Immersives XR-Training für ergonomisches Heben und Tragen

In Zusammenarbeit mit Mag. Norbert Lechner aus dem Fachbereich Ergonomie der AUVA-Hauptstelle, der die Initiative für dieses Projekt setzte, hat MindConsole GmbH eine immersive Extended-Reality-Anwendung entwickelt, die Hebe- und Tragetechniken nicht nur erklärt, sondern erlebbar macht. Nutzer:innen können korrekte Bewegungsabläufe beobachten, typische Fehlerbilder erkennen und zentrale Hebesituationen in virtuellen wie realen Umgebungen trainieren – sicher, wiederholbar und ortsunabhängig.

Warum herkömmliche Schulungen an Grenzen stoßen
Präsenztrainings im Bereich ergonomisches Heben sind mit mehreren strukturellen Herausforderungen verbunden: Sie sind schwer zu standardisieren, zeit- und ressourcenintensiv und bieten nur begrenzt objektives Feedback. Trainer:innen können in großen Gruppen nicht jede Einzelbewegung korrigieren, und die Teilnehmenden erhalten selten die Gelegenheit, Techniken ausreichend oft zu wiederholen.

Besonders problematisch: In routinierten Arbeitsabläufen bleiben ungünstige Bewegungsmuster – etwa ein Rundrücken beim Anheben, fehlerhafte Rotationsbewegungen oder zu große Hebelarme – oft unentdeckt. Diese schleichen sich über Monate und Jahre ein und führen zu Überlastung, chronischen Beschwerden und langfristigen Ausfällen.

Hinzu kommt ein didaktisches Dilemma: Damit die Teilnehmenden lernen, Fehler zu erkennen, müssen typische Fehlhaltungen gezeigt werden. Doch genau das birgt das Risiko, falsche Techniken unbeabsichtigt zu verfestigen. Klassische Formate bieten kaum Möglichkeiten, dieses Spannungsfeld sicher aufzulösen.

Training in VR-Umgebung
Genau hier setzt das Projekt ErgoMobileXR an. Ergo­MobileXR ist eine strukturierte, skalierbare Trainingsanwendung, die ergonomische Prinzipien in konkreten Szenarien erlebbar macht. Die Anwendung läuft auf handelsüblichen VR-Headsets und kombiniert die Betriebsmodi Virtual und Mixed Reality (VR/MR).

In einer vollständig virtuellen Umgebung, der VR, können Anwender:innen Hebetechniken konzentriert und ohne Ablenkung erlernen. Digitale Charaktere demonstrieren jeweils die korrekte Ausführung sowie bewusst dargestellte Fehlvarianten. Der geschützte Raum ermöglicht es, Fehler zu analysieren, ohne sie physisch auszuführen.

Im Mixed-Reality-Modus (MR) werden die digitalen Trainingscharaktere in die reale Umgebung eingeblendet – etwa direkt am Arbeitsplatz, im Lager oder im Schulungsraum. So können Teilnehmende das Gelernte unmittelbar auf ihre konkreten Arbeitsbedingungen übertragen und im realen Kontext üben.

Die Anwendung deckt zentrale Hebesituationen ab, jeweils in korrekter und fehlerhafter Ausführung.

Ergänzt werden die praktischen Übungen durch Quiz- und Wissensformate, die das Technikverständnis vertiefen. Optional könnten strukturierte Debriefings für eine gemeinsame Reflexion durchgeführt werden – etwa im Rahmen von Gruppenschulungen.

Von Motion Capture zur XR-Anwendung
Die Grundlage des Trainings bilden reale Bewegungsdaten. In einem spezialisierten Aufnahmestudio wurde ein Proband mit reflektierenden Markern oder Sensoren ausgestattet, die an Körpergelenken befestigt wurden. Hochpräzise Kameras bzw. Inertialsensoren erfassten jede Bewegung in Echtzeit und übersetzten sie in dreidimensionale Daten. So entstanden digitale Abbilder sowohl korrekter als auch fehlerhafter Hebetechniken – sogenannte Referenzbewegungen.

Die aufgezeichneten Bewegungsdaten wurden anschließend auf dreidimensionale, computergenerierte Figuren übertragen – ein Vorgang, der in der Fachsprache „Re­targeting“ heißt. Dabei wurde sichergestellt, dass die digitalen Charaktere die Bewegungen anatomisch korrekt wiedergeben, unabhängig von Körpergröße oder Proportionen des ursprünglichen Darstellers.

Die fertig animierten Charaktere und Szenarien wurden in der Entwicklungsumgebung Unity zu einer interaktiven Anwendung zusammengeführt. Die Software-Plattform Unity ermöglicht sowohl VR- als auch MR-Erlebnisse für verschiedene Headsets. Die Anwendung umfasst die Trainingsszenarien, Steuerungselemente, visuelle Hilfen (z. B. farblich hervorgehobene Gelenke bei Fehlhaltungen) sowie die Quiz- und Feedbackmodule.

Die fertige Anwendung wurde auf marktgängige kabellose VR-Headsets (z. B. Meta-Quest-Serie) übertragen. Diese Geräte bieten integriertes Inside-out-Tracking und erkennen die Raumposition der Nutzer:innen ohne externe Sensoren. Damit kann in Zukunft das Training mobil und flexibel eingesetzt werden: im Schulungsraum, in der Produktion oder im Büro. Die Einrichtung erfordert lediglich das Headset und eine ca. 2 × 2 Meter freie Fläche.

Wohin sich ErgoMobileXR entwickeln kann
Bereits in der aktuellen Version macht die Applikation umfangreiche Trainings der manuellen Lastenhandhabung möglich und ergänzt die theoretische Wissensvermittung durch Gamification in Form eines Ergonomie-Quiz. Sie stellt ein solides Fundament für ergonomisches XR-Training dar: Die Architektur der Anwendung ist bewusst modular gestaltet, sodass künftige Erweiterungen technisch und inhaltlich umsetzbar sind.

Die naheliegendste und wirkungsvollste Erweiterung ist die Integration von Live-Körpertracking direkt während des Trainings. Moderne VR-Headsets verfügen bereits über Kameras und Sensoren, die Körperpositionen schätzen können (sogenanntes „Bodytracking“). In Kombination mit optionalen Körpersensoren ließe sich daraus ein REBA-Score (Rapid Entire Body Assessment) in Echtzeit berechnen. Der REBA-Score ist ein international anerkanntes Bewertungsverfahren, das Körperhaltungen systematisch nach ihrem Belastungsrisiko einstuft. Er berücksichtigt die Position von Rumpf, Nacken, Beinen, Armen und Handgelenken und liefert einen Gesamtwert, der das Risiko für muskuloskelettale Beschwerden anhand der ausgeführten Bewegungen quantifiziert.

Dafür würden, während eine Person eine Hebeübung durchführt, in der Anwendung die Körperhaltungen laufend analysiert und sofort Rückmeldungen gegeben. Diese Rückmeldungen könnten als Farbsignale im Ampelschema grün-orange-rot oder alternativ durch Audiohinweise erfolgen. Statt erst im Nachhinein Fehler zu identifizieren und zu bewerten, erhalten Trainierende unmittelbares, objektives Feedback zu ihrer eigenen Ausführung.

Weiters könnten auf Basis der erhobenen Bewegungsdaten in künftigen Versionen individuell angepasste Trainingspläne erstellt werden. Wenn das System beispielsweise erkennt, dass eine Person wiederholt zu unergonomischen Bewegungen wie Rumpfrotationen oder Flexionen neigt, könnten gezielt Zusatzübungen oder Wiederholungen angeboten werden, um diese Bewegungsmuster künftig zu vermeiden und einen speziellen Fokus im Training zu legen.

Anonymisierte und aggregierte Trainingsdaten könnten über längere Zeiträume ausgewertet werden, um betriebliche Trends zu erkennen: Welche Fehlerbilder treten häufig auf? Verbessern sich bestimmte Bewegungsmuster nach wiederholtem Training? Gibt es Abteilungen oder Tätigkeitsbereiche mit erhöhtem Schulungsbedarf? Solche Erkenntnisse wären für Präventionsabteilungen und Arbeitsmediziner:innen sicherlich von Wert.

Die modulare Architektur ermöglicht die unkomplizierte Erweiterung um zusätzliche Szenarien: Heben im Team, Umgang mit sperrigen oder unförmigen Lasten, Arbeiten über Kopf oder andere Zwangshaltungen. Auch branchenspezifische Szenarien – etwa für die Pflege, den Bau oder die Logistik – könnten als Ergänzungspakete entwickelt werden.

Mittelfristig könnten Machine-Learning-Modelle eingebunden werden, die Bewegungsmuster nicht nur nach starren Regeln bewerten, sondern lernfähig sind. Solche Modelle könnten subtile Abweichungen erkennen, die menschlichen Beobachtern:Beobachterinnen entgehen, und differenzierteres Feedback geben – zum Beispiel durch Vergleich der eigenen Ausführung mit Tausenden von Referenzbewegungen.

In einer weiterentwickelten Version könnte Ergo­MobileXR über Schnittstellen (APIs) an betriebliche Systeme angebunden werden – etwa an Unterweisungs-Dokumentationen, Qualitätsmanagementsysteme oder Arbeitsschutz-Software. So ließen sich absolvierte Trainings automatisch dokumentieren und in bestehende Compliance-Prozesse einbinden. ●