Digitalisierung

26.05.2025

Wie gut sind KI-Trainingspläne?

Large Language Modelle als Hilfe bei der Trainingsplanerstellung

Im modernen Training gilt ein gut strukturierter Trainingsplan als unverzichtbar, um die sportliche Leistung systematisch zu steigern. Ein solcher Plan muss z.B. individuelle Bedürfnisse, physiologische Voraussetzungen und spezifische Zielsetzungen berücksichtigen. Die Erstellung dieser Pläne erfordert fundiertes Wissen z.B. in den Bereichen Trainingswissenschaft, Biomechanik, Psychologie und spezifisches Wissen über die jeweilige Sportart. Da die Erstellung von Trainingsplänen komplex und zeitintensiv sein kann, könnten Formen der KI wie Large Language Modelle vielleicht helfen, die Erstellung von Trainingsplänen zu beschleunigen.

Large Language Models (LLMs) sind Formen der KI, die auf umfangreichen Textdatensätzen trainiert werden, um menschliche Sprache zu verstehen und zu erzeugen. Sie basieren auf komplexen Algorithmen, die Muster und Zusammenhänge in der Sprache erkennen, wodurch sie bis zu einem bestimmten Grad in der Lage sind, inhaltlich kohärente und oftmals kreative Texte zu generieren.

Diese Technologie findet bereits in vielen Bereichen Anwendung – von der automatisierten Kundenbetreuung bis hin zur Unterstützung bei wissenschaftlichen Analysen – und rückt zunehmend auch in den Fokus des Sports, insbesondere wenn es um die Erstellung strukturierter Trainingspläne geht.

Aktuelle Studien

Ob die so generierten Trainingspläne vom Sportler genutzt werden können, haben nun verschiedene Studien untersucht. In einer wissenschaftlichen Untersuchung wurden beispielsweise sechswöchige Ausdauertrainingspläne von ChatGPT erstellt. Dabei zeigte sich, dass die Qualität der Pläne maßgeblich von der Detailliertheit der ein - gegebenen Informationen abhängt. Pläne, die auf weniger präzisen Eingaben basierten, wurden von erfahrenen Coaching-Experten überwiegend niedrig bewertet, während detailliertere und spezifischere Eingaben zu besseren Ergebnissen führten.

Dies verdeutlicht, dass LLMs zwar als Ausgangspunkt dienen können, deren Vorschläge jedoch stets durch fundiertes Expertenwissen ergänzt werden müssen.

Qualität des Inputs wohl entscheidend

Auch im Krafttraining, insbesondere im Bereich der Hypertrophie, wurden LLMs eingehend untersucht. In einer vergleichenden Studie wurden Trainingspläne, die von GPT-4 und Google Gemini generiert wurden, hinsichtlich ihrer Reproduzierbarkeit und Qualität bewertet.

Die Ergebnisse zeigten, dass beide Modelle bei der Verwendung identischer und detaillierter Prompts hohe Reproduzierbarkeit aufwiesen. Besonders hervorzuheben war, dass die Trainingspläne mit umfangreichen und präzisen Informationen deutlich besser bewertet wurden und GPT-4 in diesem Zusammenhang tendenziell überlegen war. Diese Erkenntnisse legen nahe, dass der Schlüssel zur erfolgreichen Nutzung von LLMs im Sport in der Qualität und Genauigkeit der Eingabedaten liegt, sodass die erstellten Pläne den hohen Anforderungen eines professionellen Trainingsprogramms gerecht werden.

Regeneration & Schlaf

Ein weiterer zentraler Aspekt sportlicher Leistung ist die Regeneration, wobei der Schlaf eine besonders wichtige Rolle spielt. In einer Untersuchung wurden Schlafempfehlungen von LLMs wie GPT-4o und Google Gemini analysiert. Die Ergebnisse zeigten, dass die generierten Empfehlungen häufig unzureichend waren und essenzielle Kriterien vermissen ließen. Obwohl eine Erhöhung der Informationen, die den Large Language Modellen von dem Anwender zur Verfügung gestellt wurden, zu einer leichten Verbesserung führte, blieben viele wichtige Aspekte unberücksichtigt.

Dies unterstreicht, dass auch im Bereich der Regeneration und Schlafberatung fundiertes Expertenwissen notwendig ist, um den komplexen Anforderungen einer optimalen Erholung gerecht zu werden. Diese Studie befindet sich noch im Prüfverfahren und wird dann zeitnah veröffentlicht.

Fazit

Zusammenfassend lässt sich feststellen, dass strukturierte Trainingspläne ein zentrales Element eines erfolgreichen sportlichen Trainings darstellen. Die Komplexität ihrer Erstellung erfordert ein tiefes Verständnis der Trainingsprinzipien und physiologischen Grundlagen. Large Language Models bieten hier einen innovativen Ansatz, um den Prozess zu unterstützen und zu beschleunigen, indem sie auf Basis umfangreicher Datenmengen individuelle Pläne erstellen können.

Die wissenschaftlichen Untersuchungen zeigen jedoch, dass die Qualität der von LLMs generierten Pläne – sei es im Ausdauer- oder Krafttraining – stark von der Qualität und Detailliertheit der Input-Daten abhängt. Da - rüber hinaus bleiben auch in der Schlafberatung wesentliche Aspekte oft unberücksichtigt, weshalb die Ergebnisse stets kritisch von Fach - leuten überprüft werden sollten. Insgesamt eröffnen LLMs spannende Möglichkeiten, den Trainingsprozess zu optimieren, während sie gleich - zeitig verdeutlichen, dass sie als ergänzendes Werkzeug und nicht als alleinige Lösung betrachtet werden sollten. Die ideale Anwendung moderner Technologie im Sport liegt somit in der Kombination von innovativen digitalen Tools und fundiertem Expertenwissen, um so den größtmöglichen Nutzen für Sportler zu erzielen.

Der Autor

Peter Düking ist Juniorprofessor für Bewegung und Training an der TU Braunschweig. Er untersucht akute Reaktionen und chronische Adaptionen infolge verschiedener Trainingsformen in verschiedenen Populationen. In diesem Zusammenhang prüft er, ob und wie neue Technologien neue Erkenntnisse in akute Reaktionen chronische Adaptionen liefern können, oder ob neue Technologien den Trainingsprozess verbessern können.