Enhancing Learning Experiences in Sports Science through Video and AI-generated Feedback

Im Sport ebnet das Erlernen neuer Bewegung und die Optimierung bereits erlernter Techniken den Weg zum Erfolg von Athlet*innen. Dieser Prozess des sich wiederholenden Lernens ist von menschlicher Interaktion abhängig und daher auf andere Sportler*innen, Trainer*innen oder Lehrer*innen angewiesen. Um diese Abhängigkeit zu reduzieren, jedoch nicht zu beseitigen, kann künstliche Intelligenz (KI) den Sportler*innen ein qualitatives Feedback geben, während sie selbst an ihrer Perfektion feilen. In Rahmen von KI:edu.nrw wurde das Ziel verfolgt, ein niedrigschwelliges Feedbacksystem zu implementieren, das zum Zeitpunkt des Bedarfs der Studierenden verfügbar ist. Nach einer Auswahl von geeigneten Sportarten, die einen bedeutenden technikorientierten Prüfungsteil aufweisen, rekrutierten wir professionelle Sportler*innen dieser Sportarten, um Sollwertvideos zu produzieren. Diese wurden mit schriftlichen Bewegungsmerkmalen der Lehrkräfte kombiniert und über Moodle verfügbar gemacht. Darauf aufbauend wollten wir Soll-Ist-Wert-Vergleiche auf KI umstellen. Wir konzentrierten uns auf die Bewertung von Machbarkeit von KI-gestützten Feedbacksystemen. Um dies zu erreichen, entwickelten wir in ‚MATLAB‘ eigene Algorithmen zur Bewertung der Sprungleistung und zur Vorhersage des Prüfungserfolges anhand einzelner Kriterien. Dies wurde durch den Einsatz von ‚TensorFlows PoseNet AI Pose Detection Kit‘ weiter verfeinert. Die Ergebnisse unseres Projektes zeigen, dass KI das Potenzial aufweist, den Lernprozess für Sportler*innen, Lehrer*innen und Trainer*innen zu revolutionieren, sobald Entwicklungshürden überwunden sind.