Wer Ermüdung mit nur einem Messwert vorhersagen will, liegt öfter daneben als man denkt. Forscher haben 48 College-Fußballer zwölf Wochen lang mit GPS-Trackern, Herzfrequenzmonitoren und täglichen Wellness-Fragebögen begleitet – und aus den kombinierten Daten ein Machine-Learning-Modell trainiert, das Erschöpfung mit einer AUC von 0,895 erkennt. Einzelne Indikatoren kommen da nicht annähernd hin.
Das ist eine Studie über College-Fußballer. Die Grundlogik der drei wichtigsten Marker ist aber direkt übertragbar – und alle drei lassen sich mit Geräten messen, die viele von euch ohnehin am Handgelenk tragen.
Was die Studie gemessen hat
Die Studie (Xu et al., Frontiers in Physiology, Februar 2026) hat 536 Trainingseinheiten und 24 Spiele ausgewertet. Erfasst wurden externe Belastungsmarker wie Gesamtdistanz, Player Load und High-Speed-Running, dazu interne Marker wie TRIMP (Training Impulse – ein gewichteter Herzfrequenz-Belastungswert) und RPE (Rate of Perceived Exertion, das subjektive Belastungsempfinden). Ermüdung wurde über vier Kriterien definiert: Countermovement Jump-Höhe (CMJ), Herzratenvariabilität (HRV), Wellness-Score und RPE.
Drei Algorithmen traten gegeneinander an: XGBoost, Random Forest und logistische Regression. XGBoost gewann mit einer AUC von 0,895. Die drei wichtigsten Vorhersage-Features waren Wellness-Score (18,5 % Feature-Importance), ACWR (16,2 %) und Morgen-HRV (13,8 %). Player Load und TRIMP korrelierten stark miteinander (r = 0,81) – keiner allein reicht zur Ermüdungserkennung.
ACWR & AUC – kurz erklärt
ACWR (Acute:Chronic Workload Ratio) setzt deine Trainingsbelastung der letzten Woche ins Verhältnis zum Durchschnitt der letzten vier Wochen. Über 1,3 gilt als Risikozone, unter 0,8 als Unterforderung. AUC (Area Under the Curve) misst die Güte eines Klassifikationsmodells: 0,5 entspricht Zufall, 1,0 wäre perfekte Vorhersage. 0,895 ist stark.
WAS IST XGBOOST?
XGBoost (Extreme Gradient Boosting) ist ein etablierter Machine-Learning-Algorithmus, der viele schwache Vorhersagemodelle schrittweise zu einem starken kombiniert. Keine Eigenentwicklung der Studienautoren – sondern eines der meistgenutzten Tools in der angewandten Datenanalyse, open source verfügbar seit 2014.
Welche dieser Marker du heute schon messen kannst
Die drei wichtigsten Features im Modell sind keine Profi-Exklusivität. Morgen-HRV liefern Garmin-Uhren ab der Forerunner-Serie, Polar über Nightly Recharge, Whoop über seine Recovery-Metrik und die Apple Watch über die Gesundheits-App. Den Wellness-Score trägst du in 30 Sekunden selbst ein – Schlaf, Muskelkater, Stress, Müdigkeit, jeweils auf einer kurzen Skala. ACWR berechnen Garmin, Polar Training Load Pro und Whoop automatisch im Hintergrund.
KEIN WEARABLE? MORGENPULS REICHT
Wer keine Smartwatch hat, kommt mit dem Ruhepuls am Morgen erstaunlich weit: 10 Sekunden Puls fühlen, mit 6 multiplizieren, Wert notieren. Liegt er dauerhaft 5–8 Schläge über dem persönlichen Baseline-Wert, ist das ein klares Erholungsdefizit-Signal – valide genug, um die Trainingsintensität des Tages anzupassen.
Marker | Was er misst | Device / Quelle |
|---|
Morgen-HRV | Erholung des autonomen Nervensystems | Garmin, Polar (Nightly Recharge), Whoop, Apple Watch, Elite HRV + Brustgurt |
ACWR | Akute vs. chronische Trainingsbelastung | Garmin (Trainingsbelastung), Polar Training Load Pro, Whoop |
Wellness-Score | Subjektives Befinden: Schlaf, Kater, Stress | Manuell; HRV4Training, TrainingPeaks, Notion |
RPE | Empfundene Belastung nach dem Training | Manuell (Borg-Skala); Garmin und Polar fragen nach dem Training automatisch |
CMJ-Höhe | Neuromuskuläre Bereitschaft (Fatigue-Validierung) | Polar Vantage V3 (integriert), MyJump Lab 2.0 (Smartphone-App) |
CMJ als Fatigue-Marker – und für wen das wirklich taugt
Die Studie nutzt CMJ als eines von vier Fatigue-Validierungskriterien – bei Fußballern, die explosive Kraft täglich beanspruchen, eine sinnvolle Wahl. Was die Studie dabei nicht thematisiert und was ich hier als meine eigene Einordnung kennzeichne: Nicht für jeden Sportler ist der Sprungtest gleich aussagekräftig.
Für Kraftsportler, die heute schwere Grundübungen planen, macht CMJ als täglicher Readiness-Check Sinn: Er misst neuromuskuläre Bereitschaft – genau das, was beim Maximalkrafttraining gefordert ist. Ein messbarer Drop unter die persönliche Baseline signalisiert erhöhte ZNS-Ermüdung, bevor du es im Training merkst. Für Ausdauersportler ist das weniger eindeutig: Lauf-Fatigue ist überwiegend metabolischer Natur, und CMJ-Werte bleiben nach submaximalen Einheiten oft stabil oder steigen durch kurzfristige neuromuskuläre Potenzierung sogar leicht an. Dort liefern Morgen-HRV und Wellness-Score deutlich verlässlichere Signale.
Messen lässt sich CMJ mit der MyJump Lab 2.0 App per Smartphone-Kamera – oder direkt über die Polar Vantage V3, die einen integrierten Sprungtest mitbringt. Letzterer ist unabhängig validiert: Eine Studie der Universität Konstanz (Bubeck et al., 2022) hat den Vorgänger Vantage V2 gegen Kraftplatten verglichen – die Abweichung lag im Schnitt unter einem Zentimeter. Für den täglichen Baseline-Vergleich ist das mehr als ausreichend. Ob Polar V3 und MyJump im direkten Vergleich gleich aufliegen, habe ich noch nicht getestet – das wäre ein eigener Artikel wert.
EINSCHRÄNKUNG ZUR ÜBERTRAGBARKEIT
48 männliche College-Fußballer, eine Sportart mit spezifischer Belastungsstruktur – ob Wellness-Score, ACWR und HRV auch in anderen Disziplinen die wichtigsten Ermüdungsmarker sind, lässt die Studie offen. Für Ausdauersportler oder Kraftsportler könnten andere Features stärker gewichten.
Was offen bleibt
48 Spieler, alle männlich, eine Sportart – ob die Feature-Importance-Verteilung bei anderen Kontexten ähnlich aussieht, lässt die Studie offen. Was du direkt mitnimmst: die drei priorisierten Marker – und die Erkenntnis, dass der subjektive Wellness-Score im Modell wichtiger war als jede GPS-Metrik.
Quellen
Xu X et al. (2026). Multi-sensor fusion outperforms single indicators for fatigue prediction in university soccer players: a machine learning approach. Frontiers in Physiology, 17:1775906. DOI: 10.3389/fphys.2026.1775906. PMC: PMC12956510.
