Gerade eben bin ich wieder einmal zwei Kilometer geflogen, ohne Flügel, ohne Trampolin, ohne Drogen, einfach so, beim Joggen. Das machen Sie wahrscheinlich ganz ähnlich: Wer joggt, befindet sich dabei in einen bestimmten Anteil des Laufs mit beiden Füßen gleichzeitig in der Luft. Dieser Anteil wird mir neuerdings nach dem Training angezeigt. An guten Tagen liegt er bei 27 Prozent. Wer läuft, der fliegt.

Diese schräge Erkenntnis verdanke ich meinen neuen Jogging-Coach: einem Algorithmus. Wenn ich laufe, überwacht er meine Leistung und spuckt mir danach aktualisierte Trainingstipps aus. Als Dateninput verarbeitet er unter anderem das Tempo, ermittelt über GPS sowie meine Fußbewegungen, ermittelt über einen sogenannten Footpod, wie ihn Firmen wie Garmin , Coros , Polar  oder Stryd  anbieten. Der Preis liegt je nach Gerät um die 70 bis 270 Euro. Lohnt sich das?

Die Software analysiert meine Leistungsschwelle (»Critical Power«), also das Anstrengungslevel, bei dem ich richtig ins Japsen komme (und bei dem meine Muskeln den effektivsten Trainingsreiz bekommen). Nach jedem Testlauf wird mein Wert aktualisiert. Die Messgröße ist dabei nicht das Tempo oder der Puls, sondern die Wattzahl, also die Leistung. Beim gemütlichen Joggen leiste ich etwa 200 Watt, beim Berglauf ein paar Sekunden lang über 500. Nach jedem Work-out wird mein Trainingsplan aktualisiert – und meine Prognose für den Marathon im September.

Ist diese Software nun wirklich eine »Schwache KI« oder nur ein Feld-Wald-und-Wiesen-Algorithmus? Darüber zu streiten wäre müßig, denn der Begriff »Küntliche Intelligenz« ist so schwammig definiert, dass selbst ein normaler Taschenrechner als KI gelten könnte, wie die Informatikprofessorin Katharina Zweig  höhnt. Nach derselben Logik könnte man auch ein Papierflugzeug als »Schwache Raumfahrt« bezeichnen. Und da ich beim Joggen ein Viertel der Zeit fliege, könnten sogar meine Joggingschuhe als »Schwache Raumschiffe« gelten.

Wie auch immer, ich lasse mich jedenfalls von einem Computerprogramm coachen. Es hilft mir, die Asymmetrie zwischen meinem linken und rechten Bein zu erkennen, meine Schrittlänge zu verkürzen auf rund drei Schritte pro Sekunde und zu messen, wie effizient mein Laufstil ist. Spoiler Alert: Das Training funktioniert, ich konnte mich damit für den Boston-Marathon qualifizieren, was mir nicht leicht fiel.

Früher lief ich viel mehr im mittleren Tempo. Nun ermahnt er mich immer wieder daran, von den »leeren Kilometern«  abzulassen, denn sie sind nur Zeitverschwendung. Stattdessen fordert er mich auf, eher polarisiert zu laufen: bei den langen Läufen im Schneckentempo durch den Park zu schleichen, aber dafür etwa einmal die Woche ein richtig fieses Intervalltraining einzulegen.

Ich hasse Intervalltraining, oh, wie ich es hasse! Aber es funktioniert. Ich fiebere ein wenig auf das Pling hin, wenn mein KI-Coach noch am Sportplatz auf der Smartwatch meine Wattzahl um ein, zwei Punkte hochschaltet. Ich gestehe: Das macht mich richtig stolz. »Chasing Power« wird dieser Anfängerfehler genannt, das Hecheln nach Bestätigung durch die Maschine. In der Pädagogik nennt man das »Teaching to the Test« , wenn also die Lernenden nur für Pisa oder Abi zu büffeln, nicht fürs Leben (oder, Gott bewahre, zum Spaß). Jedes Training wird so zu dem, was Informatiker »Feature Engineering« nennen, also eine Art Vorauswahl an Daten, die ich einspeisen will in das Modell.

Das Laufen nach Wattzahl (statt nach Tempo oder Puls) hat dabei einige Vorteile. Zum einen kommt die Rückmeldung sofort, wenn ich aus dem Trab in den Sprint wechsele (der Puls reagiert mit Verzögerung). Vor allem aber hilft das »Running with Power« dabei, bei Wind oder im Bergland das Tempo angemessen zu drosseln, was zum Beispiel hilfreich ist bei legendären Anstiegen wie dem Heartbreak Hill in Boston, den viele Läufer mit viel zu hohem Tempo angehen. Mein KI-Coach riet mir dort fast zum Spaziertempo.

Lohnt sich die Anschaffung? Zumindest lohnt es sich, so ein Gerät mal für ein paar Wochen auszuprobieren. Nicht die Zahlen waren für mich das Entscheidende, sondern ein anderes Körpergefühl. Nur ein Beispiel: Ich laufe nun schon seit fast 20 Jahren Marathons, aber mir war neu, wie rasch ich meine Form aufbauen kann – vor allem aber, wie rasch ich sie nach einem Rennen wieder verliere. Veränderung ist die einzige Konstante. Mein Coach ist in dieser Hinsicht gnadenlos, er berücksichtigt nur die letzten 90 Tage. Keine Chance, mich auf Lorbeeren auszuruhen. Use it or lose it.

Aber mein KI-Coach ist manchmal auch besorgt um mich, er warnt mich vor Übertraining, wenn ich es mal wieder übertreibe: »Du trainierst hart. Sei vorsichtig beim Steigern deines Running Stress.«

Mindestens ebenso spannend sind seine Blinden Flecken. Direkt nach einem Marathon sagte er mir mitten in meine Muskelkaterschmerzen: »Dein Running Stress ist niedrig.« Selten so gelacht. Immer wieder verdusselt das Modell wichtige Tatsachen. Einem menschlichen Coach würde so etwas kaum passieren.

Vertrauen ist gut, Kontrolle ist besser. Ich lasse daher parallel mehrere Softwaremodelle mitlaufen, wenn ich laufe: Garmin, Strava, Stryd, Runalyze, Runkeeper und so weiter. Schließlich lassen auch Wetterfrösche teils ein »Ensemble« von über 50 Wettermodellen gegeneinander anrechnen. Obwohl meine diversen Apps alle dieselben Läufe auswerten, kommen sie oft zu unterschiedlichen Ergebnissen. Bei meiner Marathonprognose zum Beispiel liegen sie derzeit 32 Minuten auseinander.

Die Meinungsverschiedenheiten meiner konkurrierenden KI-Coaches sprechen nicht gegen sie, sondern liegen in der Natur der Sache. Jeder Algorithmus ist ja einfach nur ein mathematisches Modell, welches versucht, zwei Kurven aneinander anzunähern. So ähnlich geht ChatGPT vor, wenn es sich Wort um Wort vortastet, bis vielleicht ein tauglicher Satz dabei herauskommt – oder eine »Halluzination«, also ein wirres Quatschergebnis .

Auch meine KI-Coaches liegen bisweilen daneben. Teils kommen sie zum Beispiel nicht damit klar, dass ich zwar kein besonders schneller Läufer bin, aber auf die lange Distanz ein harter Hund, der extrem lange eine gleichbleibende (niedrige) Leistung hält. »Das mathematische Modell verarbeitet einfach nur die Daten, die ihm gefüttert werden«, schreibt der Laufexperte Steve Palladino  trocken: »Es ist nicht hellsichtig.«

Und hier wird es richtig interessant. Die Selbstvermessung erlaubt mir nicht nur ein besseres Gefühl für meinen eigenen Körper zu entwickeln, jene wunderbare Blackbox auf Beinen. Sondern auch für unsere durchcomputerisierte Zukunft: Ungefähr jeder Zweite glaubt, dass sein Job in Zukunft durch KI ersetzt wird. Meine Arbeit mit dem leicht schusseligen KI-Coach dagegen legt eher nahe, dass sich entscheidende Kompetenzen nicht wegautomatisieren lassen.

Das Besondere an der Selbstvermessung ist ja, dass ich zu einhundert Prozent persönlich anwesend bin beim Generieren aller verwendeten Daten. Bei Wahlergebnissen, Kriminalstatistiken oder Börsenkursen ist das nicht der Fall, daher sind sie viel schwerer zu interpretieren. Bei der Selbstvermessung dagegen bin ich der Datensatz (vermittelt über meine Sensoren). Und dennoch spuckt das System immer wieder überraschende und teils widersprüchliche Ergebnisse aus. Everyone loves a good train wreck.

So zweckentfremde ich mein Joggen zu einer Art KI-Forschung in eigener Sache. Jede Joggingrunde wird zu einer Art Salonspiel mit meinem Daten-Doppelgänger: Er zeigt mir meine Marotten auf. Und ich wiederum bewundere seine Blinden Flecken. Wir ergänzen uns gut.

Ob sich derlei Selbstvermessungsexperimente vielleicht für Schüler eignen könnten, die eigentlich keinen Bock auf Mathe oder Informatik haben, aber auf Leichtathletik? Wird eine solche Form von Data Science vielleicht irgendwo im Sportunterricht an Schulen unterrichtet (oder in Bio)? Oder finden Sie, liebe Leserin, lieber Leser, derlei Selbstvermessung völlig abstrus, verkopft und künstlich unintelligent? Schreiben Sie mir gerne!