Ich habe in den letzten Wochen viel über die Stadt geschrieben, über Prozessionen, Kaffeemaschinen und falsche Busse. Aber über die Arbeit selbst habe ich bisher kaum etwas gesagt. Das hole ich jetzt nach.

Das Unternehmen

Ich arbeite für Xelab, ein junges Technologieunternehmen aus Zaragoza. Das Portfolio ist breit: Webentwicklung, Automatisierung, künstliche Intelligenz und weitere IT-Themen. Kein enges Nischenprodukt, sondern ein Unternehmen, das sich bewusst offen aufstellt.

Mein Projekt bewegt sich in der Schnittmenge aus KI und Gesundheit, ein Bereich, der gerade viel Bewegung hat.

Der Einstieg

Am ersten Arbeitstag gab es zunächst ein Gespräch mit dem CTO. Kein formelles Interview, eher ein gegenseitiges Kennenlernen. Er erzählte über sich, über die Firma und über die IT-Szene in Spanien und Zaragoza im Allgemeinen. Ein ruhiger, angenehmer Einstieg.

In den darauffolgenden Tagen arbeitete ich mich an einem eigenen Thema entlang, mit ein paar Vorgaben, aber viel Spielraum. Nach etwas Hin und Her kristallisierte sich ein Fokus heraus: Health in Kombination mit Local AI.

Erst Forschen, dann Bauen

Was dann folgte, war kein Programmieren. Zumindest noch nicht.

Zuerst hieß es: recherchieren. Ich schaute mir Apps, Websites, Hardware-Gadgets und Softwarelösungen an, die sich mit körperlichem Wohlbefinden beschäftigen. Was machen sie gut? Wo sind Lücken? Was versprechen sie, und halten sie das auch?

Einige Produkte habe ich selbst getestet. Das war aus Kostengründen natürlich nicht für alles möglich, aber dort, wo es ging, hat es Spaß gemacht. Ein bisschen wie ein kleiner Detektiv: Faktoren herausarbeiten, Beobachtungen festhalten, ein Bild zusammensetzen.

Nachdem ich meine Ergebnisse präsentiert hatte, ging es in die Praxis.

Das Projekt: Haltung sichtbar machen

Auf Basis meiner Recherche und mit Blick auf meine technischen Stärken entstand eine konkrete Aufgabe: eine Android-App entwickeln, die die Körperhaltung einer Person in Echtzeit analysiert und visuell zurückmeldet, ob die Wirbelsäulenposition gesund ist oder nicht.

Da ich bisher am meisten Erfahrung mit Kotlin Native für Android habe, passte das gut zusammen.

Die App heißt intern Zaragoza Posture Tracker und nutzt im Kern zwei Technologien von Google:

  • ML Kit Pose Detection erkennt Körperpunkte, Schultern, Hüfte, Wirbelsäule, und analysiert daraus die Haltung in Echtzeit.
  • CameraX kümmert sich um die Kameraintegration: stabiler Live-Feed, direkt in die Analysepipeline eingebunden.

Das Ergebnis wird farblich dargestellt. Grün bedeutet: Haltung in Ordnung. Andere Farben zeigen an, dass etwas angepasst werden sollte. Kein Text, keine langen Erklärungen, nur ein direktes, visuelles Signal.

Die Zusatzaufgabe

Neben der Haltungsanalyse gibt es noch eine zweite Funktion: Per Schalter wechselt die App in einen Objekterkennungsmodus. Statt Körperpunkten analysiert die Kamera dann die Umgebung, erkennt Gegenstände, beschriftet Szenen. Die Idee dahinter ist, Kontext herzustellen: Sitzt die Person am Schreibtisch? Steht sie? Was befindet sich im Sichtfeld?

Dafür kommen zwei weitere ML-Kit-Module zum Einsatz: Object Detection und Image Labeling. Beide laufen auf demselben Kamerastream, ein gemeinsamer Analyzer verarbeitet Pose und Objekte gleichzeitig, ohne dass ein separater Feed nötig ist.

Die gesamte UI ist in Jetpack Compose gebaut, dem modernen UI-Framework von Android.

Stand der Dinge

Die App befindet sich aktuell im Stadium eines funktionierenden Prototyps. Kameravorschau, Pose-Tracking, Objekterkennung und Berechtigungsabfragen laufen bereits. Was noch fehlt, ist die Feinarbeit: genauere Haltungsklassifizierung, besseres visuelles Feedback, und die Verbindung zwischen Umgebungserkennung und Haltungsempfehlung.

Was als nächstes kommt, steht eigentlich schon fest: Die Software soll nicht auf einem Smartphone laufen, sondern auf einem Microcomputer, klein, kompakt, mit einem integrierten Kameraelement. Ein anderer Formfaktor, andere Möglichkeiten.

Bis es so weit ist, heißt es erst einmal App verfeinern und warten. Die Hardware ist noch unterwegs.

Was ich mitnehme

Research klingt oft unspektakulär aber dieser erste Block hat mir mehr gebracht als erwartet. Man versteht ein Thema erst richtig, wenn man sich durch dutzende Lösungen gearbeitet hat, die alle dasselbe Problem angehen und dabei zu völlig unterschiedlichen Ergebnissen kommen.

Und dann die App zu bauen, etwas, das vorher nur in Tabellen und Notizen existierte, das hat eine eigene Befriedigung. Wenn die Kamera das erste Mal einen Körper erkennt und die Punkte korrekt setzt, ist das ein Moment, den man sich nicht kaufen kann.

Ich bin gespannt, wohin das noch führt.