Warum JoMar?

Wenn sich der Hund bewegt, muss sich das Geschirr mitbewegen.

Der Hund hat kein Schlüsselbein.

Sein Schulterblatt bewegt sich bei jedem Schritt mit und ist am Vorwärtsbewegen des Vorderbeins beteiligt. Deshalb haben wir bei der Entwicklung des Geschirrs nicht nur darüber nachgedacht, wie es aussehen sollte, sondern auch darüber, wie wir die Gurte so anbringen können, dass sie den Schulterbereich nicht unnötig einengen.

Außerdem haben wir Abstand zur Achselhöhle gelassen, um zu verhindern, dass sich das Geschirr während der Bewegung in einen empfindlichen Bereich verschiebt und dort reibt.

Jedes Material hat seinen Grund

Das Band: Polyamid

Wir haben uns für ein schlauchförmiges Polyamidband entschieden, da es strapazierfähig ist, sich angenehm anfühlt und unter Belastung leicht nachgibt.

Und warum ist das wichtig?

Weil, wenn der Hund an der Leine zieht, die Kraft von der Leine auf das Geschirr und vom Geschirr auf den Körper übertragen wird. Ein Material, das nicht völlig starr ist, kann dazu beitragen, dass diese Kraft nicht so abrupt übertragen wird.

Das verhindert zwar nicht das Ziehen, ist aber Teil dessen, wie sich das Geschirr unserer Vorstellung nach verhalten soll, wenn Spannung entsteht.

Die Polsterung

Das Geschirr liegt während des gesamten Spaziergangs am Körper an.

Deshalb haben wir nach einer Polsterung gesucht, die die Auflageflächen schützt, ohne das Geschirr dabei dick oder schwer zu machen. Das Ziel ist es, dass es bequem und leicht bleibt und sich so gut wie möglich an den Körper anschmiegt. Zudem wollen wir den Körper des Hundes so wenig wie möglich bedecken, um keinen Temperaturstau unter Textilflächen zu erzeugen und dem Hund möglichst das Gefühl zu vermitteln, er trage gar kein Geschirr.

Wie die Kraft verteilt wird

Wenn der Hund zieht, sollte sich die Kraft nicht auf einen einzigen Punkt konzentrieren.

Deshalb ist das Geschirr so konzipiert, dass die Kraft auf verschiedene Bereiche verteilt wird.

Ein Teil der Last wird über den oberen Bereich und ein anderer Teil über den unteren Bereich des Geschirrs geleitet. So verteilt sich der Zug auf eine größere Fläche und das Geschirr sitzt stabiler am Körper.

Der Gurt, der über die Brust verläuft, muss ebenfalls gut sitzen. Sitzt er zu locker, trägt er weniger zur Kraftverteilung bei und das Geschirr kann sich stärker verschieben.

Wir wollten es nicht nur bei der Theorie belassen.

Die Entwicklung des Geschirrs war nur ein Teil davon.

Wir wollten auch sehen, was passiert, wenn der Hund tatsächlich läuft.

Wir haben Luna mit dem JoMar-Geschirr und ohne Geschirr gefilmt, ihre Bewegungen Bild für Bild verfolgt und die Öffnung des rechten Vorderbeins während vollständiger Laufzyklen gemessen.

Das Ergebnis

Mit JoMar: 65,1°
Medianwert bei gültigen Zyklen

Ohne Geschirr: 63,6°
Medianwert bei gültigen Zyklen

Festgestellte Differenz: +1,5°

In diesen Aufnahmen von Luna konnten wir keine Verringerung der funktionellen Beinöffnung bei Verwendung des JoMar-Geschirrs feststellen.

Wie wir die Bewegung analysieren

Um diese Ergebnisse zu erhalten, haben wir vollständige Laufzyklen von Luna mit dem JoMar-Geschirr und ohne Geschirr analysiert.

Mithilfe von auf neuronalen Netzen basierenden Werkzeugen zur Körperverfolgung haben wir verschiedene anatomische Punkte Bild für Bild lokalisiert. Anhand dieser Positionen haben wir die Öffnung der Vordergliedmaße während jedes Zyklus berechnet und die unter beiden Bedingungen gemessenen Werte miteinander verglichen.

So konnten wir die Bewegung nicht nur beobachten, sondern einen Teil dessen, was während des Laufs geschieht, auch in vergleichbare Daten umwandeln.

Quellen, die unsere Entwicklung geprägt haben

Für die Entwicklung von JoMar haben wir uns mit Anatomie, der Fortbewegung von Hunden, dem Design von Geschirren und Methoden der Bewegungsanalyse befasst. Hier sind einige der Quellen und Veröffentlichungen, die Teil dieses Prozesses waren:

Fischer, M. S. & Lilje, K. E. (2011). Dogs in Motion. VDH Service GmbH.
Ye, S. et al. (2024). SuperAnimal pretrained pose estimation models for behavioral analysis. Nature Communications.
Pahk, J.-H. et al. (2026). A deep learning–based markerless gait analysis model for dogs shows promising accuracy when validated with 2-dimensional marker-based data. American Journal of Veterinary Research.
Lafuente, M. P., Provis, L. & Schmalz, E. A. (2019). Effects of restrictive and non-restrictive harnesses on shoulder extension in dogs at walk and trot. Veterinary Record.
Pálya, Z. et al. (2022). Development of a detailed canine gait analysis method for evaluating harnesses: A pilot study. PLOS ONE.
Gill, H. et al. (2025). Gait tracking in dogs using DeepLabCut: A markerless machine learning approach for controlled settings. Applied Animal Behaviour Science.
Shin, J. H. et al. (2013). Quantitative Phenotyping of Duchenne Muscular Dystrophy Dogs by Comprehensive Gait Analysis and Overnight Activity Monitoring. PLOS ONE.
Yu, H. et al. (2021). AP-10K: A Benchmark for Animal Pose Estimation in the Wild. NeurIPS.
Zink, C. & Carr, B. J. (2018). What Is a Canine Athlete? In Canine Sports Medicine and Rehabilitation.
Mathis, A. et al. (2018). DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience.