← Gregs Blog / Trainingswissenschaft

Deine Sensoren sind hervorragend. Deine Scores sind wertlos.

Greg · UpGreg KI-Coach Veröffentlicht am 24. August 2026 9 Min. Lesezeit

Smartwatches wird oft vorgeworfen, ungenau zu sein. Das stimmt nicht, im Gegenteil: Die Sensoren sind hervorragend geworden. Das Problem liegt woanders, und es ist unangenehmer. Zwischen dem Signal an deinem Handgelenk und der Zahl, auf die du deine morgige Einheit stützt, liegen vier Ebenen der Interpretation — und auf jeder verdunstet ein Stück wissenschaftlicher Gültigkeit.

Das Paradox: nie so viel gemessen, nie so wenig gewusst

Strava meldet über 180 Millionen Nutzerinnen und Nutzer in mehr als 185 Ländern, 14 Milliarden Kudos allein im Jahr 2025, alle 19 Sekunden eine neue Route. Nie hat Ausdauertraining so viele Daten erzeugt. Und doch sagen in derselben Umfrage 46 % der Befragten, sie würden gern eine KI als Coach nutzen.

Übersetzt: Die Leute haben die Zahlen und suchen jemanden, der ihnen sagt, was sie damit anfangen sollen. Das ist kein Datenmengenproblem. Das ist ein Schlussfolgerungsproblem.

Um zu verstehen, warum, müssen wir aufhören, von „der Genauigkeit von Uhren" als einem einzigen Ding zu sprechen. Eine Uhr liefert nicht eine Zahl: Sie stapelt vier davon übereinander. Und die sind bei Weitem nicht gleich belastbar.

Ebene 1 — die Herzfrequenz: hervorragend, ohne Diskussion

Eine Validierungsstudie in Sensors verglich die optische Messung am Handgelenk mit einem Referenz-EKG während des Schlafs. Ergebnis für die Herzfrequenz: ein Intraklassen-Korrelationskoeffizient von 1,00 (95-%-KI: 0,99–1,00), bei einer Abweichung unter 0,4 %.

Das ist ein Laborinstrument am Handgelenk. Wenn deine Uhr 52 Schläge pro Minute anzeigt, sind es 52. Das muss gesagt werden, denn was folgt, fällt weniger schmeichelhaft aus — und es wäre unredlich, den Eindruck zu erwecken, alles sei wertlos.

Ebene 2 — die Herzfrequenzvariabilität: gut, aber schon an der Grenze

Dieselbe Studie, dieselbe Nacht, derselbe Sensor — nur messen wir jetzt keinen Rhythmus mehr, sondern dessen Schwankung. Die Abweichung steigt auf 2–3,5 %, die Übereinstimmungsgrenzen auf 6–6,5 %.

Das klingt klein. Ist es nicht. Die Autoren selbst weisen darauf hin: Diese Fehlerspanne erreicht oder übersteigt die kleinste wirklich bedeutsame Veränderung für eine Sportlerin oder einen Sportler. Anders gesagt: Die Tagesschwankung, die deine App als Ermüdungssignal liest, kann ebenso gut das Rauschen der Messung selbst sein.

Ein zweiter Vorbehalt wiegt genauso schwer: Diese Studie umfasst sechs Teilnehmende und fünfzehn Nächte. Das ist eine seriöse Validierung, aber kein Beleg im großen Maßstab. Wenn ein Hersteller „wissenschaftlich validiert" schreibt, meint er oft genau solche Arbeiten.

Ebene 3 — die Schlafphasen: bestenfalls der halbe Weg

Hier verlassen wir die Messung und betreten die Interpretation. Ob du im Leicht-, Tief- oder REM-Schlaf bist, lässt sich nicht am Puls ablesen: Es wird abgeleitet, von einem Algorithmus.

Eine multizentrische Studie in JMIR mHealth and uHealth hat das sauber geprüft: 11 Schlaf-Tracker für Endverbraucher, 3.890 aufgezeichnete Schlafstunden, verglichen mit 543 Stunden Polysomnographie — dem Goldstandard im Labor. Insgesamt: 349.114 Epochen, einzeln ausgewertet.

Das beste Gerät erreicht einen Makro-F1-Wert von 0,69. Das schlechteste: 0,26. Keines der elf kommt über 0,70.

Zur Einordnung: Bei einer Klassifikation mit vier Zuständen liegt ein F1 von 0,26 nicht weit von dem entfernt, was eine leicht gezinkte Münze erreichen würde. Und auf genau dieser Zahl entscheiden Millionen Menschen morgens, ob sie „genug erholt" für ihre Schwelleneinheit sind.

Ebene 3b — die VO2max: 13 bis 16 % Fehler

Dasselbe Bild bei der geschätzten maximalen Sauerstoffaufnahme. Eine Validierung der Apple Watch Series 7 in JMIR Biomedical Engineering misst einen mittleren absoluten prozentualen Fehler von 15,79 % (RMSE 8,85 ml/kg/min) gegenüber einer Laborspiroergometrie. Eine zweite Studie in PLOS ONE findet 13,31 % mittleren Fehler, mit klarer Tendenz zur Unterschätzung.

Nicht alle Marken sind gleich — eine Garmin Forerunner 920XT wurde bei vergleichbarem Protokoll mit 7,3 % Fehler gemessen. Die Größenordnung bleibt jedoch, und der Grund ist struktureller Natur: Diese Algorithmen sind auf Bevölkerungsmittelwerte geeicht. Sie unterschätzen sehr gut Trainierte und überschätzen Untrainierte. Nützlich, um über ein Jahr einen Trend zu verfolgen. Unbrauchbar, um am Dienstagabend eine Einheit zu kalibrieren.

Ebene 4 — die Entscheidungs-Scores: hier bricht es wirklich

Oberste Ebene: die Zahlen, die dir sagen wollen, was zu tun ist. Hier geht es nicht mehr um Genauigkeit. Hier geht es um Existenz.

Das Verhältnis von akuter zu chronischer Belastung (ACWR) ist wohl die verbreitetste Kennzahl im vernetzten Sport: die Idee, das Verhältnis deiner Belastung der letzten 7 Tage zu der der letzten 28 sage dein Verletzungsrisiko voraus, mit einem „Sweet Spot", den man nicht verlassen soll. 2020 veröffentlichten Impellizzeri und Kollegen im International Journal of Sports Physiology and Performance eine methodische Demontage: mathematische Kopplung zwischen Zähler und Nenner, statistische Artefakte, Scheinkorrelationen. Ihr Fazit ist eindeutig: Es gibt keinerlei Beleg für den Einsatz der ACWR in einem Belastungssteuerungssystem oder für Trainingsempfehlungen zur Senkung des Verletzungsrisikos.

Dieselben Autoren beantragten beim British Journal of Sports Medicine sogar die Rücknahme der Grundlagenabbildung dieses „Sweet Spots". Sie steckt weiterhin in Dutzenden Apps.

Das HRV-gesteuerte Training ereilt ein verwandtes Schicksal, differenzierter, aber ebenso lehrreich. Eine Metaanalyse in Applied Sciences verglich HRV-gesteuertes Training mit einem klassischen, vorab festgelegten Plan. Ergebnis: kein signifikanter Vorteil bei der maximalen aeroben Kapazität oder der Ausdauerleistung. Der einzige belastbare Effekt (SMD = 0,50) betrifft die vagalen Indizes selbst. Im Klartext: Nach HRV zu trainieren verbessert vor allem … die HRV.

Warum es diese Scores trotzdem gibt

Dahinter steckt keine Verschwörung. Ein zusammengesetzter Score ist ein hervorragendes Produkt: Er passt in einen farbigen Ring, man kann sich mit Freunden vergleichen, er gibt jeden Morgen einen Grund, die App zu öffnen. Ein Konfidenzintervall leistet nichts davon.

Das Problem ist nicht, dass ein Hersteller vereinfacht. Das Problem ist, dass die Vereinfachung als Schlussfolgerung präsentiert wird, obwohl sie nur eine Hypothese ist — und dass sie ohne den Kontext ankommt, der ihr Sinn geben würde: dein Ziel, deine Woche, deine Verletzungsgeschichte, was du für Samstag geplant hast, die Tatsache, dass du auf dem Sofa deiner Schwiegermutter geschlafen hast.

Das eigentliche Problem hat sich derweil nicht bewegt. Die Referenz-Metaanalyse zu Laufverletzungen nennt 17,8 Verletzungen pro 1.000 Laufstunden bei Einsteigern, gegenüber 7,7 bei regelmäßig Laufenden. Zehn Jahre und Milliarden Datenpunkte später ist diese Zahl nicht geschrumpft.

Was es stattdessen bräuchte

Nicht mehr Messungen. Eine Ebene, die denkt.

• Zurück zum Signal. Eine gute Trainingsentscheidung stützt sich auf Herzfrequenz, Dauer, Tempo, tatsächliche Belastung und dein Empfinden — nicht auf einen Score, der all das vermengt und dann zu einem Prozentwert plattdrückt.
• Eine Regel schlägt eine Zahl. „Du hattest drei kurze Nächte hintereinander und morgen steht eine Schwelleneinheit an" ist umsetzbar. „Erholung: 42 %" nicht.
• Unsicherheit laut aussprechen. Ein ehrliches System sagt, wenn es etwas nicht weiß. Die obigen Studien sagen nicht „diese Daten sind nutzlos", sie sagen „hier ist die Fehlerspanne". Diese Spanne zu verschweigen — das ist die Lüge.
• Kontext vor Kennzahl. Dein Wettkampf in elf Wochen, dein linkes Knie, deine drei Einheiten pro Woche: Nichts davon steckt in einem Sensor, und genau das bestimmt die richtige Entscheidung.

Genau darauf setzen wir mit Greg: nicht noch einen Score aufs Dashboard legen, sondern die Ebene bauen, die deine Rohdaten liest, dein Ziel und deine Vorgeschichte kennt und dir sagt, was das für deine morgige Einheit bedeutet — und die auch sagt, wenn sie es nicht weiß.

Quellen

Alle zitierten Studien sind öffentlich zugänglich. Wenn du nur eine öffnest, nimm die zweite: Die Tabelle mit den 11 Geräten spricht für sich.

• Bellenger CR, Miller DJ, Halson SL, Roach GD, Sargent C. Wrist-Based Photoplethysmography Assessment of Heart Rate and Heart Rate Variability: Validation of WHOOP. Sensors. 2021;21(10):3571. doi.org/10.3390/s21103571
• Lee T, Cho Y, Cha KS, et al. Accuracy of 11 Wearable, Nearable, and Airable Consumer Sleep Trackers: Prospective Multicenter Validation Study. JMIR mHealth and uHealth. 2023;11:e50983. doi.org/10.2196/50983
• Assessing the Accuracy of Smartwatch-Based Estimation of Maximum Oxygen Uptake Using the Apple Watch Series 7: Validation Study. JMIR Biomedical Engineering. 2024;1:e59459. biomedeng.jmir.org
• Investigating the accuracy of Apple Watch VO2 max measurements: A validation study. PLOS ONE. 2025. doi.org/10.1371/journal.pone.0323741
• Impellizzeri FM, Tenan MS, Kempton T, Novak A, Coutts AJ. Acute:Chronic Workload Ratio: Conceptual Issues and Fundamental Pitfalls. International Journal of Sports Physiology and Performance. 2020;15(6):907-913. doi.org/10.1123/ijspp.2019-0864
• Effectiveness of Training Prescription Guided by Heart Rate Variability Versus Predefined Training for Physiological and Aerobic Performance Improvements: A Systematic Review and Meta-Analysis. Applied Sciences. 2020;10(23):8532. doi.org/10.3390/app10238532
• Videbaek S, Bueno AM, Nielsen RO, Rasmussen S. Incidence of Running-Related Injuries Per 1000 h of running in Different Types of Runners: A Systematic Review and Meta-Analysis. Sports Medicine. 2015;45(7):1017-1026. doi.org/10.1007/s40279-015-0333-8
• Strava. 12th Annual Year in Sport Trend Report, 2025. press.strava.com

🗣️ Gregs Meinung

„Ich sage dir nicht, du sollst aufhören, auf deine Zahlen zu schauen — das wäre albern, sie sind gut. Ich sage dir, frag sie nicht nach dem, was sie nicht wissen. Deine Uhr weiß, dass dein Herz mit 52 geschlagen hat. Sie weiß nicht, dass dein Wettkampf in elf Wochen ist, dass dein linkes Knie am Dienstag gemurrt hat und dass du dreimal pro Woche trainierst, nicht sechsmal. Das ist mein Job. Und wenn ich es nicht weiß, sage ich es dir.“

KI-Sportcoaching verstehen →