Ein Load-Velocity-Profil aus wenigen submaximalen Sätzen kann beim Kreuzheben hohe Trainingsintensitäten mit rund 4 % Fehler abschätzen. Das zeigt eine aktuelle Studie aus dem Journal of Sports Science and Medicine (Li et al., 2026). Für Intensitäten um 80–90 % des 1RM ist die Genauigkeit akzeptabel – ohne dass du jemals eine Maximalwiederholung machen musst.
Die schlechte Nachricht: Unterhalb von 70 % 1RM wird die Methode ungenau. Und ein echtes 1RM ersetzt sie nicht vollständig. Aber genau das macht die Ergebnisse glaubwürdig – weil die Autoren ehrlich sind, wo die Grenzen liegen.
Auf einen Blick
30 trainierte Athleten (15 Frauen, 15 Männer), konventionelles Kreuzheben bis 1RM: Der Load-Intercept L₀ – die theoretische Maximallast aus der Geschwindigkeitskurve – ist stabil genug (ICC 0,97, CV ~5 %), um Intensitäten ab 80 % 1RM mit ≤ 4 % Fehler zu schätzen. Unterhalb von 70 % 1RM steigt der Fehler auf über 6 %. L₀ ersetzt das 1RM nicht, bietet aber eine praktische Alternative für Kraft-orientiertes Training – besonders wenn regelmäßige Maximaltests nicht sinnvoll sind.
Was wurde untersucht?
Das Team um Zhaoqian Li (Shandong University, mit Beteiligung der Universität Granada) wollte wissen, ob sich die Trainingsintensität beim Deadlift über die Load-Velocity-Beziehung (L-V-Beziehung) steuern lässt – und zwar ohne vorher das 1RM direkt messen zu müssen. Der zentrale Wert dafür: der Load-Intercept L₀.
L₀ ist die theoretische Last, bei der die Hantelgeschwindigkeit auf null fallen würde. Du berechnest ihn aus der linearen Regression von Last und Geschwindigkeit – also aus den Datenpunkten, die du bei submaximalen Sätzen mit steigender Last sammelst. Im Gegensatz zum 1RM musst du dafür nicht bis an die absolute Grenze gehen.
LOAD-INTERCEPT L₀ – KURZ ERKLÄRT
Stell dir ein Diagramm vor: X-Achse ist die Last in kg, Y-Achse die mittlere Geschwindigkeit. Je schwerer, desto langsamer – das ergibt eine abfallende Gerade. L₀ ist der Punkt, an dem diese Gerade die X-Achse schneidet: die Last, bei der du theoretisch Geschwindigkeit null erreichst. L₀ liegt immer etwas über deinem tatsächlichen 1RM, weil du bei 1RM noch eine minimale Geschwindigkeit hast (beim Deadlift ca. 0,25 m/s).
Die Load-Velocity-Beziehung beim Deadlift: Je schwerer die Last, desto langsamer die Hantel. L₀ ist die theoretische Last bei Geschwindigkeit null – der Optimalbereich für VBT-Monitoring liegt zwischen 80–90 % 1RM.
Studiendesign: Wer, was, wie?
30 gut trainierte Athleten – 15 Männer (1RM Deadlift ~175 kg, alle über 1,5× Körpergewicht) und 15 Frauen (1RM ~106 kg) – absolvierten zwei identische Testsessions im Abstand von drei bis sieben Tagen. In jeder Session: Aufwärmen, dann Deadlifts bei ca. 40 %, 60 %, 70 %, 80 % und 90 % des geschätzten 1RM mit maximaler intendierter Geschwindigkeit, anschließend tatsächliches 1RM-Testing.
Die Geschwindigkeit wurde mit einem GymAware PowerTool gemessen – einem linearen Positionstransducer, der als Goldstandard in der VBT-Forschung gilt. Aus den Daten berechneten die Forscher für jede Person und jede Session drei Regressionsmodelle: absolut (Last vs. Geschwindigkeit), relativ zum 1RM (%1RM vs. Geschwindigkeit) und relativ zu L₀ (%L₀ vs. Geschwindigkeit).
Die Ergebnisse: Wo L₀ funktioniert – und wo nicht
L₀ zeigte akzeptable Zuverlässigkeit zwischen den Sessions: CV von ~5 % und ICC von 0,974. Das ist etwas schlechter als das direkte 1RM (CV 3,5 %, ICC 0,989), aber für die Praxis immer noch brauchbar. Das Verhältnis 1RM/L₀ war zwischen Personen relativ konstant (CV ~6 %), was bedeutet: Die Beziehung zwischen dem echten Maximum und dem errechneten L₀ schwankt nicht wild zwischen verschiedenen Athleten.
Variable
CV (within-subject)
ICC
Einordnung
1RM
3,48 %
0,989
Goldstandard, sehr stabil
L₀ (Load-Intercept)
4,98 %
0,974
Akzeptabel, etwas variabler
v₀ (Velocity-Intercept)
4,64 %
0,838
Weniger stabil, höhere Streuung
1RM/L₀ Ratio
3,01 %
0,817
Stabil zwischen Personen (CV 6,4 %)
Die entscheidende Frage ist aber nicht die Reliabilität von L₀ selbst, sondern wie gut die Methode in der Praxis Intensitäten vorhersagt. Und hier wird es differenziert.
Bei hohen Intensitäten – also ab ca. 80 % 1RM – lag der absolute Fehler der %L₀-MV-Beziehung bei ≤ 4,05 %. Das entspricht in der Praxis einer Abweichung von wenigen Kilogramm. Bei Loads um 40–70 % 1RM stieg der Fehler auf über 6,3 % – dort taugt die Methode nicht für präzise Intensitätssteuerung. Die %1RM-MV-Beziehung war bei leichteren Lasten genauer, aber bei 90 % 1RM drehte sich das Bild: Dort war die L₀-basierte Methode sogar stabiler.
Intensitätsbereich
Fehler %1RM-MV
Fehler %L₀-MV
Praxistauglichkeit
~40 % 1RM (Load 1)
10,1 %
11,8 %
Nicht geeignet
~60 % 1RM (Load 2)
6,4 %
7,8 %
Grenzwertig
~70 % 1RM (Load 3)
6,3 %
7,4 %
Grenzwertig
~80 % 1RM (Load 4)
3,4 %
4,1 %
Akzeptabel
~90 % 1RM (Load 5)
2,4 %
2,4 %
Gut – kein Unterschied
Was heißt das für dein Training?
Ein echter 1RM-Test im Deadlift ist kein Spaß. Hohe spinale Belastung, Verletzungsrisiko bei schlechter Tagesform, und für die meisten Hobbyathleten schlicht unnötig. Wenn du drei- bis viermal pro Woche trainierst und stärker werden willst, brauchst du keine Maximalversuche – du brauchst verlässliche Intensitätssteuerung in den Bereichen, die für Kraftaufbau relevant sind: 80–90 % 1RM.
Genau dort liefert die L₀-Methode. Statt dich mit 1RM-Tests abzuschießen, machst du ein paar saubere Sätze mit steigender Last, misst die Geschwindigkeit – und bekommst eine Abschätzung deiner aktuellen Leistungsfähigkeit, die an guten und schlechten Tagen variiert. Das ist Autoregulation mit Daten statt Bauchgefühl.
So sieht das in der Praxis aus
Schritt 1 – Velocity-Profil erstellen: Du brauchst irgendeine Form von Velocity-Tracking – GymAware, Vitruve, eine Kamera-App wie Metric VBT oder RepOne. Nach dem Aufwärmen machst du 3–5 Sätze Deadlift mit steigender Last (z. B. bei geschätzten 60 %, 70 %, 80 %, 90 %), jede Wiederholung sauber und mit voller Intention, keine Grind-Reps. Die App oder das Gerät berechnet daraus deine individuelle Load-Velocity-Kurve und den L₀.
Schritt 2 – Zielgeschwindigkeit statt Zielgewicht: Aus deinem Profil weißt du, welche Geschwindigkeit zu welcher Intensität gehört. Statt „heute 140 kg“ sagst du „heute 0,35–0,45 m/s“ – das entspricht ungefähr 80–90 % deines aktuellen Maximums. An guten Tagen erreichst du diese Geschwindigkeit mit mehr Gewicht, an schlechten mit weniger. Die Intensität bleibt im Zielbereich.
Schritt 3 – Velocity Loss als Sicherheitsnetz: Wenn die Geschwindigkeit innerhalb eines Satzes deutlich einbricht, stoppst du – statt ins technisch hässliche Versagen zu gehen. Gerade beim Deadlift schützt das Rücken, Bindegewebe und Nervensystem.
WIE MISST DU HANTELGESCHWINDIGKEIT?
Die Studie nutzte ein GymAware PowerTool (~2.000 €) – das brauchst du nicht. Für Hobbyathleten gibt es drei Kategorien: Smartphone-Apps mit Kamera-Tracking (Metric VBT, RepOne), günstige Sensoren am Handgelenk oder der Hantel (Vitruve, ~300 €), und DIY-Lösungen über Video-Analyse. Alle haben Kompromisse bei Genauigkeit und Komfort – aber für Trendanalysen und Autoregulation reichen sie.
WARUM NICHT EINFACH RPE?
RPE (Rate of Perceived Exertion) ist subjektiv – und beim Deadlift oft unzuverlässig, weil sich schwere Singles und Doubles anders anfühlen als sie tatsächlich ermüden. Velocity-Tracking liefert ein objektives Signal: Die Hantel lügt nicht. Das macht besonders an Tagen den Unterschied, an denen dein Gefühl von der Realität abweicht.
Kritische Einordnung
Die Studie ist sauber aufgebaut: Repeated-measures Design, GymAware als Messgerät, beide Geschlechter, transparente Statistik. Die Autoren benennen die Schwächen selbst – und das ist ein gutes Zeichen. Trotzdem gibt es Punkte, die du im Hinterkopf behalten solltest.
Die L-V-Modellierung war noch an das 1RM gekoppelt. Die Testlasten wurden als Prozentsätze des geschätzten 1RM festgelegt, und das tatsächliche 1RM wurde in jeder Session gemessen. In der Praxis hast du dieses Referenz-1RM oft nicht – du arbeitest nur mit geschätzten Lasten. Die Autoren räumen das ein und fordern Folgestudien, die L₀ komplett ohne 1RM-Messung validieren.
Außerdem: Die Probanden waren gut trainierte Athleten mit Deadlift-1RMs deutlich über dem 1,5-fachen Körpergewicht. Ob die Ergebnisse auf Anfänger oder weniger trainierte Personen übertragbar sind, bleibt offen. Bei Anfängern schwanken sowohl Technik als auch Kraft stärker von Session zu Session – das dürfte L₀ weniger stabil machen.
Und die grundsätzliche Einschränkung: Unterhalb von 80 % 1RM ist die Fehlerquote zu hoch. Wer VBT für leichtere Hypertrophie-Arbeit im Deadlift nutzen will (z. B. 60–70 % 1RM), braucht einen anderen Ansatz – zum Beispiel direkte Velocity-Zonen statt L₀-basierte Prozent-Schätzungen.
Zusammen ergibt sich ein klares Bild: VBT ist kein einheitliches Konzept, sondern ein Werkzeugkasten. Für Bankdrücken nutzt du Geschwindigkeitsdaten, um mehr aus deinen Sätzen zu holen. Für Deadlifts nutzt du sie, um die richtige Schwere zu treffen, ohne Maximalversuche.
VBT UND KI: DER FITFUTURIST-WINKEL
Load-Velocity-Profile erzeugen genau die Art von strukturierten Daten, die ein LLM sinnvoll verarbeiten kann: Zeitreihen, lineare Regressionen, Vergleich zwischen Sessions. Du kannst Claude oder ChatGPT deine Velocity-Daten aus 4–6 Wochen geben und Fragen stellen wie: „Ist mein L₀ über die Wochen gestiegen?“, „Schätze meinen aktuellen 1RM basierend auf dem Trend“ oder „Wann sollte ich mein Profil neu kalibrieren?“ Das ersetzt keinen Coach – aber es macht dich unabhängiger.
Fazit
Li et al. zeigen, dass der Load-Intercept L₀ aus der Load-Velocity-Beziehung beim Kreuzheben eine praktische Alternative zum 1RM-Test darstellt – mit einer Einschränkung: Die Genauigkeit reicht nur für hohe Intensitäten ab 80 % 1RM. Für Kraftaufbau ist das genau der Bereich, in dem du arbeiten willst. Für leichtere Arbeit brauchst du andere Methoden.
Für Hobbyathleten, die keinen Wettkampf-Deadlift vorbereiten, ist die Kernbotschaft einfach: Du musst dein 1RM nicht regelmäßig testen. Ein paar submaximale Sätze mit Geschwindigkeitsmessung reichen, um dein Training im richtigen Intensitätsbereich zu halten. Weniger Risiko, weniger Ermüdung, trotzdem harte Einheiten.
VBT heißt hier nicht: fancy Tech um der Tech willen. Sondern: weniger Risiko, gleiche oder bessere Trainingsqualität. Die Hantel lügt nicht – aber du musst die Daten auch einordnen können.
Quelle: Li Z, Chang Q, Chen Z, Yang L, Zhang X, Li R, Zhang H. Monitoring Resistance Training Intensity Using Load-Intercept from The Load-Velocity Relationship Variables: The Case of Deadlift. J Sports Sci Med. 2026;25:282-290. DOI: 10.52082/jssm.2026.282 | Frei zugänglich beim JSSM