Menschen nutzen Gesten, um mündlicher Kommunikation mehr Ausdruck zu verleihen oder auch zu ersetzen. Eine der prägnantesten und ausdruckstärksten Gesten ist die Zeigegeste. Diese lässt sich schon in jungen Jahren bei Kindern beobachten. In diesen jungen Jahren wird sie verwendet, um auf Gegenstände oder Personen zu deuten. Später nutzen Menschen Zeigegesten auch für komplexere Dinge wie z.B. um Wegbeschreibungen zu visualisieren. Zunehmenden werden Zeigegesten auch für die Interaktion mit Computern verwendet. Beispielsweise werden Zeigegesten verwendet, um aus der Ferne eine Interaktion mit einem Display zu realisieren, ohne ein Eingabegerät zu benutzen. In dieser Arbeit wird untersucht wie Menschen auf Objekte zeigen und wie die Erkennungsgenauigkeit durch ein interaktives System verbessert werden kann. In einer Benutzerstudie, in der Probanden auf projizierte Punkte zeigen mussten, wurden Referenzdaten aufgezeichnet. Damit präzise Daten aufgezeichnet wurden, kam ein Motion-Capture-System zum Einsatz. Eine Vielfalt von Ausgangspositionen wurde erzeugen, in dem die Studie mit einem Abstand von 2 und 3 Metern zu den Zielpunkten durchgeführt wurde. Von diesen zwei Positionen mussten die Teilnehmer im Sitzen und im Stehen auf die Punkte zeigen. Aus den aufgezeichneten Referenzdaten werden Mengen von Vektor abgeleitet. Jeder Vektor beschreibt die Richtung in welche die Geste gerichtet ist. Die Vektormengen werden jeweils aus der Ausrichtung unterschiedlicher Gliedmaßen abgeleitet. Dies geschieht, um zu zeigen, dass es verschiedene Möglichkeiten gibt, diese Vektoren zu erstellen, sich jedoch alle gleich verhalten. Im optimalen Fall würde dieser Vektor den Weg von der zeigenden Person zum Objekt, in diesem Fall dem projizierten Punkt, beschreiben. Durch mathematische Analysen wird jedoch gezeigt, dass auch im Durchschnitt über mehrere Versuche und mehrere Versuchsteilnehmer eine systematische Abweichung von diesem optimalen Vektor nachgewiesen werden kann. Es werden Modelle angegeben, welche die nachgewiesene systematische Abweichung kompensieren können. Diese Kompensation verschiebt den Zeigevektor um die mittlere nachgewiesene Distanz zwischen optimalem und gezeigtem Vektor. Produkte des Konsumermarkt können benutzten werden um Zeigegesten zu erkennen, diese können mit den erzeugten Modellen verbessert werden. Im Fokus hierbei stehen beispielsweise Produkte wie die Kinect.