Dart und KI: Was künstliche Intelligenz beim Werfen wirklich erkennt mydart Dart und KI: Was künstliche Intelligenz beim Werfen wirklich erkennt ====================================================================== Hinter der Dart KI Erkennung steckt ein konkretes Verfahren: Pose Estimation. Was dabei gemessen wird, wo die Grenzen liegen und woran du eine zuverlässige Erkennung erkennst. Pose-Tracking Echtzeit 8+ Metriken [ mydart ](https://mydart.app/de) [Funktionen](https://mydart.app/de/features) [Training](https://mydart.app/de/training) [Preis](https://mydart.app/de/pricing) [Blog](https://mydart.app/de/blog) DE [ EN English ](https://mydart.app/en/blog/ai-in-darts) DE Deutsch [ Anmelden ](https://mydart.app/login) [ Funktionen ](https://mydart.app/de/features) [ Training ](https://mydart.app/de/training) [ Preis ](https://mydart.app/de/pricing) [ Blog ](https://mydart.app/de/blog) [ Anmelden ](https://mydart.app/login) 1. [Startseite](https://mydart.app/de) 2. [Blog](https://mydart.app/de/blog) 3. Dart und KI: Was künstliche Intelligenz beim Werfen wirklich erkennt Analyse 9 Min. Lesezeit • 19. August 2026 Dart und KI: Was künstliche Intelligenz beim Werfen wirklich erkennt ====================================================================== Hinter der Dart KI Erkennung steckt ein konkretes Verfahren: Pose Estimation. Was dabei gemessen wird, wo die Grenzen liegen und woran du eine zuverlässige Erkennung erkennst. Was KI beim Dart konkret bedeutet --------------------------------- Der Begriff KI wird im Sportbereich inflationär verwendet und meint dabei sehr Unterschiedliches. Beim Dart läuft er im Wesentlichen auf ein einziges Verfahren hinaus: Pose Estimation, also die Erkennung menschlicher Körperhaltung in Bildern. Alles andere, was danach passiert, ist gewöhnliche Mathematik. Das ist keine Abwertung, im Gegenteil. Pose Estimation löst ein Problem, das mit klassischer Programmierung praktisch unlösbar war. Niemand kann in Regeln fassen, woran man auf einem Foto ein Ellbogengelenk erkennt. Ein neuronales Netz, das hunderttausende markierte Bilder gesehen hat, kann es. Die Dart KI Erkennung besteht also im Kern darin, aus Kamerabildern die Position deiner Gelenke abzuleiten. Wie Pose Estimation arbeitet ---------------------------- Das Modell bekommt ein Bild und gibt Koordinaten aus. Bei den gängigen Verfahren sind das 33 Punkte: Nase, Augen, Schultern, Ellbogen, Handgelenke, Finger, Hüfte, Knie, Knöchel und weitere Referenzen. Zu jedem Punkt liefert das Modell zusätzlich einen Vertrauenswert, der angibt, wie sicher es sich bei dieser Position ist. Trainiert wurde ein solches Netz auf riesigen Bildersammlungen, in denen Menschen die Gelenkpositionen von Hand markiert haben. Aus diesen Beispielen lernt es, welche Bildmuster typischerweise ein Handgelenk anzeigen und welche nicht. Bemerkenswert daran ist, dass es die Anatomie nie explizit gelernt hat. Es hat statistische Zusammenhänge zwischen Pixeln und Markierungen verinnerlicht. Läuft das Ganze auf einem Video statt auf einem Einzelbild, entsteht pro Punkt eine Bewegungsspur über die Zeit. Ab diesem Moment endet die Arbeit der KI und die eigentliche Auswertung beginnt. Von Punkten zu Aussagen ----------------------- Ein Ellbogenwinkel ist nichts anderes als der Winkel zwischen zwei Strecken: Schulter zu Ellbogen und Ellbogen zu Handgelenk. Sobald die drei Koordinaten vorliegen, ist die Berechnung reine Geometrie und liefert exakte Ergebnisse. Dasselbe gilt für Geschwindigkeiten, die sich aus der Positionsänderung zwischen zwei Bildern ergeben, und für die Streuung, die sich über viele Würfe hinweg berechnen lässt. Diese Trennung ist wichtig zu verstehen, weil sie erklärt, wo Fehler entstehen können und wo nicht. Die Geometrie rechnet immer richtig. Unsicher ist ausschließlich der erste Schritt, also die Frage, ob die KI das Handgelenk auch wirklich am Handgelenk verortet hat. Wenn eine Auswertung unplausibel wirkt, liegt die Ursache fast immer in der Erkennung und fast nie in der Berechnung. Was künstliche Intelligenz beim Dart nicht kann ----------------------------------------------- Drei Dinge werden von einer Dart KI regelmäßig erwartet, die sie nicht leisten kann. ### Sie kennt keine ideale Technik Ein Modell, das Gelenkpositionen erkennt, hat keinerlei Vorstellung davon, wie ein guter Wurf aussieht. Es hat Menschen in Bildern gesehen, keine Bewertungen. Jede Aussage darüber, ob ein Winkel günstig ist, stammt aus Regeln, die Menschen anschließend definiert haben, oder aus dem Vergleich mit deinen eigenen früheren Würfen. Wer behauptet, seine KI kenne die perfekte Wurftechnik, verkauft eine Meinung als Messung. ### Sie versteht deine Absicht nicht Ob du bewusst auf die Triple 20 oder auf die Doppel 16 gezielt hast, geht aus der Bewegung nicht hervor. Eine KI kann Abweichungen von deinem eigenen Muster feststellen, aber nicht beurteilen, ob eine Abweichung ein Fehler oder eine bewusste Anpassung war. ### Sie ersetzt keine Erklärung Die Messung sagt dir, dass dein Ellbogenwinkel in der zweiten Sessionhälfte um 6 Grad abgefallen ist. Warum das passiert ist, ob wegen Müdigkeit, Konzentration oder einer Umstellung im Stand, steht in keinen Daten. Diesen Schritt macht weiterhin ein Mensch, entweder du selbst oder ein Trainer. Der Artikel [Ersetzt mydart einen echten Trainer](https://mydart.app/de/blog/ersetzt-mydart-einen-trainer) geht genau auf diese Grenze ein. Auf dem Gerät oder in der Cloud ------------------------------- Eine Entscheidung mit spürbaren Folgen betrifft den Ort der Berechnung. Läuft die Erkennung auf einem Server, muss das Video dorthin übertragen werden. Das bedeutet Wartezeit, Abhängigkeit von der Verbindung und vor allem: Dein Videomaterial verlässt dein Gerät. Läuft sie lokal auf Smartphone oder Tablet, entfällt beides. Moderne Geräte schaffen Pose Estimation in Echtzeit, weil die Modelle inzwischen klein genug dafür sind. Der Preis ist eine etwas geringere Genauigkeit als bei den größten Servermodellen, der Gewinn sind sofortige Rückmeldung und die Tatsache, dass keine Aufnahme deines Wurfraums irgendwo hochgeladen wird. **mydart** arbeitet lokal. Die Kamerabilder werden auf dem Gerät verarbeitet, übertragen werden ausschließlich die berechneten Metrikwerte. Für die meisten Spieler ist das der wichtigere Faktor, weil ein Wurfvideo immer auch Aufnahmen der eigenen Wohnung enthält. Woran du eine zuverlässige Erkennung erkennst --------------------------------------------- Nicht jede App, die mit KI wirbt, liefert brauchbare Werte. Diese Punkte sind ein gutes Prüfraster: - **Sichtbares Skelett.** Wenn die App dir die erkannten Punkte über dem Kamerabild einblendet, kannst du selbst sehen, ob sie auf deinen Gelenken sitzen. Systeme, die diese Ansicht verstecken, machen die Prüfung unmöglich. - **Umgang mit Unsicherheit.** Eine gute Auswertung verwirft Würfe, bei denen die Erkennung unsicher war, statt sie mit fragwürdigen Werten in den Durchschnitt zu rechnen. - **Nachvollziehbare Metriken.** Wenn eine App einen "Wurf-Score" von 78 ausgibt, ohne zu erklären, woraus er sich zusammensetzt, kannst du damit nicht trainieren. - **Reaktion auf Kamerawechsel.** Stell die Kamera bewusst anders auf und schau, ob die Werte sich stark ändern. Ein System, das Perspektive korrekt behandelt, sollte robust bleiben. Typische Fehlerquellen in der Praxis ------------------------------------ Die meisten Erkennungsprobleme haben banale Ursachen. Weite dunkle Kleidung vor dunklem Hintergrund macht es dem Modell schwer, die Armkontur zu finden. Gegenlicht durch ein Fenster hinter dir führt dazu, dass dein Körper nur als Silhouette erscheint. Steht die Kamera frontal, überlagern sich Ober- und Unterarm im Bild, und der Ellbogenwinkel lässt sich kaum noch bestimmen. Alle drei Probleme löst du ohne technischen Aufwand: seitliche Kameraposition auf Schulterhöhe, gleichmäßiges Licht von vorn oder von den Seiten, und Kleidung, die sich vom Hintergrund abhebt. Damit ist der weitaus größte Teil der Erkennungsfehler erledigt, bevor er entsteht. Was sich in den nächsten Jahren ändern dürfte --------------------------------------------- Die Modelle werden kleiner und genauer, das ist die stabilste Vorhersage in diesem Feld. Praktisch bedeutet das höhere Bildraten und eine bessere Erkennung der Hand, die aktuell noch der schwierigste Bereich ist, weil Finger klein sind und sich gegenseitig verdecken. Für die Analyse des Griffs und des Loslassmoments wäre das ein deutlicher Fortschritt. Was sich nicht ändern wird, ist die grundsätzliche Arbeitsteilung: Die KI liefert Messwerte, die Interpretation und die Entscheidung, was du im Training änderst, bleiben bei dir. Welche Werte dabei überhaupt aussagekräftig sind, behandelt der Artikel zur [Wurfanalyse und ihren Kennzahlen](https://mydart.app/de/blog/wurfanalyse-kennzahlen). Passend dazu ------------ [ Analyse Dartpfeil per Bild erkennen: Wie Kameraerkennung beim Dart funktioniert Einen Dartpfeil per Bild erkennen kann zweierlei bedeuten. Dieser Artikel erklärt, wie Bilderkennung technisch arbeitet, wo ihre Grenzen liegen und warum Bewegung mehr verrät als ein Standbild. Weiterlesen ](https://mydart.app/de/blog/dart-per-foto-erkennen) [ Analyse Wurfanalyse beim Dart: Diese Kennzahlen zählen wirklich Eine Wurfanalyse liefert Zahlen, aber welche davon helfen im Training? Ellbogenwinkel, Release-Timing, Follow-Through, Rhythmus und Konstanz im Überblick, mit ihren Grenzen. Weiterlesen ](https://mydart.app/de/blog/wurfanalyse-kennzahlen) [ Analyse Dart Bewegungsanalyse: Den Wurf in Zeitlupe verstehen Eine Dart Bewegungsanalyse macht sichtbar, was in 400 Millisekunden passiert. Worauf du in Zeitlupe achtest, warum die Bildrate entscheidet und wann eine App die Handyaufnahme schlägt. Weiterlesen ](https://mydart.app/de/blog/dart-bewegungsanalyse) Folge uns [ ](https://www.facebook.com/profile.php?id=61588643532421) [ ](https://www.instagram.com/mydart.app/) [ ](https://www.tiktok.com/@mydart.app) [ mydart ](https://mydart.app/de) Verbessere deine Wurftechnik mit Echtzeit-Feedback und Pose-Tracking. Jetzt als App verfügbar [ ![mydart im App Store laden](https://mydart.app/storage/apple-black-de.svg)](https://apps.apple.com/de/app/mydart-app/id6762560486?ct=organic-footer-mydart-web&mt=8) [ ![mydart bei Google Play laden](https://mydart.app/storage/android-black-de.png)](https://play.google.com/store/apps/details?id=com.mydart.android&referrer=utm_source%3Dmydart-web%26utm_medium%3Dreferral%26utm_campaign%3Dorganic%26utm_content%3Dfooter) Produkt - [Funktionen](https://mydart.app/de/features) - [Training](https://mydart.app/de/training) - [Preis](https://mydart.app/de/pricing) - [Blog](https://mydart.app/de/blog) - [Kooperationen](https://mydart.app/de/partnerships) Konto - [Anmelden](https://mydart.app/login) Rechtliches - [Impressum](https://mydart.app/de/imprint) - [Datenschutz](https://mydart.app/de/privacy) - [AGB](https://mydart.app/de/terms) © 2026 mydart. Alle Rechte vorbehalten.