KI Fitness Coach: Was die Technik misst und was nicht

KI Fitness Coach steht für ein Versprechen: ein digitaler Begleiter, der deine Daten liest, deinen Trainingsplan täglich anpasst und dir sagt, wann du dich erholen sollst. Das Versprechen ist echt. Die Frage ist, wie viel davon die Technik heute wirklich einlöst.

Ich bin im März 2024 wieder mit dem Laufen angefangen, und der erste Schritt war eine Lauf-App. Was früher Bauchgefühl war, wurde plötzlich sichtbar: Pace, Puls, Erholung. Warum ich damals ausgerechnet zur kostenpflichtigen Version gegriffen habe und was das mit Motivation zu tun hat, habe ich in Operante Konditionierung: Wann Belohnung schadet aufgeschrieben.

Seitdem habe ich viel getrackt und dabei etwas gelernt, das in kaum einer App steht: manche dieser Zahlen sind sehr genau, andere sind grobe Schätzungen, und die App zeigt beide im selben Design an. Genau darum geht es in diesem Ratgeber. Was ein KI Fitness Coach für Training, Ernährung und Regeneration leisten kann, wo die Messwerte belastbar sind, und an welchen Stellen du der Anzeige besser nicht blind vertraust.

Vom starren Plan zum mitlernenden System

In der modernen Fitnesswelt hat sich der Ansatz verschoben. Früher gaben pauschale Trainingspläne und allgemeine Ernährungsempfehlungen den Ton an. Heute werten Systeme laufend Leistungsdaten aus, erkennen Muster und passen Vorschläge an deine Tagesform an.

Das ist mehr als Kosmetik. Ob du gut geschlafen hast, gestresst bist oder wenig gegessen hast, all das beeinflusst deine Leistungsfähigkeit, und ein starrer Wochenplan ignoriert es. Ein adaptives System kann darauf reagieren.

Was ein digitaler Coach am Bewegungsverhalten ändert

Digitale Coaches im Chat-Format bringen Menschen messbar mehr in Bewegung, der Effekt ist aber überwiegend klein. Eine Metaanalyse von 19 Studien zu Chatbots, die Bewegung, Ernährung oder Schlaf verbessern sollten, verglich die Bewegung mit Chatbot entweder mit einer Kontrollgruppe oder mit dem Stand vor Beginn (Singh und Kollegen 2023). Wer einen Chatbot nutzte, bewegte sich danach etwas mehr: Die Effektstärke, ein Maß dafür, wie groß ein Unterschied im Verhältnis zur üblichen Streuung ist, lag für die gesamte körperliche Aktivität und für die täglichen Schritte jeweils bei 0,28, für moderate bis intensive Bewegung bei 0,53. Nach üblicher Konvention ist 0,28 ein kleiner und 0,53 ein mittlerer Effekt. Die Autorinnen und Autoren stuften 14 der 19 Studien als methodisch schwach ein, eingeschlossen waren auch Studien ohne Kontrollgruppe, und nicht jeder untersuchte Chatbot arbeitete mit künstlicher Intelligenz.

Für einzelne Funktionen wie Erinnerungen, Zielsetzung oder Gesprächston weist die Analyse keinen eigenen Effekt aus. Verglichen wurden Untergruppen nach Art des Chatbots, Art und Dauer des Programms und dem Einsatz von künstlicher Intelligenz, Unterschiede zwischen ihnen nennt die Zusammenfassung der Studie nur für Ernährung und Schlaf (Singh und Kollegen 2023). Ein Beleg dafür, dass eine bestimmte Funktion deiner App wirkt, etwa die Playlist oder die Push-Nachricht, ist das nicht.

Was ein KI-Trainingsplan leistet und wo er lückenhaft bleibt

Ein KI-Chatbot schreibt Bewegungsempfehlungen, die meist sachlich stimmen, aber wichtige Teile weglassen. Ein Forschungsteam ließ einen KI-Chatbot individuelle Empfehlungen für 26 klinische Gruppen erstellen und bewertete sie anhand von zehn Kategorien aus anerkannten Standardempfehlungen, darunter Häufigkeit, Intensität, Dauer, Steigerung und Gesundheitscheck vor dem Start (Zaleski und Kollegen 2024). Die Empfehlungen waren zu 90,7 Prozent sachlich korrekt, aber nur zu 41,2 Prozent vollständig. Die meisten Fehler, 8 von 15, betrafen die Frage, ob vor Trainingsbeginn eine ärztliche Freigabe nötig ist.

Untersucht wurden Empfehlungen für Menschen mit Erkrankungen, nicht für gesunde Läuferinnen und Läufer (Zaleski und Kollegen 2024). Ein KI-Plan ersetzt deshalb keine ärztliche Abklärung, wenn du eine Vorerkrankung hast, und er ist nicht automatisch so vollständig wie der Plan einer Fachperson.

Mein persönlicher Einstieg: wie ich KI als Laufcoach entdeckte

Alles begann mit dieser einen Lauf-App. Sie half mir, meine Einheiten zu tracken und Fortschritte sichtbar zu machen, und sie brachte mich überraschend schnell zu ersten Erfolgen. Ich fühlte mich fitter und konnte längere Strecken laufen.

Doch das reichte mir nicht. Ich fragte mich, was wäre, wenn ein digitaler Coach mich nicht nur begleitet, sondern auch versteht. Eine KI, die wie ein echter Lauftrainer denkt, meine Daten analysiert, Rückschlüsse zieht und mein Training dynamisch anpasst.

Besonders wertvoll war für mich nicht die Zahl selbst, sondern die Erklärung dahinter. Wenn mir die App einen ruhigeren Tag vorschlug und dazu schrieb, warum, habe ich meinen eigenen Körper besser verstehen gelernt. Genau darin liegt der Nutzen: KI hilft dir, bewusster zu trainieren, nicht härter. Was sie dafür an Datenqualität mitbringt, ist der nächste Punkt, und dort wird es unbequem.

Alles, was eine KI dir empfiehlt, hängt an der Qualität ihrer Messwerte. Und die ist je nach Größe sehr unterschiedlich. Ein Forschungsteam hat dazu 24 systematische Übersichtsarbeiten ausgewertet, die zusammen 249 Validierungsstudien mit 430.465 Teilnehmenden umfassen (Doherty und Kollegen 2024). Verglichen wurden die Geräte jeweils mit einem anerkannten Referenzverfahren.

Was die Geräte gut messen und was sie schätzen

Alle Werte in der Tabelle stammen aus dieser Übersichtsarbeit (Doherty und Kollegen 2024).

Drei Dinge sind daran wichtig. Erstens: Puls, Schritte und Sauerstoffsättigung liegen vergleichsweise nah am Referenzwert, Kalorien, Belastungsintensität und die geschätzte Ausdauerleistung weichen deutlich stärker ab. Eine strenge Rangfolge lässt sich daraus nicht bilden, weil die Übersicht je Messwert ein anderes Fehlermaß verwendet. Eine Kalorienangabe, die im Mittel um 3 Prozent zu niedrig liegt, im Einzelfall aber zwischen minus 21,27 und plus 14,76 Prozent danebenliegen kann, ist eine Schätzung und keine Messung (Doherty und Kollegen 2024).

Zweitens: Beim Schlaf überschätzen Wearables meist schon die Gesamtschlafdauer, typischerweise mit mehr als 10 Prozent Fehler (Doherty und Kollegen 2024). Zur Aufteilung in Leicht-, Tief- und REM-Schlaf nennt die Übersicht keine Zahl. Wenn dir deine App morgens eine Tiefschlafdauer auf die Minute anzeigt, ist das eine Schätzung, deren Genauigkeit für dein Gerät in der Regel nicht belegt ist.

Drittens, und das ist der ernüchterndste Befund: Von allen bisher auf den Markt gebrachten Geräten sind nur etwa 11 Prozent für auch nur einen einzigen Messwert wissenschaftlich überprüft worden. Gemessen an dem, was für eine vollständige Bewertung nötig wäre, sind erst 3,5 Prozent der Validierungsstudien vorhanden (Doherty und Kollegen 2024). Die Autorinnen und Autoren halten fest, dass die uneinheitlichen Methoden der Studien ein abschließendes Urteil über die Genauigkeit verhindern.

Wie du Wearable-Werte im Alltag nutzt

Nutze die genauen Werte zum Steuern und die geschätzten zum Beobachten. Konkret:

• Puls und Schritte kannst du für Entscheidungen heranziehen, etwa für Trainingsbereiche
• Kalorienangaben taugen als Trend über Wochen, nicht als Tagesbilanz zum Rechnen
• Schlafphasen sind als Verlauf interessant, eine einzelne Nacht sagt wenig
• Bewertungszahlen wie Erholungs-Scores fassen mehrere geschätzte Werte zusammen und erben deren Unsicherheit

Personalisierte Ernährung auf Basis von KI-Analysen

Was du isst, beeinflusst, wie du trainierst und dich erholst, und was für den einen passt, muss für den anderen nicht passen. Hier setzt KI-basierte Ernährungsberatung an: sie erstellt Empfehlungen auf Basis deiner Aktivität, deiner Ziele und deiner Gewohnheiten.

Wichtig ist die Grenze dieser Rechnung. Viele dieser Empfehlungen bauen auf dem Kalorienverbrauch auf, und genau der gehört zu den unsichersten Werten eines Wearables: In einer großen Übersicht unterschätzten die Geräte ihn im Mittel um 3 Prozent, im Einzelfall lag der Fehler zwischen minus 21,27 und plus 14,76 Prozent (Doherty und Kollegen 2024). Eine Empfehlung kann nicht genauer sein als ihre Grundlage. Als Richtung taugt sie, als exakte Bilanz nicht.

Vor und nach dem Training essen

Wann du was isst, ist für das Training oft genauso wichtig wie das Was. Eine Mahlzeit vor dem Training soll Energie liefern, ohne zu belasten.

Hier kann die KI tatsächlich helfen, weil sie die Zeitpunkte kennt: sie weiß, wann du trainiert hast und wie lange. Diese zeitliche Zuordnung ist zuverlässig, weil sie nicht auf einer Schätzung beruht, sondern auf einem Zeitstempel. Was die App daraus an Lebensmitteln vorschlägt, ist dagegen eine Empfehlung, keine Messung.

Ernährungstracking per Foto: woher die Nährwerte kommen

Viele Apps bieten an, Mahlzeiten per Foto zu erfassen und daraus Nährwerte zu berechnen. Wie genau das in einer bestimmten App funktioniert, lässt sich von außen kaum beurteilen. Eine Frage kannst du aber jeder App stellen: Stammen die Nährwerte aus einer hinterlegten Nährwertdatenbank, und kannst du sie einsehen und korrigieren, oder werden sie geschätzt?

Für einzelne Vitalstoffe lohnt ohnehin der Blick in eine feste Quelle, etwa zu Magnesium oder Vitamin C.

Wie KI individuelle Supplement-Pläne erstellt

Bei Nahrungsergänzungsmitteln geht die Frage, wer eigentlich was braucht, oft unter. KI-Systeme versprechen hier Ordnung: Statt pauschaler Empfehlungen werten sie deine Trainingsdaten, deine Ernährung und teils auch Laborwerte aus und leiten daraus ab, wo ein Bedarf bestehen könnte.

Das Ziel ist richtig. Nur das zuführen, was dein Körper wirklich braucht, in sinnvoller Dosierung. Der Weg dorthin ist allerdings schwächer belegt, als die Oberfläche vieler Apps vermuten lässt.

Warum ein Mangel nicht aus Trainingsdaten ablesbar ist

Ein Wearable erfasst Puls, Bewegung, Sauerstoffsättigung und mit Einschränkungen den Schlaf. Es misst keine Nährstoffwerte. Ein Mikronährstoffstatus lässt sich daraus nicht ableiten, dafür braucht es eine Laboruntersuchung.

Wenn eine App also einen Bedarf an einem bestimmten Mikronährstoff anzeigt, ohne dass du je Blutwerte hinterlegt hast, ist das eine Annahme auf Basis von Durchschnittswerten und deinen Eingaben. Anders liegt der Fall, wenn du echte Laborwerte einträgst: Dann ordnet die KI vorhandene Messungen ein, statt einen Bedarf zu unterstellen.

Zeitpunkte planen statt Bedarf schätzen

Was eine App verlässlich kann, ist erinnern. Sie kennt deinen Tagesablauf und deine Einheiten und kann dich zu festen Zeiten an eine Einnahme erinnern. Ob ein bestimmter Zeitpunkt für einen Stoff wie Magnesium günstiger ist als ein anderer, ist eine eigene Frage, die der Kalender der App nicht beantwortet.

Wofür KI bei Nahrungsergänzung taugt

KI ist kein Ersatz für Diagnostik. Sinnvoll einsetzbar ist sie zum Aufbereiten und Erklären. Ihre Schwäche liegt dort, wo eine Messung nötig wäre und stattdessen geschätzt wird.

Die praktische Regel lautet deshalb: Nutze die KI, um zu verstehen, wofür ein Stoff gebraucht wird. Für die Frage, ob dir konkret etwas fehlt, führt der Weg über Fachpersonen und eine Messung.

Wie KI Überlastung erkennen soll

Training bringt nur dann Fortschritt, wenn auch die Erholung stimmt. Genau hier setzen Erholungs-Scores an: sie werten Herzfrequenzvariabilität, Ruhepuls, Schlaf und Belastung aus und leiten daraus ab, wie bereit dein Körper heute ist.

HRV-gesteuertes Ausdauertraining kam in Studien meist mit weniger harten Einheiten aus, zeigte einen Vorteil bei Körperwerten unterhalb der Maximalbelastung und bei Leistung und maximaler Sauerstoffaufnahme nur kleine, nicht signifikante Unterschiede. Eine Metaanalyse von 8 Studien mit 198 Teilnehmenden verglich Ausdauertraining, das anhand der per Wearable gemessenen Herzfrequenzvariabilität angepasst wurde, mit vorab festgelegten Plänen (Düking und Kollegen 2021). Die meisten HRV-gesteuerten Programme enthielten weniger moderate oder intensive Einheiten. Bei physiologischen Werten, die unterhalb der Maximalbelastung gemessen werden, fanden die Autorinnen und Autoren einen signifikanten Vorteil, den sie als mittelgroß einstufen (Effektstärke g = 0,296). Bei der Leistung (g = 0,079) und der maximalen Sauerstoffaufnahme (g = 0,171) waren die Effekte klein und nicht signifikant. Unter HRV-Steuerung gab es bei der Leistung weniger Menschen, die sich nicht verbesserten.

Das ist die faire Zusammenfassung: Die Studien haben geprüft, ob HRV-Steuerung einem festen Plan überlegen ist. Bei Leistung und Sauerstoffaufnahme ließ sich das nicht nachweisen, bei Werten unterhalb der Maximalbelastung schon, und das meist mit weniger harten Einheiten (Düking und Kollegen 2021). Ob beide Ansätze gleichwertig sind, wurde damit nicht eigens getestet. Belegt ist das für Ausdauertraining in kleinen Studien. Ob der Erholungs-Score deiner App nach derselben Logik arbeitet, verrät die Anzeige nicht.

Was Verletzungsvorhersage heute leisten kann

Verletzungen vorherzusagen gelingt bisher sehr unterschiedlich gut. Eine systematische Übersicht fand nur 11 von 249 Studien, die ihre Kriterien erfüllten, und darin eine große Spannweite der Trefferleistung: von schwach, mit einer Genauigkeit von 52 Prozent und einer AUC von 0,52, also kaum besser als Zufall, bis zu starken Modellen mit einer AUC von 0,87 (Van Eetvelde und Kollegen 2021). Die AUC beschreibt, wie gut ein Modell Verletzte und Unverletzte auseinanderhält: je höher, desto besser, und Werte um den schwächsten Befund entsprechen etwa einem Zufallstreffer. Die Literatursuche dafür lief im März 2020.

Auf eine Consumer-App mit Puls und Schrittzahl lässt sich das nicht übertragen. Die Übersicht bewertet Modelle aus Forschungsstudien zu Sportverletzungen, nicht die Anzeige in einer Fitness-App (Van Eetvelde und Kollegen 2021). Wenn dir eine App ein Verletzungsrisiko in Prozent anzeigt, behandle das als Aufmerksamkeitshinweis, nicht als Prognose.

Smartwatches und Apps: worauf es beim Auswählen ankommt

Beim Auswählen hilft weniger die Zahl der Funktionen als die Frage, wie offen ein Gerät mit seinen Werten umgeht.

Worauf du beim Auswählen achten kannst:

• misst das Gerät den Puls optisch am Handgelenk oder am Finger, und erfasst es auch die Herzfrequenzvariabilität
• gibt der Hersteller an, gegen welchen Referenzstandard geprüft wurde
• werden Rohwerte und abgeleitete Bewertungen getrennt angezeigt, oder siehst du nur einen Score
• lässt sich der Score aufklappen, sodass du die Grundlage nachvollziehen kannst

Wenn du dich tiefer mit dem Zusammenspiel von Schlaf und Erholung beschäftigen willst, findest du die Grundlagen in REM-Schlaf Phasen und im Biorhythmus und Schlaf-Wach-Zyklus.

Der Balanceakt zwischen Anzeige und Körpergefühl

So hilfreich die Technik ist: Dein Körper hat das letzte Wort. Eine KI spürt keine Schmerzen und kennt keine Intuition. Sie ist eine Beraterin, keine unfehlbare Instanz, und die Messfehler bei Kalorien, Belastung und Schlaf zeigen, warum das keine Höflichkeitsfloskel ist.

Wenn du dich trotz grüner Freigabe ausgelaugt fühlst, darfst und sollst du pausieren. Wer Ruhetage aktiv gestalten will, findet einen Ansatz in Warm- und Kaltduschen. Die beste Lösung liegt in der Kombination: Technologie und Körpergefühl im Dialog.

Warum KI kein menschlicher Trainer oder Arzt ist

Künstliche Intelligenz analysiert Daten, erkennt Muster und macht Vorschläge. Sie sieht dich aber nicht, kennt deinen Kontext nur aus dem, was du eingibst, und untersucht dich nicht. Eine Trainerin oder ein Trainer merkt, wenn du zweifelst. Eine Ärztin oder ein Arzt ordnet Beschwerden und Warnzeichen ein, die in deinen Trackingdaten gar nicht auftauchen.

Wie das in der Praxis aussieht, zeigt eine Untersuchung zu KI-Bewegungsempfehlungen: Sie waren zu 90,7 Prozent sachlich korrekt, die meisten Fehler betrafen aber ausgerechnet die Frage, ob vor dem Trainingsbeginn eine ärztliche Freigabe nötig ist (Zaleski und Kollegen 2024). KI ist ein Werkzeug und kein Ersatz für menschliche Erfahrung oder medizinische Abklärung. Verantwortung und Entscheidung liegen beim Menschen.

Datenschutz und Risiken: wer Zugriff auf deine Gesundheitsdaten hat

Wer eine Fitness-KI nutzt, gibt persönliche Daten preis: Schlafverhalten, Ruhepuls, Standorte der Laufstrecken, teils auch den Zyklus.

Wie ernst das ist, zeigt eine Untersuchung der 23 meistgenutzten Frauengesundheits-Apps (Alfawzan und Kollegen 2022). Alle 23 sammelten gesundheitsbezogene Daten und erlaubten das Protokollieren des Nutzerverhaltens, 14 verfolgten zusätzlich den Standort. Die Ergebnisse zur Transparenz:

• 20 von 23 Apps gaben Nutzerdaten an Dritte weiter
• nur 16 von 23 zeigten überhaupt eine Datenschutzerklärung
• nur 12 von 23 fragten die Einwilligung ab
• 3 Apps sammelten Daten bereits vor der Einwilligung
• nur 13 von 23 informierten über Datensicherheit

Untersucht wurden Frauengesundheits-Apps, nicht Fitness-Apps im engeren Sinn, die Datenarten sind aber vergleichbar sensibel. Die Autorinnen und Autoren halten fest, dass die gängige Praxis den Vorgaben der DSGVO nicht folgt (Alfawzan und Kollegen 2022).

Worauf du achten kannst, bevor du eine App verbindest:

• gibt es eine Datenschutzerklärung, und steht darin, an wen Daten weitergegeben werden
• wo stehen die Server, idealerweise innerhalb der EU
• lassen sich die Daten exportieren und vollständig löschen
• braucht die App wirklich Standortzugriff, oder reicht ihr die Trainingsdauer

KI als Ergänzung statt als Ersatz

Die sinnvollste Haltung ist Zusammenarbeit statt blinder Gehorsam. Nutze die Technologie, um bewusster zu trainieren und deinen Körper besser zu verstehen, aber behalte die Eigenverantwortung.

KI kann dir Empfehlungen geben. Du entscheidest, was du daraus machst. In der Praxis heißt das: nachfragen, nachprüfen, auf dich hören. So wird KI nicht zur Autorität, sondern zu einem Werkzeug auf deinem Weg.

Schritt für Schritt zum eigenen KI-Coach

• Ziel definieren. Willst du abnehmen, Muskeln aufbauen, deine Laufleistung steigern oder einfach fitter werden? Das Ziel entscheidet, welche Messwerte für dich überhaupt relevant sind.
• Tool wählen. Achte auf ein Gerät oder eine App, die Rohwerte wie den Puls getrennt von Scores anzeigt. Prüfe vorher die Datenschutzerklärung.
• Vorerkrankungen klären. Hast du eine Erkrankung, lass einen KI-Trainingsplan vor dem Start ärztlich prüfen. Genau bei der Frage nach der ärztlichen Freigabe lag ein KI-Chatbot in einer Untersuchung am häufigsten daneben (Zaleski und Kollegen 2024).
• Rückmeldung geben. Fragt deine App, wie schwer dir eine Einheit gefallen ist, antworte ehrlich. Dein Empfinden ist ein Wert, den kein Sensor misst.
• Genaue und geschätzte Werte auseinanderhalten. Puls und Schritte kannst du zum Steuern nehmen, Kalorien und Schlafphasen nur zum Beobachten.
• Auf Verläufe schauen statt auf Tage. Ein einzelner geschätzter Wert sagt wenig, derselbe Wert über mehrere Wochen zeigt eher eine Richtung.
• Dem Körper das letzte Wort lassen. Fühlst du dich trotz guter Werte erschöpft, ist das ein Grund für eine Pause.

Persönlicher Erfahrungsbericht und was ich gelernt habe

Was ich selbst gelernt habe: KI macht dich nicht automatisch besser, aber bewusster. Mein Training ist heute gezielter und mein Körpergefühl schärfer. Ich erkenne schneller, wann ich Pause brauche und wann ich pushen kann. Und ich nutze Technologie nicht mehr zur Kontrolle, sondern als Begleiter auf Augenhöhe.

Manchmal liegt die Kunst auch darin, nicht alles zu tracken, sondern gezielt das, was wirklich hilft. Wenn du gerade erst anfängst, ist die Ausrüstung übrigens weniger entscheidend als der Rhythmus. Wie ein einfacher Einstieg aussehen kann, steht in Krafttraining für Einsteiger.

Puls, Schritte und Sauerstoffsättigung liegen vergleichsweise nah am Referenzwert, Kalorienverbrauch, Belastungsintensität und Schlaf werden dagegen nur mit erheblicher Spannbreite geschätzt, und nur etwa 11 Prozent der Geräte auf dem Markt sind für überhaupt einen Messwert wissenschaftlich überprüft (Doherty und Kollegen 2024). Training nach Herzfrequenzvariabilität kam in Studien meist mit weniger harten Einheiten aus und zeigte bei Werten unterhalb der Maximalbelastung einen Vorteil, bei Leistung und Sauerstoffaufnahme nur kleine, nicht signifikante Unterschiede (Düking und Kollegen 2021). Chatbot-Coaches steigern die Bewegung messbar, aber überwiegend in kleinem Umfang (Singh und Kollegen 2023), und KI-Bewegungsempfehlungen waren in einer Untersuchung meist korrekt, aber nur zu 41,2 Prozent vollständig (Zaleski und Kollegen 2024). Verletzungsvorhersage in Consumer-Apps ist noch keine Prognose.

Ich habe meine Laufleistung gesteigert und gelernt, gesünder zu essen. Nicht weil mir jemand gesagt hat, was ich tun soll, sondern weil ich verstehen konnte, warum es sinnvoll ist. Genau darin liegt die Stärke von KI: Sie befähigt, statt zu bevormunden. Und dazu gehört auch zu wissen, welche ihrer Zahlen eine Messung sind und welche eine Schätzung.

Wie sich diese Werkzeuge in ein größeres Bild einordnen, findest du in der Wissensreise Die Kunst des Biohacking.

• Doherty und Kollegen (2024): Keeping Pace with Wearables: A Living Umbrella Review of Systematic Reviews Evaluating the Accuracy of Consumer Wearable Technologies in Health Measurement. Sports Medicine
• Düking und Kollegen (2021): Monitoring and adapting endurance training on the basis of heart rate variability monitored by wearable technologies: A systematic review with meta-analysis. Journal of Science and Medicine in Sport
• Singh und Kollegen (2023): Systematic review and meta-analysis of the effectiveness of chatbots on lifestyle behaviours. npj Digital Medicine
• Zaleski und Kollegen (2024): Comprehensiveness, Accuracy, and Readability of Exercise Recommendations Provided by an AI-Based Chatbot: Mixed Methods Study. JMIR Medical Education
• Van Eetvelde und Kollegen (2021): Machine learning methods in sport injury prediction and prevention: a systematic review. Journal of Experimental Orthopaedics
• Alfawzan und Kollegen (2022): Privacy, Data Sharing, and Data Security Policies of Women's mHealth Apps: Scoping Review and Content Analysis. JMIR mHealth and uHealth