Altersprüfung als Architekturfrage: Wie dichoptisches VR-Training aus gestreamten Videos ein Trainingssystem macht

Ofcom hat diese Woche konkretisiert, wie die Altersprüfung für die geplante Social-Media-Sperre für unter 16-Jährige in Großbritannien aussehen soll: Foto- und digitale Ausweise, Bankdaten-Checks oder Gesichtsalter-Schätzung. Die Meldung klingt nach Regulierung – sie ist aber vor allem eine Aussage darüber, wie selbstverständlich digitale Produkte heute ihre Zielgruppe kennen müssen.

Und genau da wird es für uns als Entwickler interessant.

Das Problem, das selten geprüft wird

Wenn über Sehen geredet wird, geht es meistens um Sehschärfe: Wie gut erkenne ich Buchstaben auf einer Tafel? Was dabei fast nie getestet wird, ist das Zusammenspiel beider Augen. Bei Amblyopie (im Deutschen oft „Schwachsichtigkeit“, englisch lazy eye) entwickelt sich das Sehen in einem Auge schwächer, weil Gehirn und Auge nicht richtig zusammenarbeiten. Häufig bleibt das lange unbemerkt – nicht, weil die Augen „kaputt“ sind, sondern weil das Gehirn gelernt hat, das schwächere Signal zu unterdrücken.

Genau deshalb ist es so wichtig, dass Angebote zur visuellen Förderung klar definieren, für wen sie gedacht sind. Amblyotube ist bewusst ab 13 Jahren konzipiert – nicht als Kinder-App, sondern als ergänzendes Trainingswerkzeug für Jugendliche und Erwachsene.

Die Systemarchitektur: ein Feed, zwei Render-Pfade

Amblyotube ist eine Meta-Quest-Anwendung von Seven Sports für Quest 2, 3, Pro und 3S. Der technisch spannende Teil ist, dass die App nicht zwei Videos rendert, sondern einen Videostream auf zwei unterschiedliche Post-Processing-Pipelines aufteilt.

YouTube-Stream (eine Quelle)
        │
        ├──► Dominantes Auge ──► Shader-Pass:
        │      blur | contrast | brightness | gamma | opacity
        │
        └──► Schwaches Auge ──► MFBF-Pass:
               Figuren-Detektion ──► Selective Sharpen
                                   ──► Visual Accents
                                   ──► Magenta Focus Cue

• Dominantes Auge: ein einstellbarer Shader reduziert Kontrast und Schärfe graduell. Bei 100 % Opazität verhält er sich wie digitales Patching, das eigentliche Ziel ist aber partielle Transparenz – beide Augen sollen gleichzeitig verarbeiten.
• Schwaches Auge: ein KI-Modul erkennt menschliche Figuren (Gesichter, Körper) und wendet selektives Sharpening nur dort an. Das ist ein klassisches Attention-Problem: Periphere Bildbereiche konkurrieren mit dem Zielobjekt, deshalb wird nur das Ziel verstärkt statt das gesamte Bild.
• Visual Accents: rote Kontur um Silhouetten, gelb-grüner Highlight-Glow, beides mit Pulse-Hz und Pulse-Depth steuerbar. Ein kontrolliertes Flackern auf dem Zielobjekt wirkt als neurologischer „Jerk“ und holt Aufmerksamkeit zurück, wenn das Gehirn das schwache Signal wieder wegfiltert.
• Wedge Occlusion: ein schwarzer Keil über Teile beider Sichtfelder, sodass jedes Auge eigene, nicht überlappende Bildregionen sieht. Das ist ein sauberer Weg, binokulare Rivalität strukturell zu vermeiden, statt sie per Filter zu dämpfen.
• Magenta Focus Cue: dieselbe Markierung erscheint im schwachen Auge als kräftiges Magenta, im dominanten Auge als dezentes Grau. Magenta kollidiert selten mit Hauttönen, Grün oder Blau im natürlichen Videomaterial – die Farbe ist also bewusst als Kontrastwahl gegen typische Bildstatistiken getroffen. Bewegt sich der Cue, muss das Gehirn beide Signale zu einem Objekt verschmelzen: Fusionstraining und Tiefenwahrnehmung in einem Schritt.

Setup als Zustandsmaschine, nicht als Formular

Interessant für alle, die Produkte mit Altersfreigaben bauen: Vor dem Training lässt sich über einen integrierten LogMAR-Sehtest ein Ausgangswert erfassen – Landolt-C-Optotypen, virtuelle 3 Meter Distanz, bis zu 30 Trials pro Auge, ausgewertet über einen klinischen Staircase-Algorithmus. Das Ergebnis kann das Therapieprofil automatisch aktualisieren, statt den Nutzer manuell schätzen zu lassen.

Danach wählt man betroffenes Auge (links/rechts) und Intensitätsstufe (leicht/mittel/stark). Die Augenauswahl ist der kritischste State im System: Wird das falsche Auge markiert, trainiert der gesamte Shader-Stack das dominante Auge – der Fehler ist silent, er zeigt sich erst in den Ergebnissen. Gute UX heißt hier: eine Entscheidung erzwingen, bevor irgendein Filter greift.

Was das für Builders interessant macht

Ein paar Dinge, die man aus diesem Design mitnehmen kann:

1. Single-Source-Content, duale Verarbeitung. Bestehende Videoplattformen liefern den Input, der Trainingswert entsteht vollständig im Post-Processing. Kein eigenes Content-Backend nötig – die Offline-Catalog-Lösung mit kindgerechten Videos zeigt, wie weit man mit vorinstallierten Assets kommt.
2. Filter als graduelle Regler statt binärer Zustände. Occlusion ist bei klassischem Patching ein Alles-oder-nichts. Als Shader-Parameter (0–100 % Opazität) wird daraus ein Spektrum, das man pro Sitzung tunen kann.
3. Attention-Mechaniken gehören auf Objektebene. Das KI-Sharpening greift nicht global, sondern auf detektierten Figuren. Das reduziert Artefakte und hält das Bild natürlich – wichtig, weil der Nutzer 30–40 Minuten am Stück reinschaut.

Kein Pflaster, keine Rot-Grün-Brille

Klassische Ansätze arbeiten mit abgeklebten Augen oder Anaglyphen-Brillen. Letztere verzerren das gesamte Farbspektrum; dichoptisches Rendering behält natürliche Farben, weil jedes Auge ein vollständiges, nur eben anders gewichtetes Bild bekommt. Amblyotube ersetzt medizinische Behandlung nicht – aber es bietet einen anderen Weg: 30–40 Minuten täglich, in einer vertrauten Umgebung, mit Inhalten, die man sowieso anschauen würde. Maximal eine Stunde pro Sitzung, um VR-Eye-Strain zu vermeiden.

Einordnung, ehrlich formuliert

Amblyotube ist ergänzendes Sehtraining und ein Hilfsmittel für binokulare Koordination und Tiefenwahrnehmung. Es ist keine Diagnose, keine Behandlung und kein Heilmittel. Die Anwendung ist ab 13 Jahren freigegeben. Bei bestehenden oder vermuteten Sehproblemen gehört der erste Weg weiterhin zur augenärztlichen oder orthoptischen Abklärung.

Wenn dich das interessiert: Amblyotube gibt es im Meta-Quest-Store.
https://www.meta.com/en-gb/experiences/amblyotube/25906906972338493/