Im Beruf, in der Freizeit und in der Rehabilitation werden immer öfter digitale Medien eingesetzt. Speziell in der motorischen Rehabilitation wird zunehmend eine Digitalisierung der Therapieprozesse festgestellt. Dieser Trend soll den Therapieprozess dokumentieren, die Patienten motivieren und auch eine Unterstützung für die Therapeuten sein. Gegenwärtig werden in der Praxis verschiedene „Feedback-Informationen“ verwendet, beispielsweise Informationen zum Bewegungsweg und zur Bewegungsgeschwindigkeit. In der Regel kommen diese Informationen primär vom Trainingsgerät, da dort die entsprechenden Sensoren angebracht sind. Die Information zur Bewegungsqualität des Patienten selbst, wird von den Sensoren nicht erfasst. Im Rahmen des Projektes „AssiSt“ (Assistierte Bewegungskontrolle in der Rehabilitation durch intelligente Sensortechnologie) wurde ein anderer Ansatz verfolgt. Hier war es das Ziel, ein Assistenzsystem zu entwickeln, welches einem Patienten während seiner Übungsausführung Feedback geben kann. Es galt dabei zu prüfen, inwiefern mit einem optischen Sensor die Bewegung des Übenden direkt erfasst und in Echtzeit auf fehlerhafte Bewegungsausführungen/oder die/eine fehlerhafte Bewegungsausführung analysiert werden kann. Eine falsche Bewegungsausführung kann dazu führen, dass die Zielmuskulatur nicht richtig angesteuert wird. Darüber hinaus können aktive und passive Strukturen in der frühen postoperativen Phase überlastet werden. Hierfür wurde mithilfe von Methoden des maschinellen Lernens die Bewegung des Übenden auf Fehlerbilder hin analysiert. Bei fehlerhafter Ausführung werden dabei über eine Feedbackeinheit sofort Korrekturhinweise übermittelt, sodass auftretende Fehler zeitnah korrigiert werden können. Im Verlauf klinischer Tests wurde das Feedback des Assistenzsystems mit der Analyse eines Therapeuten verglichen, wobei eine gute Übereinstimmung erzielt wurde. Neben der Bewegungsanalyse wird durch das System zusätzlich eine Verlaufsdokumentation erstellt, sodass Patienten und Therapeuten nachträglich den Therapieverlauf auswerten können. Darüber hinaus wurde untersucht, ob Biosignale, wie bspw. die Erwärmung der Hautoberfläche infolge der Muskelarbeit während des Trainings, als Feedback geeignet sind. Dies könnte das Effektwissen des Patienten durch ein besseres Verständnis zwischen der Therapieübung und der Muskelansteuerung verbessern.