Kunde: EWOT Academy
CiMo Partner: Salzburg Research Forschungsgesellschaft mbH
Herausforderung
Das Reiten beruht auf einer fein abgestimmten Interaktion zwischen Reiter und Pferd, bei der Bewegung, Druck und Gleichgewicht eine zentrale Rolle spielen. Ein Schlüsselfaktor in dieser Interaktion – der Druck, der von den Unterschenkeln des Reiters auf das Pferd ausgeübt wird – wird derzeit nur unzureichend erfasst. Bestehende Systeme wie EquiSense, peiker-CEE und EquiLab erfassen kritische Aspekte wie die genaue Druckverteilung, detaillierte Bewegungsmuster und das Gleichgewicht des Reiters nur unzureichend. Diese Lücke verhindert eine nachhaltige Verbesserung der reiterlichen Fähigkeiten, da sich Fehler in der Technik ohne die Anleitung eines Trainers leicht wiederholen können, insbesondere wenn unregelmäßig trainiert wird. Eine kontinuierliche Leistungsaufzeichnung mit Echtzeit-Feedback würde es den Reitern ermöglichen, ihre Fähigkeiten selbstständig zu verbessern und sich wiederholende Fehler zu vermeiden. Der Bedarf an einem System, das eine kontinuierliche Überwachung unterstützt und verwertbare Erkenntnisse liefert, ist daher für die Weiterentwicklung des Trainings in der Reitgemeinschaft von entscheidender Bedeutung.
Methode
Um das Problem der fehlerhaften Erfassung der kritischen Interaktion zwischen Reiter und Pferd zu lösen, wurde eine umfassende Lösung entwickelt, die fortschrittliche Sensortechnologie und Datenanalyse kombiniert. Der Prozess begann mit einer gründlichen Literaturrecherche und Experteninterviews, um häufige Fehlhaltungen beim Reiten zu identifizieren und so eine Grundlage für das Verständnis der wichtigsten Verbesserungsbereiche zu schaffen. Anschließend wurde ein Messkonzept entwickelt, bei dem modernste Technologien zum Einsatz kamen, darunter Xsense Awinda Motion Capture, XSens Dot Inertial Measurement Units (IMUs) und Novel Loadpad-Sensoren zur genauen Erfassung der Druckverteilung und der Bewegungsmuster.
Feldtests des Sensoraufbaus bestätigten seine Effektivität in realen Fahrszenarien, was zu einer Proof-of-Concept-Studie führte, die intraindividuelle Unterschiede zwischen optimalen und ungenauen Fahrhaltungen bewertete. Besonderes Augenmerk wurde auf häufige Fehler gelegt, wie z. B. ein nach hinten geneigter Oberkörper, seitliche Neigung, geringer Wadendruck und hochgezogene Fersen. Diese Studie ermöglichte eine präzise Datenerhebung zur Leistung des Reiters.
Sobald die Daten erfasst waren, wurden sie einer rigorosen Verarbeitung unterzogen, einschließlich Kuration, Segmentierung und Zeitnormalisierung, um Genauigkeit und Zuverlässigkeit zu gewährleisten.
Das Ergebnis der Analyse zeigt, dass die definierten Fahrpositionen mit den verwendeten Sensoren aufgrund ihrer charakteristischen Form von Beschleunigung/Druck und mehr unterschieden werden können. Die Sensoren sind also in der Lage, Daten zur Identifizierung der Fahrpositionen zu sammeln. Zusammenfassend bilden die Ergebnisse eine Grundlage für die Entwicklung eines Feedbacksystems.
Ergebnisse
Ein innovatives Messsystem mit einem einfachen Sensoraufbau – bestehend aus Inertialmessgeräten (IMUs) und Druckmatten – hat Erkenntnisse über den Sensoraufbau (Positionierung, Anzahl, Art, Messgröße) für die Entwicklung eines Feedbacksystems geliefert. Diese Lösung schließt effektiv die Lücke bei der Überwachung der Interaktionen zwischen Reiter und Pferd, insbesondere bei der Bewertung individueller Unterschiede in der Reithaltung. Sie erkennt Fehlermuster wie rückwärtige Anlehnung, seitliche Anlehnung, niedriger Wadendruck und hochgezogene Fersen und liefert eine klare Analyse, die zwischen gezielten Techniken und häufigen Fehlern unterscheidet.
Der Proof-of-Concept hat gezeigt, dass mit dieser minimalen Sensorausstattung Fehlhaltungen identifiziert werden können, die für die Verbesserung der Fertigkeiten entscheidend sind, so dass die Fahrer ein präzises Feedback zu ihrer Technik erhalten. So werden beispielsweise Haltungsunterschiede zwischen Links- und Rechtskurven quantifiziert, wodurch Richtungsfehler aufgedeckt werden, die sich auf die Leistung auswirken.
Das System gibt jungen Fahrern die Möglichkeit, selbständig Fehler zu erkennen und zu korrigieren, und fördert so ihr Selbstvertrauen und eine nachhaltige Verbesserung. Früher waren die Reiter auf ihre Trainer angewiesen, jetzt können sie auf Echtzeitdaten zugreifen, um sofortige Anpassungen vorzunehmen.
Für EDIH ermöglichen die verbesserten digitalen Kapazitäten eine umfassende Datenerfassung und -analyse, die die Grundlage für ein maßgeschneidertes Trainings- und Ausrüstungsdesign bilden. Dieser technologiegestützte Ansatz fügt sich nahtlos in das herkömmliche Training ein und markiert einen grundlegenden Wandel in der Entwicklung der reiterlichen Fähigkeiten und fördert eine datengestützte Coaching-Methodik.