Individueller Trainingsplan von der KI, aber richtig!

Warum ein Trainingsplan aus dem Chatfenster nicht ausreicht

Freitagnachmittag: Mein KI-Coach hat 90 Minuten „easy Run“ geplant. Ich höre, wie meist bei lockeren Einheiten, einen Podcast. Heute: „BESTZEIT“ Folge 338 – „Ein Trainingsplan für den Laufherbst – KI vs. Profi“. Ralf Scholt hat sich von ChatGPT einen Plan bauen lassen: 10 Kilometer in München, drei Laufeinheiten in der Woche, dazu Rad und Kraft. Philipp Pflieger und er gehen den Plan durch und finden ihn im Großen und Ganzen „ganz okay“.

„Ganz okay“. Genau darin liegt das Problem.

Ich arbeite seit einem knappen Jahr mit einem selbst gebauten KI-Coach. Nicht als Spielerei im Chatfenster, sondern angebunden an meine echten Daten: Trainingshistorie seit 2011, die aktuellsten Daten (Einheiten, Schlaf, Puls, HRV, Gewicht u. v. m.) aus Intervals.icu. Was dabei rauskommt, hat mit „ganz okay“ nicht mehr viel zu tun. Hier also meine bescheidenen drei Worte dazu, wie man einen KI-Coach mit einem Large Language Model (LLM) deutlich besser aufsetzt.

Was mir an der Herangehensweise im Podcast fehlt

Zwei Sachen sind mir an der Herangehensweise im Podcast der beiden aufgestoßen:

Es wird durchgehend von „ChatGPT“ gesprochen. Kein Wort dazu, mit welchem Modell überhaupt gearbeitet wurde. Das ist ungefähr so präzise wie „ich bin mit einem Auto gefahren“. Zwischen den Modellen liegen oft Welten: Fiat Multipla oder Ferrari Luce. Zugegeben, beide sind sehr hässlich. In Anwendungsfall und Leistungsdaten unterscheiden sie sich aber massiv. Bei KI-Modellen ist es nicht anders: Rechenlogik, die Fähigkeit, größere Datenmengen zusammenzuhalten, und die Frage, ob sich überhaupt externe Daten anbinden lassen.

Die Datengrundlage. Ralf Scholt hinterlegt ein paar grobe Laufdaten: wie seine letzten Trainingswochen aussahen, ein Referenzlauf mit Kilometern und Zeit, das Zielrennen, Alter, Gewicht. Das war’s. Auf so einer Basis kann ein Modell nur eines: einen bestenfalls generischen Plan ausspucken. Der Plan wird von den beiden als „ganz okay“ eingeschätzt, mehr aber auch nicht. Seien wir ehrlich: Einen 10-km-Plan über fünf Wochen zu bauen, ist jetzt auch nicht wirklich schwierig. Beim Trailrunning sieht das deutlich komplexer aus. Höhenmeter, Untergrund, Renndauer, Verpflegung: Dabei gibt es sehr viel mehr Variablen als bei 10 km auf der Straße durch die Münchner Innenstadt.

Ein Plan, der wirklich individuell auf den Läufer oder die Läuferin, auf Strecke und Höhenmeter zugeschnitten ist, benötigt mehr Aufwand und Daten. Man tippt eben nicht einfach einen kurzen Prompt in das Chatfenster eines generischen Sprachmodells. Je mehr persönliche Daten das Large Language Model im Zugriff hat, desto präziser wird der Trainingsplan.

Was dabei rauskommt, wenn die Daten stimmen

Bestes Beispiel: Mein kürzlicher Lauf auf dem Berliner Höhenweg. Ich habe mir vorab ein Pacing erstellen lassen. Auf Basis meiner Laufhistorie, Traingsdaten, des Höhenprofils, der DAV-Wanderbroschüre und der Wetterprognose.

Das Ergebnis (ein fünfseitiges PDF) war ziemlich genau. Das Pacing war eher etwas konservativ angesetzt: Bergauf waren wir etwas flotter unterwegs, bergab dafür langsamer. Im Großen und Ganzen ging die Rechnung aber erstaunlich auf. Was der KI-Coach lieferte, war nicht nur ein einfacher Pacing-Plan, sondern auch eine Höhenprofil Analyse, Verpflegungsstrategie und Zeitfenster für die Pausen auf den Hütten.

Mein KI-Coach Setup:

Ich arbeite mit Claude, dem Sprachmodell von Anthropic. Der Coach läuft dort als ein geschlossenes Projekt. Für meine Frau Mareika habe ich auch ein Projekt angelegt.

Meine Garmin Epix zeichnet auf, die Daten laufen nach Intervals.icu, und Claude zieht sie sich von dort. Bei Mareika dasselbe, nur mit Coros statt Garmin. Funktioniert genauso.

Das Projekt: Anweisungen und Athletenprofil

Der Coach ist kein einzelner Chat, sondern ein sogenanntes Projekt. Der Unterschied ist entscheidend. Ein normaler Chat vergisst alles, sobald du ein neues Fenster öffnest. Ein Projekt hat einen eigenen Wissensspeicher, der bei jeder Unterhaltung mitläuft.

Das Projekt „Ki-Coach“ besteht aus zwei Bestandteilen:

Projektanweisungen Hier kommen alle wichtigen Infos rein: Was soll der Coach machen, wie arbeiten, wie antworten etc.

Projektwissen – hochgeladene Dateien. Bei mir liegt dort eine Markdown-Datei mit allem, was sich nicht ständig ändert. Markdown deshalb, weil das Format sauber strukturiert ist und das Modell die Hierarchie aus Überschriften und Listen direkt versteht. Besser als ein PDF oder ein zusammenkopierter Textblock.

So sieht die Struktur des Projektwissens aus:

# Athletenprofil

## Stammdaten
- Alter, Größe, Gewicht
- Trainingsalter
- Beruf, Alltagsbelastung, Familie

## Physiologie & Referenzwerte
- HFmax, Ruhepuls, Schwellenwerte
- FTP (Rad), Threshold Pace (Laufen)
- Zonenmodell

## Wettkampfhistorie
- Datum | Wettkampf | Distanz | Hm | Zeit | Bemerkung
- inklusive DNFs und schlechter Rennen

## Verletzungen & Baustellen
- chronische Themen, Belastungsgrenzen

## Saisonziele
- A-, B-, C-Rennen mit Datum und Priorität

## Rahmenbedingungen
- verfügbare Trainingstage und -zeiten
- Terrain vor der Haustür
- Equipment und Sensorik

## Vorlieben & Abneigungen
- was funktioniert, was nicht

Die Regel dahinter ist simpel: Alles, was die KI nicht aus Intervals.icu ziehen kann, muss hier rein. Die Datei liefert Kontext zu den Daten aus Intervals.

In dieselbe Datei habe ich meine Trainingshistorie rückwirkend eingepflegt: also alle Sportdaten die ich von mir habe.

Beispiel für die Projektanweisungen:

Du bist mein Trainingscoach für Trailrunning, Ultras und Gravelbike.

Datenzugriff:
- Trainingsdaten ziehst du über Intervals.icu- API.
- Mein Athletenprofil liegt im Projektwissen.
- Nichts erfinden. Wenn Daten fehlen, sag es und frag nach.

Arbeitsweise:
- Rechne mit echten Werten, nicht mit Faustformeln.
- Begründe jede Einheit: Was ist der Reiz, warum jetzt?
- Berücksichtige die Belastung der Vorwochen (CTL/ATL/TSB),
  Schlaf und HRV, bevor du eine harte Einheit ansetzt.
- Wenn die Daten gegen einen Plan sprechen: sag es deutlich.

Format:
- Konkret, keine Motivationsfloskeln.
- Einheiten mit Dauer, Zonen, Zielwerten.
- Alternative bei schlechtem Wetter mitliefern.

Die Schnittstelle: API-Skript

Technisch läuft die Verbindung über ein selbst geschriebenes Python-Skript, das direkt mit der Intervals.icu-API spricht: Aktivitäten, Wellness-Daten, Leistungskurven, geplante Workouts. Ich habe Claude das Skript einmal schreiben lassen, es liegt seither im Projekt. Wenn ich eine Analyse brauche, führt Claude es im Chat aus und wertet das Ergebnis direkt aus.

Drei Schichten

Zusammengenommen greift der Coach damit auf drei Ebenen zurück:

Schicht 1 – die Historie. Alle Trainingsjahre seit 2011 als Aggregate. Liegt im Athletenprofil.

Schicht 2 – der Live-Strom. Was gerade gebraucht wird, zieht sich Claude über das Skript direkt aus Intervals.icu: Einzelaktivitäten, HRV, Ruhepuls, Form. Für die Wochenroutine reichen 14 Tage. Für größere Rückblicke und Vorjahresvergleiche gehen bis zu 90 Tage oder ein fest definierter Kalenderbereich.

Schicht 3 – das Gedächtnis. Alles, was Claude sich aus früheren Coaching-Sessions gemerkt hat: festgelegte Trainingszonen, Einschätzungen zum Formstand, Absprachen aus dem letzten Gespräch. Praktisch, weil ich nicht jedes Mal bei null anfange.

Beispiel-Prompt für den Einstieg:

Schau dir meine letzten 12 Wochen in Intervals.icu an.
Analysiere: Belastungsverteilung nach Zonen, Entwicklung von
CTL und Form, Auffälligkeiten bei HRV und Ruhepuls.
Gleiche das mit meinem Zielrennen aus dem Profil ab.
Sag mir: Wo stehe ich, was fehlt, was ist die größte Baustelle?
Erst Analyse, dann reden wir über den Plan.

Vom Chat auf die Uhr – und wie das im Alltag läuft

Claude schreibt die Workouts direkt nach Intervals.icu zurück. Von dort gehen sie auf meine Garmin, bei meiner Frau auf die Uhr von Coros. Die Synchronisation läuft in der Regel reibungslos.

Genau hier wird die Trainingsplanung für mich deutlich einfacher: nichts mehr händisch eintragen. Und ich kann den Plan jederzeit anpassen oder Einheiten kurzfristig verschieben.

Im Alltag setze ich mich in der Regel am Wochenende hin und plane die kommende Woche. Dazu kommen kurze Änderungen oder Auswertungen direkt vor oder nach wichtigen Einheiten.

Der Aufwand für einen KI Trainingsplan

Garmin mit Intervals.icu verbinden, API-Key und Athleten-ID
besorgen: zehn Minuten. Das Skript ist die eigentliche Arbeit.
Die Intervals.icu-API hat ein paar Eigenheiten, die man nicht
erwartet, und jede davon sieht erst mal wie ein falscher
API-Key aus. Mit Claude als Sparringspartner war das an einem
Abend erledigt. Seitdem läuft es stabil.

Rechne ich mal ehrlich gegen: der Trainingsplan für die Deutsche Meisterschaft im Ultratrail 2025. Ich habe etliche Stunden damit verbracht, den Kram in die Plattform einzutippen. Einheit für Einheit, Woche für Woche. Egal ob Coros, Garmin oder Intervals, das Eingeben ist überall gleich stumpf. Heute rede ich mit dem KI-Coach über mein Smartphone. Der pflegt es ein, so detailliert wie ich es haben will. Oder beantwortet mir Fragen zu meinem Training. Interaktion komplett über Sprache. Das fühlt sich schon sehr nach Zukunft an.

Und was kostet das?

Ich nutze das kleinste bezahl Abo von Anthropic, also Claude Pro: je nach Abrechnung etwa 15 bis 18 Euro. Projekte gibt es grundsätzlich auch im kostenlosen Plan, allerdings maximal fünf. Der Haken: Das erweiterte Projektwissen, mit dem Claude größere Datenmengen verarbeitet, ist nur den Bezahlplänen vorbehalten.

Intervals.icu selbst kostet nichts. Es gibt ein freiwilliges Unterstützer-Abo für 4 Dollar im Monat. Bei dem, was die Plattform alles kann, ist das gut angelegt.

Die Grenzen eines KI-Coaches

Ein KI-Coach ersetzt nicht die eigene Einschätzung und ein gutes Körpergefühl. Ich schreibe seit Jahren meine Trainingspläne selbst und habe dazu eine Menge Literatur gelesen. Genau deshalb kann ich beurteilen, ob ein Plan Sinn ergibt oder Quatsch ist. Das Training bzw. den Trainingsplan kritisch zu überprüfen bleibt dein Job. Immer.

Dazu kommt: Die KI sieht keine Muskelverhärtung. Keinen Zwölf-Stunden-Tag auf Arbeit. Aber eine kurze Rückmeldung reicht, und der Coach geht damit richtig gut um. Da habe ich durchweg gute Erfahrungen gemacht. Wahrscheinlich ist die Hürde leichter, dem KI-Coach kurze eine Rückmeldung zum eigenen Befinden zu geben, als einem realen Coach. Voraussetzung dafür ist allerdings, dass man den eigenen Körper kennt und dies auch benennen kann. Körpergefühl in Worte fassen: Wer das nicht macht, trainiert falsch – unabhängig davon, wer den Trainingsplan erstellt.

Und was ist mit den eigenen Daten?

Muss jeder selbst wissen. Es sind die eigenen Körperdaten, die an das genutzte LLM hochgeladen werden. Ich bin über die Jahre mit dem Umgang damit sehr pragmatisch geworden. Meine Daten sind ohnehin weit verteilt: Von Garmin gehen sie zu Strava, zu Runalyze, zu Intervals sowieso. Und wenn ich meine Uhr irgendwann wieder wechsle, zieht die gesamte Historie zu Coros, Suunto etc. um.

Ob die Daten jetzt zusätzlich auch noch bei Anthropic liegen, macht den Kohl für mich nicht fett.

Wer das anders sieht: Für mich absolut nachvollziehbar. Dann läuft man aber konsequenterweise mit analoger Uhr und schreibt alles ins kleine Trainingstagebuch.

Fazit zu einem KI-Coach und einem KI-Trainingsplan

Ein KI-Coach und der KI-Trainingsplan ist kein Selbstläufer. Er ist nur so gut wie die Daten, die er bekommt, und so gut wie der Mensch, der die Ergebnisse einordnet. Wer selbst etwas Ahnung von Trainingslehre hat, bekommt meiner Ansicht nach, ein richtig mächtiges Werkzeug an die Hand. Die Analysen sind präzise, die Pläne durchdacht, und nach der Einrichtung liegt der Aufwand bei nahezu null. Wer sich allerdings blind darauf verlässt und schlechte oder zu wenige Daten liefert, bekommt einen generischen Plan. Und der ist damit dann wieder nur „ganz okay“.

Ich würde jedenfalls nicht mehr zurückwollen.

Gebt mir doch bitte mal ein Feedback zu der ganzen Thematik. Nutzt ihr KI für euren Sport, Trainingsplanung etc.?