Crane erkennt Haltungsprobleme in Echtzeit mit maschinellem Lernen direkt auf dem Gerät. Hier steht genau, wie das funktioniert – keine Blackbox, kein Drumherumreden.
Beim ersten Start sitzt du einfach so, wie du normalerweise arbeitest. Crane erfasst deine Ausgangshaltung mit MoveNet, einem modernen Posenerkennungsmodell von Google. Das Modell erkennt zentrale Körperpunkte – Nase, linkes Ohr, rechtes Ohr, linke Schulter und rechte Schulter – und speichert ihre relative Lage.
Diese Ausgangslage ist dein Referenzpunkt für „gute Haltung“. Crane setzt keinen allgemeingültigen Maßstab, sondern lernt, wie gute Haltung bei deinem Körper und deinem Arbeitsplatz aussieht. Kalibrierst du später neu (neuer Stuhl, andere Tischhöhe), passt Crane sich an.
Nach der Kalibrierung verarbeitet Crane dein Webcam-Bild fortlaufend mit TensorFlow.js, vollständig im eigenen Prozess. Jedes Einzelbild wird auf Abweichungen von deiner Ausgangshaltung geprüft.
Drei Stufen der Signalverarbeitung verhindern Fehlalarme:
EMA-Glättung bedeutet: Lehnst du dich kurz nach vorn, um den Kaffee zu nehmen, reagiert Crane nicht. Der Algorithmus verlangt eine anhaltende Abweichung, bevor die Haltungsnote sich ändert. Die Konfidenzprüfung fängt schlechtes Licht, teilweise Verdeckung (Hand vor dem Gesicht) und andere Situationen ab, in denen das Modell die Pose nicht zuverlässig schätzen kann.
Die Sigmoid-Funktion bildet die Rohabweichung auf eine weiche Haltungsnote von 0 bis 1 ab. Das vermeidet die „Zitterzone“, in der kleine Bewegungen die Note ständig zwischen gut und schlecht springen lassen.
Wenn deine Haltungsnote den eingestellten Schwellenwert längere Zeit unterschreitet, zeigt Crane einen nicht blockierenden Hinweis. Er erscheint als transparentes Overlay – auffällig genug, um bemerkt zu werden, dezent genug, um ihn zu ignorieren, wenn du gerade mitten in etwas Wichtigem steckst.
Zentrale Entwurfsentscheidungen:
Ziel ist informieren, nicht unterbrechen. Du nimmst den Hinweis am Rand wahr und korrigierst deine Haltung, wenn es dir passt – nicht wenn die App es verlangt.
Unabhängig von der Haltungserkennung läuft in Crane ein Ergonomie-Timer nach dem gewählten Profil. Jedes Profil legt eine wiederkehrende Folge von Aktivitäten fest – Sitzen, Stehen, Gehen, Bewegung, Dehnen – mit Dauern aus der arbeitsmedizinischen Forschung.
Zum Beispiel das Profil „Deep Focus“ für Entwicklerinnen und Entwickler:
Steht ein Wechsel an (etwa vom Sitzen zum Stehen), meldet Crane die nächste Aktivität. Der Timer läuft weiter, ob du dem Vorschlag folgst oder nicht – Crane leitet dich, zwingt dich aber nie.
Crane enthält 15 Profile für Arbeitsstile vom intensiven Programmieren über kreative Arbeit bis zum Callcenter. Drei sind kostenlos, alle 15 gibt es mit Pro.
Der Datenschutz von Crane ist keine Richtlinienentscheidung, sondern eine technische. Es gibt kein Cloud-Backend für Haltungsdaten. Es gibt keinen Server, der dein Webcam-Bild empfängt. Deine Haltungsdaten verlassen deinen Rechner nie. Die einzige Netzaktivität sind die Lizenzprüfung für Pro-Nutzer und App-Updates über den Store.
Dein Webcam-Bild wird Bild für Bild im Arbeitsspeicher von TensorFlow.js verarbeitet. Jedes Einzelbild wird ausgewertet, eine Haltungsnote berechnet und das Bild sofort verworfen. Es werden keine Bilder auf die Festplatte geschrieben. Nichts wird zwischengespeichert, eingereiht oder übertragen.
Das ist der Unterschied zwischen „wir versprechen, nicht in deine Daten zu schauen“ und „es gibt keinen Weg, in deine Daten zu schauen“. Crane hat den zweiten gewählt. Selbst wenn jemand die Anwendung kompromittieren würde, gäbe es nichts zu stehlen – weil nichts gespeichert wird.