Die Notwendigkeit, sich über unebene, sich ständig verändernde Gelände zu bewegen, gehört zu unserem täglichen Leben. Das zentrale Nervensystem muss daher eine erhöhte Menge an Information integrieren, um mit der Unvorhersehbarkeit äußerer Störungen zurechtkommen zu können. Die Folge dieser erhöhten Beanspruchung könnte eine flexible Kombination der modularen Organisation von Bewegungssteuerung sein. Auf Kosten der Genauigkeit der Bewegung wäre es so möglich, dass das System reagiert, indem es die Robustheit (Fähigkeit mit Fehlern umzugehen) seiner Steuerung erhöht. Jedoch sind die Strategien, die das zentrale Nervensystem zur Organisation der Bewegung verwendet, immer noch schlecht verstanden. Eine Möglichkeit besteht darin, dass Bewegungen zustande kommen durch eine kleine Anzahl linear kombinierter Aktivierungsmuster (Muskelsynergien). Unter den verschiedenen Möglichkeiten der Bewegungsstörung sind das Weglassen von Schuhen und die Verwendung von unebenen Oberflächen zwei gebräuchliche Optionen. In einem ersten Schritt habe ich eine gründliche Analyse der Methoden durchgeführt, die nützlich sind für a) die Auswertung von raumzeitlichen Gangparametern mithilfe von Daten der plantaren Druckverteilung und b) die Extraktion von Muskelsynergien mittels nicht-negativer Matrixfaktorisierung. Anschließend habe ich die modulare Organisation von c) beschut und barfuß Laufen und d) Laufband Gehen und Laufen über ebener und unebener Oberfläche analysiert. Im Vergleich zum gestörten Zustand zeigte das Barfußlaufen eine zeitlichen Verschiebung der zeitabhängigen Muskelaktivierungspatterns (Motor Primitives) und eine Reorganisation der zeitunabhängigen Koeffizienten (Motor Modules). Zusammenfassend, konserviert Fortbewegung über unebener Oberfläche, im Vergleich zu ebener, Motor Modules, während Motor Primitives im Allgemeinen breiter werden. Diese Ergebnisse unterstützen die Idee einer erhöhten Robustheit in der motorischen Kontrolle während der instabilen Fortbewegung. / The need to move over uneven, continuously changing terrains is part of our daily life. Thus, the central nervous system must integrate an augmented amount of information in order to be able to cope with the unpredictability of external disturbances. A consequence of this increased demand might be a flexible recombination of the modular organisation of movement creation and control. At the expense of motion’s accuracy, it is possible that the system responds by increasing its control’s robustness (i.e. ability to cope with errors). However, the strategies employed by the central nervous system to organise movement are still poorly understood. One possibility is that movements are constructed through a small amount of linearly combined patterns of activations, called muscle synergies. Amongst the several possibilities of perturbing locomotion, the removal of footwear and the use of uneven surfaces are two valid options. In a first step, I conducted a thorough analysis of the methodologies useful for a) the evaluation of spatiotemporal gait parameters using plantar pressure distribution data and b) the extraction of muscle synergies using non-negative matrix factorisation. Afterwards, I analysed the modular organisation of c) shod and barefoot running and d) walking and running over an even- and an uneven-surface treadmill. The modular organisation of locomotion, assessed through the extraction of muscle synergies, changed when perturbations were introduced. Compared to the shod condition, barefoot running underwent, mostly due to the different foot strike pattern, a reorganisation of the time-independent coefficients (motor modules) and a time-shift of the time-dependent muscle activation patterns (motor primitives). Uneven-surface locomotion, compared to even-surface, conserved motor modules, while motor primitives were generally wider, confirming the idea of an increased robustness in motor control during unsteady locomotion.

Bewegungsstabilität wird durch die Fähigkeit des neuromuskulären Systems adäquat auf Störungen der Bewegung antworten zu können erreicht. Einschränkungen der Stabilität werden z. B. mit Sturzrisiko in Verbindung gebracht, was schwere Konsequenzen für die Lebensqualität und Kosten im Gesundheitssystem hat. Nach wie vor wird debattiert, wie eine geeignete Bewertung von Stabilität vorgenommen werden kann. Diese Arbeit behandelt den maximalen Lyapunov Exponenten. Er drückt aus, wie sensitiv das System auf kleine Störungen eines Zustands reagiert. Eine Zeitreihe wird zunächst mittels zeitversetzter Kopien in einen mehrdimensionalen Raum eingebettet. In dieser rekonstruierten Dynamik berechnet man dann die Steigung der mittleren logarithmischen Divergenz initial naher Punkte. Die methodischen Konsequenzen für die Anwendung dieser Systemtheorie auf Bewegungen sind jedoch bislang unzureichend beleuchtet. Der experimentelle Teil zeigt klare Indizien, dass es bei Bewegungen weniger um die Analyse eines komplexen Systemdeterminismus geht, sondern um verschieden hohe dynamische Rauschlevel. Je höher das Rauschlevel, desto instabiler das System. Anwendung von Rauschreduktion führt zu kleineren Effektstärken. Das hat Folgen: Die Funktionswerte der Average Mutual Information, die bisher nur zur Bestimmung des Zeitversatzes genutzt wurden, können bereits Unterschiede in der Stabilität zeigen. Die Abschätzung der Dimension für die Einbettung (unabhängig vom verwendeten Algorithmus), ist stark von der Länge der Zeitreihe abhängig und wird bisher eher überschätzt. Die größten Effekte sind in Dimension drei zu beobachten und ein sehr früher Bereich zur Auswertung der Divergenzkurve ist zu empfehlen. Damit wird eine effiziente und standardisierte Analyse vorgeschlagen, die zudem besser imstande ist, Unterschiede verschiedener Bedingungen oder Gruppen aufzuzeigen. / Reductions of movement stability due to impairments of the motor system to respond adequately to perturbations are associated with e. g. the risk of fall. This has consequences for quality of life and costs in health care. However, there is still an debate on how to measure stability. This thesis examines the maximum Lyapunov exponent, which became popular in sports science the last two decades. The exponent quantifies how sensitive a system is reacting to small perturbations. A measured data series and its time delayed copies are embedded in a moredimensional space and the exponent is calculated with respect to this reconstructed dynamic as average slope of the logarithmic divergence curve of initially nearby points. Hence, it provides a measure on how fast two at times near trajectories of cyclic movements depart. The literature yet shows a lack of knowledge about the consequences of applying this system theory to sports science tasks. The experimental part shows strong evidence that, in the evaluation of movements, the exponent is less about a complex determinism than simply the level of dynamic noise present in time series. The higher the level of noise, the lower the stability of the system. Applying noise reduction therefore leads to reduced effect sizes. This has consequences: the values of average mutual information, which are until now only used for calculating the delay for the embedding, can already show differences in stability. Furthermore, it could be shown that the estimation of the embedding dimension d (independently of algorithm), is dependent on the length of the data series and values of d are currently overestimated. The greatest effect sizes were observed in dimension three and it can be recommended to use the very first beginning of the divergence curve for the linear fit. These findings pioneer a more efficient and standardized approach of stability analysis and can improve the ability of showing differences between conditions or groups.