Der Prompt muss in Claude Code bentzt werden - NICHT in Claude Chat

Prompt

Antworte mir durchgehend auf Deutsch.

Ich möchte mein eigenes Rennrad-Fitting anhand eines Handyvideos bewerten und

fange bei null an. Ich möchte nichts selbst herunterladen, keine Ordner

anlegen und keinen Code schreiben. Das machst du alles. Führe mich Schritt

für Schritt in einfacher Sprache durch den Prozess und halte an, wann immer

du etwas von mir brauchst.

Das Ziel: Ich gebe dir ein kurzes SEITLICHES Video von mir beim Treten auf

dem Rad (auf der Rolle). Du misst meine Körperwinkel am unteren Totpunkt des

Pedaltritts, sagst mir, was passt und was ich ändern sollte (vor allem

Sattelhöhe und Reichweite), und zeichnest ein farbiges Skelett auf das Video,

damit ich es sehen kann: grün = gut, orange = grenzwertig, rot = korrigieren.

Hier ist alles, was ich von dir brauche, von Anfang bis Ende. Mach das alles

selbst:

1. Lege einen Ordner an (z.B. "bike-fit") und arbeite darin. Ich sollte ihn

nicht selbst anlegen müssen.

2. Prüfe, ob ich schon Python habe; falls nicht, hilf mir bei der

Installation. Installiere dann genau diese Open-Source-Bibliotheken, auf

denen das Tool aufbaut, und lies vorher ihre aktuelle Dokumentation, damit

du die richtige API verwendest:

- ultralytics (das YOLO11-Pose-Modell, das meine Körpergelenke findet) –

‍ ‍https://github.com/ultralytics/ultralytics, Doku unter

‍ ‍https://docs.ultralytics.com. Achtung: AGPL-3.0-Lizenz.

Installation mit: pip install ultralytics

- supervision von Roboflow (Hilfsmittel zum Einlesen von Videobildern und

Zeichnen) – https://github.com/roboflow/supervision. MIT-lizenziert.

pip install supervision

- opencv-python und numpy für Bildverarbeitung und Berechnungen.

Installiere auch PyTorch: Falls ich eine NVIDIA-GPU habe, nutze die

CUDA-Version, sonst reicht die normale CPU-Version (ein kurzer Clip läuft

auch auf CPU, nur langsamer). Stelle sicher, dass ffmpeg verfügbar ist.

3. Baue ein Bikefit-Analyse-Skript. Es soll:

- Ein SEITLICHES Video einlesen und YOLO11x-pose auf jedem Frame

ausführen (laden mit YOLO('yolo11x-pose.pt') aus ultralytics – das

große 'x'-Modell nutzen, da das kleine die Gelenke bei

Bewegungsunschärfe beim Treten nicht präzise genug findet). Für jeden

Frame liefert es 17 Körper-Keypoints pro Person in COCO-Reihenfolge

(Schultern, Ellbogen, Handgelenke, Hüften, Knie, Knöchel usw.), jeweils

mit x/y-Pixelposition und Konfidenzwert. Nimm die Person mit der

höchsten Konfidenz, verwende meine kamerazugewandte (nahe) Schulter,

Ellbogen, Handgelenk, Hüfte, Knie und Knöchel und ignoriere Punkte mit

niedriger Konfidenz. Die Winkel sind reine Geometrie auf diesen Punkten

(der Kniewinkel ist der Winkel zwischen den Linien Hüfte→Knie und

Knöchel→Knie).

- Den unteren Totpunkt (UTP = tiefster Punkt des Pedaltritts, wo das Knie

am meisten gestreckt ist) finden, aber NUR während echtem Treten –

Aufsteigen, Danebenstehen oder Rollenlassen ignorieren. Den Median über

mehrere Tritte messen, damit ein einzelnes unscharfes Bild das Ergebnis

nicht verfälscht.

- Diese Winkel am UTP messen und jeweils grün/gelb/rot bewerten, nach

diesen forschungsbasierten dynamischen Rennrad-Bereichen (Toleranz von

ca. 2,5 Grad an den Rändern, da ein Handyvideo nur auf wenige Grad

genau auflöst):

- Kniebeugung unten: grün 30–40 Grad. Über ca. 42 = Sattel zu tief

(höher stellen); unter ca. 28 = Sattel zu hoch (tiefer stellen).

- Oberkörper zur Horizontalen: grün 40–50 Grad.

- Ellbogenbeugung: grün 15–30 Grad.

- Schulterwinkel (Oberkörper zu Oberarm): grün ca. 80–95 Grad. Deutlich

niedriger bedeutet ein geschlossenes, gestauchtes Cockpit

(Reichweite zu kurz oder zu viel Gewicht auf den Händen).

- Hüftwinkel oben: ca. 85–110 Grad (nur zur Information, abhängig von

der Beweglichkeit).

- Diese Bereiche stammen aus der Bikefit-Literatur, sind nicht erfunden.

Stütze deine Bewertung auf diese Quellen und lies sie wenn möglich,

damit die Zahlen aktuell sind:

- Die Holmes-Methode (klinischer Standard für den Kniewinkel am

unteren Totpunkt) und Gelenkwinkel-Durchschnittswerte (Knie 36 ± 7

Grad, Ellbogen 19 ± 8 Grad):

‍ ‍https://pmc.ncbi.nlm.nih.gov/articles/PMC9219349/

- Eine Studie zu dynamischer vs. statischer Validität, die zeigt,

dass beim Treten per Video gemessene Winkel ca. 8 Grad höher liegen

als statische Goniometer-Werte (deshalb ist die Kniezone dynamisch

30–40 statt statisch 25–35):

‍ ‍https://pubmed.ncbi.nlm.nih.gov/24499342/

- Praktiker-Gegencheck für alle Gelenke (Oberkörper, Schulter,

Hüfte):

‍ ‍https://www.bikefitadviser.com/blog/not-basic-bike-fit-part-3-bike-fit-joint-angles

- Das farbige Skelett auf dem gesamten Clip einzeichnen, den Arm nach dem

schlechteren Wert von Schulter/Ellbogen einfärben, damit ein

geschlossenes Cockpit wirklich auffällt. Das Standbild am UTP

speichern.

- Einen kurzen Bericht mit der genauen Korrektur schreiben, z.B. "Knie 45

Grad unten → Sattel zu tief, ca. 10mm höher stellen."

- Das überlagerte Video nach H.264 re-encodieren, damit es auf jedem

Handy und Computer abspielbar ist.

4. Frag mich nach meiner Videodatei, wenn du bereit bist. Führe die Analyse

aus, zeig mir das überlagerte Video und den Bericht, und erkläre mir die

Ergebnisse in einfacher Sprache – was passt und was ich zuerst ändern

sollte.

Geh Schritt für Schritt vor. Kipp nicht alles auf einmal aus, und lass mich

keine Dateien oder Code selbst anfassen. Wenn du eine Bestätigung für einen

Befehl brauchst, frag einfach und ich sage ja.