Whoop Coach powered by OpenAI: Individueller Trainingsplan durch KI

Whoop Coach powered by OpenAI: Individueller Trainingsplan durch KI

Mit dem Whoop Coach soll das eigene Training auf ein neues Level gehoben werden – und zwar mit Hilfe von künstlicher Intelligenz. Das Update für euer Whoop Fitness-Armband ist ab sofort erhältlich.

Den vollständigen Artikel ansehen:
Whoop Coach powered by OpenAI: Individueller Trainingsplan durch KI

Wer von euch hat den Whoop Coach schon im Einsatz?

 

[X-Race]

aus dem verlinkten Test bei MTB-News:
"Es gibt einfach zusätzliches Vertrauen, wenn nicht nur das Gefühl, sondern auch die Werte sagen, dass der Körper wieder bereit für sportliche Aktivitäten ist."

Das fasst mMn sehr gut zusammen für was man das Band am meisten braucht -> Bestätigung dass das eigene Gefühl wirklich richtig ist. Da kann man schonmal 30€ im Monat invenstieren.

 

[user_637337662]

Das Ding kann nichts anderes wie meine Garmin Uhr, oder übersehen etwas?

Kommt auf Deine Garmin an.
https://gadgetsandwearables.com/2023/06/09/garmin-forerunner-101/

 

[Speedskater]

Die Crux and den ganzen Wearables und nachgelagerten Auswertung ist, dass sie sehr wenige "Primärdaten", konkret HF, HRV, ggf. sO2, sowie ggf. Beschleunigung messen und daraus durch Integration zig Parameter ableiten. Das ist ebenso ambitioniert wie fehleranfällig. Die ganzen Schlafparameter jenseits der Schlafdauer zB sind ziemlich ungenau, von Body Batterie oder Training Readiness ganz zu schweigen.

KI wäre mMn an sich DAS Tool, für individuelle Trainingspläne. Ein guter Trainer schreibt einen ersten Plan basierend auf Zielen, bisheriger Trainingserfahrung und metabolischem Profil. Den passt er dann basierend auf Feedback - inkl. objektiver Parameter an und nutz dabei seine Erfahrung. Eine KI könnte objektive Parameter wie HF, HRV, etc viel effizienter auswerten und der Erfahrungspool, wie darauf zu reagieren ist, ist quasi unbegrenzt.

Derzeit hapert es vor allem an der Zuverlässigkeit der Primärdaten (Stichwort Lichtspalt) und dann gilt: wer Mist misst, ... In ein paar Jahren sieht das hoffentlich anders aus.

 

[cm1702]

Die Crux and den ganzen Wearables und nachgelagerten Auswertung ist, dass sie sehr wenige "Primärdaten", konkret HF, HRV, ggf. sO2, sowie ggf. Beschleunigung messen und daraus durch Integration zig Parameter ableiten. Das ist ebenso ambitioniert wie fehleranfällig. Die ganzen Schlafparameter jenseits der Schlafdauer zB sind ziemlich ungenau, von Body Batterie oder Training Readiness ganz zu schweigen.

Ich stimme da grds. zu, wirklich genau iSv. medizinisch genau ist das alles nicht. Die Frage ist aber, ob eine regelmäßige Ungenauigkeit nicht irgendwie wieder "genau" (genug) ist. Ähnlich wie mit Powermeter. Da ist effektiv auch egal, ob die Dinger 1% oder 5% abweichen, solange die Zoneneinteilung und das Training immer mit der selben Ungenauigkeit erfolgt. Ich nutze die Garmin jetzt seit Februar und konnte diverse "Krankheit" darin abbilden. Auch wenn ich krank den ganzen Tag rumgelegen habe (wo man ja denken könnte, dass das rumliegen - va. auch für so ein eher dummes Wearable - erholsam sei), führte in diesem Fall zu extrem hohen Stresswerten. Auch konnte ich eig. jedes Mal (leider bin ich dank Kindergarten-Kind öfters mal "krank") 1-2 Tage bevor der Hals anfing zu kratzen durch erhöhte Ruhe-HR, nur 50% geladene Body Batterie über Nacht trotz 7-8 Std Schlaf, hohem Schlaf-Stress, etc. schon ableiten, dass da etwas kommt. Ob die Ruhe-HR jetzt medizinisch korrekt bei 46 liegt, oder bei 47 oder bei 50 ist mir persönlich eigentlich egal. Sie wird ja bestenfalls immer gleich falsch gemessen.

Wenn man sowas lange genug trägt erkennt man jedenfalls Abweichungen von der Norm.

 

[AW312]

Die Crux and den ganzen Wearables und nachgelagerten Auswertung ist, dass sie sehr wenige "Primärdaten", konkret HF, HRV, ggf. sO2, sowie ggf. Beschleunigung messen und daraus durch Integration zig Parameter ableiten. Das ist ebenso ambitioniert wie fehleranfällig. Die ganzen Schlafparameter jenseits der Schlafdauer zB sind ziemlich ungenau, von Body Batterie oder Training Readiness ganz zu schweigen.

In der Tat - daher sollte man sich besser selbst auf die angelieferten Daten fokussieren und sich dann selbst ein Bild davon machen. Immerhin werden die Primärdaten zumindest mit angezeigt.

 

[Gelöschtes Mitglied 106097]

Von den Datenreihen des Pulses und der Bewegungen lassen sich sicher einige Eigenschaften ableiten.
Insgesamt sind es für eine präzise Auswertung aber sehr wenige Datenreihen, diese oft sogar mit unklarer Zuverlässigkeit.
Eine Software oder KI kann nur Muster erkennen, die irgendwo vorhanden sein müssen.
Bei einer so schlechten Datenlage, mit der diese Geräte zurechtkommen müssen, ist das schon eine rechte Herausforderung, die sicher öfters die Grenze zur Kaffeesatzleserei überschreitet.
Zumal die Algorithmen ziemliche Blackboxes sind.
Ich persönlich finde diese Geräte bei den klar messbaren Daten einen guten Bestandteil eines Trainings.
Für den Interpretation der Daten vertraue ich ihnen nicht.
Auch wenn es die Firmen nicht gerne hören: unser Körpergefühl beruht auf viel mehr Daten und kann recht zuverlässig sein.

 

[ziag]

kann recht zuverlässig sein.

Betonung auf kann - kann uns auch ganz schönen Streiche spielen, und das mein ich nicht nur im Rauschzustand ;-)

Ansonsten voll bei Dir - Geräte, welche die Rohdaten nicht rausrücken - wie z.B. meine wunderschöne, wertig gebaute Suunto, verwende ich deswegen nicht mehr.

 

[Gelöschtes Mitglied 106097]

Betonung auf kann

Wollen würden wir ja schon, aber können können wir nicht. Also wollen wir mehr, vielleicht können wir's dann.
Oder so ähnlich.

 

[kaener23]

Neben all den Vor-und Nachteilen von Whoop und KI-Diskussion... kann Whoop nun einen individuellen Trainingsplan erstellen? Also im Sinne von: Ich möchte meine VO2 max erhöhen --> dann trainiere morgen in Zone xy / bei xy Watt etc. vergleichbar zu zB enduco?

Oder sagt mir Whoop "lediglich": du bist erholt und verträgst heute Training?

Bzw wie würdet ihr whoop für euer spezifisches (Rennrad-) Training nutzen?

Schönen Sonntag