Die Oberflächen-Elektromyographie (sEMG/EMG) ist eine Methode, bei der die elektrische Aktivität von Muskeln über Elektroden von einer begrenzten Hautfläche aufgezeichnet wird. Die auf sEMG basierende Gestenerkennung ist äußerst anfällig für Varianzen zwischen Sitzungen und zwischen verschiedenen Probanden. Wir schlagen ein Modell und eine domänenspezifische Anpassungsmethode basierend auf tiefem Lernen vor, um den Domänenversatz zu approximieren und die Erkennungsgenauigkeit zu verbessern. Analysen anhand dünnbesetzter und hochdichter (HD) öffentlicher sEMG-Datensätze bestätigen, dass unser Ansatz den aktuellen Stand der Technik übertreffen kann.