Multimodale Daten zur bipede Lokomotion während langer Laufbandaufzeichnungen bei variierenden Geschwindigkeiten

Warum das Studium von Gehen und Laufen wichtig ist

Jeder Schritt ist das Ergebnis eines komplexen Zusammenspiels von Muskeln, Gelenken und dem Boden unter den Füßen. Dieses Zusammenspiel zu verstehen hilft Wissenschaftlern, bessere Sportausrüstung zu entwerfen, sicherere Rehabilitationsprogramme zu entwickeln und intelligentere Wearables zu bauen. Dieser Bericht stellt ein umfangreiches offenes Datenset von Personen vor, die auf einem Laufband gehen, wandern und laufen, während sie mit Sensoren bestückt sind, und bietet Forschenden einen detaillierten Einblick, wie sich der Körper über lange Zeiträume bewegt und wie Kräfte auf ihn einwirken.

Wie das Laufbandlabor aufgebaut war

Um natürliche, aber kontrollierte Bewegungen zu erfassen, lud das Team 18 gesunde Erwachsene in ein hochmodernes Ganglabor ein. Die Teilnehmenden trugen enganliegende Sportkleidung, ihre eigenen neutralen Laufschuhe und ein Sicherheitsgeschirr über einem Laufband mit zwei Riemen. Unter den Einlegesohlen jedes Schuhs maßen spezielle Drucksensor-Einsätze, wie stark verschiedene Bereiche des Fußes auf den Boden drücken. Kleine Bewegungssensoren wurden an jeden Schuh und an den unteren Rücken geklebt, und 43 reflektierende Marker wurden an Schlüsselstellen des Körpers angebracht, damit ein Array aus Infrarotkameras die Ganzkörperbewegung in drei Dimensionen verfolgen konnte.

Was die Freiwilligen tatsächlich taten

Jede Person absolvierte drei Laufbandsitzungen, die zusammen etwa 40 Minuten dauerten. Die Laufbandgeschwindigkeiten wurden sorgfältig gesteuert, um komfortables Gehen, zügiges Wandern wie auf einem Pfad und Laufen in zwei schnelleren Stufen abzudecken. Die Sitzungen kombinierten aktive Perioden und kurze Pausen, begannen mit einem Aufwärmen und endeten mit einem Cool-down. Die meisten Teilnehmenden liefen auch bei der höchsten getesteten Geschwindigkeit. Diese Mischung erzeugte lange, kontinuierliche Aufzeichnungen mit vielen Geschwindigkeitswechseln, die dem Bewegungsverhalten außerhalb des Labors näherkommen als einfache kurze Geradeausgänge.

Viele Sensoren, eine gemeinsame Zeitachse

Während dieser Sitzungen zeichneten mehrere Systeme gleichzeitig Daten auf. Die im Laufband integrierten Kraftmessplatten maßen, wie stark jeder Fuß gegen den Boden drückte und zog. Die Motion-Capture-Kameras verfolgten die Positionen der Marker, um Gelenkwinkel für Beine, Hüften, Arme und Becken zu rekonstruieren. Die tragbaren Sensoren nahmen Beschleunigung und Rotation mit sehr hohen Abtastraten auf, und die Druckeinlagen protokollierten, wie sich Lasten über die Fußsohle verlagerten. Die Forschenden richteten den Beginn jeder Aufnahme manuell aus und stellen außerdem Ereignislisten bereit, etwa die exakten Momente von Fußaufsetzen und Fußabheben, sodass Nutzende die zeitliche Abstimmung zwischen den Geräten feinjustieren können.

Wie die Daten bereinigt und verpackt wurden

Rohdaten aus Motion-Capture-Aufzeichnungen enthalten oft kurze Lücken, falsch beschriftete Marker oder kleine Timing-Probleme. Das Team nutzte eine Reihe standardisierter Verarbeitungsschritte, um fehlende Markerpositionen zu rekonstruieren, die Qualität der Beschriftung zu prüfen und alles in weit verbreitete Dateiformate zu konvertieren. Sie berichten, dass nahezu alle Durchläufe vollständige oder nahezu vollständige Markerinformationen aufwiesen, mit im Mittel mehr als 99 Prozent korrekt verfolgter Marker. Um die Weiterverwendung zu erleichtern, haben sie die Daten in Teilnehmenden-Archive gruppiert und die genauen Verarbeitungs-Pipelines sowie benutzerdefinierte Skripte dokumentiert und offen zugänglich gemacht.

Wofür diese Ressource genutzt werden kann

Der finale Datensatz folgt modernen Open-Science-Prinzipien, das heißt, er ist leicht zu finden, zugänglich, mit anderen Daten kombinierbar und wiederverwendbar. Forschende können untersuchen, wie sich Gelenkwinkel und Bodenkräfte vom Gehen zum Laufen ändern, Methoden testen, um Kräfte allein aus tragbaren Sensoren zu schätzen, oder erforschen, wie sich Menschen während längerer Trainingsphasen anpassen. Andere können Computer‑Modelle zur Abschätzung von Laufleistungsdaten aufbauen oder validieren, ohne das gesamte Experiment zu wiederholen. Indem die Autoren nicht nur die Messdaten, sondern auch die Werkzeuge zur Verarbeitung veröffentlichen, bieten sie eine solide Grundlage für zukünftige Arbeiten in Sportwissenschaft, Rehabilitation und Wearable‑Technologie.

Zitation: Krumm, D., Koska, D., Wakode, J. et al. Multimodal data on bipedal locomotion during prolonged treadmill recordings at varying speeds. Sci Data 13, 761 (2026). https://doi.org/10.1038/s41597-026-07445-3

Schlüsselwörter: Ganganalyse, Laufbandlauf, tragbare Sensoren, Plantardruck, Biomechanik-Datensatz