Das “Internet der Dinge” (IoT) bezeichnet vernetzte Geräte mit eingebauten Sensoren, die Informationen sammeln und austauschen. Die meisten dieser Objekte sind nicht mit einer speziellen Benutzeroberfläche ausgestattet. Die Interaktion mit dem IoT erfordert daher neue Interaktionsparadigmen mit allgegenwärtigen Interaktionsgeräten, die nahtlos im täglichen Leben der Nutzer präsent und nicht an bestimmte Dinge gebunden sind. Gesten werden natürlich in der zwischenmenschlichen Kommunikation eingesetzt. Sie stellen auch eine vielversprechende Modalität für die Interaktion mit dem IoT dar, da sie räumliche Beziehungen bezüglich der physikalischen Seite des IoT kommunizieren können. Mit Sensoren ausgestattete Fingerringe sind eine vielversprechende Grundlage für die allgegenwärtige Gestenerkennung. Die meisten vorhandenen Sensorringe können jedoch nur die Bewegung eines Fingers verfolgen oder sind in ihren erkennbaren Gesten stark eingeschränkt. Darüber hinaus können Gestenerkennungsalgorithmen, wenn sie kontinuierlich angewendet werden, leicht die Leistungskapazität einer Batterie überschreiten. Diese Nachteile schränken die Anwendbarkeit und den Nutzen von Stromsensorringen ein. Ziel dieses Projekts ist es, die Fähigkeiten und Grenzen der kapazitiven Näherungssensorik zu erforschen und zu bewerten, um die Erkennung mehrerer Fingergesten mit einem einzigen Fingerring über den ganzen Tag zu ermöglichen. Zu diesem Zweck verfolgen wir eine dreifache Forschungsagenda, indem wir die folgenden Fragen beantworten: (1) Welche Konfiguration von kapazitiven Näherungssensoren und anderen Sensoren ist am besten geeignet, um Gesten zu erkennen und wo liegen die Grenzen dieser Technologie? (2) Wie können die erzeugten Datenströme auf ein Skelett-Handmodell abgebildet werden, um Fingertracking zu ermöglichen? (3) Inwieweit kann der Stromverbrauch durch einen Vorfilteralgorithmus optimiert werden? Um diese Fragen zu beantworten, entwickeln wir mehrere Generationen von Ringmustern und optimieren sie in Kombination mit den Algorithmen zur Fingerverfolgung und Vorfilterung auf der Grundlage aufgezeichneter Gesten.