Als wir NUA vor fast zwei Jahren gestartet haben, war generative KI für den produktiven Einsatz noch nicht ausgereift. Aber schon damals hatten wir eine klare Intuition: Wir wollten keine weitere Trainings-App bauen — wir wollten etwas, das einem Coach näherkommt. Menschliche Präsenz verbunden mit algorithmischer Präzision.
Was sich grundlegend falsch anfühlte
Als Sportler selbst fühlten sich in jedem Tool, das wir nutzten, zwei Dinge falsch an.
Erstens: Intransparenz. Entscheidungen kamen ohne Erklärung — "vertrau dem Plan." Vertrauen bröckelt über Wochen, bis du den Plan ganz aufgibst. Zweitens: Isolation. Du bekommst eine Tabelle, keinen Begleiter. Der Plan weiß nicht, dass du müde oder gestresst bist oder an dir zweifelst.
Ein wirklich intelligenter Coach muss beides lösen: echte Entscheidungen treffen und dir das Gefühl geben, begleitet zu werden.
Unser erster Ansatz — und wo er scheiterte
Unser MVP konzentrierte sich auf das, was uns am wichtigsten schien: eine starke Trainings-Engine für ambitionierte Sportler, eine Gesprächsschnittstelle über WhatsApp, um die Wärme eines echten Coaches nachzuahmen, und die bewusste Entscheidung, keine Dashboards zu bauen — Tools wie Strava, Garmin oder Intervals.icu machen das bereits gut.
Die Idee war einfach: Trainingslogik in der Engine, menschliche Erfahrung im Chat.
Das funktionierte… bis es das nicht mehr tat.
Sobald etwas wie ein Coach spricht, erwarten Sportler, dass es auch wie einer denkt — in jeder Situation. Aber unsere Gesprächsebene erklärte Entscheidungen, die sie gar nicht selbst traf. Als die Realität von den vordefinierten Pfaden abwich, zeigten sich die Risse.
Du kannst die Instanz, die entscheidet, nicht von der trennen, die erklärt, und dann erwarten, dass Vertrauen bestehen bleibt.
Coaches sind geschlossene Regelkreise
Was wir schließlich verstanden: Ein Coach ist keine Ansammlung von Funktionen. Er ist ein geschlossener Regelkreis: Ausgangsbedingungen verstehen, planen, die Umsetzung beobachten, Feedback erklären, neu planen, wenn die Realität abweicht.
Und dieser Regelkreis existiert auf mehreren Ebenen gleichzeitig — Saisonziele, Makrozyklen, Wochenstruktur, tägliche Bereitschaft.
Wenn verschiedene Teile des Systems auf jeder Ebene unabhängig voneinander denken, geht die Kohärenz verloren. Deine Dienstagsintervalle gibt es wegen deines Rennens im März, deiner Müdigkeit von der Sonntagsausfahrt und der Tatsache, dass du letzte Nacht schlecht geschlafen hast.
Wo generative KI wirklich half
Als generative KI zuverlässig genug wurde, sahen wir sie zunächst als UX-Upgrade: mehr Empathie, mehr Flexibilität.
Aber der tiefere Wert lag woanders. Nicht Regeln entfernen — sie abstrahieren.
Statt Tausender if/else-Verzweigungen definieren wir jetzt, welche Strategien erlaubt sind, welche Einschränkungen niemals verletzt werden dürfen und welche Daten auf jeder Entscheidungsebene zählen. Innerhalb dieses kontrollierten Raums wählt und begründet die KI Entscheidungen — erfindet aber niemals Fähigkeiten, die das System nicht hat.
Heute läuft NUA als hybrides System: Die algorithmische Struktur garantiert Sicherheit und Konsistenz, während die KI als eingeschränkte Entscheidungsebene mit über 60 spezialisierten Agenten arbeitet, geleitet von sportwissenschaftlichen Regeln. Entscheidend ist: Dieselbe Instanz entscheidet und erklärt zugleich.
Komplexität aufnehmen, nicht auslagern
Intern verfolgen wir eine große Zahl an Werten — die Umsetzung von Einheiten, die Belastungsdynamik, Bereitschaftstrends, Leistungssignale.
Aber der Sportler soll Klarheit erleben, nicht kognitive Last.
Dashboards, TSS-Diagramme, CTL-Kurven — sie lagern Komplexität auf den Sportler aus. Sie machen dich zum Analysten deiner eigenen Leistung. Unsere Aufgabe ist es, diese Komplexität aufzunehmen, nicht auszulagern. Dir zu sagen, was du heute tun sollst und warum.
Sportler wollen keine mentale Energie für Mikro-Entscheidungen aufwenden, über die ein System konsistenter urteilen kann. Sie wollen sich auf Umsetzung, Gefühl und Absicht konzentrieren. Gutes Coaching hat das schon immer getan. KI ermöglicht es einfach, das zu skalieren.
Immer noch in Arbeit
Wir betrachten NUA nicht als fertig — ganz im Gegenteil. Jede Iteration entsteht aus der Erkenntnis, wo unser bisheriges Bild von einem Coach unvollständig war.
Aber wenn wir eines gelernt haben, dann das: Einen KI-Coach zu bauen bedeutet weniger, Intelligenz hinzuzufügen, als vielmehr Kohärenz, Vertrauen und Erklärbarkeit zu bewahren, während die Komplexität wächst.