Die Dynamik menschlicher Skelette enthält wesentliche Informationen für die Erkennung menschlicher Aktionen. Herkömmliche Ansätze zur Modellierung von Skeletten basieren meist auf handgezeichneten Teilen oder Durchlaufregeln, was zu einer begrenzten Ausdruckskraft und Schwierigkeiten bei der Verallgemeinerbarkeit führt. In dieser Arbeit stellen wir ein neuartiges Modell dynamischer Skelette vor, genannt Spatial-Temporal Graph Convolutional Networks (ST-GCN), das die Beschränkungen früherer Methoden überwindet, indem es sowohl räumliche als auch zeitliche Muster automatisch aus Daten lernt. Diese Formulierung führt nicht nur zu einer höheren Ausdruckskraft, sondern auch zu einer stärkeren Generalisierungsfähigkeit. Auf zwei großen Datensätzen, Kinetics und NTU-RGBD, erreicht das Modell erhebliche Verbesserungen gegenüber etablierten Ansätzen.