Dank KI-gestützter Technologien ist es seit einigen Jahren möglich, menschliche Bewegung durch Kamerabilder zu identifizieren und klassifizieren. Sogenannte Pose-Estimation Systeme werden bereits weltweit eingesetzt und können basierend auf reinem Bildmaterial Knochen- und Gelenkspositionen von Körpern lokalisieren und diese anschließend zu Posen zusammenführen.^[1] Die erkannten Posen werden in Folge von dem System in vorgefertigte Kategorien eingeordnet. Diese Kategorien beziehen sich dabei auf den Einsatzbereich des Systems und können von „Jumping Jack“ über „hingefallen“ bis hin zu „gewalttätig“ reichen. Zu etwaigen Anwendungsgebieten zählen beispielsweise das Sicherheitswesen, Medizin, autonome Kriegsführung oder die Sportanalyse.^[2] Aus tanzwissenschaftlicher Perspektive scheint es schwer vorstellbar, dass ein so vielschichtiges und individuelles Feld wie das der menschlichen Bewegung von inhaltsgebundenen Pose-Estimation Systemen sinnvoll gedeutet werden kann. Ob und vor allem wie gut die Erkennung und Klassifizierung der Programme funktioniert, hängt hauptsächlich von der Qualität und dem Umfang des Datensatzes ab, auf den der Machine Learning (ML) Algorithmus trainiert wurde. „Trainingsdatensätze stehen somit im Mittelpunkt des Verfahrens, nach dem die meisten ML-Systeme ihre Schlüsse ziehen: Sie fungieren als das wichtigste Quellenmaterial, das KI-Systeme als Anfangsbasis für ihre Programme nutzen.“^[3]