2PEAK2PEAK ist eine digitale Trainingsplattform für Ausdauersportler wie Radfahrer, Läufer und Triathleten. Sie zeichnet sich durch dynamische, datenbasierte Trainingspläne aus, die sich laufend an die tatsächliche Belastung, Erholung und verfügbare Trainingszeit anpassen. Statt starrer Wochenpläne bietet 2PEAK eine kontinuierlich optimierte und personalisierte Trainingssteuerung, inklusive Analyse von Fitness, Ermüdung und Form. Die Plattform integriert Daten aus Geräten wie Garmin oder Strava und richtet Trainingsphasen gezielt auf Wettkämpfe oder Leistungsziele aus.
Kernelemente sind dynamische Planung, Individualisierung, Multisport-Fähigkeit, automatische Erholungsberechnung und umfangreiche Datenanalyse. [Quelle:
2PEAK]
Aerodynamik-AnalyseDie Aerodynamik-Analyse nutzt KI, um den Luftwiderstand (z. B. CdA-Wert) eines Athleten anhand von Video-, Foto- oder Sensordaten zu bestimmen. Im Radsport ist Aerodynamik entscheidend für Geschwindigkeit und Energieeffizienz. KI hilft, Sitzposition, Materialwahl und Körperhaltung zu optimieren, indem sie kleinste Veränderungen erkennt und deren Einfluss auf die Performance berechnet – auch ohne Windkanal.
Agentic CommerceAgentic Commerce bezeichnet ein Konzept, bei dem autonome KI-Agenten Kaufentscheidungen, Preisvergleiche, Produktauswahl und Bestellprozesse selbstständig ausführen. Nutzer definieren lediglich Ziele oder Präferenzen – etwa Budget, Funktionen oder gewünschte Qualität – und die KI übernimmt den gesamten Entscheidungs- und Einkaufsprozess. Im Sportumfeld könnte ein solcher Agent z. B. automatisch optimal passende Laufschuhe, Fahrradteile oder Ernährungsprodukte auswählen und bestellen, basierend auf individuellen Leistungsdaten und Trainingszielen. Agentic Commerce verändert damit grundlegend, wie Konsum, Empfehlungen und digitale Einkaufsprozesse funktionieren.
Agentic Commerce Protocol (ACP)Das Agentic Commerce Protocol ist ein technischer Standard, der es KI-Agenten ermöglicht, sicher, transparent und standardisiert mit Online-Shops, Marken oder Plattformen zu interagieren. Es stellt sicher, dass KI-Agenten Produkte vergleichen, Bewertungen prüfen, Bestellungen auslösen und Zahlungen verarbeiten können, ohne dass Nutzer manuell eingreifen müssen. Gleichzeitig legt das Protokoll Regeln für Datenschutz, Sicherheit, Transparenz und faire Interaktion fest. Ziel ist ein verlässliches Ökosystem, in dem autonome KI-Agenten verantwortungsvoll handelnde „digitale Einkäufer“ sind, die im Namen der Nutzer agieren.
AlgorithmusEin Algorithmus ist eine präzise definierte Abfolge von Regeln, Berechnungsschritten oder Entscheidungslogiken, mit denen eine Aufgabe automatisiert ausgeführt oder ein Problem gelöst wird. In der KI legt ein Algorithmus fest, wie Daten verarbeitet werden – etwa wie Bilder analysiert, Muster erkannt oder Entscheidungen bewertet werden. Moderne KI-Modelle bestehen aus vielen miteinander verknüpften Algorithmen, die zusammenarbeiten. Im Sport helfen algorithmische Systeme beispielsweise bei der Leistungsanalyse oder der Risikoerkennung von Verletzungen.
AnomalieerkennungDie Anomalieerkennung nutzt KI, um ungewöhnliche oder abweichende Muster in Trainings- und Gesundheitsdaten aufzuspüren. Beispiele sind plötzliche Leistungseinbrüche, untypische Herzfrequenzreaktionen, asymmetrische Bewegungen oder erhöhte muskuläre Belastung einseitiger Körperbereiche. Im Ausdauersport hilft dies, Überlastungen, Verletzungsrisiken oder beginnende Erkrankungen frühzeitig zu erkennen und präventiv gegenzusteuern.
Artificial Intelligence (AI)Technologien und Algorithmen, die menschliche Denk- und Lernprozesse nachahmen, um grosse Datenmengen zu analysieren, Muster zu erkennen und daraus Entscheidungen, Empfehlungen oder Prognosen abzuleiten. Im Sport wird AI eingesetzt, um Trainingsdaten effizient auszuwerten, Leistungsentwicklung zu prognostizieren und individuelle Trainings- oder Regenerationsstrategien zu unterstützen.
BarrierefreiheitBarrierefreiheit beschreibt Massnahmen, Technologien und Gestaltungskonzepte, die sicherstellen, dass digitale Produkte, Informationen und Dienste für alle Menschen nutzbar sind – unabhängig von körperlichen, sensorischen oder kognitiven Einschränkungen. Im Kontext von KI bedeutet dies z. B. automatische Texterkennung, Vorlesefunktionen, angepasste Benutzeroberflächen oder individuell skalierbare Inhalte. Ziel ist es, eine gleichberechtigte digitale Teilhabe zu ermöglichen.
BiasBias ist eine systematische Verzerrung in Daten oder Algorithmen, die zu unfairen, ungenauen oder diskriminierenden Ergebnissen führen kann. Im Sport betrifft dies etwa Trainingsdaten, die nur bestimmte Athletengruppen repräsentieren, oder KI-Modelle, die fehlerhafte Muster lernen. Der Umgang mit Bias ist ein zentraler Bestandteil verantwortungsvoller KI.
Big DataBig Data bezeichnet extrem grosse, komplexe und vielfältige Datenmengen, die sich mit klassischen Methoden nicht mehr sinnvoll verarbeiten lassen. Im Sport entstehen solche Daten durch Wearables, Sensoren, GPS, Videoanalysen und Trainingsplattformen. KI-Technologien machen Big Data nutzbar, indem sie Muster erkennen, Trends sichtbar machen und datenbasierte Entscheidungen ermöglichen.
BioStrapBioStrap ist ein medizinisch orientiertes Wearable-System, das detaillierte physiologische Daten wie Herzfrequenzvariabilität, Atemmuster, Blutoxygenierung, Bewegung und Schlafqualität erfasst. KI wird eingesetzt, um diese hochauflösenden Rohdaten zu bereinigen, präzise zu interpretieren und individuelle Gesundheitsmuster zu erkennen. Die KI identifiziert Abweichungen vom persönlichen Normalzustand, erstellt personalisierte Erholungs- und Belastungsbewertungen und warnt bei auffälligen Signalen wie unregelmässiger Atemfrequenz oder starken HRV-Veränderungen. Durch diese intelligente Datenverarbeitung liefert BioStrap tiefgehende, klinisch orientierte Einblicke in Erholung, Belastung, Schlaf und allgemeine Gesundheit. [Quelle:
BioStrap]
BlazePoseBlazePose ist ein KI-basiertes Modell zur Körper- und Bewegungserkennung, das von Google entwickelt wurde und ist der Nachfolger von Googles PoseNet. Es analysiert Bilder oder Videostreams in Echtzeit und erkennt bis zu 33 anatomische Schlüsselpunkte des menschlichen Körpers, darunter Gelenke, Haltung und Bewegungswinkel. Durch diese präzise Pose-Estimation lassen sich Bewegungsabläufe detailliert analysieren, korrigieren und nachvollziehen. BlazePose wird häufig in Fitness-Apps, Reha-Anwendungen, Sportanalysen, AR/VR-Systemen und interaktiven Trainingslösungen eingesetzt. Dank seiner Effizienz läuft es auch auf mobilen Geräten oder Wearables und ermöglicht dadurch schnelle, lokale KI-Auswertung ohne Cloud-Abhängigkeit. [Quelle:
Google Research]
ChatbotEin Chatbot ist ein automatisiertes Dialogsystem, das mithilfe von KI oder regelbasierten Verfahren auf Nutzeranfragen reagiert. Im Sport kann ein Chatbot Trainingspläne erklären, Fragen beantworten oder Athleten durch Analyseprozesse führen. Moderne Chatbots verstehen natürliche Sprache und können kontextbezogen antworten.
ChatGPTChatGPT ist ein KI-basiertes Sprachmodell, das Texte versteht, verarbeitet und selbstständig generiert. Es kann Inhalte erklären, analysieren, optimieren oder erstellen und wird im Sport zunehmend für Trainingsanalyse, Wissensvermittlung, Kommunikation oder Dateninterpretation genutzt. ChatGPT arbeitet kontextsensitiv und kann komplexe Abläufe verständlich erklären.
ClusterEin Cluster bezeichnet eine Gruppe von Datenpunkten, die sich aufgrund ähnlicher Merkmale automatisch durch KI zusammenfassen lassen. Im Sport wird Clustering genutzt, um Trainingstypen, Bewegungsmuster oder Leistungsprofile zu identifizieren. So können Athleten mit ähnlichen Eigenschaften verglichen oder individuelle Empfehlungen abgeleitet werden.
Computer VisionComputer Vision bezeichnet den Bereich der Künstlichen Intelligenz, der Bild- und Videodaten automatisch erkennt, analysiert und interpretiert. Im Lauf- und Radsport werden damit Bewegungsabläufe, Körperhaltung, Schrittfrequenz, Tritttechnik, Stabilität und Symmetrie in Echtzeit ausgewertet. Dies ermöglicht eine objektive Bewertung der technischen Ausführung, das frühzeitige Erkennen ineffizienter Bewegungsmuster sowie eine präzise Fehlerkorrektur – ohne dass ein Labor oder hochspezialisierte Kamerasysteme nötig sind.
DataData (Daten) sind alle digital erfassten Informationen – z. B. Geschwindigkeiten, Herzfrequenzen, Leistungswerte, GPS-Spuren, Videos oder Textinformationen. In der KI bilden Daten die Grundlage dafür, dass Modelle lernen, Muster erkennen und Entscheidungen treffen können. Qualität und Relevanz der Daten bestimmen die Zuverlässigkeit der Ergebnisse.
Data MiningData Mining umfasst Verfahren, um grosse Datenbestände systematisch zu durchsuchen und versteckte Muster, Zusammenhänge oder Trends zu entdecken. Im Ausdauersport hilft Data Mining dabei, Trainingsreaktionen zu verstehen, Leistungsentwicklungen sichtbar zu machen oder Verletzungsrisiken zu identifizieren – oft als Vorstufe zu KI-Modellen.
Data ScientistEin Data Scientist ist ein Experte für Datenanalyse, Statistik, Modellierung und KI-Methoden. Er sammelt Daten, bereitet sie auf, untersucht Zusammenhänge und entwickelt Modelle, die aus Daten lernen können. Data Scientists kombinieren mathematische Kompetenz mit Programmier- und Domänenwissen. Sie analysieren komplexe Datensätze, identifizieren versteckte Muster und erstellen Prognosen. In der Sportwelt können sie z. B. helfen, Trainingsdaten zu interpretieren, Wettkampfstrategien zu simulieren oder Muskelermüdung vorherzusagen.
Datenschutz und DatensicherheitDatenschutz beschreibt den verantwortungsvollen Umgang mit personenbezogenen Daten, während Datensicherheit Massnahmen umfasst, die Daten vor Missbrauch, Verlust oder unautorisiertem Zugriff schützen. Im Sport hat dies hohe Bedeutung, da Gesundheits- und Leistungsdaten besonders sensibel sind. KI-Systeme müssen klare Regeln zur Speicherung, Verarbeitung und Transparenz einhalten.
Deep FakeEin Deep Fake ist ein täuschend echt wirkendes, KI-generiertes oder -manipuliertes Audio-, Bild- oder Videomaterial. Mit Deep-Learning-Methoden können Gesichter ausgetauscht, Stimmen imitiert oder Bewegungsabläufe manipuliert werden, sodass ein realistischer Eindruck entsteht. Deep Fakes haben kreative Potenziale (z. B. für Medienproduktion), bergen aber auch erhebliche Risiken wie Identitätsbetrug, Desinformation oder Manipulation. Sie machen daher ethische Richtlinien und Schutzmechanismen notwendig.
Deep LearningDeep Learning ist ein Teilbereich des Machine Learning und basiert auf tiefen neuronalen Netzwerken mit vielen Schichten („deep“). Diese Modelle können besonders komplexe Muster erkennen – etwa in Bildern, Sprache, Bewegungen oder Sensordaten. Deep Learning hat entscheidende Durchbrüche ermöglicht, wie ChatGPT, autonome Fahrzeuge, Gesichts- oder Objekterkennung. Im Sport wird es z. B. für Videoanalyse (Lauftechnik, Trittfrequenz, Körperhaltung) oder personalisierte Trainingsempfehlungen genutzt.
DelusionDelusion bezeichnet KI-Ausgaben, die faktisch falsch, erfunden oder unlogisch sind, obwohl sie plausibel wirken. Diese „Halluzinationen“ entstehen, wenn ein KI-System Muster falsch interpretiert oder fehlende Informationen kreativ ergänzt. Im sportlichen Umfeld können Delusions zu falschen Empfehlungen führen und müssen daher durch Qualitätssicherung und Datenprüfung abgefedert werden.
DiskriminierungDiskriminierung beschreibt Ungleichbehandlung oder Benachteiligung bestimmter Gruppen durch Daten oder Algorithmen. Dies kann entstehen, wenn Trainingsempfehlungen nur für bestimmte Körperformen, Altersgruppen oder Leistungsniveaus optimiert sind. KI-Ethik und technische Gegenmassnahmen sollen sicherstellen, dass KI-Systeme fair und für alle Athleten nutzbar bleiben.
Edge AIEdge AI bezeichnet die Ausführung von künstlicher Intelligenz direkt auf Endgeräten wie Wearables, Smartphones, Sensoren oder eingebetteten Systemen. Also „am Rand“ des Netzwerks, statt in der Cloud. Die Daten werden lokal verarbeitet, wodurch Reaktionszeiten deutlich kürzer werden, weniger Bandbreite benötigt wird und sensible Informationen das Gerät nicht verlassen müssen. Durch diese dezentrale Intelligenz können Anwendungen wie Gesundheitsmonitoring, autonome Systeme, Sprach- und Bildverarbeitung oder smarte Sensorik in Echtzeit arbeiten und gleichzeitig datenschutzfreundlicher sein. Edge AI ermöglicht somit KI-Funktionen überall dort, wo schnelle, zuverlässige und energieeffiziente Entscheidungen gefragt sind.
EntscheidungsfindungEntscheidungsfindung beschreibt den Prozess, in dem KI-Systeme Daten analysieren, Wahrscheinlichkeiten berechnen und daraus Empfehlungen oder Entscheidungen ableiten. Im Sport unterstützt KI die Entscheidungsfindung etwa bei Trainingsplänen, Belastungssteuerung oder Materialwahl. Die endgültige Kontrolle bleibt jedoch beim Menschen.
ErholungsmanagementErholungsmanagement umfasst KI-gestützte Analysen von Schlafqualität, Herzfrequenzvariabilität, Trainingslast, Stress und anderen physiologischen Parametern. Die KI bewertet kontinuierlich den Regenerationsstatus eines Athleten und gibt Empfehlungen zu Trainingsintensität, Pausen oder ergänzenden Massnahmen. Dadurch wird Übertraining vermieden und ein langfristig gesundes Leistungsniveau unterstützt.
EU AI ActDer EU AI Act ist ein europäisches Gesetz zur Regulierung von Künstlicher Intelligenz. Es legt verbindliche Standards für Transparenz, Sicherheit, Datenschutz und Risikomanagement fest. KI-Systeme werden je nach Risiko klassifiziert – von geringem Risiko bis hin zu Hochrisikoanwendungen. Für den Sport bedeutet der EU AI Act, dass KI-Systeme nachvollziehbar, sicher und fair sein müssen, insbesondere wenn sie Gesundheits- oder Leistungsdaten verarbeiten.
Explainable AI (XAI)Explainable AI (XAI) bezeichnet Methoden und Technologien, die dafür sorgen, dass Entscheidungen und Ergebnisse von KI-Systemen verständlich und nachvollziehbar erklärt werden können. Während viele moderne KI-Modelle wie neuronale Netzwerke hochkomplex und für Menschen schwer durchschaubar sind, ermöglicht XAI Einblicke darin, warum eine KI eine bestimmte Empfehlung ausspricht, ein Risiko meldet oder eine Vorhersage trifft.
XAI zeigt beispielsweise auf, welche Daten besonders relevant waren, wie stark einzelne Faktoren gewichtet wurden oder welche Muster die KI erkannt hat. Dadurch wird die Nutzung von KI transparenter, vertrauenswürdiger und kontrollierbarer.
Im sportlichen Umfeld hilft XAI dabei, Trainingsentscheidungen besser nachvollziehen zu können – etwa, warum eine KI ein bestimmtes Belastungsniveau empfiehlt, eine potenzielle Verletzungsgefahr erkennt oder eine Wettkampfstrategie vorschlägt. Dies stärkt das Vertrauen von Athleten, Trainern und medizinischem Personal in KI-gestützte Systeme und unterstützt verantwortungsvolle Entscheidungsprozesse.
FinetuningFinetuning bezeichnet den Prozess, bei dem ein bestehendes KI-Modell mithilfe zusätzlicher, oft spezialisierter Daten weitertrainiert wird. Dadurch lässt sich die KI an spezifische Aufgaben, Fachgebiete oder Nutzeranforderungen anpassen. Im Sport kann Finetuning genutzt werden, um Modelle mit individuellen Trainingsdaten zu füttern und dadurch personalisierte Leistungsanalysen oder Empfehlungen zu ermöglichen.
FitLogicFitLogic ist die KI-gestützte Analyse- und Trainings-Engine hinter der Laufplattform RunDot. Sie wertet Leistungsdaten, Trainingsstress, Umweltfaktoren und demografische Informationen aus, erkennt Muster in historischen Läuferdaten und erstellt daraus individuell angepasste Trainingspläne. Durch diese intelligente Auswertung kann FitLogic Belastung, Erholung und Intensitäten dynamisch optimieren und personalisierte Empfehlungen zur Trainingssteuerung liefern.
FreeleticsFreeletics ist eine digitale Trainingsplattform für funktionelles Bodyweight-Training, die personalisierte Workouts ohne Geräte anbietet. Die KI von Freeletics analysiert Trainingsdaten, Ziele und Leistungsentwicklung der Nutzer und erstellt daraus adaptive Trainingspläne, die sich kontinuierlich an Fortschritt, Belastbarkeit und Rückmeldungen anpassen. Durch diese lernende Personalisierung bietet Freeletics individuelle Workouts, Empfehlungen zur Trainingsintensität und eine dynamische Trainingssteuerung, die den Nutzer effizienter zu seinen Fitnesszielen führen soll. [Quelle:
Freeletics]
Functional Threshold Power (FTP)Die Functional Threshold Power (FTP) beschreibt die durchschnittliche Leistung in Watt, die ein Athlet über eine Stunde maximal aufrechterhalten kann und gilt als zentrale Steuergrösse im Radsport. KI-Modelle können FTP aus regelmässigen Trainingsfahrten, Intervallen und Herzfrequenzmomenten präzise schätzen, ohne dass ein klassischer 20-Minuten-Test nötig ist. Dadurch wird die Trainingszonen-Einteilung genauer und weniger belastend.
GAN (Generative Adversarial Network)Ein GAN ist ein KI-Modell, das aus zwei miteinander konkurrierenden Netzwerken besteht: einem Generator, der neue Daten erzeugt, und einem Diskriminator, der deren Qualität bewertet. Durch diesen Wettstreit entstehen realistische Bilder, Videos oder Datensimulationen. Im Sport könnten GANs dazu dienen, Bewegungen zu analysieren, Trainingssituationen zu simulieren oder synthetische Daten für Modelltraining zu erzeugen.
GeneralisierungGeneralisierung beschreibt die Fähigkeit einer KI, Gelerntes auf neue, bisher unbekannte Daten anzuwenden. Ein gut generalisierendes Modell liefert zuverlässige Ergebnisse auch dann, wenn sich die Trainingsbedingungen verändern. Im Sport bedeutet dies zum Beispiel, dass eine KI unterschiedliche Lauftypen, Strecken oder Umweltbedingungen korrekt interpretiert.
Generative KIGenerative KI umfasst Modelle, die neue Inhalte erzeugen können – etwa Texte, Bilder, Videos, Prognosen oder Simulationen. Sie analysiert Muster in vorhandenen Daten und erzeugt daraus neue, kreative oder funktionale Ergebnisse. Im Sport kann generative KI Trainingssimulationen, Rennszenarien, personalisierte Inhalte oder synthetische Bewegungsdaten erstellen.
GesichtserkennungGesichtserkennung ist eine KI-Technologie, die Gesichter identifiziert oder vergleicht. Sie wird in Sicherheitssystemen, Zugangskontrollen oder Fotoanalysen eingesetzt. Im Sport kann Gesichtserkennung z. B. Videoanalysen erleichtern oder Athleten automatisch in Trainingsaufnahmen erkennen. Sie erfordert jedoch hohe Datenschutzstandards.
Ghost WorkGhost Work beschreibt die unsichtbare menschliche Arbeit, die hinter KI-Systemen steckt – etwa das Annotieren von Daten, das Korrigieren von Fehlern oder das manuelle Überprüfen von Ergebnissen. Obwohl KI als automatisiert wahrgenommen wird, basiert sie häufig auf dieser menschlichen Unterstützung im Hintergrund.
GrokkingGrokking bezeichnet ein Phänomen, bei dem eine KI ein Konzept zunächst nur oberflächlich beherrscht, es aber nach weiterem Training plötzlich vollständig und tiefgehend „versteht“. Dieses abrupt auftretende Lernverhalten zeigt, dass KI manchmal lange braucht, um wahre Zusammenhänge zu erfassen, bevor die Leistung schlagartig steigt.
GroundingGrounding bedeutet, dass eine KI ihr Wissen in realen Daten, Fakten oder physikalischen Gesetzmässigkeiten verankert. Eine gut „gegroundete“ KI generiert Informationen, die auf überprüfbarer Realität beruhen. Im Sport ist Grounding essenziell, damit KI-Empfehlungen nicht spekulativ, sondern physiologisch und technisch fundiert sind.
GROWLGROWL ist ein Fitness-Startup, das einen KI-gestützten, interaktiven Box-Trainer für den Heimgebrauch entwickelt. Das System kombiniert Sensorik, Kameras und Echtzeit-Analyse, um Schlagkraft, Technik und Bewegungsabläufe präzise zu erfassen. Die KI bewertet die Ausführung, gibt unmittelbares Feedback und passt Intensität und Trainingsablauf individuell an. Dadurch entsteht ein immersives, spielerisches Trainingserlebnis, das personalisiertes Coaching und Workout-Motivation direkt nach Hause bringt. [Quelle:
GROWL]
HalluzinierenHalluzinieren bezeichnet das Erzeugen falscher, erfundener oder irreführender Informationen durch eine KI. Diese sogenannten „Halluzinationen“ können plausibel klingen, sind aber inhaltlich nicht korrekt. In sportlichen Anwendungen kann dies zu fehlerhaften Trainingshinweisen oder falschen Diagnosen führen, weshalb Qualitätskontrollen unverzichtbar sind.
HyperparameterHyperparameter sind Steuergrössen eines KI-Modells, die vor dem Training festgelegt werden und massgeblich beeinflussen, wie gut ein Modell lernt. Beispiele sind Lernrate, Netzwerkgrösse oder Anzahl der Trainingsdurchläufe. Eine gute Einstellung der Hyperparameter ist entscheidend für zuverlässige, stabile Modellleistung.
Internet of Things (IoT)Das Internet of Things umfasst vernetzte Geräte, die Daten sammeln, austauschen und oft mit KI-Systemen kommunizieren. Im Sport gehören dazu Wearables, Fahrradsensoren, smarte Laufbänder oder Indoor-Trainer. IoT ermöglicht umfassende Live-Datenanalysen, die KI-Modelle für Leistungsdiagnostik und Trainingsoptimierung nutzen.
KI-basierte TrainingssteuerungKI-basierte Trainingssteuerung bezeichnet adaptive Systeme, die Trainingsbelastungen, Erholung, Schlafdaten, Wettkampfplanung und aktuelle Leistungswerte analysieren und daraus automatisiert individuelle Trainingspläne erstellen. Die Pläne passen sich dynamisch an den Zustand des Athleten an – etwa bei erhöhter Ermüdung, Krankheit, Leistungsanstieg oder wechselnden Umgebungsbedingungen. Dadurch können Sportler langfristig effektiver, gesünder und zielgerichteter trainieren.
KI-EthikKI-Ethik umfasst die Grundsätze und Regeln, die sicherstellen sollen, dass Künstliche Intelligenz verantwortungsvoll, transparent und fair eingesetzt wird. Im Sport bedeutet dies unter anderem, dass Daten von Athleten nur mit Zustimmung genutzt werden, Algorithmen keine unfairen Vorteile schaffen und Entscheidungen nachvollziehbar bleiben. Dazu gehört auch der Schutz sensibler Gesundheits- und Leistungsdaten sowie der verantwortungsvolle Umgang mit automatisierten Empfehlungen, damit Athleten nicht durch fehlerhafte Analysen gesundheitlich gefährdet oder benachteiligt werden. KI-Ethik hilft sicherzustellen, dass technologische Innovationen den Sport unterstützen, ohne die Integrität, Chancengleichheit oder Privatsphäre der Athleten zu gefährden.
KlassifikationKlassifikation bezeichnet ein KI-Verfahren, das Daten in vorgegebene Kategorien einordnet. Im Sport wird Klassifikation genutzt, um Bewegungsmuster zu erkennen, Trainingszonen zu bestimmen oder Leistungswerte zu kategorisieren. Ein Beispiel ist die automatische Unterscheidung verschiedener Lauftechniken oder Belastungsstufen.
Konversationelle KIKonversationelle KI umfasst KI-Systeme, die natürliche Sprache verstehen und selbstständig kommunizieren können. Dazu gehören Chatbots, Sprachassistenten und Dialogmodelle. Im Sport unterstützt konversationelle KI Athleten bei Trainingsfragen, Analyseerklärungen oder der Interpretation komplexer Leistungsdaten.
Künstliche Intelligenz (KI)Künstliche Intelligenz ist ein Oberbegriff für technologische Systeme, die Aufgaben ausführen können, für die normalerweise menschliches Denken erforderlich wäre. Etwa das Erkennen von Mustern, das Verstehen von Sprache, das Treffen von Entscheidungen oder das Lösen komplexer Probleme. KI-Systeme lernen aus Daten, verbessern sich durch Erfahrung und können automatisiert Analysen durchführen, Prognosen erstellen oder Empfehlungen geben.
Im sportlichen Kontext ermöglicht KI eine präzise Auswertung von Leistungsdaten, unterstützt Trainer und Athleten mit individualisierten Trainingsplänen, warnt frühzeitig vor Überlastungen und liefert detaillierte Analysen zu Technik, Belastungssteuerung und Wettkampfstrategie. KI dient dabei als intelligentes Werkzeug, das Entscheidungen unterstützt, aber nicht ersetzt, und hilft, Training, Gesundheit und Leistung auf ein neues Niveau zu heben.
Laktatschwellen-BerechnungDie Laktatschwellen-Berechnung ermittelt mithilfe von KI den Punkt, an dem der Körper mehr Laktat produziert, als er abbauen kann – ein zentraler Wert für Trainingszonen. Durch Analyse realer Trainingsdaten, Tempowechsel, Herzfrequenzreaktionen und Leistungsdaten kann die KI diese Schwelle kontinuierlich aktualisieren. Das ermöglicht eine exakte, alltagsnahe Steuerung des Ausdauertrainings.
Large Language Models (LLM)Large Language Models sind KI-Modelle, die mithilfe riesiger Datenmengen gelernt haben, Sprache zu verstehen, zu interpretieren und zu erzeugen. Sie können komplexe Zusammenhänge erklären, Fragen beantworten, Texte erstellen oder Daten analysieren. Im Sport können LLMs Trainingsdaten interpretieren, Inhalte personalisieren und Athleten oder Trainer bei der Entscheidungsfindung unterstützen.
LeistungsdiagnostikUnter Leistungsdiagnostik versteht man die systematische Analyse physiologischer und biomechanischer Leistungsparameter wie VO₂max, Laktatwerte, Schwellenleistungen oder Laufökonomie. Moderne KI-Systeme ermöglichen es, diese Werte präzise aus Trainingsdaten im Alltag abzuleiten – ohne Laboruntersuchung. Dadurch können Athleten ihre Leistungsfähigkeit kontinuierlich überwachen, Trainingszonen dynamisch anpassen und Trainingsfortschritte objektiv messen.
LeitplankeLeitplanken sind Regeln, Begrenzungen oder Vorgaben, die sicherstellen sollen, dass KI-Systeme kontrolliert, sicher und verantwortungsvoll eingesetzt werden. Sie definieren, was eine KI darf, welche Daten sie nutzen soll und wie Ergebnisse überprüft werden. Leitplanken helfen, Fehlverhalten, Risiken oder Missbrauch zu vermeiden.
Lumin FitnessLumin Fitness ist ein interaktives Trainingssystem, das mithilfe von KI und computergestützter Bewegungserkennung personalisierte Workouts in Echtzeit erstellt. Sensorwände und Kameras erfassen Bewegungen, Geschwindigkeit, Präzision und Belastung, während die KI diese Daten sofort analysiert und das Training dynamisch anpasst. So werden Intensität, Übungen und Trainingsdauer kontinuierlich auf das individuelle Leistungsniveau abgestimmt. Die KI erkennt Fortschritte, technische Fehler oder Erschöpfung und gibt direkte Rückmeldungen zur Ausführung. Dadurch verbindet Lumin Fitness Elemente aus Gaming, funktionellem Training und adaptiver KI-Technologie zu einem immersiven, datenbasierten Trainingskonzept. [Quelle:
Lumin Fitness]
Machine LearningMachine Learning (Maschinelles Lernen) ist ein Teilbereich der KI, bei dem Systeme aus Daten lernen, Muster erkennen und daraus Vorhersagen oder Entscheidungen ableiten. Ohne explizit programmiert zu werden. Im Sport analysiert Machine Learning Trainingsdaten, leitet Trends ab und unterstützt automatisierte Leistungsprognosen.
Machine Learning (ML)Machine Learning ist ein zentrales Teilgebiet der KI, bei dem Systeme durch große Datenmengen lernen, ohne für jede mögliche Situation explizit programmiert zu sein. Die Modelle erkennen Muster, treffen Vorhersagen oder Entscheidungen und verbessern sich durch Erfahrung. ML wird in nahezu allen modernen KI-Anwendungen eingesetzt, z. B. in Sportuhren, Smart-Bikes, Chatbots, medizinischer Diagnostik oder Streaming-Empfehlungen. Es bildet die Grundlage für viele Formen der Automatisierung und datenbasierten Analyse.
Model Context Protocol (MCP)MCP ist ein offener Standard, der beschreibt wie KI-Modelle, etwa grosse Sprachmodelle, strukturiert mit externen Datenquellen, Tools oder Software-Systemen kommunizieren können. Das Protokoll legt fest, wie Informationen ausgetauscht werden, wie KI-Modelle Funktionen sicher aufrufen dürfen und wie Kontext (z. B. Dateien, Datenbanken oder APIs) kontrolliert bereitgestellt wird. Ziel von MCP ist es, eine einheitliche, sichere und erweiterbare Schnittstelle zu schaffen, sodass KI-Assistenten nicht nur Texte generieren, sondern auch verlässlich mit Anwendungen interagieren, Aufgaben automatisieren oder Daten aus externen Quellen nutzen können. Durch diese Standardisierung wird verhindert, dass Systeme proprietäre Lösungen entwickeln müssen und gleichzeitig das Risiko von Fehlinterpretationen oder Sicherheitslücken bei Tool-Aufrufen reduziert.
ModellEin Modell ist das mathematische oder algorithmische Konstrukt, das eine KI verwendet, um Daten zu analysieren, Muster zu erkennen oder Entscheidungen zu treffen. Modelle entstehen durch Training und enthalten das erlernte Wissen der KI.
Natural Language Processing (NLP)NLP umfasst alle Methoden, mit denen KI menschliche Sprache analysiert, versteht, generiert oder interpretiert. Dazu zählen Aufgaben wie Textverständnis, Frage-Antwort-Systeme, Stimmungsanalyse, Übersetzungen oder Chat-Interaktionen. Moderne Large Language Models (LLMs) wie ChatGPT beruhen auf hochentwickeltem NLP und ermöglichen eine natürliche Kommunikation zwischen Mensch und Maschine. NLP wird zunehmend auch im Sport eingesetzt, z. B. für Chatbots, Coaching-Assistenten oder Audiofeedback im Training.
Neuronales NetzwerkNeuronale Netzwerke sind KI-Modelle, die sich am menschlichen Gehirn orientieren. Sie bestehen aus vielen miteinander verbundenen „Neuronen“, die Informationen verarbeiten. Sie eignen sich besonders für komplexe Aufgaben wie Bildanalyse, Sprachverarbeitung oder Bewegungsinterpretation.
Open-Source-ModelleOpen-Source-Modelle sind KI-Modelle, deren Quellcode öffentlich zugänglich ist. Nutzer können sie frei einsehen, anpassen oder weiterentwickeln. Die Transparenz erleichtert Forschung, Innovation und unabhängige Sicherheitsprüfungen.
Pacing-OptimierungUnter Pacing-Optimierung versteht man KI-Systeme, die aus physiologischen Daten, Streckenprofilen, Wetterbedingungen und Wettkampfzielen die idealen Tempostrategien ableiten. Die KI berechnet unter anderem, wie Energie über die Distanz verteilt werden sollte, wann Attacken sinnvoll sind oder wie sich Steigungen und Gegenwind auf die Leistung auswirken. Dadurch lassen sich sowohl im Training als auch im Wettkampf effizientere und individuell angepasste Pacing-Strategien erzielen.
PlugInEin Plug-in ist eine Erweiterung, die zusätzliche Funktionen in ein KI-System oder eine Software integriert. Bei KI kann ein Plug-in z. B. externe Datenquellen, Analysetools oder Dienste einbinden, um die Möglichkeiten eines Modells zu erweitern.
Poltergeist-AttackeEine Poltergeist-Attacke bezeichnet eine Form der Manipulation, bei der eine KI durch unauffällige oder versteckte Eingaben dazu gebracht wird, ungewollte oder unkontrollierte Ausgaben zu erzeugen. Sie zählt zu den Sicherheitsrisiken im KI-Kontext.
Prädiktive AnalytikPrädiktive Analytik (Predictive Analytics) umfasst Verfahren, die anhand historischer und aktueller Daten Vorhersagen über zukünftige Ereignisse treffen. Im Sport wird prädiktive Analytik genutzt, um Leistungsentwicklungen, Erholungsphasen oder Wettkampfergebnisse prognostizierbar zu machen.
Predictive AlgorithmEin Predictive Algorithm ist ein voraussagender Algorithmus, der Daten analysiert, Muster erkennt und auf dieser Basis Vorhersagen über zukünftige Ereignisse, Zustände oder Verhaltensweisen trifft. Er nutzt statistische Methoden, Machine Learning oder KI-Modelle, um Zusammenhänge in historischen und aktuellen Daten zu identifizieren. Solche Algorithmen kommen in vielen Bereichen zum Einsatz. Etwa in Gesundheits- und Fitnesssystemen, die Erholung, Belastungsentwicklung oder potenzielle Anomalien prognostizieren, oder in Wirtschaft, Medizin und Technik, um Trends und Risiken frühzeitig zu erkennen. Predictive Algorithms ermöglichen so datenbasierte Entscheidungen und proaktive Empfehlungen.
Predictive AnalyticsPredictive Analytics umfasst datenbasierte und KI-gestützte Methoden, die zukünftige Entwicklungen auf Grundlage historischer und aktueller Trainingsdaten prognostizieren. Im Ausdauersport wird diese Technologie eingesetzt, um Leistungssteigerungen, Ermüdungsverläufe, Regenerationszeiten oder Wettkampfergebnisse vorherzusagen. Athleten und Trainer können dadurch Trainingsphasen präziser planen, Überlastungsrisiken minimieren und die optimale Formkurve exakt auf Wettkämpfe hin ausrichten.
PrivatsphärePrivatsphäre bezieht sich auf den Schutz persönlicher Informationen und die Kontrolle darüber, wer auf welche Daten zugreifen darf. Bei KI-Systemen ist der Schutz sensibler Informationen, etwa Gesundheits- oder Leistungsdaten, besonders wichtig.
PromptEin Prompt ist die Eingabe, mit der Nutzer ein KI-System anleiten. Er beschreibt, was die KI tun soll. Gute Prompts führen zu besseren, präziseren Ergebnissen. Beispiele sind Fragen, Anweisungen oder Datenbeschreibungen.
Prompt InjectionPrompt Injection bezeichnet eine Angriffsmethode auf KI-Systeme, bei der manipulativ formulierte Eingaben genutzt werden, um die internen Regeln, Sicherheitsvorgaben oder beabsichtigten Funktionen des Systems zu umgehen. Durch solche eingeschleusten Anweisungen kann ein Modell dazu gebracht werden, unerwünschte oder unzulässige Aktionen auszuführen, etwa vertrauliche Informationen preiszugeben, fehlerhafte Entscheidungen zu treffen oder sicherheitsrelevante Schutzmechanismen zu ignorieren. Prompt-Injection tritt häufig auf, wenn KI-Modelle externe Texte verarbeiten, in denen versteckte oder irreführende Befehle eingebettet sind. Moderne Systeme nutzen daher verschiedene Schutzmassnahmen, um Manipulationen zu erkennen und abzuwehren.
Reinforcement Learning (Bestärkendes Lernen)Reinforcement Learning ist ein dynamisches Lernverfahren, bei dem ein KI-Agent durch Versuch und Irrtum (Trial-and-Error) lernt. Er erhält Belohnungen oder Strafen für seine Entscheidungen und optimiert langfristig seine Strategie, um den Gesamtnutzen zu maximieren. Diese Methode wird u. a. in Robotik, autonomen Systemen, Spielen, Verkehrssteuerung oder Entscheidungsplanung eingesetzt. Im Sport könnte ein Agent z. B. optimale Pacing-Strategien oder Trittfrequenzmuster lernen.
Reinforcement Learning From Human Feedback (RLHF)RLHF ist ein Trainingsverfahren, bei dem KI durch menschliches Feedback lernt, bessere Antworten zu geben. Menschen bewerten Ergebnisse der KI, worauf das Modell seine Entscheidungen anpasst. RLHF verbessert die Qualität, Sicherheit und Hilfsbereitschaft von KI-Systemen.
Roboter, RobotikRobotik umfasst die Entwicklung und Nutzung physischer Maschinen, die Aufgaben autonom oder halbautonom ausführen. KI macht Roboter lernfähig und anpassungsfähig – etwa in der Bewegung, im Handling oder in der Umgebungserkennung.
RunDotRunDot ist eine KI-gestützte Lauftrainingsplattform, die auf Basis individueller Leistungsdaten, Trainingsstress, Umweltfaktoren und demografischer Informationen personalisierte Trainingspläne für Distanzen von 5 km bis Marathon erstellt. Die FitLogic™-Engine analysiert diese Daten, bewertet Belastung und Erholung und passt Trainingsintensitäten dynamisch an, um Leistungsziele effizienter und mit geringerem Verletzungsrisiko zu erreichen. Mithilfe von KI erkennt RunDot Muster aus umfangreichen historischen Läuferdaten und optimiert so Trainingssteuerung und Plananpassung in Echtzeit. Die Plattform ist mit gängigen Lauf- und Fitnessgeräten kompatibel.
RunnaRunna ist eine digitale Lauf-Trainingsplattform, die personalisierte Trainingspläne für verschiedene Distanzen erstellt und diese dynamisch an das individuelle Leistungsniveau, Ziele und den zeitlichen Rahmen des Nutzers anpasst. Die Plattform nutzt KI-gestützte Analysen, um Trainingsdaten, Fortschritt, Belastung und Rückmeldungen auszuwerten und darauf basierend Tempo- und Intensitätsempfehlungen zu optimieren. Durch diese kontinuierliche Dateninterpretation können Trainingspläne effizienter gestaltet, Verletzungsrisiken reduziert und Fortschritte präziser gesteuert werden. Runna lässt sich mit gängigen Laufuhren und Apps synchronisieren und kombiniert Laufprogramme mit ergänzendem Kraft-, Mobilitäts- und Regenerationstraining.
Schwache KISchwache KI bezeichnet Systeme, die auf eine spezifische Aufgabe spezialisiert sind – z. B. Bilderkennung, Sprachanalyse oder Trainingsempfehlungen. Sie verfügt nicht über echtes Bewusstsein oder allgemeines Verständnis.
Security- und Safety-by-DesignDiese Prinzipien bedeuten, dass Sicherheit (Security) und Schutz vor Fehlverhalten (Safety) von Anfang an in die Entwicklung von KI-Systemen integriert werden. Ziel ist, Risiken präventiv zu minimieren statt sie später zu beheben.
SelbstregulationSelbstregulation beschreibt die Fähigkeit von KI- oder technischen Systemen, ihre Prozesse selbstständig zu überwachen, anzupassen oder zu korrigieren. Dies dient der Sicherheit und der Vermeidung von Fehlentscheidungen.
Shopping ResearchShopping Research bezeichnet den KI-gestützten Rechercheprozess, bei dem Nutzer mithilfe von Systemen wie ChatGPT Produkte oder Dienstleistungen analysieren, vergleichen und besser verstehen, um fundierte Kaufentscheidungen zu treffen. ChatGPT kann dabei grosse Mengen an Informationen auswerten, strukturieren und personalisiert aufbereiten. Etwa durch Produktvergleiche, Feature-Analysen, Erklärungen technischer Unterschiede oder Empfehlungen auf Basis individueller Bedürfnisse.
ChatGPT unterstützt den gesamten Rechercheprozess, indem es:
- relevante Produktkriterien herausarbeitet
- Daten und Erfahrungsberichte zusammenfasst
- Alternativen gegenüberstellt
- Vor- und Nachteile präzise formuliert
- und komplexe technische Details verständlich erklärt
Im Sportumfeld – besonders im Lauf- und Radsport – kann ChatGPT z. B. Laufschuhe nach Laufstil, Gewicht oder Einsatzgebiet vergleichen, Wattmesser analysieren oder Bike-Komponenten gegenüberstellen. Dadurch wird Shopping Research schneller, strukturierter und besser an persönliche Anforderungen angepasst.
ChatGPT dient somit als intelligenter Rechercheassistent, der Orientierung bietet und Entscheidungsprozesse erheblich erleichtert.
Sidebar SpoofingSidebar Spoofing bezeichnet eine Manipulationstechnik, bei der ein Angreifer eine seitliche Bedienleiste. Etwa eine Chat-, Navigations- oder Informations-Sidebar in Anwendungen oder Webseiten so nachahmt, dass sie für Nutzer wie ein echtes, vertrauenswürdiges Element aussieht. Ziel ist es, Nutzer dazu zu bringen, mit der gefälschten Sidebar zu interagieren und dabei ungewollt Informationen preiszugeben, schädliche Aktionen auszuführen oder manipulierte Inhalte für authentisch zu halten. Da AI-Browser und KI-Assistenten häufig Sidebar-Elemente für Kontextfunktionen, Zusammenfassungen oder Chat-Interaktionen nutzen, kann Sidebar Spoofing dazu führen, dass Nutzer scheinbar legitime KI-Ausgaben für bare Münze nehmen, obwohl diese in Wirklichkeit aus einer gefälschten Quelle stammen. Moderne Systeme versuchen, solche Täuschungen durch klare visuelle Trennung, Sicherheitsprüfungen und Content-Authentifizierung zu verhindern.
SimulationstrainingSimulationstraining nutzt KI, um reale Wettkampfsituationen, Streckenprofile, Wetterbedingungen oder Gegnerverhalten virtuell nachzustellen. Athleten können dadurch komplette Rennen simulieren, Strategien testen, Engstellen oder Anstiege kennenlernen und mentale wie physische Vorbereitung verbessern. Dies ermöglicht eine präzise Wettkampfplanung und reduziert Unsicherheiten am Renntag.
SISU NutritionSISU Nutrition setzt KI ein, um Ernährungs- und Leistungsdaten sportlicher Nutzer auszuwerten und darauf basierende, personalisierte Supplement-Empfehlungen zu erstellen. Die KI analysiert Informationen wie Trainingsbelastung, Erholungsstatus, Energiebedarf, Schlafqualität und individuelle Ziele und leitet daraus optimale Strategien für Energieversorgung, Regeneration und Hydration ab. Durch Mustererkennung identifiziert das System wiederkehrende Defizite oder leistungshemmende Faktoren und schlägt gezielte Nährstofflösungen vor. Auf diese Weise unterstützt KI bei SISU Nutrition eine datenbasierte, individuell abgestimmte Sporternährung, die Trainingsergebnisse und Erholung effizienter machen soll. [Quelle:
SISU Nutrition]
Speech-to-Text (STT)Speech-to-Text-Technologien wandeln gesprochene Sprache automatisch in geschriebenen Text um. Dies geschieht mithilfe von Akustikmodellen und Sprachmodellen, die Wörter erkennen und transkribieren. STT wird in Diktierfunktionen, Assistenzsystemen, Protokollierungen oder barrierefreien Anwendungen eingesetzt. In sportlichen Kontexten ermöglicht STT z. B. sprachgesteuerte Trainingsanweisungen oder automatisierte Analyse von Coaching-Gesprächen.
SprachassistenzsystemeSprachassistenzsysteme sind KI-basierte Tools, die Sprache verstehen, interpretieren und darauf reagieren – z. B. Siri, Alexa oder KI-gestützte Trainingsassistenten. Sie erleichtern die Interaktion über Sprache statt über Text oder Tastatur.
Starke KIStarke KI bezeichnet hypothetische Systeme, die ein breites, menschenähnliches Verständnis besitzen. Sie könnten flexibel und eigenständig unterschiedlichste Probleme lösen. Eine solche KI existiert bisher nicht.
Stochastischer Papagei„Stochastischer Papagei“ ist ein kritischer Begriff für Sprachmodelle, die Muster aus Trainingsdaten wiederholen, ohne echtes Verständnis. Das Modell imitiert Sprache statistisch, statt echte Bedeutung zu erfassen.
SuperalignmentSuperalignment bezeichnet Forschungsansätze, die sicherstellen sollen, dass sehr leistungsfähige KI-Systeme (starke oder zukünftige KI) zuverlässig menschliche Werte und Ziele befolgen. Es ist ein langfristiges Sicherheitskonzept.
Supervised Learning (Überwachtes Lernen)Beim überwachten Lernen wird ein KI-Modell mit bereits beschrifteten Daten („Labels“) trainiert. Das bedeutet: Der KI liegen Beispiele vor, bei denen die richtige Antwort bekannt ist. Das Modell lernt, Eingaben den passenden Ausgaben zuzuordnen – z. B. Bilder → Kategorien oder Sensordaten → Belastungswerte. Diese Methode wird häufig für Klassifikationen, Vorhersagen oder medizinische und sportliche Diagnostik eingesetzt. Die Qualität hängt stark von der Menge und Güte der Trainingsdaten ab.
Synthetische StimmeEine synthetische Stimme ist ein vollständig künstlich erzeugtes Sprachmodell, das mithilfe von KI generiert wurde. Sie kann neutral oder individuell gestaltet sein – bis hin zur perfekten Nachbildung einer menschlichen Stimme (Voice Cloning). Synthetische Stimmen machen KI-Systeme natürlicher und zugänglicher, erhöhen aber gleichzeitig Anforderungen an Datenschutz, Urheberrecht und Missbrauchsprävention.
Terrain-IntelligenzTerrain-Intelligenz bezeichnet die KI-gestützte Analyse von Streckenprofilen, Höhenmetern, Kurvenverläufen, Untergrund und äusseren Faktoren wie Wind oder Temperatur. Die KI kombiniert diese Informationen mit individuellen Leistungsdaten und empfiehlt optimale Pacing-Strategien, Gangwahl oder Kraftverteilung. Besonders für Wettkampfvorbereitung und anspruchsvolle Strecken (z. B. Berge, Trails) ist Terrain-Intelligenz ein strategischer Vorteil.
Text-to-Speech (TTS)Text-to-Speech-Systeme erzeugen aus geschriebenem Text künstliche, gesprochene Sprache. Moderne TTS-Modelle können Tonfall, Rhythmus, Emotionen und Betonung sehr realistisch nachbilden. Sie kommen in Navigationssystemen, Assistenzsystemen, Lern-Apps und generativen KI-Anwendungen zum Einsatz. Im Sport liefern TTS-Systeme z. B. akustisches Feedback, Coaching-Hinweise oder Rennstrategien in Echtzeit.
TokenEin Token ist eine sprachliche Einheit (z. B. Wortteil, Wort oder Zeichen), in die Texte beim KI-Training zerlegt werden. Die Anzahl der Token bestimmt, wie viel Text ein Modell verarbeiten oder erzeugen kann.
TrainAsONETrainAsONE ist eine KI-gestützte Lauf-App, die individuelle und dynamisch anpassbare Trainingspläne erstellt. Sie richtet sich an Anfänger wie auch an erfahrene Läuferinnen und Läufer und passt jede Trainingseinheit basierend auf absolvierten Läufen, aktueller Form und Alltagsschwankungen automatisch an. Ziel ist es, Fortschritte effizient zu fördern und gleichzeitig das Verletzungsrisiko gering zu halten. Die App lässt sich mit gängigen Sportuhren und Plattformen wie Garmin oder Strava verbinden und unterstützt verschiedene Laufziele von 5 km bis Marathon und darüber hinaus. Der Einstieg ist kostenlos, einige erweiterte Funktionen erfordern ein Premium-Abo. Insgesamt bietet TrainAsONE eine flexible Alternative zu starren Standardplänen, kann jedoch anfangs etwas vorsichtig planen, bis genügend persönliche Daten gesammelt sind. [Quelle:
TrainAsONE]
TrainingTraining beschreibt den Prozess, bei dem eine KI anhand grosser Datenmengen Muster lernt. Das Modell passt seine Parameter an, um Vorhersagen oder Entscheidungen immer präziser zu treffen.
TransparenzTransparenz bedeutet Nachvollziehbarkeit der Funktionsweise von KI-Systemen – etwa welche Daten genutzt wurden, wie Entscheidungen zustande kommen oder wie Risiken minimiert werden. Transparenz schafft Vertrauen.
Trolley-ProblemEin moralisches Dilemma, das häufig diskutiert wird, um ethische Entscheidungen von KI zu hinterfragen: Soll eine Handlung zugunsten einer Gruppe erfolgen, auch wenn dies einer anderen schadet? Das Trolley-Problem verdeutlicht ethische Grenzfragen in der KI.
Trustworthy AI (Vertrauenswürdige KI)Trustworthy AI bezeichnet KI-Systeme, die nach klaren Prinzipien entwickelt und eingesetzt werden, um Sicherheit, Fairness, Transparenz und Verantwortung zu gewährleisten. Dazu gehören:
- Erklärbarkeit (nachvollziehbare Entscheidungen)
- Robustheit (Stabilität gegenüber Fehlern)
- Datenschutz und sichere Datenverarbeitung
- Gleichbehandlung ohne Diskriminierung
- Vermeidung von Bias
- Transparente Prozesse und Zuständigkeiten
Ziel vertrauenswürdiger KI ist, dass Nutzer Entscheidungen nachvollziehen können, Risiken minimiert werden und KI-Systeme verlässlich im Sinne der Menschen arbeiten. Besonders im Sport – wo Gesundheitsdaten und Leistungsprognosen sensibel sind – spielt Trustworthy AI eine zentrale Rolle.
Turing-TestDer Turing-Test prüft, ob eine KI so überzeugend kommuniziert, dass ein Mensch sie nicht mehr von einem anderen Menschen unterscheiden kann. Er gilt als klassisches, aber nicht mehr zeitgemässes Mass für KI-Intelligenz.
Überanpassung (Overfitting)Überanpassung beschreibt den Zustand, wenn ein KI-Modell die Trainingsdaten zu genau gelernt hat und dadurch bei neuen Daten schlechte Ergebnisse liefert. Das Modell erkennt Muster, die nur zufällig im Training vorkamen.
Überwachtes Lernen (Supervised Learning)Beim überwachten Lernen trainiert eine KI mit Daten, die bereits korrekt beschriftet sind. Die KI lernt anhand dieser Beispiele, neue Daten richtig zuzuordnen. Es ist die häufigste Lernform in der Praxis.
Unsupervised Learning (Unüberwachtes Lernen)Im unüberwachten Lernen analysiert die KI Daten, ohne dass vorab Labels oder Kategorien vorhanden sind. Das Modell sucht selbst nach Strukturen, Ähnlichkeiten oder Gruppen (Clustern). Diese Methode ist besonders hilfreich, um neue Muster zu entdecken – etwa ungewöhnliche Trainingsdaten, neue Athletentypen, Muster in Bewegungsabläufen oder unbekannte Risiken. Unsupervised Learning liefert neue Einsichten, die beim supervised Lernen verborgen geblieben wären.
Unüberwachtes Lernen (Unsupervised Learning)Beim unüberwachten Lernen analysiert die KI Daten ohne vorgegebene Kategorien. Sie entdeckt selbstständig Muster, Cluster oder Strukturen – etwa verschiedene Bewegungsmuster oder Nutzergruppen.
Vertrauensvolle, verantwortungsvolle KI (Responsible and Trustworthy AI)Diese Begriffe umfassen Prinzipien wie Transparenz, Fairness, Sicherheit, Datenschutz, Fehlerkontrolle und Ethik. Ziel ist, KI-Systeme so zu entwickeln, dass sie zuverlässig, nachvollziehbar und respektvoll gegenüber Nutzern handeln.
Virtuelle TrainingspartnerVirtuelle Trainingspartner sind KI-generierte Läufer oder Radfahrer, die sich in Tempo, Leistung und Strategie dynamisch an das Leistungsniveau des Athleten anpassen. Sie simulieren reale Wettkampfsituationen, setzen gezielte Reize und motivieren zu gleichmäßigen oder intensiven Trainingsbelastungen. Dadurch entsteht ein abwechslungsreiches, wettkampfnahes Training, selbst wenn man allein trainiert.
VO₂max-SchätzungDie VO₂max-Schätzung nutzt KI, um die maximale Sauerstoffaufnahme eines Athleten anhand von Lauf- oder Raddaten zu berechnen. Statt auf Labortests angewiesen zu sein, kann die KI über Tempo-, Herzfrequenz-, Leistungs- und Erholungsdaten eine präzise und sich dynamisch aktualisierende VO₂max-Wertschätzung liefern. Dies macht die VO₂max zu einem praxisnahen Parameter für Trainingsplanung und Leistungsentwicklung.
Voice CloningVoice Cloning ist eine KI-Technik, bei der eine Stimme analysiert und künstlich nachgebildet wird. Dadurch kann die KI neue Inhalte in einer Stimme erzeugen, die der echten stark ähnelt. Dies erfordert besondere Datenschutz- und Ethikrichtlinien.
VorhersageVorhersage bezeichnet die KI-basierte Schätzung zukünftiger Werte oder Ereignisse – z. B. Leistungsentwicklung, Ermüdung oder Wettereinflüsse. Vorhersagen sind zentral für Planung, Strategie und Training.
Wahoo SYSTM™Wahoo SYSTM™ ist eine digitale Trainingsplattform, die strukturierte Indoor-Workouts, personalisierte Trainingspläne und Leistungsdiagnostik für Ausdauersportarten wie Radsport, Laufen und Triathlon bietet. Das System nutzt KI-gestützte Analysen, um Leistungsdaten wie Herzfrequenz, Leistung (Watt), Trittfrequenz und Trainingshistorie automatisch auszuwerten. Auf Basis dieser Daten erstellt die KI individuelle Trainingsbereiche, passt Trainingspläne dynamisch an den aktuellen Fitnesszustand an und empfiehlt optimale Belastungs- und Erholungsphasen. Durch die kontinuierliche Mustererkennung erkennt das System Fortschritte, Plateaus oder Überlastungsrisiken und optimiert die Trainingssteuerung in Echtzeit. So ermöglicht Wahoo SYSTM™ ein hochpersonalisiertes, physiologisch abgestimmtes Training. [Quelle:
Wahoo SYSTM]
WearableWearables sind tragbare technische Geräte wie Fitnessarmbänder, Smartwatches oder Gesundheits-Sensoren, die kontinuierlich körperbezogene Daten erfassen. Etwa Herzfrequenz, Bewegung, Schlaf oder Temperatur. In Verbindung mit KI entstehen daraus intelligente Systeme, die nicht nur messen, sondern diese Daten auch automatisch analysieren, Muster erkennen und personalisierte Rückschlüsse ziehen können. KI ermöglicht es Wearables, individuelle Erholungszustände zu bestimmen, Trainings- und Gesundheitsprognosen zu erstellen, Anomalien frühzeitig zu erkennen und Empfehlungen in Echtzeit auszugeben. So werden Wearables von reinen Messgeräten zu aktiven, lernenden Gesundheits- und Leistungsassistenten.
Wearable-Data-FusionWearable-Data-Fusion beschreibt das KI-gestützte Zusammenführen unterschiedlicher Sensor- und Gerätedaten, z. B. von GPS-Uhren, Brustgurten, Leistungsmessern, Schuhsensoren oder Radcomputern. Die KI erkennt Zusammenhänge zwischen Herzfrequenz, Leistung (Watt), Geschwindigkeit, Bodenkontaktzeit, Schrittlänge oder Trittkraftverteilung und liefert daraus ein ganzheitliches Bild des sportlichen Zustands. Dadurch entstehen deutlich präzisere Analysen, als ein einzelnes Gerät liefern könnte.
WHOOPWHOOP ist ein Display-loses Fitness- und Gesundheits-Wearable, das kontinuierlich biometrische Daten wie Herzfrequenz, Herzfrequenzvariabilität (HRV), Schlafqualität und Belastung (Strain) misst. WHOOP nutzt KI-gestützte Datenanalyse, um die kontinuierlich gemessenen biometrischen Werte wie Herzfrequenz, Herzfrequenzvariabilität, Schlaf und Körpertemperatur individuell auszuwerten. Die KI erkennt persönliche Muster, vergleicht diese mit Millionen Datensätzen und erstellt daraus personalisierte Empfehlungen für Erholung, Schlaf und Trainingsbelastung. Zudem identifiziert sie frühzeitig Auffälligkeiten wie ungewöhnliche Atemfrequenzen oder starke Abweichungen im Erholungsniveau, die auf Krankheit, Stress oder Überlastung hindeuten können. WHOOP wird häufig im Leistungs- und Profisport eingesetzt, um Erholung, Trainingsintensität und Gesundheitszustand präzise zu überwachen. Das Gerät ist nur im Abonnement erhältlich. [Quelle:
WHOOP]
Zero-shot LearningZero-shot Learning bezeichnet die Fähigkeit eines KI-Modells, Aufgaben zu lösen, für die es nicht explizit trainiert wurde. Das Modell nutzt dafür allgemeine Zusammenhänge, um neue Situationen zu interpretieren.
ZielzustandDer Zielzustand beschreibt das gewünschte Endergebnis, auf das eine KI oder ein Algorithmus hinarbeiten soll. Im Sport kann dies z. B. eine bestimmte Leistungssteigerung, ein Gesundheitsziel oder eine Strategieoptimierung sein.
ZwiftZwift ist eine virtuelle Trainings- und Wettkampfplattform für Radsport und Laufen, die reale Leistungsdaten in digitale 3D-Umgebungen überträgt. KI kommt dabei vor allem in der Analyse und Personalisierung zum Einsatz: Sie verarbeitet Leistungsdaten wie Watt, Herzfrequenz, Geschwindigkeit und Trainingshistorie, um individuelle Trainingszonen zu bestimmen, adaptive Workout-Empfehlungen zu erstellen und den Trainingsfortschritt zu bewerten. Zusätzlich nutzt Zwift KI-gestützte Algorithmen für realistische Leistungsprognosen, Gruppendynamiken im virtuellen Rennen sowie zur Erkennung ungewöhnlicher Leistungsdaten, um Fairness und Sicherheit zu gewährleisten. Dadurch entsteht ein personalisiertes und gleichzeitig glaubwürdiges virtuelles Trainingserlebnis. [Quelle:
Zwift]
