Trau denen, die ihre Arbeit offenlegen, und bleib beim Rest skeptisch — denn den Beleg, dass irgendeines dieser Werkzeuge über die Zeit wirkt, gibt es noch nicht. Eine Übersichtsarbeit von 2025 hat zwanzig Studien zu KI-Coaching-Modellen gesichtet und fand keine einzige, die langfristige Verhaltensänderung oder anhaltende körperliche Verbesserung untersucht hätte; die mittlere Studiengüte lag bei 2,5 von 5. Damit ist die Nachvollziehbarkeit das Einzige, was du selbst prüfen kannst.
Die ganze Kategorie beschreibt sich inzwischen gleich
Öffne 2026 irgendeine Rad-Trainings-App, und dieselben drei Wörter kommen dir entgegen: adaptiv, personalisiert, KI-gestützt. Vor vier Jahren war das eine Aussage. Heute ist es nahezu universell — und damit trägt es keine Information mehr.
Wenn jedes Produkt einer Kategorie dasselbe behauptet, hilft die Behauptung bei der Auswahl nicht. Die nützliche Frage lautet also nicht steckt hier KI drin, sondern: wenn mir dieses Ding etwas empfiehlt, kann ich herausfinden, warum?
Zu genau dieser Frage gibt es eine Forschungslage. Sie fällt nicht schmeichelhaft aus.
Was tatsächlich geprüft wurde — und was nicht
2025 hat eine Forschungsgruppe alle Studien zusammengetragen, die ein KI-gestütztes Trainings- oder Gesundheitscoaching-Modell bewertet haben. Sie fand zwanzig, erschienen zwischen März 2023 und Juli 2025 — und hat anschließend beurteilt, wie gut diese Studien gemacht waren.
Die Befunde lohnen langsames Lesen. Acht von zehn stützten sich darauf, dass Menschen Ausgaben bewerten — Fachleute benoten einen Plan, Nutzer füllen einen Fragebogen aus. Nur 40 % arbeiteten mit echten Nutzerdaten, nur 40 % prüften überhaupt in einem realen oder simulierten Nutzungskontext. Weniger als die Hälfte berichtete, ob ihre Bewerter untereinander übereinstimmten. Die mittlere Studie kam auf 2,5 von 5 auf der Gütescala der Übersichtsarbeit; 55 % galten als von niedriger Güte, nur 10 % erreichten den Höchstwert.
Und dann der Befund, der ändern sollte, wie du jede Werbeseite dieser Kategorie liest: keine einzige der zwanzig Studien hat langfristige Verhaltensänderung oder anhaltende körperliche Verbesserung untersucht. Niemand hat belegt, dass eines dieser Werkzeuge dich über eine Saison hinweg schneller macht. Das heißt nicht, dass sie nicht wirken. Es heißt, dass die Frage noch nicht sauber gestellt wurde.
Die Autoren hielten außerdem fest, dass Transparenz und Erklärbarkeit in der gesamten Literatur kaum Beachtung fanden. Ihr eigenes Urteil über den Zustand des Feldes ist deutlich: die Bewertungspraxis sei „fragmentiert und methodisch schwach".
Stell dieselbe Frage zweimal
Diese Prüfung kannst du selbst machen, und sie stammt direkt aus einem Preprint von 2026, das genau das im großen Maßstab getan hat.
Die Forscher nahmen sechs Szenarien und ließen ein Sprachmodell für jedes eine Trainingsempfehlung erzeugen — und wiederholten dieselbe Anfrage dann zwanzigmal je Szenario, 120 Ausgaben insgesamt, ohne zwischendurch irgendetwas zu ändern.
Der Wortlaut hielt gut. Die semantische Ähnlichkeit über die Wiederholungen lag zwischen 0,879 und 0,939, jede Antwort las sich also wie dieselbe Antwort. Bei den Zahlen sah es anders aus: die quantitativen Teile wanderten von Durchlauf zu Durchlauf, und die Intensität wanderte am meisten. Bei den Krafttrainings-Empfehlungen war in 10 bis 25 % der Ausgaben der Intensitätsangabe nicht einmal eindeutig zuzuordnen.
Zwei ehrliche Einschränkungen, weil sie zählen: Es handelt sich um ein Preprint, nicht um eine begutachtete Arbeit, und geprüft wurde Trainingsverordnung in klinischem Rahmen, nicht Radtrainingspläne. Aber der Mechanismus dahinter ist nicht fachspezifisch. Souveräne Prosa und eine stabile Zahl sind zweierlei, und ein System kann das Erste ohne das Zweite liefern.
Also: stell deinem Coach an zwei ruhigen Tagen dieselbe Frage, ohne dass sich an deinen Daten etwas geändert hat. Springt die Empfehlung, und nichts erklärt den Sprung, hast du für zwei Minuten etwas Nützliches gelernt.
Wo die Ausgabe erfahrungsgemäß am schwächsten ist
Eine andere Studie legte KI-erzeugte Trainingspläne zehn erfahrenen Coaches vor — im Schnitt 9,6 Jahre im Beruf — und ließ sie die Pläne an 27 Kriterien auf einer Fünf-Punkte-Skala bewerten.
Das Urteil war mittelmäßig, nicht vernichtend. Über drei Modelle hinweg erreichten nur fünf der Kriterien überhaupt 4,5 oder mehr. Die durchgehende Schwachstelle war präzise benennbar: Die Pläne blieben bei der Intensität vage — wie hart, wie nah an der Grenze, wie viel Last. Die Autoren lasen es so, dass die Modelle eher auf Sicherheit als auf Wirksamkeit setzen und dass ihr Ergebnis am besten als Vorlage behandelt wird, die noch angepasst gehört.
Diese Studie betrachtete Krafttraining, nicht Radsport — übernimm also nicht die Noten. Übernimm das Fehlermuster. Die Unschärfe sitzt genau dort, wo der Trainingsreiz entsteht. Ein Plan kann die richtige Einheit, den richtigen Tag und die richtige Dauer nennen und trotzdem nutzlos sein, wenn er sich beim „wie hart" nicht festlegt.
Eine Zehn-Minuten-Prüfung für jeden KI-Coach
Nichts davon verlangt, dass du einer Übersicht glaubst — auch dieser nicht. Jeder Punkt hier ist in einer kostenlosen Testphase prüfbar.
Frag, woher eine Zahl kommt. Nicht was sie bedeutet — woher sie kommt. Eine gute Antwort nennt deine Daten: diese Fahrt, jene Woche, dieser Verlauf. Eine schlechte wiederholt die Zahl mit mehr Wörtern.
Stell dieselbe Frage zweimal. Zwei Tage Abstand, Daten unverändert. Stabil ist gut. Unterschiedlich ist in Ordnung, wenn sich etwas geändert hat und es dir sagen kann, was.
Widersprich einmal. Sag „diese Einheit passt nicht zu mir" und schau, was sich bewegt. Ändert sich der Plan, hast du einen Coach. Ändert sich nur der Tonfall, hast du ein Chatfenster vor einem festen Plan.
Gib ihm einen unvollständigen Tag. Fahr ohne Brustgurt, oder brich eine Einheit ab. Ein Werkzeug, das sagt „das kann ich heute nicht berechnen", ist vertrauenswürdiger als eines, das immer eine Zahl parat hat.
Frag es, was es nicht weiß. Was nie Unsicherheit äußert, ist nicht sorgfältig — und das merkst du sonst auf die unangenehme Art.
Warum eine unerklärte Änderung teurer ist als eine falsche
Fahrer verzeihen einem Plan, der danebenliegt, weit eher als einem, der sich ohne Begründung ändert. Dieser Instinkt ist richtig.
Eine Empfehlung, deren Begründung du nachvollziehen kannst, ist eine Empfehlung, der du widersprechen kannst. Du kannst bemerken, dass sie eine schlechte Nacht zu hoch gewichtet hat, das sagen, und recht haben. Dieser Austausch ist etwas wert, selbst wenn die Software falsch lag — weil du am Ende dein eigenes Training besser verstehst.
Eine Empfehlung, die einfach erscheint, lehrt dich nichts. Schlimmer: Sie nimmt dir die Möglichkeit, eine sinnvolle Anpassung von einem Fehler zu unterscheiden. Von außen sehen beide gleich aus — die Zahl hat sich bewegt. Das ist dasselbe Argument wie beim Vertrauen in einen Readiness-Score: eine Zahl, die du nicht aufmachen kannst, ist keine Zusammenfassung, sondern ein Orakel.
Wie „gut“ von hier aus aussieht
Die ehrliche Position 2026 ist weder Ablehnung noch Begeisterung. Diese Werkzeuge sind wirklich nützlich in dem, worin Software gut ist: sonntags um sechs verfügbar sein, jedes Mal gleich rechnen, nie deiner Fragen müde werden. Sauber ausbuchstabiert ist dieser Fall in unserem Vergleich von KI-Coach und menschlichem Coach.
Noch nicht verdient ist das Recht, ungefragt befolgt zu werden. Solange niemand belegt hat, dass eines dieser Werkzeuge über eine Saison hinweg verändert, was ein Fahrer kann, sollte ein KI-Coach eine sehr gut informierte Zweitmeinung sein, die dein eigenes Urteil stützt — kein Ersatz dafür. Du weißt über deine Beine, deine Woche und dein Leben Dinge, die in keinem Datensatz stehen.
Der Maßstab für die Kategorie ist einfach: Coaching, das seine Arbeit offenlegt. Alles andere ist ein Slogan, den ohnehin schon jedes Produkt führt.
Deine Zahlen — erklärt, sobald du fragst.
Das ist der Maßstab, für den wir Peakfy gebaut haben — also halte uns ruhig daran fest. Jede Empfehlung in Peakfy kommt mit den Daten, aus denen sie stammt, und einer Begründung in einem Satz, in normaler Sprache: kein Absatz voller Absicherungen, ein Satz, den du gegen deine eigene Fahrt prüfen kannst. Und wenn du dem Coach sagst „das passt nicht zu mir", ändert sich der Plan; der Einwand ist eine Eingabe, keine Beschwerde, die die Software höflich wegnickt.
Wo ein Wert nicht wirklich berechnet wurde, steht nichts. Uns ist eine Lücke lieber als eine plausibel aussehende Zahl — denn eine Zahl, die man nicht zurückverfolgen kann, ist genau das, wovon dieser Beitrag handelt.
Fragen, die Fahrer stellen
Weiterlesen
- KI-Radcoach oder menschlicher Trainer: der ehrliche Vergleich
- Kann man dem Readiness-Score trauen? Was die Forschung sagt
- FTP steigern: was die Zahl wirklich bewegt