Die Erkennung sinnvoller Aktivitäten in langen Videosequenzen stellt aufgrund der mehrdeutigen Definition von „Sinnhaftigkeit“ sowie der oft unübersichtlichen Szenenkomplexität eine herausfordernde Aufgabe dar. Wir adressieren dieses Problem durch das Lernen eines generativen Modells für regelmäßige Bewegungsmuster, die wir als „Regelmäßigkeit“ bezeichnen, unter Verwendung mehrerer Datenquellen mit nur sehr begrenzter Überwachung. Konkret schlagen wir zwei Methoden vor, die auf Autoencoder basieren, da diese gut mit geringer oder gar keiner Überwachung funktionieren. Zunächst nutzen wir herkömmliche, handkodierte räumlich-zeitliche lokale Merkmale und lernen einen vollständig verbundenen Autoencoder darauf auf. Zweitens entwickeln wir einen vollständig konvolutionellen, feed-forward ausgerichteten Autoencoder, der sowohl lokale Merkmale als auch Klassifizierer in einem end-to-end Lernframework erlernt. Unser Modell ist in der Lage, Regelmäßigkeiten aus mehreren Datensätzen zu erfassen. Wir evaluieren unsere Ansätze sowohl qualitativ als auch quantitativ – indem wir die gelernten Regelmäßigkeiten von Videos aus verschiedenen Perspektiven darstellen und die wettbewerbsfähige Leistung unserer Methode auf Anomalieerkennungs-Datensätzen als Anwendung demonstrieren.