Wie N+Ones AI-Radcoach funktioniert — ein Deep Dive
8 Min. Lesezeit
Erfahre, wie N+Ones AI-Radcoach personalisierte, adaptive Trainingspläne aus Leistungs-, HRV- und Schlafdaten sowie CTL/ATL/TSB erstellt.
N+One nutzt Machine Learning und etablierte Sportwissenschaft, um einen KI-Radtrainer zu liefern, der sowohl präzise als auch praktisch ist. Das System erstellt personalisierte Trainingspläne, passt sich in Echtzeit an Lebens- und Bereitschaftssignale an und verwandelt Fahrdaten in klare Maßnahmen zur Leistungssteigerung auf dem Rad. Ob du Neubeginner, beschäftigter Enthusiast oder Athlet mit einem Zielwettkampf bist — N+One verbindet physiologische Modelle, kontinuierliche Eingaben und adaptive Periodisierung, sodass die wichtigste Fahrt immer die nächste ist.
Ein KI-Radtrainer ist Software, die deine Daten in individualisierte Workouts, Zeitpläne und Einsichten übersetzt. Im Gegensatz zu starren Plänen, die ununterbrochene Trainingsblöcke voraussetzen, aktualisiert ein KI-Coach kontinuierlich die Vorgaben basierend auf deiner jüngsten Leistung, Erholungssignalen und Kalenderbeschränkungen. Das Ergebnis ist adaptives Coaching, das zu deinem Leben passt und die Fitness zuverlässig voranbringt — ohne binäre „Erfolg/Misserfolg“-Beurteilungen.
Key advantages:
N+One schätzt deine aktuelle Fitness und Müdigkeit aus einer Mischung objektiver und subjektiver Eingaben. Jede hat ihre Rolle; zusammen erlauben sie dem Modell, die richtige Intensität und das passende Volumen für den Tag zu empfehlen.
Diese Eingaben erlauben N+One, eine laufende Schätzung deines Anpassungszustands zu erstellen und Workouts auszuwählen, die Reize setzen, ohne unnötige Ermüdung zu erzeugen.
Datenanalyse ist kostenlos, für immer. Der Dynamic Coach ist Pro. Verbunden mit Garmin, Strava, Whoop und intervals.icu.
Personalisierung bei N+One ist kein Template-Matching. Es ist eine Architektur: Baseline-Kalibrierung, biologisch informierte Periodisierung und eine kontinuierliche Feedback-Schleife, die nach jeder Einheit aktualisiert wird.
Das System beginnt mit einfachen, praxisnahen Tests (Ramp- oder 20‑Minuten‑FTP-Protokoll oder automatisch geschätztes FTP aus deinen Fahrten) und einem kurzen Ziel-Fragebogen (Art des Events, verfügbare Zeit, Prioritäten). Genau erhobene Baseline-Daten erlauben dem Modell, passende Intensitäten und realistische Progressionsraten zu setzen. Wiederhole Tests alle 6–8 Wochen, um das Modell aktuell zu halten.
(If you want a primer on testing protocols and why FTP matters, see Understanding FTP: The Foundation of Power-Based Training.)
N+One kombiniert eine Jahresstruktur — Basis, Aufbau, Peak — mit Flexibilität auf Mikrozyklus-Ebene. Der Makroplan liefert einen zielgerichteten Bogen zum Ziel; die Mikrozylken ändern sich abhängig davon, wie du reagierst.
So bleiben die Vorteile geplanter Periodisierung erhalten, während sichergestellt wird, dass der Plan „bricht, bevor du es tust“. Sieh dir unseren Beitrag zu Adaptive Training Plans an, um mehr darüber zu erfahren, wie Biologie die Planung steuert.
Jede Fahrt, jeder HRV-Wert und jede protokollierte Nacht Schlaf fließt ins Modell. Machine-Learning-Modelle schätzen deine Dosis‑Wirkungs-Beziehung: wie viel Anpassung eine Einheit bewirkt hat. Wenn du gut adaptierst, erhöht der Coach die Intensität leicht. Wenn du Last nicht absorbierst, vermindert er den Reiz, bevor ein Überreaching eintritt.
Die Schleife ist entscheidungsfähig: Entweder erhöht sie die Belastung, wenn Kapazität vorhanden ist, oder schützt die Erholung, wenn nötig. Es gibt keine moralischen Fehler — nur adaptive Antworten.
N+One verbindet grundlegende Trainingsmodelle mit datengestützter Schätzung.
Zusammen erlauben diese Elemente dem Coach, konservativ zu sein, wenn es angezeigt ist, und entscheidungsfreudig, wenn du bereit bist, Druck zu machen.
N+One verwandelt unübersichtliche Fahrdateien in umsetzbare Erkenntnisse.
Wenn du Zonen und leistungsbasiertes Training besser verstehen willst, siehe Cycling Power Zones: Train Smarter with Power.
Busy commuter with 4–6 hours/week
Masters rider (40+) managing slower recovery
Rider targeting a key race
Dies sind Verhaltensmuster, die der Coach erlernt — manuelle Änderungen sind nicht nötig, außer ehrlichen Angaben zu Kalender und Zielen.
If you want a quick primer on how adaptive planning reduces burnout, see Adaptive Training Plans: Use Biology to Prevent Burnout.
Will AI replace human coaches?
Is my data secure?
Ready to make the most of the next session? Try N+One and get a plan that adapts to your data, schedule, and goals—so you ride faster, smarter, and healthier.