Zum Inhalt springen
OpenAthlete

Generative KI für Läufer: wofür sie taugt und wofür nicht

Generative KI ist ein Textwerkzeug: gut darin, aus einem Satz eine strukturierte Einheit zu machen, schlecht darin, über deinen Körper recht zu haben. Ein praktischer, skeptischer Leitfaden.

OpenAthlete Team4 Min. Lesezeit

Für Ausdauersportler ist generative KI weder Spielerei noch Revolution. Sie ist ein Textwerkzeug. Sie ist sehr gut darin, lose Sprache in Struktur zu verwandeln und Struktur in lesbaren Text, und unzuverlässig, sobald sie über deinen Körper recht haben muss oder über Zahlen, die ihr niemand gegeben hat. Wer sie so betrachtet, sieht schnell, wo sie Zeit spart und wo sie schaden kann.

Stark: eine Einheit schreiben

Ein strukturiertes Workout in die App deiner Sportuhr einzutippen ist mühsam. Es zu beschreiben nicht. „20 Minuten locker, dann 6 × 3 Minuten hart mit 2 Minuten Trabpause, 10 Minuten Auslaufen“ ist genau die Art Satz, mit der ein Sprachmodell gut umgehen kann: Es zerlegt ihn in Schritte, erkennt die Wiederholungen und gibt jedem Schritt ein Ziel, wenn es deine Zonen kennt. „Hart“ über 3 Minuten wird zu deinem VO2max-Pacebereich, „Traben“ zur Erholungspace.

Zwei Dinge solltest du prüfen, bevor die Einheit auf deine Uhr geht: die Gesamtdauer (Modelle lassen gelegentlich einen Block weg oder verdoppeln ihn) und die Intensität, die es für vage Begriffe gewählt hat. „Hart“ kann für die eine Person Schwelle bedeuten und für die andere 5-km-Renntempo. Hat das Modell falsch gewählt, sag es ihm, oder schreib beim nächsten Mal „an der Schwelle“.

Stark: Feedback in Daten verwandeln

Nach einem langen Lauf füllt kaum jemand ein Formular mit fünf Schiebereglern aus. Man sagt eher so etwas wie: „Die erste Stunde lief gut, dann hat mir die Hitze zugesetzt, die letzten 5 km waren ein Kampf und meine rechte Wade hat zugemacht.“ Ein Sprachmodell kann daraus eine Belastungsbewertung von etwa 8 und eine Notiz machen: rechte Wade, Verhärtung, gegen Ende des Laufs. Über Wochen werden diese Notizen zu etwas, das ein Coach tatsächlich filtern kann.

Das ist wichtiger, als es klingt. Eine systematische Übersichtsarbeit von Saw und Kollegen (2016) zeigte, dass subjektive, selbst berichtete Werte die Trainingsbelastung besser abbilden als die meisten objektiven Marker. Der Engpass war immer, Athleten dazu zu bringen, sie zu erfassen. Wenn dafür ein Satz oder eine Sprachnachricht reicht, hilft das.

Stark: zusammenfassen und umschreiben

Füge die Notizen aus vier Wochen Training ein und bitte vor dem Gespräch mit deinem Coach um eine Zusammenfassung: Das Modell findet die wiederkehrenden Themen (die Achillessehne, die sich nach Bergläufen meldet, die Donnerstagseinheiten, die immer wieder ausfallen) schneller als du. Es kann eine Woche um eine Einschränkung herum umplanen, etwa eine Dienstreise von Dienstag bis Donnerstag mit nur einem Hotel-Laufband, und dir einen brauchbaren Entwurf liefern. Es kann einen Plan übersetzen, den dein Coach in einer anderen Sprache geschrieben hat. Jedes Mal bekommst du einen Entwurf zum Prüfen, keine Anweisung zum Befolgen.

Mit Vorsicht nutzbar: erklären

Frag, was Schwellentraining von VO2max-Intervallen unterscheidet oder warum sich das Tempo im langen Lauf locker anfühlen sollte, und du bekommst meist eine ordentliche Erklärung. Das Risiko: Es fügt ein selbstbewusst vorgetragenes Detail hinzu, das falsch ist, oder zitiert eine Studie, die es nicht gibt. Sprachmodelle erzeugen flüssigen Text, keine geprüften Fakten – Forscher nennen das Halluzination (Ji und Kollegen, 2023). Wenn eine Antwort eine Quelle nennt, schlag die Quelle nach, bevor du sie weitergibst.

Schwach: Diagnosen stellen

Tipp „Außenseite vom Knie tut nach 20 km weh“ ein, und du bekommst eine saubere Antwort zum Iliotibialband, mit Dehnübungen und einem Plan für den Wiedereinstieg ins Laufen. Vielleicht stimmt das. Vielleicht ist es aber auch etwas ganz anderes, und das Modell kann es nicht wissen: Es kann dich nicht untersuchen, dir nicht beim Laufen zusehen und nicht auf die schmerzende Stelle drücken. Eine plausible Antwort auf eine medizinische Frage ist schlimmer als gar keine, weil sie den Arztbesuch hinauszögert, der das Problem geklärt hätte. Schmerzen, die anhalten, dich hinken lassen, beim Laufen zunehmen oder auch in Ruhe da sind, gehören zu einem Physiotherapeuten oder einer Ärztin.

Schwach: komplette Pläne aus dem Nichts

Düking und Kollegen (2024) ließen ChatGPT sechswöchige Laufpläne erstellen und von Trainerexperten anhand von 22 Kriterien bewerten. Mit wenig Input lag der Plan bei 19 davon unter der Mitte der Skala. Mit detailliertem Input schnitt er deutlich besser ab, dennoch raten die Autoren davon ab, solchen Plänen ohne erfahrenen Coach zu folgen. Der typische Fehler ist leicht vorstellbar: Du läufst 30 km pro Woche, fragst nach einem Marathonplan, und die erste Woche enthält 50 km, weil das Modell deine Vorgeschichte mit der eines durchschnittlichen Läufers aufgefüllt hat.

Schwach: Zahlen, die es nicht bekommen hat

Frag „Wie viel bin ich im September gelaufen?“, ohne deine Daten mitzugeben, und ein Chatmodell erfindet womöglich einfach eine plausible Zahl. Selbst wenn du die Daten einfügst, ist das Addieren von dreißig Zeilen nicht seine Stärke. Summen, Durchschnittswerte und Belastungsberechnungen sollten aus Software kommen, die sie berechnet, und das Sprachmodell sollte nur über das Ergebnis sprechen.

So bekommst du brauchbarere Antworten

Gib ihm Kontext: deine Zonen oder aktuelle Wettkampfzeiten, deinen Wochenumfang der letzten vier bis sechs Wochen, den Wettkampf und sein Datum, die Tage, an denen du trainieren kannst, und jedes aktuelle Zwicken. Bitte es, seine Annahmen zu nennen, bevor es etwas schreibt. Prüfe das Ergebnis dann an ein paar einfachen Regeln: kein großer Sprung im Wochenumfang, nicht mehr harte Einheiten, als du gewohnt bist (zwei pro Woche reichen den meisten Hobbyläufern völlig), und lockere Tage, die wirklich locker sind.

In OpenAthlete

Die KI-Funktionen in OpenAthlete bleiben auf der Textseite dieser Grenze. Sie schreiben aus einem Satz eine strukturierte Einheit mit deinen Zonen, ändern eine Einheit auf eine kurze Anweisung hin, stellen nach einer Aktivität drei oder vier Fragen und machen aus den Antworten einen Belastungswert und eine Schmerznotiz für deinen Coach, und geben dir eine kurze Einschätzung jeder Aktivität. Du siehst jede Einheit, bevor sie auf deine Uhr geht. Sie stellen keine Diagnosen und laufen nur mit deiner Zustimmung, mit deinem eigenen API-Schlüssel oder dem Supporter-Kontingent. Details findest du auf der KI-Seite.

Quellen

  • Saw AE, Main LC, Gastin PB (2016). Monitoring the athlete training response: subjective self-reported measures trump commonly used objective measures: a systematic review. British Journal of Sports Medicine, 50(5), 281–291. doi:10.1136/bjsports-2015-094758
  • Ji Z et al. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12). doi:10.1145/3571730
  • Düking P et al. (2024). ChatGPT generated training plans for runners are not rated optimal by coaching experts, but increase in quality with additional input information. Journal of Sports Science and Medicine, 23(1), 56–72. doi:10.52082/jssm.2024.56

Geschrieben von

OpenAthlete Team

OpenAthlete ist eine Open-Source-Trainingsplattform, entwickelt in Grenoble von einem unabhängigen Entwickler und Ultraläufer, mit Feedback der Coaches und Athleten, die sie nutzen. Keine Investoren, keine Werbung.

Weiterlesen

Hybrides Coaching: mit KI mehr Athleten betreuen

Miss, wo deine Coaching-Stunden bleiben, gib die Schreibarbeit an Software und KI-Entwürfe ab und behalte deine Zeit für das Urteilsvermögen. Dazu ein Weg, das zu bepreisen.

5 Min. Lesezeit

Trainiere mit Zahlen, die du nachprüfen kannst.

Jede Formel, die OpenAthlete verwendet, steht im Quellcode, und jede Funktion ist kostenlos – auf unseren Servern oder deinen.

Für immer kostenlos. Keine Kreditkarte.