Kann KI deinen Trainer ersetzen? 🤖📊

Warum wissenschaftliche Studien, Trainings-Apps und LLMs für ambitionierte Hobbysportler nur einen Teil der Wahrheit kennen

Lesedauer: ca. 8 Minuten

Jeder möchte den perfekten Trainingsplan.

Stell dir zwei Sportler vor.

Thomas ist 47 Jahre alt. Er arbeitet als Projektleiter, hat zwei Kinder und trainiert etwa zehn Stunden pro Woche für seinen nächsten Radmarathon.

Anna ist 39 Jahre alt, Ärztin, läuft Ultratrails und nutzt ihre wenigen freien Stunden möglichst effizient für das Training.

Beide möchten schneller werden.

Beide sind motiviert.

Beide nutzen moderne Technologien.

Ihre Trainings landen automatisch bei TrainingPeaks. Schlaf und HRV werden über die Smartwatch aufgezeichnet. Die Trainingsbelastung analysiert intervals.icu. Zusätzlich fragen beide regelmäßig ChatGPT nach Trainingsempfehlungen oder lassen sich neue Trainingswochen erstellen.

Eigentlich müssten beide optimale Voraussetzungen haben.

Schließlich stehen ihnen heute Werkzeuge zur Verfügung, von denen selbst Profis vor zehn Jahren nur träumen konnten.

Und trotzdem erleben viele ambitionierte Hobbysportler etwas Erstaunliches:

Sie trainieren diszipliniert.

Sie halten sich an den Plan.

Sie sammeln tausende Trainingskilometer.

Aber der große Leistungssprung bleibt aus.

Warum?

Die Antwort beginnt überraschenderweise nicht bei der künstlichen Intelligenz.

Sie beginnt in der Trainingswissenschaft.

Kapitel 1

Die größte Fehlannahme der Trainingswissenschaft 📚

Zunächst eine wichtige Klarstellung:

Wissenschaftliche Studien sind das Fundament moderner Trainingslehre.

Ohne sie gäbe es keine belastbaren Aussagen über VO₂max-Training, Krafttraining, Intensitätssteuerung, Polarisation, Tapering oder Regeneration.

Fast alles, was wir heute über Ausdauertraining wissen, verdanken wir sorgfältig geplanten wissenschaftlichen Untersuchungen.

Das Problem liegt also nicht in den Studien.

Das Problem entsteht häufig erst dann, wenn ihre Ergebnisse auf Menschen übertragen werden, die sich deutlich von den ursprünglichen Studienteilnehmern unterscheiden.

Genau hier kommt ein Begriff ins Spiel, der außerhalb der Wissenschaft kaum bekannt ist:

Externe Validität.

Sie beschreibt eine einfache Frage:

Lassen sich die Ergebnisse einer Studie tatsächlich auf andere Menschen übertragen?

Und genau diese Frage ist im Ausdauersport oft schwieriger zu beantworten, als viele glauben.

Wer sitzt eigentlich in den Studien?

Wer regelmäßig wissenschaftliche Arbeiten liest, erkennt schnell ein Muster.

Viele Studien werden durchgeführt mit

• jungen Erwachsenen,

• Sportstudenten,

• männlichen Probanden,

• Elite- oder Kaderathleten

• oder sehr homogenen Gruppen mit ähnlichem Trainingshintergrund.

Warum?

Nicht, weil Wissenschaftler Hobbyathlet:innen ignorieren möchten.

Sondern weil solche Gruppen deutlich einfacher zu untersuchen sind.

Sie trainieren regelmäßig.

Sie halten Trainingsvorgaben zuverlässig ein.

Sie sind gesundheitlich meist unauffällig.

Und sie stehen häufig an Universitäten oder Leistungszentren direkt zur Verfügung.

Für die Qualität einer Studie ist das sogar sinnvoll.

Denn je homogener die Gruppe ist, desto einfacher lassen sich einzelne Einflussfaktoren untersuchen.

Die Kehrseite:

Die untersuchte Population ähnelt häufig nur bedingt den Menschen, die später versuchen, diese Erkenntnisse im Alltag umzusetzen.

Der typische Age-Grouper lebt nicht im Labor

Schauen wir uns stattdessen einmal den Alltag vieler ambitionierter Hobbysportler an.

Sie sind zwischen 30 und 60 Jahre alt.

Sie arbeiten Vollzeit.

Viele haben Familie.

Manche schlafen sechs Stunden.

Andere reisen beruflich.

Stress gehört zum Alltag.

Trainiert wird morgens um sechs oder spät am Abend.

Manchmal fällt eine Einheit aus.

Manchmal wird trotzdem trainiert, obwohl der Kopf eigentlich Erholung bräuchte.

Kurz gesagt:

Der Trainingsreiz ist nur ein Teil des Gesamtsystems.

Der Körper verarbeitet nämlich nicht nur Training.

Er verarbeitet jede Belastung, die im Laufe eines Tages auf ihn einwirkt.

Beruflicher Druck.

Schlechter Schlaf.

Emotionale Belastungen.

Infekte.

Familie.

Reisen.

All diese Faktoren beeinflussen, wie gut ein Trainingsreiz überhaupt verarbeitet werden kann.

Genau deshalb unterscheidet sich die Trainingsrealität ambitionierter Hobbyathlet:innen fundamental von jener vieler Studienpopulationen.

Alex | aecoaching

Ich erlebe immer wieder Sportlerinnen und Sportler, die glauben, sie hätten "falsch trainiert", obwohl sie eigentlich nur versucht haben, ein Trainingsmodell aus einer völlig anderen Lebensrealität zu übernehmen. Das Problem ist selten die Studie – sondern die fehlende Übersetzung in den eigenen Alltag.

Studien liefern Durchschnittswerte – Menschen reagieren individuell

Ein weiterer Punkt wird häufig übersehen.

Selbst wenn eine Studie perfekt durchgeführt wurde, beschreibt ihr Ergebnis zunächst immer eine durchschnittliche Reaktion einer Gruppe.

Der Durchschnitt ist wissenschaftlich wichtig.

Für das individuelle Training ist er jedoch nur ein Ausgangspunkt.

Vielleicht kennst du das aus deinem eigenen Umfeld.

Zwei Trainingspartner absolvieren wochenlang exakt denselben Plan.

Der eine steigert seine FTP um 20 Watt.

Der andere bleibt nahezu unverändert.

Beide haben sauber trainiert.

Beide waren motiviert.

Beide haben dieselben Einheiten absolviert.

Warum entwickeln sie sich trotzdem unterschiedlich?

Diese Frage beschäftigt die Sportwissenschaft seit vielen Jahren.

Heute wissen wir:

Menschen reagieren sehr unterschiedlich auf identische Trainingsreize.

Die Forschung spricht von interindividueller Variabilität oder von High- und Low-Respondern.

Dabei spielen zahlreiche Faktoren eine Rolle:

• Alter

• Trainingsalter

• Genetik

• Schlaf

• Ernährung

• Stress

• hormonelle Einflüsse

• bisherige Trainingsgeschichte

Mit anderen Worten:

Nicht jeder Körper "liest" denselben Trainingsplan auf dieselbe Weise.

Und genau hier beginnt der eigentliche Unterschied zwischen Trainingswissenschaft und Coaching.

Die Wissenschaft beschreibt, was bei einer Gruppe im Mittel funktioniert.

Coaching beschäftigt sich mit einer anderen Frage:

Was funktioniert bei dir?

Was erwartet dich im nächsten Kapitel?

Nachdem wir nun verstanden haben, warum wissenschaftliche Studien nicht automatisch auf ambitionierte Hobbysportler:innen übertragbar sind, gehen wir den nächsten Schritt.

Wir schauen uns an, warum Menschen überhaupt so unterschiedlich auf Training reagieren. Denn genau dort liegt der Schlüssel, um zu verstehen, weshalb weder die beste Studie noch die intelligenteste KI allein den perfekten Trainingsplan liefern können.

Kapitel 2

Warum dein Körper keine Durchschnittswerte kennt

Die spannendste Erkenntnis aus der Trainingswissenschaft ist nicht, dass Training wirkt.

Das wissen wir längst.

Spannender ist etwas anderes: Es wirkt nicht bei allen Menschen gleich. 

Genau deshalb hat sich in den letzten Jahren das Feld der Precision Exercise Medicine entwickelt. Der Grundgedanke dahinter ist simpel und für die Praxis extrem relevant: Standardisierte Belastungen führen zu standardisierten Plänen, aber nicht zu standardisierten Anpassungen. Die 2019 veröffentlichte Consensus-Arbeit beschreibt ausdrücklich starke interindividuelle Unterschiede in der Reaktion auf Trainingsreize und verweist auch auf genetische Einflüsse. Eine neuere Review aus 2025 wird sogar noch vorsichtiger und warnt davor, jede beobachtete Differenz sofort als „echte individuelle Trainierbarkeit“ zu interpretieren, weil ein Teil der Streuung auch durch Messfehler oder innerhalb derselben Person über die Zeit erklärbar sein kann. Für die Praxis ist das keine Schwäche der Wissenschaft, sondern ein wichtiger Hinweis: Der Durchschnitt ist real, aber der Einzelne kann deutlich davon abweichen.

Das ist genau der Punkt, an dem ambitionierte Hobbysportler:innen oft falsch abbiegen. Sie übernehmen eine Empfehlung, die für eine bestimmte Gruppe oder einen Mittelwert formuliert wurde, und erwarten dann, dass ihr eigener Körper dieselbe Kurve fährt. Das tut er aber nicht unbedingt. Eine Trainingsantwort entsteht immer im Zusammenspiel aus Trainingsalter, Lebensalter, Geschlecht, Schlaf, Stress, Ernährung und bisheriger Belastungsgeschichte. Die aktuelle Forschung zur Variation von Trainingsreaktionen beschreibt diese Mischung aus inneren und äußeren Faktoren sehr deutlich. Auch im Bereich Schlaf zeigt die neuere Literatur, dass Alter, Sex und Fitnesslevel die Reaktion auf körperliche Aktivität mitbeeinflussen können.

Besonders interessant wird es dort, wo man die biologische Reaktion auf Training auf molekularer Ebene betrachtet. Eine große Meta-Analyse im Bereich der Muskeltranskriptomik zeigte, dass ältere Personen auf Exercise-Reize teils einen ausgeprägteren inflammatorischen Antwortcharakter haben und dass es zahlreiche sex-assoziierte Unterschiede in der Trainingsantwort gibt. Das heißt nicht, dass Frauen und Männer „anders trainieren müssen“ im simplen Sinn. Es heißt aber sehr wohl, dass dieselbe Belastung je nach Alter und Geschlechtskontext anders verarbeitet werden kann.

Eine weitere NIH-Workshop-Zusammenfassung zu älteren Erwachsenen betont genau diesen Punkt und weist darauf hin, dass Veränderungen von Sexualhormonen und oxidative Stressreaktionen bei der Interpretation von Trainingsanpassungen berücksichtigt werden sollten.

Für den Ausdauersport ist das hochrelevant.

Denn viele populäre Konzepte — von VO₂max-Training über Double Threshold bis hin zu regenerationsoptimierten Kraftblöcken — sind oft aus Settings abgeleitet, in denen junge, gut trainierte und hoch kontrollierte Probanden untersucht wurden. Das ist wissenschaftlich völlig legitim. Aber es macht die Ergebnisse nicht automatisch 1:1 übertragbar auf eine 42-jährige Trailrunnerin mit Schichtarbeit oder einen 55-jährigen Radsportler mit Familie, Job und unregelmäßigem Schlaf.

Genau deshalb sind Begriffe wie „Responder“ und „Non-Responder“ im Coachingalltag zu grob, wenn man sie ohne Kontext benutzt.

Die spannendere Frage lautet: Unter welchen Bedingungen reagiert genau dieser Mensch auf genau diesen Reiz? 

Alex | aecoaching

Für ambitionierte Hobbysportler ist der Durchschnitt oft die falsche Referenz. Entscheidend ist nicht, was in einer guten Studie im Mittel passiert, sondern was bei dieser Person unter diesen Lebensbedingungen wirklich ankommt.

Und genau hier beginnt der Übergang zur KI und zu den Trainings-Apps. Denn sobald man versteht, dass der Körper keine Durchschnittswerte kennt, wird auch klar, warum ein Algorithmus zwar sehr gute Vorschläge machen kann, aber noch keine echte Coaching-Entscheidung trifft.

Kapitel 3

Was Trainings-Apps und LLMs heute schon gut können 🤖📈

Der große Vorteil moderner Trainings-Apps liegt nicht darin, dass sie „besser wissen“, wie dein Training aussehen soll. Ihr Vorteil ist zunächst viel banaler — und gerade deshalb so nützlich: Sie können sehr viele Daten sehr schnell strukturieren.

TrainingPeaks beschreibt heute unter anderem HRV, Power und weitere Trainingsmetriken als Teil seiner Athletenansicht; intervals.icu bietet Custom Zones, Workout Builder, Drag-and-Drop-Planung und periodisierte Saisonansichten; Xert wirbt mit Echtzeit-FTP, Workout-Ausführung und der Analyse von Fett- und Kohlenhydratnutzung; Strava’s Athlete Intelligence liefert personalisierte Einblicke direkt aus Aktivitätsdaten. Das ist für ambitionierte Hobbysportler:innen enorm hilfreich, weil daraus Muster sichtbar werden, die im Alltag leicht untergehen.

Genau an dieser Stelle beginnt der eigentliche Mehrwert von KI im Training: nicht als Orakel, sondern als Strukturmaschine. Eine gute App kann dir zeigen, dass sich intensive Tage häufen, dass deine Belastung über Wochen steigt oder dass deine HRV nach einer Reise abgefallen ist. Eine LLM-Anwendung kann Trainingswochen erklären, Textfeedback zusammenfassen, Planvarianten formulieren oder Daten in Sprache übersetzen.

Die aktuelle Literatur zu KI im Sport macht dabei allerdings klar, dass solche Systeme derzeit vor allem als unterstützende Entscheidungshilfen zu verstehen sind. Eine aktuelle Review zu KI in der Sportmedizin beschreibt ein heterogenes Feld mit großem Potenzial, aber auch klaren Grenzen in Robustheit, Generalisierbarkeit und klinisch-praktischer Anwendung.

Das passt gut zu einer Erkenntnis, die in der Trainingspraxis oft unterschätzt wird: Daten sind noch keine Entscheidung. 

Dass eine App HRV, Schlaf oder Trainingslast messen kann, heißt noch nicht, dass sie automatisch versteht, was diese Werte für einen konkreten Menschen bedeuten. TrainingPeaks selbst positioniert HRV als Werkzeug, um Belastung und Erholung besser einzuordnen — also als Hinweisgeber, nicht als alleinige Wahrheit. intervals.icu und Xert gehen in dieselbe Richtung: Sie machen Belastung sichtbar und adaptieren Vorschläge, aber sie ersetzen nicht die Frage, ob ein Reiz heute auch psychologisch, familiär und organisatorisch passt.

Und genau das ist der Punkt, an dem die Differenz zwischen App und Coach wirklich beginnt. Eine App kann erkennen, dass die Woche hart war. Sie kann vielleicht sogar prognostizieren, dass heute eher eine lockere Einheit sinnvoll wäre. Was sie aber nicht automatisch weiß:

War die niedrige HRV Folge eines späten Essens, einer emotional belastenden Sitzung, einer kurzen Nacht, einer Reise oder einer beginnenden Infektion?

Die Systeme lesen Signale — sie besitzen aber keinen Zugang zur gelebten Realität hinter den Signalen. Die aktuelle adaptive-Performance-Literatur beschreibt deshalb genau dieses Problem: Athletenmonitoring kann Belastung und Status immer genauer messen, aber die Übersetzung in tägliche Entscheidungen bleibt inkonsistent und braucht ein systemisches, reevaluiertes Vorgehen.

Alex | aecoaching

Ich nutze KI und Trainingsplattformen regelmäßig, weil sie Daten schnell sortieren und Trends sichtbar machen. Aber sichtbar ist noch nicht verstanden. Der Unterschied liegt im Kontext — und den liefert erst das Gespräch.

Kapitel 4

Der Denkfehler: Gute Daten ersetzen noch keine gute Entscheidung

Hier liegt der eigentliche Punkt, und er ist wichtiger als die Frage, ob eine App „gut“ oder „schlecht“ ist.

Eine App, ein LLM oder ein Algorithmus kann nur so gut sein wie die Daten, auf denen er basiert – und nur so gut wie die Populationen, aus denen dieses Wissen stammt. 

Genau deshalb ist die Übertragung von Studienergebnissen auf die Praxis nicht einfach ein technischer Schritt, sondern eine wissenschaftliche und coachende Übersetzungsleistung. Die Literatur zu Trainingsreaktionen zeigt seit Jahren, dass Reaktionen stark variieren und von intrinsischen wie extrinsischen Faktoren abhängen; die KI-Literatur im Sport kommt gleichzeitig zu dem Schluss, dass aktuelle Anwendungen vor allem unterstützende Werkzeuge sind und noch keine autonomen Entscheidungsinstanzen.

Der Denkfehler entsteht meistens an einer ganz bestimmten Stelle: Man sieht eine starke Studie, eine plausible Empfehlung oder einen klugen App-Vorschlag und behandelt ihn anschließend so, als wäre er bereits für die konkrete Person validiert.

Genau das ist er aber nicht automatisch. Eine gute wissenschaftliche Studie beantwortet zuerst die Frage, ob ein Reiz unter bestimmten Bedingungen wirkt. Eine App beantwortet anschließend die Frage, wie sich dieser Reiz in Daten übersetzen lässt.

Aber die dritte und eigentliche Frage lautet: Passt dieser Reiz heute zu diesem Menschen, mit diesem Schlaf, diesem Stress, diesem Alter, dieser Vorgeschichte und diesem Ziel? 

Das kann keine generische Empfehlung allein entscheiden.

Das ist auch der Grund, warum viele KI- und App-Lösungen im Alltag erstaunlich gut wirken, aber trotzdem an Grenzen stoßen. Sie erkennen Muster in Trainingslast, HRV, Schlaf oder Belastung. Sie können daraus sehr vernünftige Vorschläge machen. Was sie noch nicht können, ist die Bedeutung dieser Muster vollständig in einen echten Lebenskontext einzuordnen.

Die aktuelle Sports-Medicine-Literatur beschreibt KI im Moment daher ausdrücklich als supportive adjunct und nicht als unabhängigen Entscheider. Auch die Sportmedizin-Review zu GPT-4 formuliert sinngemäß sehr klar, dass solche Systeme hilfreich sind, aber sportärztliche oder coachende Expertise nicht obsolet machen.

Alex | aecoaching

Genau hier braucht es den Coach: nicht um die Daten zu ersetzen, sondern um ihnen Bedeutung zu geben. Ein niedriger HRV-Wert ist keine Trainingsentscheidung. Er ist erst einmal nur ein Signal.

Für ambitionierte Hobbysportler:innen ist das besonders wichtig, weil sie meist nicht unter den Bedingungen trainieren, unter denen viele Modelle oder Studien entstanden sind. Sie müssen nicht nur Leistung entwickeln, sondern Leistung mit Alltag verbinden.

Das ist der Punkt, an dem gute Coaches, gute Gespräche und gute Erfahrung den Unterschied machen. Nicht, weil sie „besser als Wissenschaft“ wären, sondern weil sie Wissenschaft in ein belastbares, alltagstaugliches System übersetzen.

Die moderne Forschung zur Variation von Trainingsreaktionen und zur Präzisionsbewegung zeigt genau diesen Bedarf an individualisierter Einordnung immer deutlicher.

Im nächsten Kapitel geht es deshalb darum, was ein guter Coach eigentlich anders macht als eine gute App. Und warum der eigentliche Mehrwert oft nicht in mehr Daten liegt, sondern in der besseren Frage zur richtigen Zeit.

Abbildung 1: Study-AI-Coach-Chain, eigene Darstellung.

Kapitel 5

Was gute Coaches anders machen als eine gute App

An dieser Stelle wird aus Daten wirklich Training. Denn gute Coaches tun etwas, was weder eine Trainings-App noch ein LLM bisher zuverlässig in dieser Tiefe leisten:

Sie gewichten Informationen, statt sie nur auszulesen.

Die aktuelle Forschung zu High-Performance-Coach-Cognition beschreibt Coaching explizit als professionelles Urteilen in komplexen, dynamischen Situationen — also nicht als bloßes Anwenden fixer Regeln, sondern als laufende Interpretation von Kontext, Risiko, Beziehung und Zielkonflikt. Auch die aktuelle Arbeit zu Trainingsqualität im Elite-Para-Sport betont, dass gute Trainingsqualität ein kollaborativer Prozess ist, der ein passendes Umfeld, flexible Planung, individuelles Verständnis und echte Athletenbeteiligung braucht.

Genau das ist der Kernunterschied zur App: Eine gute App kann einen Status anzeigen. Ein guter Coach entscheidet, was dieser Status bedeutet. Er fragt nicht nur, ob die HRV niedrig ist oder die Schlafdauer kürzer war, sondern ob heute eine harte Einheit, eine modifizierte Einheit oder ein klarer Reset sinnvoll ist.

Die Monitoring-Literatur zeigt seit Langem, dass reine Standardisierung im Training unzuverlässig wird, sobald die Bedingungen im Alltag nicht standardisiert sind; moderne Perspektiven zu Monitoring und Screening fordern deshalb ausdrücklich, historische und aktuelle Daten zusammenzudenken und Entscheidungen kontextgetrieben zu treffen.

Dazu kommt etwas, das in jeder guten Coach-Athlet-Beziehung zentral ist:

Vertrauen und Gespräch.

Die aktuelle Übersicht zur Coach-Athlete-Relationship-Forschung betont, dass die Qualität dieser Beziehung selbst ein zentrales Forschungsfeld geworden ist. Das ist nicht bloß „Soft Skill“, sondern ein Leistungsfaktor, weil Athlet:innen besser reagieren, wenn Planung, Feedback und Belastungssteuerung auf einer tragfähigen Beziehung aufbauen. Gleichzeitig zeigt die aktuelle Forschung zur Coach-Entscheidungsfindung im Hochleistungssport, dass Expertise dort entsteht, wo Coaches in echten Situationen urteilen, rückkoppeln und flexibel adaptieren.

Alex | aecoaching

Eine gute App kann dir sagen, was in deinen Daten steckt. Ein guter Coach erkennt, was in deinem Leben gerade mit den Daten passiert. Genau dort beginnt die eigentliche Trainingsentscheidung.

Was ein Coach also anders macht, ist nicht „mehr Magie“, sondern mehr Übersetzung. Er verbindet Studien, Messwerte und Erfahrung mit der konkreten Lebenssituation. Ein 43-jähriger Trailrunner mit drei Kindern, Vollzeitjob und zwei harten Wochenenden im Monat braucht keine theoretisch perfekte Empfehlung, sondern eine Entscheidung, die realistisch, belastbar und psychologisch sinnvoll ist. Genau hier wird aus Wissenschaft ein handhabbares System. Und genau deshalb kann Coaching nicht einfach durch eine App ersetzt werden — auch wenn App und LLM im Alltag ein sehr hilfreiches Fundament liefern.

Kapitel 6

KI oder Coach? Die falsche Frage. 🚀

Nach all dem, was wir bisher betrachtet haben, stellt sich eigentlich eine überraschende Erkenntnis ein:

Die Diskussion darüber, ob künstliche Intelligenz einen Coach ersetzen kann, führt in die falsche Richtung.

Sie erinnert ein wenig an die Frage:

Brauche ich ein Navigationssystem oder einen guten Autofahrer?

Die ehrliche Antwort lautet:

Beides.

Ein Navigationssystem kennt Millionen Straßen.

Es berechnet in Sekunden die schnellste Route.

Es erkennt Staus.

Es passt die Route laufend an.

Trotzdem möchte vermutlich niemand bei dichtem Schneefall, einer Straßensperre oder einem medizinischen Notfall das Lenkrad einem Navigationsgerät überlassen.

Warum?

Weil Information nicht automatisch Entscheidung bedeutet.

Und genau so verhält es sich im Coaching.

KI wird immer besser.

Und das ist eine gute Nachricht.

Vor fünf Jahren konnten Trainingsplattformen hauptsächlich Daten speichern.

Heute erkennen sie Belastungsmuster.

Sie berechnen Training Stress Scores.

Sie analysieren Schlaf.

Sie beobachten HRV.

Sie prognostizieren Form.

Sie erkennen Überlastung.

Sie können Trainingspläne automatisch verschieben.

LLMs können heute zusätzlich

• wissenschaftliche Studien erklären,

• Trainingspläne erstellen,

• Wettkämpfe analysieren,

• Ernährung strukturieren,

• Trainingsdaten interpretieren,

• komplexe Inhalte verständlich zusammenfassen.

Vor zehn Jahren wäre das Science-Fiction gewesen.

Heute ist es Alltag.

Und vermutlich stehen wir erst am Anfang dieser Entwicklung.

Aber genau deshalb wird Coaching wichtiger.

Das klingt zunächst paradox.

Viele glauben:

Je intelligenter KI wird, desto weniger braucht man Coaches.

Ich glaube genau das Gegenteil.

Je besser KI wird, desto wichtiger wird der Mensch, der entscheidet,

wann die Empfehlung sinnvoll ist

und

wann nicht.

Denn genau dort liegt der Unterschied zwischen Wissen und Weisheit.

KI liefert Wissen.

Ein Coach entwickelt gemeinsam mit dem Sportler Weisheit.

Das klingt philosophisch.

Ist aber hochpraktisch.

Ein Beispiel aus dem Coachingalltag

Ein Athlet bereitet sich auf einen Alpencross vor.

Die HRV ist gut.

Der Ruhepuls normal.

CTL steigt.

TSB ebenfalls.

TrainingPeaks schlägt eine intensive Einheit vor.

ChatGPT würde vermutlich ähnlich argumentieren.

Objektiv spricht vieles dafür.

Im Gespräch erzählt der Athlet allerdings etwas anderes.

Der Vater liegt seit drei Tagen im Krankenhaus.

Die Nächte sind kurz.

Er isst kaum.

Mental fühlt er sich leer.

Jetzt stellt sich nicht mehr die Frage:

Kann der Körper trainieren?

Sondern:

Soll er heute trainieren?

Kein Algorithmus der Welt kann diese Entscheidung allein treffen.

Nicht weil KI schlecht wäre.

Sondern weil Menschen mehr sind als Trainingsdaten.

Coaching ist Übersetzungsarbeit.

Früher dachte ich,

ein guter Coach schreibt gute Trainingspläne.

Heute sehe ich das völlig anders.

Ein guter Coach schreibt vielleicht sogar weniger Trainingspläne.

Dafür stellt er bessere Fragen.

• Was stresst dich gerade?

• Worauf freust du dich?

• Wann hast du zuletzt wirklich ausgeschlafen?

• Welche Einheit macht dir momentan am meisten Spaß?

• Welche kostet dich Überwindung?

Diese Fragen tauchen in keiner FIT-Datei auf.

Sie entscheiden aber häufig darüber,

ob Training langfristig funktioniert.

Alex | aecoaching

Ich glaube nicht, dass KI den Coach ersetzt. Ich glaube aber, dass Coaches, die KI sinnvoll einsetzen, künftig bessere Coaches sein werden. Nicht weil die KI die besseren Entscheidungen trifft. Sondern weil sie Zeit spart. Zeit, die endlich wieder dort investiert werden kann, wo Coaching seinen größten Wert hat: beim Menschen.

Fazit

Die Trainingswelt verändert sich schneller als jemals zuvor.

Wissenschaftliche Studien werden präziser.

Sensoren liefern immer mehr Daten.

Wearables messen Schlaf, Temperatur, HRV, Belastung und Erholung beinahe in Echtzeit.

Künstliche Intelligenz erkennt Muster, die für Menschen kaum noch sichtbar sind.

Das alles ist eine enorme Chance.

Aber nur dann,

wenn wir diese Möglichkeiten richtig einordnen.

Denn Training ist weit mehr als das Abarbeiten eines Plans.

Training ist Biologie.

Psychologie.

Familie.

Beruf.

Schlaf.

Stress.

Motivation.

Leistungsfähigkeit.

Gesundheit.

Und all diese Faktoren verändern sich täglich.

Deshalb wird der perfekte Trainingsplan vermutlich nie von einer Maschine allein entstehen.

Er entsteht dort,

wo wissenschaftliche Erkenntnisse,

digitale Werkzeuge

und menschliche Erfahrung zusammenkommen.

Nicht gegeneinander.

Sondern miteinander.

Mein persönlicher Blick

Ich nutze ChatGPT.

Ich arbeite mit wissenschaftlichen Studien.

Ich analysiere Trainingsdaten.

Ich verwende HRV.

Ich schaue mir Belastungskurven an.

Ich freue mich über jede technische Innovation.

Aber am Ende jeder Trainingsplanung steht immer dieselbe Frage:

Was braucht dieser Mensch heute, um morgen besser zu werden?

Nicht:

Was sagt die App?

Nicht:

Was empfiehlt die Studie?

Nicht:

Was schlägt die KI vor?

Sondern:

Was passt zu diesem Menschen?

Genau deshalb glaube ich,

dass die Zukunft nicht

Coach oder KI

heißt.

Sondern

Coach mit KI.

Und genau darauf freue ich mich.

Call to Action

Wenn du einen Trainingsplan suchst, kann dir heute jede App helfen.

Wenn du aber jemanden suchst, der wissenschaftliche Erkenntnisse, moderne KI-Werkzeuge und deine persönliche Lebensrealität zusammenbringt, dann lohnt sich ein persönliches Coaching.

Denn gute Trainingspläne entstehen nicht nur aus Daten.

Sie entstehen aus Dialog.

👉 Mehr über mein Coaching erfährst du unter www.aecoaching.at

Quellenverzeichnis (Auswahl mit DOI)

Wissenschaftliche Quellen

• Reinebo, G. et al. (2023). Effects of Psychological Interventions to Enhance Athletic Performance: A Systematic Review and Meta-Analysis. DOI: 10.1007/s40279-023-01931-z.

• Horst, P. et al. (2023). Artificial Intelligence in Sports Medicine: Could GPT-4 Make Human Sports Doctors Obsolete? DOI: 10.1007/s10439-023-03213-1.

• Klose, J. et al. (2023). High performance coach cognition in the wild: using applied cognitive task analysis. DOI: 10.3389/fpsyg.2023.1154168.

• Jowett, S. (2025). 25 years of relationship research in sport: The quality of the coach-athlete relationship… DOI: 10.1016/j.psychsport.2025.102909.

• Esco, M. R. et al. (2025). Monitoring Training Adaptation and Recovery Status in Athletes Using Heart Rate Variability via Mobile Devices. DOI: 10.3390/s26010003.

• Diagnostic AI review. Diagnostic Applications of AI in Sports. DOI: 10.3390/diagnostics14222516.

• Heterogeneity / individual responses review. Resistance training load does not determine resistance training-induced hypertrophic response (interindividual heterogeneity discussion). DOI: 10.1113/JP289684.

Digitale Plattformen / Tools

• TrainingPeaks Athlete Features.

• Intervals.icu Plan Your Training / Workout Builder / Custom Zones.

• Xert adaptive training and real-time metrics.

• Strava Athlete Intelligence.