menschliche Bewegungen zu erfassen und zu verstehen. Dieser Beitrag stellt die laufende Grundlagenforschung zur Analyse menschlicher Bewegungen mittels sensorgest\"utzter Aktivit\"atserkennung vor und zeigt Ankn\"upfungspunkte f\"ur einen Transfer in industrielle Anwendungen. Im Fokus steht die Praxistauglichkeit der Aktivit\"atserkennung durch die Hinzunahme weiterer Datenstr\"ome wie beispielsweise den Positionsdaten logistischer Objekte und Hilfsmitteln, d. h. dem Kontext, in dem eine gewisse Aktivit\"at ausgef\"uhrt wird.