ChatGPT Trainingsplan erstellen: so kommst du zum passenden Plan

Ein Trainingsplan aus ChatGPT ist in zwei Minuten da. Ob er zu dir passt, entscheidet sich in den Sätzen davor. Was du nicht sagst, füllt das Modell mit Annahmen: vier Wochen, drei Einheiten, Standardübungen für einen Durchschnittsmenschen, den es nicht gibt. Hier steht Schritt für Schritt, wie du stattdessen zu einem Plan kommst, der zu deinem Ziel, deiner Zeit und deinem Equipment passt.

Welches ChatGPT-Modell du für den Trainingsplan nimmst

GPT-5.6 Sol führt unseren Benchmark mit 97 von 100 Punkten an. Getestet wurden 23 Modelle mit 2.157 bewerteten Antworten über acht Kategorien, jede Frage dreimal gestellt, bewertet von mehreren KI-Prüfern plus einem Trainer mit sportwissenschaftlichem Hintergrund.

Wenn du sofort loslegen willst: Nimm GPT-5.6 und stell den Aufwand hoch, verfügbar ab dem Plus-Tarif. Eine Sache erledige vorher, sie dauert zwanzig Sekunden: den Datenschutz-Schalter umlegen. Sonst wandern Gewicht, Ruhepuls und Verletzungshistorie ins Modelltraining. Wer lieber von vorne anfängt, geht zur Schritt-für-Schritt-Anleitung.

So schneidet ChatGPT im TheFitFuturist KI-Benchmark ab

Ganz oben liegen im KI Fitness-Benchmark mehrere Modelle so dicht beieinander, dass die exakte Reihenfolge wenig aussagt. GPT-5.6 Sol mit 97, GPT-5.5 und Grok 4.5 mit je 93, Claude Sonnet 5 und GPT-5.6 Terra mit je 92, Claude Opus 4.8 mit 91. Bei rund vier Fragen pro Kategorie sind ein bis zwei Punkte Unterschied nicht trennscharf.

Aussagekräftiger als die Position ist das Verhalten. Bei der bewusst vagen Bitte "erstell mir einen Trainingsplan" holt GPT-5.6 Sol volle 100 Punkte, weil es nach Ziel, Erfahrung, verfügbarer Zeit und Verletzungen fragt, bevor es irgendetwas plant. GPT-5.4 Mini liefert stattdessen einen kompletten Plan. Das Modell ist mit 90 Punkten gesamt nicht schlecht, es verfehlt nur genau das, was individuelles Coaching ausmacht.

Sicherheit zählt doppelt, kostenlos bist du nicht schlechter dran

Die Kategorie Sicherheit zählt in unserem Benchmark doppelt. Es geht um die Frage, ob ein Modell medizinische Warnsignale wie Brustschmerz oder Erschöpfungs-Notfälle erkennt und im Zweifel zum Arzt schickt.

Unter den Modellen, die dir im normalen Chat begegnen, liegen die Werte eng beieinander: GPT-5.5 kommt auf 97 von 100, GPT-5.4 Mini ebenfalls auf 97, GPT-5.6 Sol auf 96. Der Free-Tarif stellt dich bei Gesundheitsfragen also nicht schlechter. Deutlich darunter liegt nur GPT-5.6 Terra mit 86. Diese Variante ist im normalen Chat allerdings gar nicht wählbar, sondern nur in ChatGPT Work und in Codex.

Die Einschränkung: API-Test ist nicht die ChatGPT-App

Wir haben die Modelle über die OpenRouter-API getestet, nicht über die ChatGPT-App. Die Modi, die du im Picker siehst, entsprechen deshalb nicht eins zu eins den getesteten API-Modellen.

Was sich übertragen lässt, sind die Muster: welche Modellgeneration zuverlässiger nachfragt, wo Sicherheitseinschätzungen schwächer werden, wie groß der Abstand zwischen Reasoning- und Standard-Modellen ist. Was sich nicht übertragen lässt, ist eine punktgenaue Score-Zuordnung zu einem Eintrag im Menü. Wer dir das verspricht, hat nicht getestet.

Modell und Aufwand: die zwei Regler, die zählen

Reasoning-Modelle liegen in unserem Benchmark im Schnitt 14 Punkte über Standard-Modellen, 88 gegenüber 74. Das ist der größte Einzeleffekt in den ganzen Daten. In ChatGPT stellst du das allerdings nicht über einen Modus ein, sondern über zwei getrennte Regler.

Der Regler sitzt im Eingabefeld selbst, auf der Schaltfläche mit deiner aktuellen Einstellung, bei mir "5.6 Sol Hoch". Ein Klick darauf öffnet "Erweitert" mit drei Einträgen: Modell, Aufwand und Tempo. Der Aufwand hat fünf Stufen, Leicht bis Max, und bestimmt, wie lange gerechnet wird. Tempo kannst du liegen lassen, dort geht es nur um Geschwindigkeit gegen Verbrauch. Von einem Instant-, Thinking- oder Pro-Modus, wie ihn viele Anleitungen noch beschreiben, ist nichts mehr zu sehen.

Was der Aufwand bringt

Alle Stufen greifen auf dasselbe Modell zu, der Unterschied liegt in der Rechenzeit pro Antwort. Bei Leicht kommt die Antwort in Sekunden. Bei Hoch dauert es deutlich länger, dafür siehst du den Denkprozess. Über der angepassten Trainingswoche in meinem Testlauf standen vier Minuten und 25 Sekunden.

Für Trainingsplanung lohnt hoher Aufwand überall dort, wo mehrere Bedingungen gegeneinander stehen. Wettkampf in neun Wochen, nur vier verfügbare Einheiten, ein Knie, das zickt, und eine Regenerationswoche ist überfällig. Das sind Zielkonflikte, und bei denen zahlt sich zusätzliche Rechenzeit aus.

Wann geringer Aufwand reicht

Für Rückfragen im laufenden Gespräch, kleine Umbauten oder das Umrechnen von Zonen reichen Leicht oder Mittel. Wer jede Nachricht durch die höchste Stufe schickt, wartet viel und gewinnt wenig.

Praktisch heißt das: Erstplan und größere Umstellungen mit hohem Aufwand, alles andere eine Stufe darunter. Die Wahl steht dir bei jeder Nachricht offen, du legst dich nicht für den ganzen Chat fest.

Free, Go, Plus oder Pro: welcher Tarif fürs Training reicht

Der Free-Tarif reicht für einen Plan, aber nicht für eine Saison. Das ist die ehrliche Antwort, und sie hat weniger mit der Planqualität zu tun als mit der Anzahl der Nachrichten, die dir zur Verfügung steht.

Bis auf eine Zeile steht das so in OpenAIs Tarifübersicht. „Wöchentlich nachjustieren" ist eine Einschätzung aus den Nachrichtenlimits, kein Herstellerwert. Bemerkenswert ist die vierte Zeile: Fertige GPTs aus dem Store kannst du auch kostenlos nutzen, du kannst nur keine eigenen bauen.

Daraus folgt eine einfache Entscheidungsregel. Wenn dein Problem die Anzahl der Nachrichten ist, löst Go es für 6,50 Euro im Monat. Wenn es die Qualität des Modells ist, hilft nur Plus.

Free: gutes Modell, zu wenige Nachrichten

Kostenlos bekommst du begrenzten Zugriff auf GPT-5.5 Instant, eingeschränkte Nachrichten und Uploads, eingeschränkte Erinnerung und Kontext. GPT-5.5 teilt sich in unserem Benchmark mit 93 Punkten Rang zwei mit Grok 4.5, bei den Sicherheitsfragen liegt es mit 97 nur hinter Claude Opus 4.8. Für einen ersten Plan ist das stark.

Zwei Dinge sprechen trotzdem dagegen. Erstens frisst der Rückfrage-Dialog, der den Plan überhaupt erst gut macht, einen großen Teil der Nachrichten: Nach Opener, Rückfragerunde, Plan und zwei Korrekturen bist du bei sechs bis acht, und das Free-Limit liegt Berichten zufolge bei etwa zehn pro fünf Stunden.

Zweitens arbeitest du mit einem schwächeren Modell, sobald du im Free-Tarif die Funktion „Thinking" aufrufst: Dahinter steckt GPT-5.4 Mini, so beschreibt es OpenAI im eigenen Versionshinweis. In bezahlten Tarifen springt dasselbe Modell ein, wenn die Ratenlimits erreicht sind. Also ausgerechnet das Modell, das bei vagen Anfragen sofort losplant statt nachzufragen.

Go: günstig, aber mit Werbung

Für 6,50 Euro im Monat bekommst du mehr Nachrichten, mehr Uploads und eine längere Erinnerung. Preislich ist das der interessanteste Sprung.

Ein Detail gehört dazu, das leicht übersehen wird: OpenAI weist bei diesem Tarif ausdrücklich darauf hin, dass er Werbung enthalten kann. Wer damit kein Problem hat, bekommt für wenig Geld deutlich mehr Spielraum. Wer sich daran stört, überspringt Go.

Was Plus dazugibt

Bei 23 Euro im Monat beginnt der Zugriff auf GPT-5.6, dazu kommen erweiterte Nachrichten und Uploads, erweiterte Erinnerung und Kontext sowie Projekte, geplante Aufgaben und individuelle GPTs.

Für Trainingsplanung sind zwei Punkte davon entscheidend. GPT-5.6 ist das Modell mit dem besten Nachfrage-Verhalten in unserem Test. Und Projekte gibt es erst ab hier, was für eine Saisonplanung über Monate den Unterschied macht.

Pro: zu viel fürs Training

Pro startet bei 103 Euro im Monat und bietet fünf- oder zwanzigfache Nutzung, GPT-5.6 Sol Pro sowie maximale Erinnerung und maximalen Kontext.

Das ist ein Tarif für Menschen, die täglich stundenlang mit dem stärksten Modell arbeiten. Eine Trainingsplanung, selbst mit wöchentlichem Nachjustieren, kommt nicht ansatzweise an diese Limits. Wenn du Pro aus beruflichen Gründen ohnehin hast, nutze es. Deswegen abschließen musst du es nicht.

Deine Gesundheitsdaten trainieren das Modell mit, wenn du nicht aufpasst

In Tarifvergleichen fehlt dieser Punkt fast immer. Konversationen aus Free, Go, Plus und Pro werden standardmäßig für das Training der Modelle verwendet. Zahlen schützt dich davor nicht. Nur Business, Enterprise und der API-Zugang sind per Voreinstellung ausgenommen.

Bei einem Trainingsplan ist das relevanter als bei einer Urlaubsplanung. Du gibst Gewicht, Ruhepuls, HRV-Werte, Verletzungen und unter Umständen Medikamente an. Das sind Gesundheitsdaten und damit nach Artikel 9 DSGVO eine besondere Kategorie personenbezogener Daten.

Das gilt auch für Dateien. Wenn du deinen alten Trainingsplan hochlädst, gilt für den Inhalt dasselbe wie für getippten Text.

Die kostenlose Alternative: lokal statt Cloud

Wer seine Gesundheitsdaten gar nicht erst aus dem Haus geben will, hat inzwischen eine ernsthafte Option. Gemma 4 läuft offline auf dem eigenen Rechner, die Daten verlassen das Gerät nie. Die große Variante erreicht in unserem Benchmark 83 Punkte und schlägt damit mehrere Cloud-Modelle. Sie braucht eine Grafikkarte mit 24 GB; darunter gibt es abgestufte Varianten bis hinunter zu Modellen, die auf dem Telefon laufen.

Die 83 Punkte gelten dabei nur für die große Variante. Wie gut die kleineren wirklich planen, haben wir nicht gemessen, und Hardware-Empfehlungen aus dem Netz ersetzen keinen eigenen Durchlauf. Das steht auf der Liste: Gemma 4 auf eigener Grafikkarte, mit genau dem Prompt aus diesem Artikel.

Der Abstand zur Spitze ist real, 83 gegenüber 97. Die Frage ist, was dir 14 Punkte wert sind, wenn die Alternative bedeutet, dass deine Daten das Gerät nie verlassen. Für die meisten wird die Cloud mit abgeschaltetem Trainingsschalter der pragmatische Kompromiss sein. Wer beruflich mit sensiblen Daten arbeitet, sieht das möglicherweise anders.

So erstellst du den Plan: Schritt für Schritt

Dafür gibt es zwei Wege. Weg 1 startet mit zwei Zeilen und lässt sich vom Modell durch die Fragen führen, gedacht für alle, die noch nicht wissen, was ein Trainingsplan überhaupt braucht. Weg 2 liefert alle Angaben auf einmal und spart die Runden, wenn du deine Zahlen kennst. Alles danach gilt für beide.

Weg 1: kurz starten und dich fragen lassen

Halte den Einstieg kurz und zwinge das Modell in den Rückfrage-Modus:

Ich will [Ziel] bis [Datum]. Frag mich alles, was du brauchst,
bevor du planst. Eine Frage nach der anderen.

Beantworte die Rückfragen dann so genau wie möglich, daran entscheidet sich der Plan.

Der Grund für diese Formulierung liegt in den Benchmark-Daten. Die starken Modelle fragen von selbst nach, die schwächeren nicht. Wenn du die Rückfragen ausdrücklich anforderst, machst du dich unabhängig davon, welches Modell dir das System gerade zuteilt. Das ist besonders im Free-Tarif nützlich, wo du unter Last auf einem schwächeren Modell landen kannst.

"Eine Frage nach der anderen" ist kein Detail. Ein Block mit zwölf Fragen führt dazu, dass du sie überfliegst und knapp beantwortest. Einzeln gestellt, denkst du bei jeder mit.

Warum "Du bist ein erfahrener Trainer" nichts mehr bringt

Der meistverbreitete Ratgeber-Prompt beginnt mit einer Rollenzuweisung. "Handle als erfahrener Lauftrainer." Das war 2023 ein sinnvoller Rat und ist es heute nicht mehr.

Die Forschung dazu ist inzwischen recht eindeutig, unterscheidet aber sauber nach Aufgabentyp. Bei Aufgaben, die vom Sprachverhalten abhängen, also Schreiben, Tonfall, Rollenspiel, helfen Personas weiterhin. Bei Aufgaben, die auf Faktenwissen zugreifen, verschlechtert die Expertenrolle das Ergebnis. Der Mechanismus dahinter ist einleuchtend: Dem Modell wird durch die Zuschreibung kein Wissen hinzugefügt, der Abruf des vorhandenen Wissens wird aber verzerrt.

Trainingsplanung mit Physiologie, Belastungssteuerung und Zonenberechnung fällt klar in die zweite Kategorie. Dazu kommt, dass der Effekt auf aktuellen Modellen ohnehin meist im Rauschen liegt. OpenAI selbst empfiehlt für die aktuelle Generation, weg vom Prozess und hin zum Ergebnis zu formulieren: Ziel benennen, Erfolgskriterien nennen, Randbedingungen liefern, und den Lösungsweg dem Modell überlassen.

Was das nicht heißt: dass Rollen grundsätzlich sinnlos wären. Für einen Text in einem bestimmten Ton sind sie weiterhin nützlich. Für einen Trainingsplan sparst du dir die Zeile.

Die Rückfragen entscheiden über den Plan

Nach dem Opener fragt ein gutes Modell nach Ziel, Trainingsstand, verfügbarer Zeit, Verletzungen und Sicherheitsaspekten. Die Qualität des Plans entscheidet sich hier, an deinen Antworten.

Die meisten Anleitungen liegen an dieser Stelle falsch. Dass moderne Modelle nachfragen können, heißt nicht, dass du weniger vorbereiten musst. Es heißt nur, dass sie dich auffangen, wenn du es nicht tust. Aufgefangen werden und gut beraten werden sind zwei verschiedene Dinge. Unser Benchmark formuliert es so: Eine vage Anfrage triggert oft einen schwächeren Ansatz, und das beste Modell allein macht noch keine gute Antwort.

Antworte also präzise. "Ich laufe drei Mal die Woche" ist deutlich weniger wert als "Di und Do je 45 Minuten vor der Arbeit, Sonntag bis zwei Stunden, in den letzten vier Wochen im Schnitt 32 Kilometer".

Was du über dich parat haben musst

Bevor du anfängst, lohnt es sich, diese Angaben zusammenzusuchen. Dann musst du das Gespräch nicht dreimal unterbrechen.

Die Beispielspalte ist der eigentliche Punkt. „Ich laufe regelmäßig" ist keine Angabe, „32 km pro Woche in den letzten vier Wochen" ist eine. Die Bestzeit interessiert dabei weniger als der aktuelle Zustand. Ein Modell, das mit deiner Halbmarathon-Zeit von vor drei Jahren plant, baut dir einen Umfang, den dein heutiges Bindegewebe nicht mitmacht.

Deinen alten Plan als Ausgangspunkt nutzen

Der schnellste Weg zu einem passenden Plan führt über den Plan, den du schon hast. Zwei Fälle sind zu unterscheiden.

Dein bisheriger Plan lässt sich hochladen, als PDF, Screenshot, Tabelle oder Export aus deiner Uhr. Lass ihn einordnen, bevor du weiterplanst: Was ist tatsächlich umgesetzt worden, wo lag die reale Belastung, welche Einheiten sind regelmäßig ausgefallen. Damit kommt deine Historie mit, statt aus Erinnerung rekonstruiert zu werden.

Ein fremder Plan, nach dem du trainieren willst, aus einem Buch, vom Verein oder aus einer Zeitschrift, verlangt eine andere Aufgabe. Nicht "plane neu", sondern "übertrag das auf meine Voraussetzungen". Umfänge an deine tatsächliche Ausgangsbelastung anpassen, Einheiten in deine realen Zeitfenster legen, Zonenangaben auf deine Werte umrechnen. Der Plan bleibt in seiner Logik erhalten, wird aber auf dich skaliert.

Ein praktischer Hinweis dazu: Uploads sind im Free-Tarif ausdrücklich eingeschränkt, Go bietet mehr, Plus erweiterte Uploads. Wer regelmäßig Pläne oder Exporte hochlädt, stößt kostenlos an eine Grenze.

Weg 2: der komplette Prompt mit allen Angaben

Wenn du deine Zahlen kennst, sparst du dir mehrere Runden, indem du sie gleich mitlieferst. Das Gerüst ist ein Ausgangspunkt, kein Universalformular: Welche Angaben in deiner Situation zusätzlich zählen, weiß niemand vorher, deshalb steht die Bitte um Rückfragen unten mit drin.

Ziel: [konkret und messbar, z.B. Halbmarathon unter 1:45]
Zieldatum: [Datum]
Trainingstage und Zeitfenster: [z.B. Di/Do 45 Min morgens, So bis 2 h]
Einheiten pro Woche: [Anzahl]
Aktueller Stand: [Umfang der letzten 4 Wochen, Pace/Watt je Zone, Ruhepuls]

Equipment: [Geräte, Hantelgewichte, Laufband, Powermeter, Pulsgurt]
Trainingsumgebung: [Höhenmeter, Bahn erreichbar, Untergrund, Hitze/Kälte]
Verletzungen: [was, wann, wie ausgeheilt, was es heute triggert]
Vorerkrankungen und Medikamente: [falls relevant]
Alter: [Jahre]
Was früher nicht funktioniert hat: [z.B. drei harte Einheiten pro Woche]
Erfahrung mit: [strukturierte Intervalle, Deload-Wochen, Krafttraining]
Konkurrierende Belastung: [Schichtdienst, kleine Kinder, Reisen, Schlaf]
Parallele Ziele: [z.B. Gewichtsabnahme neben Leistungsaufbau]
Streckenprofil des Wettkampfs: [flach, hügelig, Untergrund]

Bitte beachte:
1. Frag nach bei Unklarheiten und nimm nichts an.
2. Recherchiere den aktuellen Stand und stütz dich nicht auf dein
   Trainingswissen. Nenne die Quellen mit Datum.
3. Sag mir ehrlich, ob Ziel, Zeitrahmen und meine verfügbaren
   Einheiten zusammenpassen. Wenn nicht, sag mir was fehlt,
   bevor du planst.

Der Unterschied zu den Vorlagen, die überall kursieren: Hier stehen Platzhalter für deine Zahlen, keine fremden Werte. Dass detaillierte Angaben tatsächlich bessere Pläne liefern, hat eine Studie zur Prompt-Qualität bei ChatGPT-Trainingsplänen nachgemessen. Perfekt werden sie dadurch nicht, aber deutlich brauchbarer.

Die Basisangaben oben erfragen gute Modelle von selbst. Der Block darunter ist der Teil, den sie in unseren Tests nicht von sich aus abfragen, obwohl er den Plan maßgeblich beeinflusst. Was in der Vergangenheit nicht funktioniert hat, ist dabei die Angabe mit dem besten Verhältnis von Aufwand zu Wirkung. Sie verhindert, dass du zum dritten Mal an derselben Stelle scheiterst.

Die dritte Anweisung ist die wichtigste im ganzen Prompt. Ohne sie plant ein Modell auch ein unrealistisches Ziel bereitwillig durch. Es rechnet dir zwölf Wochen bis zur Wunschzeit aus, und auf dem Papier geht das auf. Ein erfahrener Trainer würde an dieser Stelle sagen, dass die Zeit nicht reicht oder dass eine Einheit mehr nötig wäre. Dieses Zurückspiegeln musst du bei einem Sprachmodell anfordern, sonst bekommst du es nicht.

Auch nach diesem Prompt kommen noch Rückfragen, das ist gewollt. Und den ersten Plan liest du gegen, bevor du losläufst.

Warum du ChatGPT zum Recherchieren zwingen musst

ChatGPT antwortet aus seinem Trainingsdatenbestand, und ob es zusätzlich im Netz nachschaut, entscheidet es selbst. Oft tut es das nicht, und der Ton bleibt dabei unverändert sicher. Deshalb musst du die Recherche einfordern, sobald es um etwas geht, das sich geändert haben könnte. Am Schalter liegt es dagegen selten: Die Websuche ist standardmäßig an, in meinem frisch angelegten Konto war sie es auch. Nur wenn nie eine Quelle auftaucht, lohnt der Blick in die Einstellungen unter Personalisierung, ganz unten im aufklappbaren Bereich "Fortgeschritten".

Dass gesucht wurde, siehst du der Antwort an: ChatGPT meldet die Zahl der durchsuchten Seiten, und in der rechten Spalte stehen die Quellen einzeln aufgelistet. Fehlt beides, hat es aus dem Gedächtnis geantwortet. Dann hakst du nach: "Such bitte nach dem aktuellen Stand und nenne mir die Quellen mit Datum." Das kostet eine Nachricht und ist der Unterschied zwischen einer Auskunft und einer belegten Auskunft.

Den Plan gegenlesen und wöchentlich nachziehen

Bevor du den Plan übernimmst, prüfe vier Punkte. Steigt der Umfang schrittweise oder springt er? Ist die Intensitätsverteilung plausibel, also der Großteil locker und ein kleiner Teil hart? Sind Regenerationswochen eingebaut? Und passen die Einheiten wirklich in die Zeitfenster, die du genannt hast?

Der letzte Punkt fällt häufiger durch, als man denkt. Ein Modell plant gern eine 90-Minuten-Einheit in ein Fenster, in dem du 45 Minuten hast. Ausführlicher haben wir die typischen Fehlerbilder unter sieben Warnsignale, dass ein KI-Trainingsplan nicht passt beschrieben.

Für diesen Artikel habe ich einen kompletten Zwölf-Wochen-Plan gegengelesen, den ChatGPT im Gespräch erstellt hat. Die ersten drei Punkte gingen durch. Der lange Lauf startete genau dort, wo der bisherige lag, und wuchs um fünf Minuten pro Woche. Nach je drei Aufbauwochen kam eine Entlastungswoche, ab Woche elf der Taper. Alle zwölf Wochensummen stimmten rechnerisch, alle Datumsangaben lagen auf den richtigen Wochentagen. Sonst fallen KI-Pläne an diesen Stellen auseinander, hier nicht.

Auffällig wurde es erst beim Nachrechnen. Der lange Lauf trug durchgehend rund 45 Prozent der Wochenbelastung, üblich sind 30 bis 35. Bei vier Lauftagen lässt sich das schwer ganz vermeiden, aber es bündelt die gesamte Belastung auf einen Tag. Ausgerechnet auf den, an dem in diesem Fall das Knie zwickte. Und der Plan hielt seine eigene Vorgabe nicht ein: Vorne stand die Regel, dass pro Woche nur ein harter Reiz gesetzt wird und der Sonntag locker bleibt. In der Peak-Woche standen dann zwei harte Einheiten, Mittwoch und Sonntag.

Dasselbe Muster bei den Entlastungswochen. Vorhanden waren sie, nur nahmen sie den Umfang auf gut 80 Prozent der Vorwoche zurück, üblich sind 60 bis 80. Und die Rücknahme betrug zweimal exakt 35 Minuten. Der Plan hielt also den absoluten Betrag konstant statt den Anteil. Dadurch fiel die Entlastung relativ umso schwächer aus, je höher der Umfang stieg, und sinnvoll wäre das Gegenteil. Für die Prüfliste heißt das: Ein Häkchen bei "Entlastungswochen eingebaut" reicht nicht, die Frage ist wie tief.

Nichts davon sind Halluzinationen, sondern Struktur. Es fällt nur auf, wenn du die Spalten zusammenzählst und die Regeln am Anfang mit dem Plan am Ende vergleichst. Dafür ist dieser Schritt da.

Nachjustieren: melde jede Woche, was passiert ist

Hier liegt der eigentliche Wert, und die meisten Anleitungen hören vorher auf. Ein Plan aus der ersten Antwort ist ein Entwurf, kein Ergebnis.

Melde nach jeder Woche zurück, was tatsächlich passiert ist. Welche Einheiten hast du gemacht, welche sind ausgefallen, wie hat sich die letzte harte Einheit angefühlt, was sagen Ruhepuls und Schlaf. Lass den Plan darauf aufbauend fortschreiben, statt ihn stur abzuarbeiten.

Am deutlichsten wird der Nutzen, wenn eine Zahl dazukommt. In meinem Testlauf reichte die gemeldete 5-km-Zeit, und der Plan wurde nicht nur angepasst, sondern das Ziel gleich mit eingeordnet: aus 25:50 rechnete ChatGPT rund 1:58 im Halbmarathon hoch und nannte die Wunschzeit ambitioniert, statt sie einfach durchzuplanen. Genau diese Rückmeldung bekommst du nur, wenn du lieferst.

Dieser Teil sprengt den Free-Tarif. Wöchentliches Nachjustieren über eine Saison bedeutet dutzende Gespräche, und dafür brauchst du sowohl das Nachrichtenbudget als auch eine Erinnerung, die über Wochen trägt.

Custom Instructions, Memory und Projekte: was sie wirklich bringen

Diese drei Einstellungen sollen dir ersparen, dich in jedem Chat neu zu erklären. Ein Ersatz für einen guten Prompt sind sie nicht: Mein Testlauf für diesen Artikel lief ohne alle drei und lieferte trotzdem einen brauchbaren Plan. Ihr Wert zeigt sich erst, wenn aus einem Gespräch eine Saison wird.

Custom Instructions: nützlich, aber kein Regelwerk

In den Einstellungen unter Personalisierung kannst du hinterlegen, was ChatGPT dauerhaft über dich wissen soll. Viel ist es nicht: ein Name, ein Beruf, ein Freitextfeld und ein paar Regler für den Tonfall.

Erwarte davon kein Regelwerk. Der Text läuft in jedem Chat als Vorspann mit, verbindlich abgearbeitet wird er nicht. Wer aus der Softwareentwicklung eine Projektdatei kennt, in der Regeln stehen, an die sich das Werkzeug hält, wird hier enttäuscht.

Sinnvoll sind deshalb nur Angaben, die sich selten ändern und überall gelten: Sportart, Trainingsstand, verfügbare Tage, chronische Beschwerden, Equipment. Alles, was zu einem konkreten Ziel gehört, gehört in den Prompt. Zieldatum, aktuelle Werte und Wettkampf ändern sich zu schnell, um sie an einer Stelle zu pflegen, an die du selten denkst.

Memory: was ChatGPT über dein Training behält

Memory speichert Details aus einzelnen Unterhaltungen und ruft sie später wieder ab. Für Training heißt das: Wenn du im März erwähnst, dass dein Knie nach Bergabläufen zwickt, kann das im September noch berücksichtigt werden.

Prüfe zuerst, ob die Funktion bei dir überhaupt läuft. In meinem frisch angelegten Konto war sie ausgeschaltet. Den Schalter findest du in den Einstellungen unter Personalisierung im Abschnitt "Erinnerung", direkt daneben führt "Verwalten" zur Übersicht dessen, was ChatGPT über dich gelernt hat. Der Trainingsdialog, der über Monate trägt, fängt also nicht von allein an, sondern nach einem Klick.

Eingeschaltet nimmt dir Memory die Wiederholung ab. Du musst Verletzungshistorie, Zeitfenster und Zielzeit nicht in jedem neuen Chat erneut erklären, und eine Rückfrage zu einer einzelnen Einheit landet im richtigen Zusammenhang statt im luftleeren Raum.

Der Preis dafür ist, dass sich auch Zwischenstände festsetzen. Eine Verletzung, die im Frühjahr echt war und im Sommer ausgeheilt ist, bremst im Herbst immer noch Einheiten aus. Dasselbe gilt für eine Zielzeit, die du längst nach oben korrigiert hast, oder für einen 5-km-Wert von einem schlechten Tag. Schau die Liste deshalb gelegentlich durch und lösch, was nicht mehr stimmt. Und was du stehen lässt, sind Gesundheitsdaten, die dauerhaft in deinem Konto liegen. Das ist der zweite Grund, den Schalter aus dem Datenschutz-Abschnitt vorher zu setzen.

Im Free-Tarif sind Erinnerung und Kontext eingeschränkt, Go bietet eine längere Erinnerung, Plus eine erweiterte.

Projekte: eine ganze Saison an einem Ort

Projekte bündeln Unterhaltungen, Dateien und Anweisungen zu einem Thema. Eine Saisonvorbereitung als Projekt anzulegen bedeutet, dass Plan, Wochenrückmeldungen und hochgeladene Exporte im selben Kontext liegen.

Der Haken: Projekte, geplante Aufgaben und individuelle GPTs beginnen laut Preisübersicht beim Plus-Tarif. Wer kostenlos plant, arbeitet mit einzelnen Chats und muss den Kontext selbst zusammenhalten.

Garmin, Strava und Gesundheitsdaten an ChatGPT anbinden

ChatGPT Health verbindet Gesundheitsdaten offiziell, aber nicht in Europa. Technisch existiert die Funktion also, dir steht sie trotzdem nicht zur Verfügung.

Seit dem 23. Juli 2026 gibt es sie für US-Nutzer, über alle Tarife hinweg. Sie bindet Apple Health, MyFitnessPal und Klinik-Systeme ein, laut OpenAI abgeschottet und ohne Training auf den Inhalten. Unumstritten ist das nicht: Datenschützer weisen darauf hin, dass Patientenakten mit der Verknüpfung den HIPAA-Schutz verlieren.

Im Europäischen Wirtschaftsraum, in der Schweiz und in Großbritannien ist die Funktion nicht verfügbar, ausdrücklich wegen strengerer Datenschutzvorgaben und einer möglichen Hochrisiko-Einstufung unter dem EU AI Act. Ein Zeitplan für Europa ist nicht angekündigt.

Für die Praxis hier heißt das: Der geschützte Bereich, den OpenAI für Gesundheitsdaten gebaut hat, steht dir nicht zur Verfügung. Deine HRV-Werte, dein Gewicht und deine Verletzungshistorie landen im normalen Chat, wo standardmäßig die Trainingsdaten-Nutzung greift, solange du sie nicht abschaltest.

Ein Blick in die Plugin-Kategorie Gesundheitswesen zeigt, woran du hier bist. Kalorienzähler und Fitness-Apps gibt es reichlich, eine offizielle Anbindung für Garmin oder Strava steht nicht darunter.

Was ohne Drittanbieter funktioniert, ist der Export. Strava und Garmin geben dir dein Konto als Archiv, Polar Flow exportiert einzelne Einheiten direkt als CSV, und wer Krafttraining protokolliert, hat seine Tabelle ohnehin schon. Der brauchbare Teil ist dabei nicht das ganze Paket, sondern die Aktivitätsliste mit Datum, Sportart, Dauer, Distanz und Puls.

Lad deshalb nicht das Archiv hoch, sondern eine Tabelle mit den Wochen, um die es geht. ChatGPT rechnet daraus Wochensummen und Intensitätsverteilung aus, und du gibst nur die Daten her, die für die Frage nötig sind. Umwege über Connectoren wie Chirona oder den Garmin Chat Connector gibt es zwar, aber sie sind wackelig: Strava hat zum 1. Juni 2026 seine API-Regeln mit ausdrücklichem Bezug auf KI-Anwendungen überarbeitet, und eine Garmin-Auth-Änderung im März 2026 hat viele inoffizielle Werkzeuge unbrauchbar gemacht.

Wenn du ohnehin trainierst und Historie hast, ist das der bessere Start. Aus echten Wochen liest das Modell ab, was du tatsächlich gemacht hast statt was geplant war, und welche Einheiten regelmäßig ausfallen. Beides geht beim Abtippen aus dem Gedächtnis verloren, und der Plan baut dann auf Wunschangaben auf.

Ohne Historie reichen fünf Angaben pro Woche für den Wochenbericht: Umfang in Kilometern oder Minuten, grob der Anteil locker gegen hart, Ruhepuls im Wochenschnitt, Schlafdauer, und ein Satz dazu, wie sich die harte Einheit angefühlt hat. Einzelwerte aus der Uhr bringen dabei wenig, Trends über Wochen dagegen viel.

Sichere deinen Plan außerhalb des Chats

Ein Trainingsplan, der ausschließlich in einem Chatverlauf existiert, ist nicht gesichert. Kopiere den fertigen Plan einmal heraus, in eine Notiz, eine Tabelle oder deine Trainingsapp. Das dauert eine Minute und macht dich unabhängig davon, ob ein Anbieter seine Oberfläche umbaut, dein Verlauf synchronisiert oder ein Konto Probleme macht. Nebenbei hast du den Plan dann auch dort, wo du ihn beim Training tatsächlich brauchst.

Der Anlass für den Hinweis begegnet dir seit dem 9. Juli 2026 in der App: Codex ist mit ChatGPT verschmolzen. Das ist ein Agent für Softwareentwicklung, der Dateien ändert und Befehle ausführt, für Trainingspläne brauchst du ihn nicht. Seit dem Start von GPT-5.6 Sol häufen sich Berichte über eigenmächtig gelöschte Daten. Betroffen waren Entwickler, die Codex mit weitreichenden Schreibrechten auf dem eigenen System einsetzten.

Für die normale Chat-Nutzung ist das kein Grund zur Beunruhigung. Nach Angaben des OpenAI-Supports sind rund 80 Prozent der gemeldeten verschwundenen Unterhaltungen Anzeigefehler, ein weiterer Teil geht auf Kontoverwechslungen zurück. Rauskopieren solltest du deinen Plan trotzdem, ganz unabhängig von dieser Episode.

Wo ChatGPT anders ist als Claude und Gemini

Alle drei haben Memory, aber mit unterschiedlicher Mechanik. Das ist die kurze Antwort auf die Frage, ob du für Training das Tool wechseln solltest.

ChatGPT speichert Details aus Unterhaltungen und ruft sie gezielt wieder ab. Claude bietet ebenfalls eine Erinnerung über Sitzungen hinweg, dazu Projekte für abgegrenzte Kontexte. Gemini arbeitet mit "Personal context", das für berechtigte private Google-Konten standardmäßig aktiv ist, verdichtet vergangene Unterhaltungen aber zu einem Nutzerprofil, statt Verläufe vorzuhalten. Das Speicherfenster lässt sich zwischen drei Monaten und unbegrenzt einstellen, voreingestellt sind 18 Monate. Für Trainingsplanung bedeutet der Unterschied vor allem: Bei Gemini kommt eine verdichtete Zusammenfassung deiner Historie zurück, bei den anderen eher konkrete Einzelheiten.

Bei den Inhalten trennt unser Benchmark die drei deutlicher. Claude Opus 4.8 hat mit 99 von 100 den besten Sicherheitswert im gesamten Testfeld, Claude Sonnet 5 liegt gesamt mit 92 auf Rang vier. Gemini 3.1 Pro kommt auf 85 und damit auf Rang zwölf. Gemini hat dafür Live-Zugriff auf die Google-Suche, was beim Recherchieren aktueller Studien hilft, während Claude in Projekten nur mit dem arbeitet, was du hochlädst.

Praktisch heißt das: Für den Plan selbst nimm ChatGPT mit GPT-5.6 oder Claude. Für die Recherche zu einer aktuellen Studienlage ist Gemini durch den Suchzugriff im Vorteil. Wer beides ausprobieren will, findet den toolübergreifenden Vergleich unter KI-Trainingsplan mit ChatGPT, Claude und Gemini erstellen.

Wann du dem Plan nicht folgen solltest

Bei Brustschmerz oder Atemnot endet jede KI-Planung. Das ist keine Formalie. Ab hier gehört die Sache zum Arzt und nicht in einen Chat.

Zu den Signalen, bei denen du das Training abbrichst und nicht mit einem Chatbot weiterdiskutierst, gehören Schmerzen in Brust, Kiefer oder linkem Arm, ungewöhnliche Atemnot bei geringer Belastung, Schwindel oder Ohnmachtsgefühl, sowie ein Ruhepuls, der über Tage deutlich erhöht bleibt und sich nicht durch Erholung erklären lässt. Dasselbe gilt für Schmerzen, die während der Belastung zunehmen, statt sich einzulaufen.

Auch unterhalb dieser Schwelle gibt es Grenzen. Ein Sprachmodell sieht deine Bewegungsausführung nicht, spürt keinen Schmerz und bekommt von deiner Tagesform nur mit, was du ihm mitteilst. Es kann aus Zahlen einen sinnvollen Aufbau konstruieren, aber es kann nicht beurteilen, ob deine Hüfte bei Kilometer 15 nachgibt.

Der ehrlichste Umgang damit ist eine Arbeitsteilung. Struktur, Progression und Periodisierung kann die KI, und in unseren Tests macht sie das über die Spitzengruppe hinweg auf einem Niveau von 91 bis 97 Punkten. Das Urteil darüber, ob der Plan zu deinem Körper an diesem Tag passt, bleibt bei dir. Wenn du merkst, dass du diese Einschätzung nicht triffst, weil dir die Erfahrung fehlt, ist ein echter Trainer die bessere Investition als das nächste Tarif-Upgrade.

Fang mit dem kurzen Opener an, beantworte die Rückfragen sorgfältig, und lass dir vom Modell ausdrücklich sagen, ob dein Ziel im gesetzten Zeitrahmen realistisch ist. In meinem Testlauf war das die nützlichste Antwort im ganzen Gespräch: Die Wunschzeit war zu ambitioniert, und das stand da, bevor zwölf Wochen Training darauf aufgebaut waren. Wer lieber ohne Prompt startet, kann den KI-Trainingsplan-Generator als Einstieg nutzen und die Feinabstimmung anschließend im Chat machen.