Das SEWAbility-System: ein videobasiertes Rahmenwerk zur arbeitsplatzbezogenen Analyse aufgaben­spezifischer Anforderungen

Warum das für Beschäftigte und Arbeitgeber wichtig ist

Viele Menschen mit gesundheitlichen Problemen möchten arbeiten, finden aber nur schwer geeignete Stellen, die wirklich zu ihren körperlichen Möglichkeiten passen. Gleichzeitig benötigen Fabriken verlässliche Methoden, um zu verstehen, welche körperlichen Anforderungen jede Tätigkeit an die Beschäftigten stellt. Diese Studie stellt SEWAbility vor, ein neues videobasiertes System, das künstliche Intelligenz nutzt, um normales Fabrikkameramaterial auszuwerten und Näharbeiten in klare, messbare Beschreibungen der Körperbewegungen zu übersetzen. Das langfristige Ziel ist, Menschen — insbesondere mit Behinderungen — sicherer und gerechter mit passenden Arbeitsplätzen zu verbinden.

Von Fabrikkameras zu brauchbaren Arbeitsinformationen

Traditionelle Arbeitsplatzanalysen beruhen häufig darauf, dass Experten Arbeiter beobachten, Notizen machen, Fokusgruppen durchführen und Manager befragen. Dieser Prozess ist langsam, subjektiv und nicht detailliert genug, um die genauen Bewegungen und Anstrengungen zu erfassen, die eine Tätigkeit erfordert. In einer chinesischen Nähfabrik erlebte das Forschungsteam diese Einschränkungen aus erster Hand: Arbeiter konnten sagen, dass sie Bettlaken oder Schuluniformen nähten, aber nicht jeden Schritt klar und messbar beschreiben. Fachleute der Berufsrehabilitation konnten wiederholte Armbewegungen oder Vorbeugen identifizieren, hatten jedoch keine präzisen Zahlen darüber, wie schnell oder wie weit die Gelenke sich bewegten. SEWAbility wurde entwickelt, um diese Lücke zu schließen, indem es Videoaufnahmen aus der Werkstatt in objektive Bewegungsdaten verwandelt, die konsistent analysiert werden können.

Näharbeit in kleinere Bausteine zerlegen

SEWAbility konzentriert sich darauf, wie Näharbeiter ihre Arme und den Oberkörper einsetzen. Es beginnt mit einer Draufsicht der Kameras, die die Privatsphäre schützt, weil keine Gesichter gezeigt werden. Das System verfolgt Schulter-, Ellbogen- und Handgelenkspositionen Bild für Bild und fasst anschließend zusammen, wie sich diese Gelenke über die Zeit bewegen, mithilfe von 88 Bewegungsmerkmalen wie Geschwindigkeit, Richtung und Bewegungsumfang. Zunächst gruppiert das System Videos in breite Aufgabentypen — etwa Oberteile, Bettwaren oder Unterteile — allein basierend auf Bewegungsmustern. In Tests mit 21 echten Fabrikvideos stimmte diese automatische Gruppierung in etwa 86 Prozent der Fälle mit dem Aufgabentyp überein, was zeigt, dass verschiedene Näharbeiten tatsächlich unterschiedliche Bewegungs-»Signaturen« auf der Kamera hinterlassen.

Wiederkehrende Zyklen und winzige, wiederholte Bewegungen finden

Sobald ein Aufgabentyp identifiziert ist, zoomt SEWAbility hinein. Es erkennt Arbeitszyklen, etwa das komplette Nähen eines Bettlakens von Anfang bis Ende. Ein klares Anzeichen beim Nähen ist der Moment, in dem die Person sich nach unten beugt, um fertiges Material abzulegen und ein neues Stück aufzunehmen. Indem das System verfolgt, wann die Hand in der Nähe der Tischkante erscheint, markiert es den Anfang und das Ende jedes Zyklus. Innerhalb jedes Zyklus teilt es das Video in viele kurze, sich überlappende Einsekundensegmente und clustert diese, um das häufigste Bewegungsmuster zu finden. Ein zweiter, präziserer Schritt nutzt die Auf- und Ab-Peaks der Handgelenksbewegung, um dieses dominante Muster in sehr kleine Arbeitselemente zu zerlegen — die grundlegenden wiederholten Bewegungen, wie das Durchschieben des Stoffs durch die Nadel.

Bewegung in Zahlen übersetzen, die Arbeitsanforderungen beschreiben

Für diese wiederholten Arbeitselemente berechnet SEWAbility detaillierte Merkmale des »wiederholten Bewegungsmusters«. Dazu gehört, wie weit jedes Gelenk sich bewegt, wie schnell es sich bewegt und wie stark sich Ellbogen- und Schulterwinkel ändern. In einem Video zum Nähen von Oberteilen identifizierte das System sieben klare Arbeitszyklen und allein im ersten Zyklus 18 stabile, wiederkehrende Arbeitselemente von jeweils etwas mehr als einer Sekunde Dauer. Bei ausgewählten Beispielen zeigte sich, dass sich die Arme der Arbeiterin horizontal deutlich weiter bewegten als vertikal — das entspricht dem, was man erwarten würde, wenn Stoff durch eine Nähmaschine geschoben wird. Durch die Skalierung der Bewegungen relativ zur Schulterbreite lassen sich diese Merkmale in reale Zentimeter und Grad übersetzen, wodurch sie für Kliniker und Ergonomieexperten leichter als Referenzwerte nutzbar sind.

Was das für gerechtere und sicherere Arbeit bedeuten könnte

Obwohl sich diese anfängliche Studie auf eine einzelne Näherin mit einer körperlichen Beeinträchtigung konzentrierte, zeigt das SEWAbility-Rahmenwerk, dass es technisch möglich ist, mithilfe von reinen Arbeitsplatzvideos reichhaltige, aufgabenspezifische Profile zur Belastung einer Tätigkeit zu erstellen. Wenn mehr Beschäftigte und Tätigkeiten hinzukommen, könnten diese Bewegungsprofile datenbasierte Beschäftigungsempfehlungen unterstützen und helfen, die körperlichen Fähigkeiten von Menschen mit den tatsächlichen Anforderungen von Fabrikarbeiten abzugleichen. Im Vergleich zu traditionellen, stärker subjektiven Arbeitsplatzanalysen bietet SEWAbility eine skalierbare Möglichkeit, sich wiederholende Arbeit über längere Zeiträume zu überwachen und damit den Weg zu gerechteren Einstellungen, besserer Berufsrehabilitationsplanung und informierterer Arbeitsplatzgestaltung zu ebnen.

Zitation: Hu, H., Ding, Z., Fu, E.Y. et al. The SEWAbility system: a video-based job analysis framework for understanding task-specific job demands. Sci Rep 16, 10370 (2026). https://doi.org/10.1038/s41598-026-41536-w

Schlüsselwörter: Berufsrehabilitation, Nähereiarbeit, videobasierte Bewegungsanalyse, Anforderungsprofile, Ergonomie am Arbeitsplatz