Motion Capturing ist aus der heutigen Unterhaltungsindustrie nicht mehr wegzudenken. In den großen Film- und Videospiel-Produktionen kommt das Verfahren immer wieder zum Einsatz, wenn etwa CG-Charaktere realitätsnah animiert werden sollen. Das Motion Capture-System erfasst hierzu den Bewegungsablauf eines echten Darstellers und überträgt diesen auf die virtuelle Figur. Mit Microsofts "Kinect" existiert inzwischen eine kostengünstige Sensoreinheit, welche das Verfahren grundsätzlich auch einer breiten Masse zugänglich macht. Drehbewegungen oder Bewegungen am Boden (z.B. Hocke, Schneidersitz, usw.) führen einen einzelnen Tiefensensor jedoch schnell an seine Grenzen. Das Ziel der vorliegenden Arbeit besteht darin, diesen Problemen entgegenzuwirken und somit eine genauere Erkennung zu erzielen. Das Dreherkennungsproblem wird mithilfe eines zweiten  Kinect-Sensors gelöst. Das Problem bodennaher Bewegungen wird hingegen als Klassifizierungsproblem behandelt. Das im Rahmen dieser Arbeit entwickelte Programmm trainiert hierfür ein neuronales Netz unter Verwendung des Backpropagation-Algorithmus, wobei markante Erkennungsfehler der unterschiedlichen Posen die Klassifizierungsgrundlage bilden.