🚴♂️🏃♀️ Algorithmus trifft echte Biologie: Warum Wearables und KI den Coach nicht ersetzen – sondern ihn wichtiger machen
7 Min. Lesezeit | Deep Dive für Radsport, Trailrunning & ambitionierte Age-Grouper
Servus! 👋
Du wachst auf, schaust aufs Handy – und noch bevor du wirklich weißt, wie du dich fühlst, weiß es offenbar schon deine Uhr.
Recovery 42. HRV unter Baseline. Schlafscore mittel. Training Readiness niedrig.
Eigentlich wären heute 5 × 5 Minuten VO₂max geplant. Gleichzeitig war gestern ein langer Arbeitstag, das Kind war zweimal munter und die Beine fühlen sich … gar nicht so schlecht an.
Also fragst du die KI:
„Soll ich heute trainieren oder lieber regenerieren?“
Und genau hier beginnt eines der spannendsten Themen im modernen Ausdauersport.
Denn technisch können Wearables inzwischen beeindruckend viel. Oura, WHOOP, Garmin & Co. messen Herzfrequenz und HRV teilweise erstaunlich genau. KI-Systeme können Trainingspläne erstellen, Belastungsdaten analysieren und Einheiten in Sekunden umschreiben. 🔬🤖
Die entscheidende Frage lautet deshalb nicht mehr:
„Kann Technik Training planen?“
Das kann sie längst.
Die bessere Frage ist:
„Kann sie verstehen, was diese Daten heute für genau diesen Menschen bedeuten?“
Und da wird es interessant.
1) Die gute Nachricht zuerst: Wearables sind nicht nur Spielzeug 📈
Bei all der Kritik an Recovery Scores sollte man eines nicht unterschlagen: Die Sensorik wird besser.
Eine Validierungsstudie aus 2025 verglich Garmin Fenix 6, Oura Gen 3 und 4, Polar Grit X Pro und WHOOP 4.0 mit Referenzmessungen während der Nacht. Besonders Oura und WHOOP zeigten bei der HRV eine hohe Korrelation mit den Referenzdaten; Oura Gen 4 erreichte beispielsweise eine Korrelation von r = 0,99.¹
Das ist stark.
Aber – und das ist der entscheidende Punkt – ein gut gemessener Wert ist noch keine gute Trainingsentscheidung.
HRV ist ein Signal des autonomen Nervensystems. Schlafdauer ist eine Information. Ruhepuls ist eine Information. Hauttemperatur ist eine Information.
Ein Readiness Score dagegen ist bereits eine Interpretation dieser Informationen – und die genaue Gewichtung der einzelnen Parameter ist bei kommerziellen Systemen oft proprietär.
Die 2026 publizierten Leitlinien zur HRV-Forschung formulieren das ziemlich deutlich: Wearable-basierte HRV kann nützlich sein, ist aber kein direkter Messwert für „Recovery“, sympathische Aktivität oder Leistungsbereitschaft. Die Autor:innen warnen davor, leicht messbare Größen automatisch mit den wirklich relevanten Größen gleichzusetzen.²
👉 Coach-Sicht: Gute Daten reduzieren Unsicherheit. Sie beseitigen sie nicht.
2) „Readiness“ klingt exakt – ist wissenschaftlich aber erstaunlich unscharf 🧠
Das Wort "Readiness" ist mittlerweile überall.
Garmin Training Readiness. WHOOP Recovery. Oura Readiness.
Die Suggestion dahinter: Heute bist du entweder bereit – oder eben nicht.
Eine aktuelle systematische Übersichtsarbeit aus 2026 zeigt allerdings ein anderes Bild: In 14 untersuchten Studien wurde „Readiness to train“ sehr unterschiedlich definiert. Verwendet wurden HRV, Ruhepuls, Sprungtests, submaximale Tests sowie subjektive Angaben zu Schlaf, Stress, Müdigkeit und Muskelkater. Die Fähigkeit dieser Verfahren, die tatsächliche Tagesleistung vorherzusagen, war jedoch begrenzt oder wurde häufig gar nicht geprüft.³
Das ist enorm wichtig.
Denn dein Körper kennt keinen zentralen „Readiness-Schalter“.
Du kannst:
mental müde, aber muskulär frisch sein,
eine niedrige HRV und trotzdem eine gute Intervalleinheit haben,
gut geschlafen haben, aber einen Infekt ausbrüten,
nach einem harten Block müde sein – und genau diese Müdigkeit kann trainingsmethodisch gewollt sein.
Ein Score komprimiert Komplexität.
Das ist praktisch. Aber genau dabei geht Information verloren.
3) Subjektives Gefühl ist nicht der Gegner der Daten
Eine verbreitete Annahme: Athlet:innen seien bei RPE, Müdigkeit oder Tagesform zu voreingenommen, um sich selbst sinnvoll beurteilen zu können.
Ganz so einfach ist es nicht.
Natürlich gibt es Bias. Ehrgeiz, Erwartung, Angst vor Trainingsausfall oder der Wunsch, einen Plan unbedingt durchzuziehen, können unsere Selbsteinschätzung beeinflussen.
Aber subjektive Daten sind deshalb nicht wertlos – im Gegenteil.
Eine 2025 veröffentlichte Untersuchung begleitete 20 internationale Ausdauerathlet:innen über ein Jahr und kombinierte Wearables, Schlaf-, Glukose- und Trainingsdaten mit Mood-State-Fragebögen und subjektiven Readiness-Angaben. Das Ergebnis: Objektive und subjektive Daten ergänzten sich, aber die Beziehungen waren stark individuell. Die Autor:innen plädieren ausdrücklich für einen multidimensionalen Ansatz statt eines einzelnen Scores.⁴
Oder einfacher gesagt:
Dein Gefühl ist eine Messgröße. Es braucht nur Kontext.
Kilian Jornet beschreibt seinen eigenen Umgang damit sehr treffend: Er steuert Training häufig über RPE und Gefühl, sammelt gleichzeitig viele Daten, um zu verstehen, warum sich etwas so anfühlt. Wenn man nur auf Daten schaut, „verliert man das große Bild“ – nur nach Gefühl zu gehen, lässt aber ebenfalls Information liegen.⁵
Das ist eine erstaunlich moderne Trainingsphilosophie.
Nicht Daten oder Gefühl.
Sondern:
Daten + Gefühl + Erfahrung.
4) Und was kann KI mittlerweile wirklich? 🤖
Hier sollten wir ebenfalls fair bleiben.
KI ist nicht mehr auf dem Niveau von „hier sind drei generische Laufeinheiten“.
Eine Pilotstudie der Universität Innsbruck aus 2025 zeigte, dass KI-generierte Trainingspläne inzwischen so plausibel sein können, dass erfahrene Coaches nicht zuverlässig unterscheiden konnten, ob ein Plan von einer KI oder einem Menschen erstellt worden war. 25 % der strukturiert trainierenden Teilnehmer:innen nutzten bereits KI-basierte Pläne.⁶
Das ist kein kleines Ergebnis.
Auch eine Analyse von Marathonplänen verschiedener großer Sprachmodelle zeigte 2026, dass die Systeme zentrale Prinzipien wie Umfangsprogression, Tapering und eine überwiegend niedrige Intensitätsverteilung häufig korrekt abbilden. Gleichzeitig gab es deutliche Schwächen bei fortgeschrittenen Athleten, konkreten Pace-Vorgaben und der Differenzierung zwischen Leistungsniveaus.⁷
Und eine Untersuchung mit Elite-Schwimmer:innen und Coaches fand ein ähnliches Muster: KI war bei einfachen, niedrigintensiven Einheiten brauchbar, produzierte aber bei komplexeren Intensitätszonen häufiger unpassende Wiederholungslängen, Umfänge oder Pausen. Nur rund 28 % der Athlet:innen hielten die Pläne mit kleinen Änderungen für direkt brauchbar.⁸
Das Muster ist ziemlich klar:
KI ist stark bei:
Struktur
Mustererkennung
Datenaggregation
Varianten
schnellen Planänderungen
standardisierbaren Problemen
KI wird schwächer bei:
widersprüchlichen Signalen
komplexer Periodisierung
unvollständigen Daten
Verletzungs- und Krankheitslogik
psychologischen Mustern
langfristigem Lernen über eine Person
Entscheidungen unter Unsicherheit
mehrere Sportarten wie Laufen flach, Laufen am Trail, Radfahren auf der Straße und im Gelände und vielleicht nocht Krafttraining
Und genau dort beginnt Coaching.
5) Der gefährlichste Fehler: Korrelation mit Ursache verwechseln ⚠️
Stell dir vor:
Deine HRV fällt drei Tage hintereinander.
Die App erkennt: schlechter Trend.
Die KI erkennt: schlechter Trend.
Aber warum?
Vielleicht wegen:
Trainingsbelastung,
Alkohol,
spätem Abendessen,
Schlafdefizit,
psychischem Stress,
beginnender Infektion,
Hitze,
Reise,
kumulierter Ermüdung,
oder einfach normaler biologischer Schwankung.
Dass A gemeinsam mit B auftritt, bedeutet noch nicht, dass A die Ursache von B ist.
Und jetzt kommt die trainingsmethodische Ebene dazu.
Vielleicht ist die aktuelle Ermüdung gar kein Fehler.
Vielleicht befinden wir uns am Ende eines geplanten Belastungsblocks. Der Organismus soll belastet sein. Danach folgen drei leichte Tage und eine Superkompensation.
Wenn ein System jeden roten Score automatisch mit „Easy Day“ beantwortet, kann es genau die Belastungslogik zerstören, die es eigentlich optimieren soll.
Natürlich sind moderne Systeme komplexer als eine simple Ampel. Aber die Grundfrage bleibt:
Kennt das System nur deinen Zustand – oder versteht es auch die Absicht hinter diesem Zustand?
6) Genau hier liegt der eigentliche Wert des Coaches 🎯
Ein moderner Coach sollte keine Konkurrenz zur Technologie sein.
Wenn ein Coach 2026 Wearables, Leistungsdaten, KI oder TrainingPeaks ignoriert, ist das aus meiner Sicht genauso wenig zeitgemäß wie ein Athlet, der alles blind einem Algorithmus überlässt.
Der Coach sitzt eine Ebene darüber.
Er verbindet vier Ebenen:
Daten: Was messen wir?
Kontext: Was passiert im Leben und in der Trainingsphase?
Interpretation: Was davon ist Signal – und was Rauschen?
Entscheidung: Was tun wir heute und warum?
Das klingt banal. Ist aber der eigentliche Kern professioneller Trainingssteuerung.
Tadej Pogačar beschreibt die Zusammenarbeit mit seinem Coach Javier Sola weniger über einen geheimen Algorithmus als über tägliche Kommunikation, Vertrauen und spezifischere Vorbereitung auf kommende Rennen.⁹
Jonas Vingegaard sagte über seinen langjährigen Coach Tim Heemskerk sogar, er sei „mehr als nur mein Coach“ gewesen und schwer zu ersetzen. Heemskerk selbst bezeichnet Coaching als angewandte Wissenschaft und Kunst, die mit Erfahrung und Intuition umgesetzt werde.¹⁰
Interessanterweise arbeitet selbst UAE Team Emirates inzwischen intensiv mit integrierten Daten und KI. Performance-Chef Jeroen Swart beschreibt die Kombination aus Leistungs-, Schlaf-, Temperatur-, Wellness-, medizinischen und Blutdaten als großen Fortschritt. KI erzeugt daraus Empfehlungen – aber die finale Trainingssteuerung erfolgt weiterhin durch ein Performance-Team.¹¹
Das ist wahrscheinlich das Modell der Zukunft:
KI ersetzt nicht Coaching. KI verändert gutes Coaching.
7) Der Unterschied zeigt sich selten am perfekten Dienstag
Wenn dein Leben stabil ist, du gesund bist und der Plan funktioniert, kann eine gute App fantastisch sein.
Dienstag: Intervalle. Donnerstag: Sweet Spot. Samstag: Long Ride.
Kein Problem.
Der Wert eines Coaches zeigt sich eher an diesen Tagen:
Donnerstag, 06:30 Uhr
Schlafscore 82. HRV okay. Beine schwer. Konflikt im Job. Am Samstag steht die wichtigste Schlüsseleinheit des Blocks an.
Was machen wir heute?
Oder:
Zwei Wochen vor dem A-Rennen
Leichtes Kratzen im Hals. Form hervorragend. TSB/Readiness perfekt. Athlet will unbedingt trainieren.
Wie viel Risiko akzeptieren wir?
Oder beim Trailrunning:
Drei Wochen vor dem Ultra
Fitness passt. Uphill-Leistung stark. Aber nach Downhill-Einheiten bleibt die Quadrizepsmuskulatur vier Tage müde.
Die Uhr sieht Trainingslast.
Der Coach sieht:
Das Rennen wird bergab entschieden. Wir haben ein spezifisches Belastbarkeitsproblem.
Genau hier wird aus Datenauswertung Trainingssteuerung.
8) Braucht also jeder ambitionierte Sportler oder Sportlerin einen Coach?
Nein.
Und das ist mir wichtig.
Wenn du:
regelmäßig trainierst,
gesund bist,
Spaß hast,
deine Ziele erreichst,
gut auf deinen Körper hörst,
und dein Alltag relativ stabil ist,
kann eine intelligente Plattform oder ein gut gepromptetes KI-System völlig ausreichend sein. 👍
Ein Coach wird besonders interessant, wenn:
dein Zeitbudget knapp ist,
du ein klares Leistungsziel hast,
Training häufig mit Beruf oder Familie kollidiert,
du trotz vieler Daten nicht weißt, was du ändern sollst,
Verletzungen oder Überlastungen wiederkehren,
du dich selbst ständig „überfährst“,
oder du genau zum richtigen Zeitpunkt deine beste Form brauchst.
Dann kaufst du nicht primär einen Trainingsplan.
Du kaufst bessere Entscheidungen.
9) Mein aecoaching-Ansatz: Hybrid statt Glaubenskrieg 🤝
Ich sehe KI, Wearables und moderne Analyseplattformen nicht als Konkurrenz.
Ich nutze sie.
Leistungsdaten, HRV, subjektives Belastungsempfinden, TrainingPeaks, Leistungsdiagnostik, Trends und KI-gestützte Analyse können enorm wertvoll sein.
Aber kein einzelner Wert bekommt das letzte Wort.
Denn hinter jedem Datensatz steckt ein Mensch.
Mit Job.
Familie.
Motivation.
Unsicherheit.
Ambition.
Und manchmal einem Schlafscore von 48 – obwohl er sich überraschend gut fühlt. 😉
Die Zukunft des Coachings ist deshalb für mich nicht Mensch gegen Algorithmus.
Sie ist:
Algorithmus + Sportwissenschaft + Erfahrung + Beziehung.
Fazit: Miss viel. Aber versteh mehr. 🔬🧠
Wearables werden besser.
KI wird besser.
Und das ist gut so.
Denn je besser unsere Werkzeuge werden, desto weniger Zeit müssen wir darauf verwenden, Daten zu sammeln – und desto mehr können wir uns mit der wirklich schwierigen Frage beschäftigen:
Was bedeutet das jetzt für dich?
Kilian Jornet bringt es sinngemäß auf einen starken Punkt:
"Daten helfen uns zu verstehen, was hinter unserem Gefühl steckt. Aber wenn wir das Gefühl komplett ignorieren, verlieren wir das große Ganze."⁵
Genau darum geht es auch bei aecoaching.
Nicht mehr Daten um der Daten willen.
Sondern bessere Entscheidungen für deine sportliche Entwicklung.
🚀 Lust auf Coaching, das deine Daten nutzt – aber dich als Menschen sieht?
Wenn du ambitioniert Rad fährst, läufst oder im Trail unterwegs bist und das Gefühl hast, dass Garmin, TrainingPeaks, Strava & Co. zwar immer mehr über dich messen, aber deine Trainingsentscheidungen dadurch nicht automatisch einfacher werden, dann können wir uns das gemeinsam anschauen.
Bei aecoaching.at verbinden wir sportwissenschaftliche Trainingssteuerung, Datenanalyse und psychologisches Coaching zu einem System, das zu deinem Sport und zu deinem Leben passen soll.
👉 Ein unverbindliches Erstgespräch ist kein Verkaufsgespräch, sondern ein kurzer Check: Wo stehst du, wo willst du hin – und wäre Coaching für dich überhaupt sinnvoll?
Mehr auf www.aecoaching.at
Quellen & weiterführende Literatur 📚
Dial et al. (2025). Validation of nocturnal resting heart rate and heart rate variability in consumer wearables. Physiological Reports.
Guidelines for rigor and reproducibility of heart rate variability within human cardiovascular research (2026). American Journal of Physiology – Heart and Circulatory Physiology.
Conceptual Frameworks and Assessment of Readiness to Train in Endurance Exercise: A Systematic Review (2026).
Validating Subjective Ratings with Wearable Data for a Nuanced Understanding of Load-Recovery Status in Elite Endurance Athletes (2025).
5. Kilian Jornet (2026), Beitrag zu RPE, Daten und Interpretation; ergänzend COROS Training Data Feature (2025).
6. Wachholz F. et al. (2025). Acceptance and trust in AI-generated exercise plans among recreational athletes and quality evaluation by experienced coaches. BMC Research Notes.
7. Artificial intelligence-generated marathon training programs: reliable tools in exercise prescription for athletic performance? (2026).
8. The role of artificial intelligence in sports training: opportunities, challenges and future applications for competitive swimming (2026).
9. Pogačar T. (2025), Interview zu Coach Javier Sola, Cycling Weekly.
10. Heemskerk T. / Vingegaard J. (2026), Interview über langfristige Coach-Athlet-Zusammenarbeit, Cycling Weekly.
11. Swart J. (2026), Interview über integrierte Daten- und AI-Nutzung bei UAE Team Emirates-XRG, CyclingNews.
Kommentare