Die meisten Trainingspläne sind für einen fiktiven Radsportler geschrieben: den Durchschnittsfahrer. Jemand, der sich in genau 48 Stunden erholt, jede Nacht acht Stunden durchschläft und nie einen stressigen Dienstag auf der Arbeit hat. Aber diesen Radsportler gibt es nicht. Um zu verstehen, wie ein KI-Radsport-Coach funktioniert, muss man begreifen, was ein Coaching-System tut, wenn es aufhört, die Realität zu ignorieren.
Der Kernmechanismus: Inputs, Outputs und die Feedback-Schleife
Im einfachsten Fall nimmt ein KI-Radsport-Coach strukturierte Daten über dein Training und deine Physiologie, vergleicht sie mit Modellen zur Anpassung von Athleten und liefert einen modifizierten Plan. Das ist das Gerüst. Interessant ist, was dazukommt. Ein gut gebautes KI-System vergleicht ständig, was passieren sollte, mit dem, was tatsächlich passiert ist. Du solltest 20 Minuten lang 280 Watt treten. Du hast 263 geschafft und deine Herzfrequenz lag 8 Schläge höher als vorhergesagt. Diese Lücke ist wichtig. Einem statischen Plan ist das egal. Ein gutes KI-System erkennt das als Signal: Deine Ermüdung ist höher als vom Modell vorhergesagt und in der nächsten Phase muss sich etwas ändern.
Der Motor dahinter ist meist eine Kombination aus Leistungsmodellierung und maschinellem Lernen. Leistungsmodelle basieren oft auf Bannisters Impuls-Antwort-Modell oder modernen Ableitungen davon und simulieren, wie sich Trainingsbelastung in Fitness und Ermüdung verwandelt. Maschinelles Lernen setzt darauf auf und lernt deine individuellen Reaktionsmuster aus historischen Daten, anstatt allgemeine Durchschnittswerte zu verwenden. Eine Studie aus dem Jahr 2020 in Applied Sciences (MDPI) zeigte, dass ein virtueller Coach auf Basis von Reinforcement Learning Trainingspläne auf dem Niveau menschlicher Coaches erstellen kann, nachdem er die tatsächliche Trainingshistorie eines Radsportlers analysiert hat. Die Folgen sind wichtig: Die Schätzungen der KI werden genauer, je mehr Daten sie speziell von dir hat.
Wearables haben diese Feedback-Schleife deutlich bereichert. Herzfrequenzvariabilität (HRV), Ruhepuls und Schlafdaten von Geräten geben dem System tägliche Signale zur Bereitschaft, die weit über das hinausgehen, was Leistungsdaten allein zeigen. Forschungsergebnisse in Scientific Reports (2025) haben gezeigt, dass die Kombination von HRV mit Wellnesswerten zu besseren Trainingsergebnissen führt als die reine HRV-Steuerung. Genau diese Interpretation vieler Signale kann ein KI-System mühelos skalieren. Ein menschlicher Coach hätte Mühe, das für dutzende Athleten konsequent zu berechnen.
Wie das in der Praxis aussieht
Seien wir ehrlich: Die meisten Fahrer stellen sich KI-Coaching als exotische Blackbox vor, die einen perfekten Plan aus dem Nichts ausspuckt. Die Realität ist bodenständiger und nützlicher. Du verbindest deine Trainingsdaten mit Garmin, Wahoo, Strava oder was auch immer du nutzt. Das System erstellt ein Basismodell deiner Fitness. Es schätzt dein FTP-Äquivalent, deinen optimalen Bereich für die Trainingsbelastung und dein Akut-zu-Chronisch-Verhältnis. Dann beginnt es, Workouts für die Zukunft zu planen. Wenn du eine Einheit abschließt, bewertet es neu. Du verpasst eine Einheit? Die Woche wird neu sortiert. Du hast ein Intervall-Workout mit höheren Leistungswerten als erwartet gerockt? Das Modell passt die Schätzung deiner Form nach oben an und plant vielleicht früher als vorgesehen etwas Härteres.
Das Konzept des KI-Coachings funktioniert am besten für Fahrer mit wenig Zeit, bei denen jede Einheit zählen muss. Allgemeine Periodisierungspläne sind mit einem Puffer ausgelegt. Sie gehen davon aus, dass du Einheiten verpasst und eine durchschnittliche Erholung hast. Wenn du vier statt zwölf Stunden pro Woche hast, kannst du dir keine durchschnittlichen Annahmen leisten. Ein KI-System, das dich genau kennt und weiß, wie du auf Ermüdung reagierst, an welchen Tagen du am liebsten trainierst und wie du in der Vergangenheit unter verschiedenen Bedingungen performt hast, holt mehr Anpassung aus begrenzten Trainingsstunden heraus als jeder Standardplan.
Ein häufiger Fehler, wenn Fahrer mit einem KI-Coach starten: Sie halten die Daten der ersten zwei Wochen für zuverlässig. Das sind sie nicht. Das Modell kalibriert sich noch. Wenn du in der ersten Woche Vollgas gibst, um der KI zu zeigen, was du draufhast, verfälschst du die Basislinie nach oben. Wahrscheinlich bekommst du dann Workouts verschrieben, die schnell in eine Überlastung führen. Der bessere Ansatz ist, in den ersten Zyklen normal und ehrlich zu trainieren. Füttere das System mit echten Daten, nicht mit Spitzenwerten.
Wann es wichtig ist und wann nicht
Ein KI-Coach lohnt sich, wenn dein Training Struktur und Regelmäßigkeit hat. Wenn du 3–5 Mal pro Woche fährst und zumindest Leistungs- oder Herzfrequenzdaten sammelst, funktioniert die Feedback-Schleife. Das System kann daraus lernen. Wenn du zweimal pro Woche locker ohne Tracking fährst, bekommst du zwar einen Plan, aber der Anpassungsmotor hat kaum Material zum Arbeiten. Dann könntest du genauso gut einen Standardplan nutzen.
Am wichtigsten ist das in der Grundlagenphase und Aufbauphase. Hier geht es vor allem darum, die Trainingsbelastung intelligent aufzubauen. Während der Spitzenphase oder im Taper schrumpft der Spielraum für Fehler und die Gewinne sind marginal. Ein guter menschlicher Coach, der dich gut kennt, hat in den letzten Wochen vor einem wichtigen Event immer noch einen Vorteil. Er kann nicht quantifizierbare Signale interpretieren, wie Stress, Motivation oder wie du in einem Telefonat wirkst. Die Frage, ob eine KI einen wirklich guten Trainingsplan erstellen kann, ist eng damit verknüpft. Ja, sie kann das für den Großteil deines Trainingsjahres mit beeindruckender Konstanz. Aber sie ist ein Werkzeug und kein Ersatz dafür, selbst über dein Training nachzudenken.
Der praktische Vorteil für ambitionierte Amateure ist der Zugang zu einer individuellen Coaching-Logik. Vor fünf Jahren musste man dafür noch einen Coach engagieren. Die KI ersetzt nicht die Beziehung, die Erfahrung oder das Urteilsvermögen. Aber sie macht adaptives, datengesteuertes Training zu einem Preis und in einem Umfang verfügbar, der völlig neue Möglichkeiten für Fahrer eröffnet, die alleine trainieren.
Ähnliche Artikel
Entdecke LeCoach: deine KI-Radsport-Coach-App
Kann eine KI einen echten Trainingsplan erstellen?
Quellen
Reche-Soto et al. (2021). Towards an AI-Based Tailored Training Planning for Road Cyclists: A Case Study. Applied Sciences, 11(1), 313. mdpi.com
López-Valenciano et al. (2025). Individual training prescribed by heart rate variability, heart rate and well-being scores in experienced cyclists. Scientific Reports. nature.com