Die objektive Gangbewertung bei Parkinson-Krankheit (PD) ist derzeit durch den Mangel an großen, vielfältigen und klinisch annotierten Bewegungsdatensätzen eingeschränkt. Wir stellen CARE-PD vor, die bislang umfangreichste öffentlich verfügbare Datenbank mit 3D-Mesh-Gangdaten für PD und die erste multizentrische Sammlung, die 9 Kohorten aus 8 klinischen Zentren umfasst. Alle Aufnahmen (RGB-Videos oder Motion-Capture-Daten) werden über eine standardisierte Vorverarbeitungspipeline in anonymisierte SMPL-Meshes umgewandelt. CARE-PD unterstützt zwei zentrale Benchmark-Aufgaben: die überwachte Vorhersage klinischer Scores (Schätzung der Gait-Scores des Unified Parkinson’s Disease Rating Scale, UPDRS) sowie unsupervisierte Prätext-Aufgaben zur Bewegung (2D-zu-3D-Koordinaten-Extraktion und vollständige 3D-Rekonstruktion des Körpers). Die klinische Vorhersage wird unter vier Generalisierungsprotokollen evaluiert: innerhalb des Datensatzes, über Datensätze hinweg, leave-one-dataset-out sowie multi-dataset in-domain Adaptation. Zur Beurteilung der klinischen Relevanz vergleichen wir state-of-the-art-Bewegungs-Encoder mit einer traditionellen Baseline basierend auf handgekennzeichneten Gangmerkmalen und finden, dass die Encoder konsistent bessere Ergebnisse erzielen. Die Vortrainierung auf CARE-PD reduziert den MPJPE von 60,8 mm auf 7,5 mm und steigert die makro-F1-Score für die PD-Schweregradklassifikation um 17 Prozentpunkte – was die Bedeutung klinisch annotierter, vielfältiger Trainingsdaten unterstreicht.