Kann KI personalisierte Trainings- und Ernährungspläne generieren, die sich in Echtzeit an biometrisches Feedback anpassen ?

KI-gestützte Fitnessplattformen erstellen nun dynamisch angepasste Trainings- und Ernährungspläne basierend auf Echtzeitdaten von Wearables, Herzfrequenzmonitoren und sogar Stressleveln. Diese Systeme personalisieren Empfehlungen durch die Analyse von Schlafqualität, Erholungsmetriken und Leistungstrends. Einige Plattformen integrieren genetische Daten oder Mikrobiom-Analysen, um Ernährungsratschläge maßzuschneidern. Die KI lernt aus den Gewohnheiten des Nutzers und passt Intensität, Dauer und Ernährungsvorschläge entsprechend an.

Aktuelle KI-Systeme können grundlegende personalisierte Trainings- und Ernährungspläne aus Benutzereingaben wie Alter, Gewicht, Fitnesszielen und Ernährungspräferenzen generieren, und einige Plattformen nutzen statische biometrische Daten wie Herzfrequenz oder Schrittzahl, um Empfehlungen anzupassen. Frühe Forschungsprototypen, die Wearable-Datenströme (EKG, SpO2, Temperatur, Beschleunigungsmessung) nutzen, haben in kontrollierten Laborsettings eine Echtzeitanpassung demonstriert, doch diese Systeme befinden sich noch auf Machbarkeitsniveau statt auf klinischem Zuverlässigkeitsniveau, mit Fehlern bei der Planumstellung, wenn Sensordatenrauschen oder Fehlklassifizierung des Nutzerkontexts auftritt. Regulatorisch zugelassene, Echtzeit-geschlossene Regelkreise für die allgemeine Nutzung sind noch nicht verfügbar. Von der FDA freigegebene „digitale Therapeutika“-Apps können Insulindosierungen für Diabetiker anpassen und geführte Trainingspläne bereitstellen, doch diese Anpassungen basieren auf vorab trainierten Modellen statt auf offener kontinuierlicher Personalisierung.

— Aktualisiert am 12. Mai 2026 · Quelle: U.S. Food and Drug Administration — https://www.fda.gov/medical-devices/digital-health-center-excellence