Googles Open-Source-Framework für Echtzeit-[Computer Vision](/glossar/#computer-vision) und Pose Estimation. Läuft lokal auf CPU, GPU oder mobilen Geräten — keine Cloud-Abhängigkeit, keine API-Kosten. Standardwerkzeug für Körperhaltungserkennung, Handtracking und Gesichtslandmarken in Forschung und Industrie.
Kosten: Vollständig kostenlos, Open Source (Apache 2.0). Rechenkosten für GPU/CPU-Infrastruktur trägt man selbst.
Stärken
- Vollständig kostenlos und Open Source (Apache 2.0)
- Läuft lokal — keine Daten verlassen das System
- Echtzeit-fähig auf normaler Hardware (CPU reicht für viele Anwendungen)
- Vortrainierte Modelle für Körperhaltung (33 Landmarks), Hände, Gesicht, Ganzköper
- Breite Plattformunterstützung: Python, C++, Android, iOS, Web
Einschränkungen
- Erfordert Python-Entwicklerkenntnisse — kein GUI, kein No-Code-Einstieg
- Vortrainierte Modelle abdecken Standardposen; sehr spezifische Aktivitäten brauchen eigenes Training
- Genauigkeit bei Kindern und kleinen Körpern schlechter als bei erwachsenen Referenzposen
- Kein integriertes Dashboard oder Auswertungsmodul — Datenvisualisierung muss selbst gebaut werden
- Kein deutschsprachiger Support oder Interface
Passt gut zu
So steigst du ein
Schritt 1: MediaPipe über pip installieren: pip install mediapipe. Kein Konto, keine API-Keys, kein Cloud-Setup erforderlich. Alle vortrainierten Modelle werden beim ersten Aufruf automatisch heruntergeladen.
Schritt 2: Mit dem Pose Landmarker beginnen. Die offizielle Dokumentation enthält lauffähige Python-Beispiele für Bilder, Videos und Webcam-Streams. Ein erster Test mit einem eigenen Video dauert rund 30 Minuten.
Schritt 3: Ausgaben in ein CSV oder DataFrame speichern und auf die 33 Körperlandmarken pro Frame auswerten. Für zeitliche Analysen (Bewegungsfrequenz, Körperhaltungsänderungen) braucht man dann Pandas oder NumPy — das ist der Punkt, an dem Entwicklerkenntnisse wirklich gefragt sind.
Ein konkretes Beispiel
Ein deutsches Spielzeugentwicklungsteam analysiert Testvideos von Kindern, die mit einem neuen Konstruktionsspielzeug spielen. MediaPipe extrahiert pro Frame die Körperhaltung der Kinder: Wann lehnen sie sich nach vorne (Zeichen hoher Konzentration)? Wann weichen sie zurück oder wenden den Blick ab (Desinteresse)? Die Pose-Zeitreihe über die 45-minütige Session zeigt deutlich, in welcher Spielphase das Engagement abfiel — Information, die im manuellen Protokoll als “Kind hat kurz aufgehört” vermerkt war, aber ohne Zeitstempel und ohne Kontext.
Diesen Inhalt teilen:
Empfohlen in 1 Use Cases
Spielwaren & Spiele
Redaktionell bewertet · Preise und Funktionen können sich ändern.
Stimmt etwas nicht?
Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.
Nicht sicher, ob MediaPipe zu euch passt?
Wir helfen bei der Tool-Auswahl und begleiten die Einführung in euren Arbeitsalltag — unverbindlich und kostenlos im Erstgespräch.
Weitere Tools
AGR International
Agr International, Inc.
Spezialist für Qualitäts- und Prozesssteuerung in der Glas- und PET-Behälterproduktion. Aus Butler, Pennsylvania (USA), seit fast 100 Jahren am Markt. Flaggschiff ist die Process-Pilot+-Familie für automatisierte Blowmolder-Steuerung — das System ist explizit KI-gestützt und regelt PET-Blasformanlagen so, dass Materialverteilung, Energieverbrauch und Ausschuss optimiert werden. Ergänzt um Pilot Vision+ (Inline-Bildverarbeitung mit bis zu sechs Kameras), Gawis 4D (Labor-Mess-Roboter für bis zu 128 Flaschen), OmniLab und manuelle Messgeräte.
Mehr erfahrenAKVA SmartEye
AKVA group ASA
Modulares Unterwasserkamera-System des norwegischen Aquakultur-Technologieführers AKVA group. Das SmartEye verbindet HD-Videoüberwachung mit integrierten Tiefensensoren, Sauerstoff- und Temperaturmessern. Entwickelt für Netzgehege-Lachsfarmen in Norwegen, Schottland und Chile — zunehmend auch in RAS-Anlagen eingesetzt. Die Kamera-Daten werden von AKVA connect 4.0 für automatische Fütterungssteuerung genutzt: Pellets, die den Pen-Boden erreichen, lösen eine automatische Drosselung der Fütterungsanlage aus.
Mehr erfahrenAugury
Augury
Predictive Maintenance Plattform spezialisiert auf Rotationsmaschinen (Motoren, Pumpen, Ventilatoren). Machine Learning analysiert Vibration und Akustiksignale zur Fehlervorhersage.
Mehr erfahren