Muskeln sind fürs Leben unabdingbar. Die Muskelmasse nimmt allerdings etwa ab dem vierzigsten Lebensjahr kontinuierlich ab. Dieser altersassoziierte Muskelschwund, in der Fachsprache Sarkopenie genannt, beträgt ungefähr sechs Prozent in zehn Jahren. Krafttraining gilt als wichtigste Massnahme, um den negativen Folgen der Sarkopenie entgegenzuwirken. Weitgehend unbekannt ist jedoch, wie ein zielgerichtetes Muskeltraining genau aussehen muss, damit es seinen Zweck optimal erfüllt. Da man das Krafttraining in der Praxis zu wenig genau beschreibt, sind Rückschlüsse auf die Muskelbildung kaum möglich. Um diese Lücke zu schliessen, haben Forschende der ETH Zürich und der ZHAW School of Engineering in Zusammenarbeit mit der Kieser Training AG eine bestechend einfache Methode entwickelt: Sie nutzt die Beschleunigungssensoren in gängigen Smartphones, um den Verlauf von Kraftübungen an Geräten zeitlich hochaufgelöst zu erfassen.

Gesucht: Zeit unter Spannung

Bis anhin werden beim Krafttraining nur die mit einem Gewicht geleistete Arbeit anhand der Anzahl Sätze und Wiederholungen protokolliert. Solche Trainingsdaten sind jedoch unzureichend vergleichbar und damit suboptimal, um mögliche Effekte des Trainings auf die Muskelbildung zu untersuchen. Für die Muskelphysiologie ist das zeitliche Muster der Kraftübung relevant. Um die erforderlichen Grössen im Kraftraum zuverlässig zu erfassen, setzen die Forschenden das Smartphone als digitales Analysewerkzeug ein. Das Smartphone wird jeweils am Gewichtsblock befestigt, damit es die Beschleunigung und Geschwindigkeit des Gewichts während einer Kraftübung registriert. Eine eigens programmierte App zeichnet die Daten der Sensoren auf. Damit lässt sich das Training präzise auswerten.

Fernziel: digitalisierter Kraftraum

Die neue Analysemethode erlaubt es, Muskelübungen wesentlich genauer als bisher zu beschreiben und die relevanten Vergleichsgrössen standardisiert zu erfassen. Das könnte nicht zuletzt helfen, die altersassoziierte Sarkopenie und deren Folgeerscheinungen zu bekämpfen. Noch ist die Methode in erster Linie für die Forschung gedacht. In Zukunft ist es aber denkbar, dass auch Trainierende das Werkzeug nutzen, um selbständig Daten mit ihrem Smartphone zu erfassen. Damit könnten sie beispielsweise Trainingspläne besser an ihre Bedürfnisse anpassen. Solche Anwenderdaten sind wiederum für die Wissenschaft interessant.