Die automatische Erkennung menschlicher Aktivität spielt eine große Rolle im Gesundheits- und Sportsektor. Das Wissen über die Aktivität, die durchgeführt wird, kann verwendet werden, um die Einhaltung von Empfehlungen hinsichtlich körperlicher Aktivität zu überprüfen, die Ursachen des Aktivitätsverhaltens zu untersuchen, für einen Sport spezifische Trainingsprogramme zu implementieren und die körperlichen Anforderungen, die in einem sportlichen Wettkampf vorkommen, nachzubilden. Derzeitig zur Verfügung stehende Systeme zur Aktivitätserkennung beruhen oftmals auf Fragebögen. Fragebögen zu benutzen beinhaltet das Problem, dass man sich nicht zuverlässig an die Aktivität, die durchgeführt wurde, erinnert. In dieser Doktorarbeit werden Algorithmen zur sensorbasierten Aktivitätserkennung vorgestellt und evaluiert, die Techniken des Maschinellen Lernens auf Inertialsensor-Daten anwenden. Die automatische Erkennung von Alltags- und Sportaktivitäten bildet dabei den Fokus. Beispiele für Aktivitäten sind Sitzen, Geschirrspülen, Treppen steigen und Schießen im Fußball. Neben der Entwicklung und Implementierung von Algorithmen, werden notwendige Design-Erweiterungen von Aktivitätserkennungssystemen identifiziert und zukünftige Forschungsrichtungen aufgezeigt.weiterlesen