Weniger tut nicht weh – Intelligente, individuelle Trainingsbelastung

Wir wenden den Blick ein wenig ab vom Tagesgeschehen (also, ein bisschen zumindest): Lorenz Adlung hat sich mit der Frage befasst, wie Trainings-Verletzungen vorgebeugt werden könnte und wo da aber auch die Grenzen und Schwierigkeiten sind.
(Titelbild: Peter Böhmer)

Vor dem Auswärtsspiel des FC St. Pauli gegen den SV Sandhausen lasen wir davon, dass Daniel-Kofi Kyereh nicht mit der Mannschaft an der Kollaustraße trainierte. Die Abwesenheit des Dribblers wurde zunächst als Trainingspause im Zuge vielzitierter „Belastungssteuerung“ interpretiert. Das bedeutet, dass Spieler:innen eine Auszeit von der intensiven Trainingsarbeit gegönnt wird, um Regeneration zu ermöglichen und damit Verletzungen vorzubeugen. Bei einem so entscheidenden Spieler wie Kyereh wird schnell deutlich, in welcher Bredouille wir uns befinden. Wie intensiv darf die Trainingsbelastung sein, ohne eine Verletzung zu riskieren?

Kürzlich kochte diese Frage auch in der Beletage des deutschen Fußballs der Herren hoch, wo wir mit dem FCSP ja auch hinwollen. Der Sportmediziner Prof. Dr. Ingo Froböse stellte die Ferndiagnose auf, dass es bei Borussia Dortmund zu viel intensives Training bei zu wenig Regeneration gebe, weshalb vermehrt Verletzungen aufträten. Timo Schultz wurde im Vorfeld der Partie des FC St. Pauli gegen den Karlsruher SC ebenfalls auf die besondere Häufung von Verletzungen angesprochen [hier im Video ab etwa 23:50]. Der Cheftrainer meinte, man befände sich noch in der Analysephase, habe jedoch bereits „Faktoren, die man sicherlich heranziehen kann, die aber nichts für die Öffentlichkeit sind“. Trainingsgestaltung und -Intensität seien nicht verändert worden, so Schultz weiter. Deshalb wollte ich mir einmal genauer ansehen, wie die Trainingsintensität intelligent angepasst werden kann, um das Verletzungsrisiko gering zu halten.

So viel wie nötig, so wenig wie möglich – Alles für Jede:n

Abläufe müssen einzeln und im Team trainiert werden, um eine bestmögliche Vorbereitung auf das Spiel zu gewährleisten. Andererseits lässt gerade am Ende einer langen Saison die körperliche und mentale Kraft nach, sodass Pausen dringend benötigt werden. Bei einem Zuviel an Übungen werden in erster Linie Muskel-Verletzungen riskiert, bei einem Zuwenig an Training sind die individuellen Abläufe nicht optimal abgestimmt. Die Balance ist entscheidend. Selbst Amateursportler:innen kennen das Muster sicherlich: Zu Saisonbeginn wird vermehrt Wert auf Kondition gelegt, um ein Fitness-Fundament für die Spielzeit zu schaffen (schreibt eure Erfahrungen dazu gern in die Kommentare!).
Dass das nicht immer richtig sei, argumentiert René Marić auf spielverlagerung.de. Weniger (Trainingsbelastung) sei mitunter mehr:

In seinem Buch „Football Periodisation“ schrieb Verheijen zum Beispiel darüber, dass Craig Bellamy immer wieder aus Übungen herausgeholt und seine Trainingszeit verkürzt wurde. Anstatt aber weniger fit zu sein, ergab sich das Gegenteil. Die Belastung war ausreichend, um Bellamy konditionell zu entwickeln, er hatte weniger Verletzungen (und somit Rückschläge) und war insgesamt leistungsbereiter.

Rene Marić

Doch wie kann die Belastungssteuerung auf individueller Ebene gelingen? Wieviel Training benötigt jede:r einzelne Spieler:in für die maximale Leistungsfähigkeit bei gleichzeitig minimalem Verletzungsrisiko? In der Mathematik spricht man in diesem Fall von einem Optimierungsproblem. Als klinischer Forscher interessieren mich diese Fragen natürlich. Und es gibt wissenschaftliche Daten zum Thema!

Was sich messen lässt, lässt sich optimieren

In einer Übersichtsarbeit aus dem Jahr 2004 (€€) wird festgestellt, dass sich ein männlicher Fußball-Profi pro Saison durchschnittlich eine Verletzung zuzieht, die seine Performance verschlechtert. Der Maßstab für „schlechtere Performance“ ist nicht einheitlich bei den ausgewerteten Studien. Wie wird die Performance beurteilt, wenn ein Spieler zunächst ausfällt und danach zwar weniger Kilometer gelaufen ist, aber dafür mehr präzise Pässe gespielt hat?

Aufgrund des Fehlens einheitlicher Standards muss man mit einer Bewertung und Interpretation vorsichtig sein. Außerdem handelt es sich bei der berechneten Anzahl der Verletzungen um einen Mittelwert, der aus verschiedenen Studien berechnet wurde. Das heißt: Die Anzahl der Verletzungen pro Saison kann von Spieler zu Spieler stark variieren. Die eine Hälfte der Spieler könnte keine Verletzung erleiden, die andere Hälfte hingegen jeweils zwei Verletzungen pro Saison. Es handelt sich hier lediglich um einen Durchschnittswert, und ein solcher liefert keinen Aufschluss über einzelne Spieler oder deren Verletzungsdauer. Die zugrundeliegenden Rohdaten wurden leider nicht mitveröffentlicht.

Eine gute Faustregel scheint diese eine Verletzung pro Spieler pro Saison dennoch zu sein, denn: Eine „beeinträchtigende Verletzung“ pro Spieler und Saison ist zu erwarten, bzw. zu befürchten gemäß vorliegenden Informationen. Wichtig ist anzumerken, dass bei derlei Studien nur die Anzahl der Verletzungen ausgewertet wurde, nicht deren Schwere oder Dauer.  Hier beim MillernTon wurde das mal für vergangene Spielzeiten aufbereitet, wie viele Spiele in Summe pro Team der 2. Fußballbundesliga der Herren verpasst wurden.

Euch ist sicher bereits aufgefallen, dass ich hier nicht gegendert habe, denn die Daten beziehen sich auf männliche Fußballprofis. Die erwähnte wissenschaftliche Übersichtsarbeit liefert jedoch auch Daten für Fußballerinnen. Mir fielen zwei interessante Aspekte auf:

1. Unabhängig vom Geschlecht treten Verletzungen im Spiel häufiger auf als im Training. Das ist nicht verwunderlich, aber jetzt liegen dazu konkrete Zahlen vor, und während Verletzungen im Spiel nur bedingt vermeidbar sind (schlechter Platz, unfaire Gegner:innen etc.), kann man das Training entsprechend optimieren und Vorsorge treffen, damit die Zahl der Verletzungen weiter reduziert wird.
2. Bei Männern treten Verletzungen im Spiel etwa fünf- bis zwölfmal häufiger auf als im Training; bei Frauen etwa vier- bis siebenmal häufiger (Achtung: dünnere Datenlage). Die Gründe für die Differenzen zwischen den Geschlechtern können vielfältig sein, von unterschiedlicher Zweikampfführung, Athletiktraining, Beweglichkeit und Koordination bis hin zu physiologischen Unterschieden im Muskelaufbau und Sehnenapparat. Bei den Daten für den Jugendbereich wird zumeist nicht zwischen Verletzungen im Spiel und im Training unterschieden. Es scheint mir allerdings, dass es bei Jugendlichen insgesamt zu weniger Verletzungen kommt [0,5 – 9,0 Verletzungen pro 1000 Stunden Spiel- oder Trainingszeit] als bei den Erwachsenen (Abb. 1).

In Anbetracht der Datenlage folgern die Autor:innen der Übersichtsarbeit, dass vielfältige Vorsorgemaßnahmen die Zahl auftretender Verletzungen reduzieren können. Als Beispiele werden spezielles Koordinationstraining und halbfeste Zehenschienen aufgeführt, die besonders anfällige Spieler:innen vor Zehenprellungen schützen. Als besonders anfällig galten Personen mit einer entsprechenden Verletzungshistorie (also vorangegangenen Zehenprellungen). Dann traten erneute Zehenprellungen bis zu 0,86 Mal pro 1000 Stunden Spiel- oder Trainingszeit auf. Zehenschoner konnten diese Zahl um das Fünffache senken. Zehenschoner gegen wiederkehrende Zehenprellungen, das liest sich recht intuitiv.

Aber wie sorgt man komplizierten Muskel- und Sehnenverletzungen vor? Die Komplexität des Fußballsports stellt eine Herausforderung bei der gezielten Verletzungsprävention dar. Wie ich in meinem Artikel zu Herzmuskelentzündungen bei Athlet:innen nach Genesung von Covid19 deutlich gemacht habe, befindet sich der (männliche) Profifußball in einer privilegierten Lage, denn es existieren vergleichsweise viele Daten. Diese Daten müssen jetzt nur noch clever in den richtigen Zusammenhang gebracht werden.

Verletzungen nach Schema F?

Für die Auswertung hochkomplexer Daten existieren in der Wissenschaft speziell entwickelte Methoden. Solche mathematischen Modelle kennt man unter dem Namen „Künstliche Intelligenz“ (KI). Mit meiner Forschungsgruppe bin ich Teil der bAIome-Intiative, die KI in der klinischen Forschung zur Anwendung bringt. Ziel der KI im Allgemeinen ist es, Zusammenhänge aus Daten zu lernen. Das bedeutet, dass ein Algorithmus „trainiert“ wird (ganz ohne Verletzungsrisiko!), um eine Verbindung zwischen Eingabe- und Ausgabe-Informationen zu finden.

In unserem konkreten Fall bedeutet das, dass wir alle möglichen Daten über eine:n Spieler:in als Eingabe messen, bspw. Alter, Geschlecht, Ernährung, Schlaf, medizinische Befunde, Körpergröße, -gewicht, Fett-/Muskelmasse, Flüssigkeitsvolumen, Blutwerte, Verletzungshistorie, Puls, Atemfrequenz, Trainingsintensität, Bewegungen etc. Die Ausgabe der KI ist das, was wir vorhersagen wollen: ein Verletzungsrisiko, also die Wahrscheinlichkeit, dass eine bestimmte Verletzung auftritt (Abb. 2).
Trainiert wird der Algorithmus mit echten Daten – bestenfalls Dokumentationen möglichst vieler gemessener Eingabe-Informationen samt medizinischen Berichten mit bisherigen Verletzungsverläufen. Der Algorithmus entdeckt dann Muster in den Daten. Auf diesen Mustern basieren die Vorhersagen der KI. Eine Vorhersage liest sich folglich etwa so: „Wenn der betreffende Spieler mit 21 Jahren bei einem Körperfettanteil von 13% und einer maximalen Herzfrequenz von 225 Schlägen pro Minuten morgen 19 Zehn-Meter-Sprints im Training durchführt, besteht eine Verletzungswahrscheinlichkeit von 2,3% – 4,7%.“

Das klingt abstrakt, ist jedoch Teil wissenschaftlicher Forschung. Ebendiese beschreibt der Datenwissenschaftler Alessio Rossi in einem Interview mit der Spektrum Gesundheit (€€). Rossi spielte selbst beim italienischen Fußball-Viertligisten USD Olginatese, ehe ihn 2005 ein doppelter Bänderriss stoppte und seine Spieler-Karriere 17-jährig jäh beendete. Seither forscht er an dem Thema Verletzungsvorhersage im Fußball mittels KI. Zu Forschungszwecken stattet er u.a. Spieler mit Gyroskopen am Körper aus, die Bewegungen bei intensiven Läufen genau messen, außerdem die Kräfte, die beispielsweise beim Abbremsen und Richtungswechsel auf den Körper wirken. Dieses Verfahren wird beim Nachbar aus der Vorstadt genutzt, allerdings mit „selbst programmierten Excel-Tabellen“ für „Feinjustierungen im Nachkommastellenbereich“. Die (mutmaßlich komplexeren) mathematischen Modelle von Rossi funktionieren noch nicht sonderlich gut – seine Vorhersagen zu Verletzungen basierend auf den Trainingsdaten der Vorwoche sind nur in 60% der Fälle korrekt – das ist nicht wesentlich besser als ein (zufälliger) Münzwurf.

In einer kürzlich erschienen Übersichtsarbeit ordnet Rossi mit Luca Pappalardo und Paolo Cintia den aktuellen Stand der Dinge ein, was die KI-basierte Vorhersage von Verletzungen im Fußball betrifft. Insgesamt gebe es auf allen Ebenen noch Verbesserungsbedarf. Von der Auswahl der Eingabe-Informationen bis hin zur Beurteilung und Interpretation der Vorhersagen fehle es an einheitlichen Standards.

Zusätzlich erschwerend käme hinzu, dass sich die Messungen der Eingabe-Informationen für die KI mit der Zeit veränderten. Meine Fettmasse ist beispielsweise heute nicht mehr dieselbe wie vor Ostern, was natürlich meine sportliche Aktivität beeinflusst, und umgekehrt. Leider funktioniert die Vorhersage von individuellen Verletzungen nicht intuitiv nach dem immer gleichen Muster, und selbst moderne wissenschaftliche Verfahren auf dem Gebiet der KI stoßen dabei noch an ihre Grenzen.

Der Fluch der Daten – Im Zweifel für den Zweifel

Die größte Herausforderung liegt momentan in der Vielfalt der Daten, die Fluch und Segen gleichermaßen sein können. Einerseits ist mittlerweile alles messbar und gewissermaßen gläserne Fußballprofis existieren. Andererseits ist es schwierig, aus den mehreren hunderten Datenpunkten pro Trainingseinheit und Spieler:in die wirklich informativen Datenpunkte herauszufiltern. Welche Messwerte sind entscheidend für das Verletzungsrisiko? Um diese Frage zu beantworten, braucht es eine Strategie zur Feature Selection, also der Auswahl von informativen Eigenschaften, was ein aktuelles Forschungsfeld im Bereich KI darstellt.

Ein gewichtiger (sic!) Aspekt bei Muskelverletzungen ist die Ernährung, aber dazu ein Andermal mehr. Für die wissenschaftliche Beurteilung, wie gut die KI-Algorithmen funktionieren, braucht es außerdem Kontrollgruppen, die sich im Trainingsalltag nur schwerlich integrieren lassen. Es gilt zudem das gute, alte Sprichwort: „There’s no glory in prevention“. Für Vorsorge gibt es keinen Ruhm. Denn wie soll bewiesen werden, dass eine Verletzung durch Vorsorgemaßnahmen nicht auftritt? Es ist kompliziert. Deshalb lautet Rossis Ratschlag: „Zu viel zu trainieren ist schlimmer, als gar nichts zu machen”. Die Geschichte habe ich drüben bei bugtales.fm mal auszugsweise erzählt.

Wir haben also gelernt, dass Belastungssteuerung wichtig ist, und Pausen vom Trainingsalltag gegönnt werden sollten, um Verletzungen vorzubeugen. Wie aber einzelne Spieler:innen individuell optimal belastet werden können, ist selbst mit neuen wissenschaftlichen Methoden der KI nicht ganz einfach herauszufinden.

Wie das Thema Verletzungsvorbeugung beim FC St. Pauli gehandhabt wird, haben wir exemplarisch am Fall von Daniel-Kofi Kyereh gesehen. Im Spiel gegen den SV Sandhausen konnte er leider nicht mitwirken. Obwohl ihm eine Trainingspause gegönnt wurde, stoppten ihn Oberschenkelprobleme, die er sich bereits im Spiel eine Woche zuvor gegen den SV Werder Bremen zugezogen hatte. Die Vorsichtsmaßnahmen waren leider nicht ausreichend. Sein Ballzauber wäre sicherlich hilfreich gewesen. Wir wünschen schnelle Genesung.

Apropos Genesung, in meinem nächsten Text werden auch Gene eine Rolle spielen.
Forza!
// Lorenz

Alle Beiträge beim MillernTon sind gratis. Wir freuen uns aber sehr, wenn Du uns unterstützt.

MillernTon auf BlueSky // Mastodon // Facebook // Instagram // Threads // WhatsApp // YouTube