KI für Hypertrophie und Kraft: Bewertung von Trainingsplänen, die von Large Language Models erstellt wurden
Hintergrund:

Krafttraining ist ein zentraler Baustein für die Verbesserung von Muskelmasse, Maximalkraft und allgemeiner Fitness. Die Erstellung individueller Trainingspläne erfordert tiefgehendes Wissen in Trainingswissenschaft, Biomechanik und Physiologie sowie praktische Erfahrung, um optimale Fortschritte zu gewährleisten und Verletzungen zu vermeiden. Für Trainer*innen ist dies ein zeitintensiver Prozess, der neben Fachwissen auch die Berücksichtigung individueller Voraussetzungen und Ziele voraussetzt.



Mit dem Aufkommen leistungsfähiger Large Language Models (LLMs) wie GPT-3.5* und Google Gemini eröffnen sich neue Möglichkeiten, Trainingspläne schnell zu generieren. Diese Systeme können strukturierte Programme erstellen, basierend auf den eingegebenen Trainingszielen und individuellen Informationen, wie Trainingshistorie, verfügbarem Equipment oder körperlichen Parametern. Dennoch ist bislang unklar, wie zuverlässig diese KI-generierten Pläne in Bezug auf Trainingsqualität, Effektivität und Spezifizierung für unterschiedliche Ziele – wie Muskelhypertrophie versus Maximalkraft – tatsächlich sind.



Vor diesem Hintergrund untersucht die aktuelle Studie (Havers et al., 2025) die Qualität von LLM-generierten Trainingsplänen für fortgeschrittene Sportler*innen und analysiert, wie gut diese digitalen Assistenten wissenschaftlich fundierte Prinzipien umsetzen können. Ziel ist es, Einblicke in die Stärken und Schwächen solcher KI-Pläne zu gewinnen und abzuschätzen, inwieweit sie als Ausgangspunkt für individuelle Trainingsgestaltung dienen können.



*Zum Zeitpunkt der Erstellung der Studie war GPT-3.5 der Standard, während GPT-4 erst in den Startlöchern war. Mittlerweile ist GPT-5 bereits als Testversion kostenfrei z.B. via ChatGPT (OpenAI) abrufbar.


Was wurde gemacht?

In dieser Studie wurde untersucht, wie qualitativ Krafttrainingspläne für Muskelhypertrophie und Maximalkraft sind, wenn sie von Large Language Models erstellt werden. Es wurden drei Modelle analysiert: GPT-3.5 via ChatGPT, GPT-3.5 via Microsoft Copilot und Google Gemini.

Die Untersuchung folgte einem strukturierten Ansatz:

Festlegung von Bewertungskriterien: Basierend auf aktuellen Forschungsergebnissen wurden 27 Kriterien definiert, die für effektive Trainingspläne essenziell sind. Dazu zählen u. a. Zieldefinition, Testverfahren zur Leistungsmessung, Trainingsprinzipien (Spezifität, progressive Belastung, Variation, Erholung), Trainingsvariablen (Intensität, Volumen, Frequenz) sowie fortgeschrittene Methoden und Erholungsstrategien.
Standardisierte Eingabeinformationen: Für die LLMs wurden detaillierte Prompts erstellt, die Informationen zur fiktiven fortgeschrittenen Sportlerin enthielten, wie bisheriges Training, Trainingsziele, verfügbare Geräte, Körpermaße und Maximalkraftwerte.
Generierung der Trainingspläne: Jedes Modell erstellte sowohl einen Plan für Muskelaufbau als auch für Maximalkraft, insgesamt sechs Pläne.
Evaluation durch Experten: Zehn erfahrene Trainer mit mindestens einem Bachelorabschluss in Sportwissenschaft und mindestens zwei Jahren Coaching-Erfahrung bewerteten die Trainingspläne auf einer 1–5 Likert-Skala. Sie prüften die Pläne nach den definierten Kriterien hinsichtlich Struktur, Trainingsprinzipien und Zielerreichung.


Die Ergebnisse - Was kann die KI?

Die Bewertung der von GPT-3.5 (via ChatGPT und Microsoft Copilot) und Google Gemini generierten Trainingspläne zeigte, dass die Gesamtqualität moderat war.

Interrater-Übereinstimmung: Die Übereinstimmung zwischen den zehn bewertenden Trainern war gering (Fleiss’ Kappa nahe null), was auf unterschiedliche Einschätzungen und die Subjektivität bei der Bewertung hinweist.



Vergleich der Modelle: Google Gemini erzielte leicht bessere Bewertungen in einzelnen Kriterien (z. B. fortgeschrittene Trainingsmethoden und Erholungsstrategien) als GPT-3.5, während GPT-3.5 via Microsoft Copilot bei einem Kriterium für Maximalkraftpläne (Testverfahren) besser abschnitt.

Hypertrophie vs. Maximalkraft: Innerhalb der Modelle zeigten sich nur geringe Unterschiede zwischen Hypertrophie- und Kraftplänen. GPT-3.5 via ChatGPT wies die größten Inkonsistenzen auf.


Schwachstellen der LLM-Pläne: Alle Modelle neigten dazu, Intensitätsparameter unzureichend zu spezifizieren (z. B. Nähe zum Muskelversagen oder exakte Lastangaben) und gaben oft (zu) sichere, konservative Empfehlungen, was die Trainingswirksamkeit einschränkt.



Praktische Implikationen

LLM-generierte Trainingspläne können als Basis oder Vorlage dienen, insbesondere für Anfänger oder Fortgeschrittene, die ein strukturiertes Grundgerüst wünschen.


Expertenanpassung bleibt unerlässlich: Trainer und Sportwissenschaftler müssen Pläne auf individuelle Bedürfnisse abstimmen, Intensität und Belastung präzisieren und Sicherheitsaspekte berücksichtigen.


Nutzer sollten die Pläne nicht unverändert anwenden, da LLMs die komplexen physiologischen Anpassungsprozesse und individuellen Unterschiede nicht vollständig berücksichtigen können.



Für die Zukunft ist es wichtig, dass LLMs mit fachspezifischen Trainingsdaten trainiert werden, um die Individualisierung, Präzision und Effektivität der Pläne zu verbessern.


Quelle:

Havers, T., Jelonnek, C., Masur, L., Isenmann, E., Sperlich, B., & Geisler, S. et al. (2025). A professional assessment of training plans for muscle hypertrophy and maximal strength developed by generative artificial intelligence. Biology of Sport, 42(4), 353-380. https://doi.org/10.5114/biolsport.2026.152350