YanCe (岩策)

Was das Unternehmen offenbar ist: YanCe (岩策) ist ein selbst gemeldetes browserbasiertes Tool, das KI und Computer Vision nutzt, um körperbewusste Kletter-Beta aus einem einzelnen Foto einer Indoor-Bouldering-Wand zu generieren. Der Autor gibt an, dass es Kletterern ermöglicht, persönliche körperliche Daten einzugeben, das Bild zu kalibrieren, Haltepunkte zu korrigieren und eine Abfolge von Bewegungen zu erhalten, die an ihre Reichweite und Körpermechanik angepasst ist.

Was sich geändert hat: Die Projektbeschreibung ist eine selbst gemeldete Einreichung für den OpenAI 2026 Hackathon. Sie beschreibt einen Prototyp in einer frühen Phase, für den es keine Hinweise auf Umsatz, Kunden oder produktiven Einsatz jenseits einer Demo auf Vercel gibt.

Wichtigste offene Frage: Gibt es Hinweise darauf, dass YanCe von echten Kletterern in echten Kletterhallen genutzt wurde oder dass es die Phase des Proof-of-Concepts überschritten hat?

Analysegrundlage: Dieser Bericht basiert ausschließlich auf der vom Autor bereitgestellten, selbst gemeldeten Projektbeschreibung. Es liegen keine unabhängigen Verifizierungen oder historischen Daten vor.

Die Beschreibung gibt an, dass YanCe eine browserbasierte Anwendung ist, die mit React, TypeScript und Vite entwickelt wurde. Sie nutzt Computer Vision und KI (insbesondere GPT-5.6), um kalibrierte Fotos von Indoor-Bouldering-Wänden zu verarbeiten. Das Tool ermöglicht es Benutzern, persönliche Daten (Größe, Armlänge, Erfahrung, Grad) einzugeben, das Bild auf den realen Wandabstand zu kalibrieren, erkannte Haltepunkte zu korrigieren und Start- und Endpunkte zu markieren.

Die Kernfunktion besteht darin, einen "Reach Graph" zu erstellen und nach legalen Sequenzen zu suchen, die durch die Körpermaße des Benutzers geprägt sind. Es erstellt Bewegungspläne Schritt für Schritt mit einem bewegten Glied und drei Stützkontakten, die als linke/rechte Hand/Fuß gekennzeichnet sind, und enthält geometriebasierte Leichtigkeitsscores und Erklärungen.

Evidenz: Die Beschreibung gibt an, dass es sich um eine Browser-App handelt, die React, TypeScript, Zustand, Canvas und Vite verwendet. Sie nutzt Computer Vision und GPT-5.6 für Vision- und Coaching-Funktionen. Das Tool erstellt Reach Graphs und sucht nach Sequenzen basierend auf Körpermaßen.

Schlussfolgerung: Das System scheint ein Prototyp in einer frühen Phase zu sein, der entwickelt wurde, um einen Proof-of-Concept zu demonstrieren, anstatt ein produktionsreifes Produkt zu sein.

Die Beschreibung gibt an, dass YanCe darauf abzielt, das Problem zu lösen, dass "universelle" Kletter-Beta nicht zu individuellen Kletterern passt. Es positioniert sich als ein Tool, das das Routenlesen weniger undurchsichtig macht und weniger von der Nachahmung der Körpermechanik anderer abhängt, und Kletterern mehr Autonomie gibt.

Der Autor behauptet, es stelle "eine persönlichere Frage: Kann ein einzelnes Foto einer Wand zu einem klaren, korrigierbaren Plan für die Person werden, die tatsächlich klettert?" Dies deutet auf einen Wandel von generischer Beta zu personalisierter Beta hin.

Evidenz: Die Beschreibung gibt an, dass es darum geht, das Routenlesen weniger undurchsichtig zu machen und weniger von der Nachahmung der Mechanik anderer abhängig zu machen. Es positioniert sich als Lösung für das Problem, dass universelle Beta nicht zu individuellen Kletterern passt.

Schlussfolgerung: Die Positionierung scheint sich von einem grundlegenden Tool für Einzelkletterer zu einem zu entwickeln, das grundlegende Probleme in der Kletteranweisung und im Lernen anspricht.

Die Beschreibung gibt an, dass YanCe sich an Einzelkletterer und Anfänger richtet, die Schwierigkeiten haben, eine Wand in eine für sie verständliche und probierbare Sequenz umzuwandeln. Es werden ausdrücklich "beginners" und "solo climbers" als primäre Nutzergruppen genannt, wobei festgestellt wird, dass diese Nutzer häufig vor Herausforderungen stehen, die nicht mit der Kraft, sondern mit dem Verständnis zusammenhängen, wie visuelle Informationen in körperliche Bewegung übersetzt werden können.

Evidence: Die Beschreibung gibt an, dass sie sich an "beginners" und "solo climbers" richtet, die Schwierigkeiten haben, eine Wand in eine für sie verständliche Sequenz umzuwandeln. Es wird angemerkt, dass der schwierigste Teil für diese Kletterer oft nicht die Kraft, sondern die Umwandlung einer Wand in eine für sie verständliche Sequenz ist.

Inference: Die Zielkundschaft scheint aus Personen zu bestehen, die allein klettern oder neu im Klettern sind und individuelle Anleitung statt generischer Beta suchen.

Nicht belegt. Die Beschreibung enthält keine Informationen zu Preisen, Monetarisierung oder Geschäftsmodell.

Evidence: In der Beschreibung wird kein Preis, keine Abo-Option und kein Umsatzmodell erwähnt.

Inference: Da es sich um eine Hackathon-Einreichung ohne Belege für eine kommerzielle Nutzung handelt, ist unklar, ob es ein Geschäftsmodell jenseits der Demo gibt.

Die Beschreibung gibt an, dass YanCe für die Frontend-Entwicklung React, TypeScript, Zustand, Canvas und Vite verwendet. Es kommen Computer-Vision-Techniken zum Einsatz, einschließlich der Kalibrierung von Pixeln zu Distanzen, der Generierung von Kandidaten und GPT-5.6 zur semantischen Verifizierung. Das System verfügt über eine deterministische Suchmaschine, die vollständige Vorher/Nachher-Stellungen beibehält und eine testbare Invariante durchsetzt: pro Schritt bewegt sich ein Glied.

Der Autor merkt an, dass GPT-5.6 bewusst begrenzt ist – es erhält nummerierte Kandidaten und verifiziert Semantiken, erfindet aber nie Koordinaten. Das System fällt bei Ausfällen der Modellstufen offen auf einen schlüssellosen klassischen Planer zurück.

Evidence: Entwickelt mit React, TypeScript, Zustand, Canvas, Vite. Verwendet Computer Vision für Kalibrierung und Halteerkennung. Setzt GPT-5.6 nur zur Verifizierung, nicht zur Generierung ein. Verfügt über eine deterministische Suchmaschine mit testbaren Invarianten.

Inference: Der technische Ansatz deutet auf ein hybrides System hin, das deterministische Algorithmen mit begrenzten KI-Komponenten kombiniert und so konzipiert ist, dass es überprüfbar und korrigierbar, undurchsichtig ist.

Nicht belegt. Die Beschreibung enthält keine Informationen zu Nutzern, Kunden, Umsatz oder Adoption jenseits der Demo.

Evidence: In der Beschreibung werden keine Nutzer, Kunden, Umsätze oder Adoptionsmetriken erwähnt.

Inference: Dies scheint ein Proof-of-Concept-Prototyp zu sein, für den keine Belege für Traction oder Marktdurchdringung vorliegen.

Nicht belegt. Die Beschreibung enthält keine Informationen zu Wettbewerbern oder der Marktpositionierung im Vergleich zu bestehenden Tools.

Evidence: In der Beschreibung werden keine Wettbewerber oder bestehenden Tools erwähnt.

Inference: Ohne eine Wettbewerbsanalyse ist es unmöglich zu beurteilen, wie sich YanCe im Vergleich zu anderen Klettertools oder -plattformen verhält.

1. Ungeprüfte kommerzielle Tragfähigkeit: Das Projekt wird als Einreichung für einen Hackathon beschrieben, wobei es keine Belege für Einnahmen, Kunden oder einen produktiven Einsatz jenseits einer Demo gibt.
2. Begrenzter Umfang: Das System funktioniert nur mit Indoor-Bouldering-Wänden und erfordert eine manuelle Kalibrierung sowie die Korrektur von Griffen.
3. Abhängigkeit von KI: Obwohl GPT-5.6 begrenzt ist, basiert die Kernfunktionalität des Systems weiterhin auf KI für Vision und Verifizierung.
4. Ein-Personen-Team: Das Projekt hat nur ein Teammitglied, was die Entwicklungskapazität einschränken könnte.
5. Keine Hinweise auf Skalierbarkeit: Es gibt keine Anhaltspunkte dafür, wie das System auf mehrere Fitnessstudiostandorte skaliert werden könnte oder reale Variationen handhabt.

Belege: Die Beschreibung besagt, dass es sich um eine Hackathon-Einreichung ohne Einnahmen oder Kundendaten handelt. Es ist ein Ein-Personen-Projekt ohne Belege für eine Skalierung jenseits der Demo.

Schlussfolgerung: Dies sind typische Risiken für Prototypen in einer frühen Phase, die jedoch angesichts des Fehlens jeglicher kommerzieller Traktion oder Validierung besonders besorgniserregend sind.

1. Wie groß ist die tatsächliche Nutzerbasis jenseits der Demo?
2. Wie geht YanCe mit realen Variationen in Fitnessstudiowänden und Lichtverhältnissen um?
3. Welche technischen Einschränkungen verhindern eine Nutzung im großen Maßstab?
4. Gibt es Rückmeldungen von tatsächlichen Kletterern oder Fitnessstudios zu seiner Nützlichkeit?
5. Gibt es einen Weg zur Monetarisierung, falls vorhanden?
6. Wie behandelt das System Grenzfälle oder Fehler in der Visionserkennung?
7. Welche Pläne gibt es für eine Erweiterung jenseits von Indoor-Bouldering-Wänden?