Die Analyse menschlicher Aktivitäten auf Basis von Sensordaten ist in zahlreichen Anwendungen erforderlich und stellt seit langem ein aktives Forschungsfeld dar. Mit dem Fortschritt von Tiefensensoren und Tracking-Algorithmen können Systeme zur Analyse menschlicher Bewegungsaktivitäten entwickelt werden, indem kommerziell erhältliche Motion-Tracking-Systeme mit anwendungsspezifischen Lernwerkzeugen kombiniert werden, um informationsreiche, semantische Informationen auf höherer Ebene zu extrahieren. Viele dieser Motion-Tracking-Systeme liefern rohe Bewegungsdaten, die an die Skelettgelenke des menschlichen Körpers referenziert sind. In diesem Artikel stellen wir neuartige Darstellungen für menschliche Bewegungsdaten vor, die auf einer gitterbasierten Graphenstruktur basieren und Techniken aus der Graphensignalverarbeitung nutzen. Es werden Methoden zur Graphenkonstruktion sowie deren entsprechende Basisfunktionen diskutiert. Die vorgeschlagenen Darstellungen erreichen eine vergleichbare Klassifizierungsgenauigkeit bei Aufgaben der Aktionserkennung und sind darüber hinaus robuster gegenüber Rauschen und fehlenden Daten.