Vielen Dank für eure Geduld, das Forum steht nun weitestgehend wieder zur Verfügung, einige Funktionen/Extensions wurden aber vorerst entfernt.
Sciencethread Training
-
Bb.adept
- Moderator
- Beiträge: 3979
- Registriert: 9. Mär 2023, 14:53
Re: Sciencethread Training
Ja, wenn man das Konzept als Gk oder 2er durchzieht, dann baut man viel auf und muss viele Aufwärmsätze machen. Dsd nervt schon.
-
Tinker
- vielleicht auch Oleg?
- Beiträge: 3447
- Registriert: 10. Mär 2023, 09:10
- Ich bin: auf Wohlfühldosis
Re: Sciencethread Training
warum? Man trainiert ja bei einem 2er immer die selben muskelgruppen nacheinander. Wenn man bei einem push/pull als reihenfolge zb. Brust -> Schulter -> Trizeps -> Quads wählt, muss man sich im grunde genau 2 mal aufwärmen. Einmal den OK am anfang mit am besten einer bankdrückvariante und einmal den UK. Wenn man jetzt jeweils einen arbeitssatz Bankdrücken, Brustpresse, Dips, Pec Deck (nur als bsp) gemacht hat, braucht man danach doch nicht mehr schulter oder trizeps aufwärmen..
Sein hormonelles Umfeld dem Zufall zu überlassen ist grob fahrlässig.
-
Buffalo Bill
- Lounger
- Beiträge: 53
- Registriert: 15. Jul 2025, 14:31
- Körpergröße: 188
- Körpergewicht: 115
Re: Sciencethread Training
Das kommt bei mir auf die Übungen und Muskelgruppen an.
Ich kann nicht vom Beinstrecker direkt auf meinen Arbeitssatz Squats wechseln und danach in der Beinpresse brauche ich auch ein paar Feeder-Sätze bis ich bei meinem Arbeitsgewicht bin. Allgemein mache 1–3 Feeder-Sätze die mich nicht oder wenig fordern, je nach Übung, um in der Übung drin zu sein, weil danach hat man nur einen Shot und der muss sitzen. Also ich handhabe das so, dass das mit weniger Aufwand geht, will ich nicht ausschließen.
Ich kann nicht vom Beinstrecker direkt auf meinen Arbeitssatz Squats wechseln und danach in der Beinpresse brauche ich auch ein paar Feeder-Sätze bis ich bei meinem Arbeitsgewicht bin. Allgemein mache 1–3 Feeder-Sätze die mich nicht oder wenig fordern, je nach Übung, um in der Übung drin zu sein, weil danach hat man nur einen Shot und der muss sitzen. Also ich handhabe das so, dass das mit weniger Aufwand geht, will ich nicht ausschließen.
-
wildsau
- Lounger
- Beiträge: 279
- Registriert: 11. Mär 2023, 11:17
- Wohnort: Heilige Noris
- Geschlecht: M
- Trainingsbeginn: 1969
- Körpergröße: 173
- Körpergewicht: 80
- KFA: 12
- Sportart: 3. Halbzeit
- Ich bin: Glubberer
Re: Sciencethread Training
So hatte ich auch meine besten Erfolge. 4 Übungen, Schulterdrücken, Kniebeugen, Kreuzheben und Klimmzüge, alle zwei Wochen ein Satz zum Muskelversagen, bzw. jede Woche nur 2 Übungen. Funzt.Buffalo Bill hat geschrieben: 16. Jul 2025, 04:17 Ich mache das seit Mai. 4 Sätze pro Einheit, 4 Übungen, RiR 0 und eine Frequenz von 2.
Zuletzt geändert von wildsau am 16. Jul 2025, 07:44, insgesamt 1-mal geändert.
-
Tinker
- vielleicht auch Oleg?
- Beiträge: 3447
- Registriert: 10. Mär 2023, 09:10
- Ich bin: auf Wohlfühldosis
Re: Sciencethread Training
ich glaube er meinte 4 übungen jeweils für die selbe muskelgruppe je 1 satz (statt eine übung mit 4 sätzen) - darum geht es doch hier jetzt, oder?wildsau hat geschrieben: 16. Jul 2025, 07:38So hatte ich auch meine besten Erfolge. 4 Übungen, Schulterdrücken, Kniebeugen, Kreuzheben und Klimmzüge, alle zwei Wochen ein Satz zum Muskelversagen alle 2 Wochen, bzw. jede Woche nur 2 Übungen. Funzt.Buffalo Bill hat geschrieben: 16. Jul 2025, 04:17 Ich mache das seit Mai. 4 Sätze pro Einheit, 4 Übungen, RiR 0 und eine Frequenz von 2.
das nicht - aber umgekehrt wohl schon. Von schwerer verbund über zu iso müsste eigentlich auch ohne gut funktionieren.Buffalo Bill hat geschrieben: 16. Jul 2025, 06:36 Das kommt bei mir auf die Übungen und Muskelgruppen an.
Ich kann nicht vom Beinstrecker direkt auf meinen Arbeitssatz Squats wechseln und danach in der Beinpresse brauche ich auch ein paar Feeder-Sätze bis ich bei meinem Arbeitsgewicht bin. Allgemein mache 1–3 Feeder-Sätze die mich nicht oder wenig fordern, je nach Übung, um in der Übung drin zu sein, weil danach hat man nur einen Shot und der muss sitzen. Also ich handhabe das so, dass das mit weniger Aufwand geht, will ich nicht ausschließen.
Sein hormonelles Umfeld dem Zufall zu überlassen ist grob fahrlässig.
-
wildsau
- Lounger
- Beiträge: 279
- Registriert: 11. Mär 2023, 11:17
- Wohnort: Heilige Noris
- Geschlecht: M
- Trainingsbeginn: 1969
- Körpergröße: 173
- Körpergewicht: 80
- KFA: 12
- Sportart: 3. Halbzeit
- Ich bin: Glubberer
Re: Sciencethread Training
Von pro Muskelgruppe steh das nix. Da steht nur 4 Übungen. 4 Übungen pro Muskelgruppe wäre extremst Hochvolumen und das funktioniert nur auf Stoff.Tinker hat geschrieben: 16. Jul 2025, 07:41]
ich glaube er meinte 4 übungen jeweils für die selbe muskelgruppe je 1 satz (statt eine übung mit 4 sätzen) - darum geht es doch hier jetzt, oder?
das nicht - aber umgekehrt wohl schon. Von schwerer verbund über zu iso müsste eigentlich auch ohne gut funktionieren.
-
Tinker
- vielleicht auch Oleg?
- Beiträge: 3447
- Registriert: 10. Mär 2023, 09:10
- Ich bin: auf Wohlfühldosis
Re: Sciencethread Training
aber darum geht es doch die letzten seiten und auch sein beispiel beschränkt sich nur auf die quadswildsau hat geschrieben: 16. Jul 2025, 07:47Von pro Muskelgruppe steh das nix. Da steht nur 4 Übungen. 4 Übungen pro Muskelgruppe wäre extremst Hochvolumen und das funktioniert nur auf Stoff.Tinker hat geschrieben: 16. Jul 2025, 07:41]
ich glaube er meinte 4 übungen jeweils für die selbe muskelgruppe je 1 satz (statt eine übung mit 4 sätzen) - darum geht es doch hier jetzt, oder?
das nicht - aber umgekehrt wohl schon. Von schwerer verbund über zu iso müsste eigentlich auch ohne gut funktionieren.
4 übungen je 1 satz 2 x die woche wären 8 sätze pro muskelgruppe/woche. Warum soll das nur auf stoff funktionieren? So viel macht jeder zweite trainierende.
Sein hormonelles Umfeld dem Zufall zu überlassen ist grob fahrlässig.
-
Searching
- Moderator
- Beiträge: 10371
- Registriert: 9. Jan 2024, 19:35
Re: Sciencethread Training
War schon immer fasziniert davon, wie sehr du von deinen teilweise komplett bescheuerten Meinungen überzeugt bist.wildsau hat geschrieben: 16. Jul 2025, 07:47Von pro Muskelgruppe steh das nix. Da steht nur 4 Übungen. 4 Übungen pro Muskelgruppe wäre extremst Hochvolumen und das funktioniert nur auf Stoff.Tinker hat geschrieben: 16. Jul 2025, 07:41]
ich glaube er meinte 4 übungen jeweils für die selbe muskelgruppe je 1 satz (statt eine übung mit 4 sätzen) - darum geht es doch hier jetzt, oder?
das nicht - aber umgekehrt wohl schon. Von schwerer verbund über zu iso müsste eigentlich auch ohne gut funktionieren.
-
Moseltaler
- Lounge-Legende
- Beiträge: 12113
- Registriert: 5. Mär 2023, 14:18
- Wohnort: Augusta Treverorum
- Geschlecht: männlich
- Sportart: Physiotherapie
- Squat: 200
- Bench: 150
- Deadlift: 250
- Lieblingsübung: PMR
- Ich bin: Rehasportler
Re: Sciencethread Training
Ich bezweifele, dass mit der Aussage „eine Frequenz von 2“, alle zwei Wochen ein Satz gemeint istwildsau hat geschrieben: 16. Jul 2025, 07:38So hatte ich auch meine besten Erfolge. 4 Übungen, Schulterdrücken, Kniebeugen, Kreuzheben und Klimmzüge, alle zwei Wochen ein Satz zum Muskelversagen, bzw. jede Woche nur 2 Übungen. Funzt.Buffalo Bill hat geschrieben: 16. Jul 2025, 04:17 Ich mache das seit Mai. 4 Sätze pro Einheit, 4 Übungen, RiR 0 und eine Frequenz von 2.
-
Buffalo Bill
- Lounger
- Beiträge: 53
- Registriert: 15. Jul 2025, 14:31
- Körpergröße: 188
- Körpergewicht: 115
Re: Sciencethread Training
Jo genau, sorry für die Unklarheit.
4 Sätze pro großer Muskelgruppe(und Delts) in einer Einheit, also 8 Sätze die Woche.
Arme/Waden 3 Sätze pro Einheit 2x die Woche.
Bei den Waden mache ich 3 Sätze an einer Maschine, wegen den Möglichkeiten in meinem Studio.
Verpackt in einer A/B Rotation.
4 Sätze pro großer Muskelgruppe(und Delts) in einer Einheit, also 8 Sätze die Woche.
Arme/Waden 3 Sätze pro Einheit 2x die Woche.
Bei den Waden mache ich 3 Sätze an einer Maschine, wegen den Möglichkeiten in meinem Studio.
Verpackt in einer A/B Rotation.
-
K4S4
- Lounger
- Beiträge: 366
- Registriert: 7. Apr 2023, 12:16
Re: Sciencethread Training
Wäre ja zumindest eine Überlegung Wert 2 Übungen mit zwei Sätzen zu machen. Mit einer A/B Rotation sind das ja immer noch vier Winkel in der Woche aus denen der Muskel belastet wird. Damit wäre man dann wieder bei einem klassischen niedrigvolumigen Grundlagenplan.
Buffalo Bill hat geschrieben: 16. Jul 2025, 04:17Ich mache das seit Mai. 4 Sätze pro Einheit, 4 Übungen, RiR 0 und eine Frequenz von 2.H_D hat geschrieben: 9. Jul 2025, 17:39 In einem Podcast hat Florian Rebhan (Coach im Team Saffe) vom Einfluß bei mehreren Sätzen pro Übung vs mehr Übungsvariation gesprochen.
Wie sind denn eure Erfahrungen/Meinungen?
Ich habe mich ziemlich gut gesteigert in den letzten 3 Monaten, allerdings bin ich aus einer Diät gekommen und die Reverse lief so wie sie laufen sollte. Mein Körper hatte/hat richtig Bock zu wachsen. Alles, was Florian Rebhan in dem Podcast dazu gesagt hat, würde ich so unterschreiben(habe ihn auch gehört). Das Training macht auf jeden Fall Bock. Was kein Bock macht, sind aufwendige Setups und Maschinen für einen Satz voll mit Plates zu beladen.
-
H_D
- Lounge-Legende
- Beiträge: 11755
- Registriert: 9. Mär 2023, 20:30
Re: Sciencethread Training
Das Ende aller Instagram-Coaches
KI für Hypertrophie und Kraft: Bewertung von Trainingsplänen, die von Large Language Models erstellt wurden
Hintergrund:
Krafttraining ist ein zentraler Baustein für die Verbesserung von Muskelmasse, Maximalkraft und allgemeiner Fitness. Die Erstellung individueller Trainingspläne erfordert tiefgehendes Wissen in Trainingswissenschaft, Biomechanik und Physiologie sowie praktische Erfahrung, um optimale Fortschritte zu gewährleisten und Verletzungen zu vermeiden. Für Trainer*innen ist dies ein zeitintensiver Prozess, der neben Fachwissen auch die Berücksichtigung individueller Voraussetzungen und Ziele voraussetzt.
Mit dem Aufkommen leistungsfähiger Large Language Models (LLMs) wie GPT-3.5* und Google Gemini eröffnen sich neue Möglichkeiten, Trainingspläne schnell zu generieren. Diese Systeme können strukturierte Programme erstellen, basierend auf den eingegebenen Trainingszielen und individuellen Informationen, wie Trainingshistorie, verfügbarem Equipment oder körperlichen Parametern. Dennoch ist bislang unklar, wie zuverlässig diese KI-generierten Pläne in Bezug auf Trainingsqualität, Effektivität und Spezifizierung für unterschiedliche Ziele – wie Muskelhypertrophie versus Maximalkraft – tatsächlich sind.
Vor diesem Hintergrund untersucht die aktuelle Studie (Havers et al., 2025) die Qualität von LLM-generierten Trainingsplänen für fortgeschrittene Sportler*innen und analysiert, wie gut diese digitalen Assistenten wissenschaftlich fundierte Prinzipien umsetzen können. Ziel ist es, Einblicke in die Stärken und Schwächen solcher KI-Pläne zu gewinnen und abzuschätzen, inwieweit sie als Ausgangspunkt für individuelle Trainingsgestaltung dienen können.
*Zum Zeitpunkt der Erstellung der Studie war GPT-3.5 der Standard, während GPT-4 erst in den Startlöchern war. Mittlerweile ist GPT-5 bereits als Testversion kostenfrei z.B. via ChatGPT (OpenAI) abrufbar.
Was wurde gemacht?
In dieser Studie wurde untersucht, wie qualitativ Krafttrainingspläne für Muskelhypertrophie und Maximalkraft sind, wenn sie von Large Language Models erstellt werden. Es wurden drei Modelle analysiert: GPT-3.5 via ChatGPT, GPT-3.5 via Microsoft Copilot und Google Gemini.
Die Untersuchung folgte einem strukturierten Ansatz:
Festlegung von Bewertungskriterien: Basierend auf aktuellen Forschungsergebnissen wurden 27 Kriterien definiert, die für effektive Trainingspläne essenziell sind. Dazu zählen u. a. Zieldefinition, Testverfahren zur Leistungsmessung, Trainingsprinzipien (Spezifität, progressive Belastung, Variation, Erholung), Trainingsvariablen (Intensität, Volumen, Frequenz) sowie fortgeschrittene Methoden und Erholungsstrategien.
Standardisierte Eingabeinformationen: Für die LLMs wurden detaillierte Prompts erstellt, die Informationen zur fiktiven fortgeschrittenen Sportlerin enthielten, wie bisheriges Training, Trainingsziele, verfügbare Geräte, Körpermaße und Maximalkraftwerte.
Generierung der Trainingspläne: Jedes Modell erstellte sowohl einen Plan für Muskelaufbau als auch für Maximalkraft, insgesamt sechs Pläne.
Evaluation durch Experten: Zehn erfahrene Trainer mit mindestens einem Bachelorabschluss in Sportwissenschaft und mindestens zwei Jahren Coaching-Erfahrung bewerteten die Trainingspläne auf einer 1–5 Likert-Skala. Sie prüften die Pläne nach den definierten Kriterien hinsichtlich Struktur, Trainingsprinzipien und Zielerreichung.
Die Ergebnisse - Was kann die KI?
Die Bewertung der von GPT-3.5 (via ChatGPT und Microsoft Copilot) und Google Gemini generierten Trainingspläne zeigte, dass die Gesamtqualität moderat war.
Interrater-Übereinstimmung: Die Übereinstimmung zwischen den zehn bewertenden Trainern war gering (Fleiss’ Kappa nahe null), was auf unterschiedliche Einschätzungen und die Subjektivität bei der Bewertung hinweist.
Vergleich der Modelle: Google Gemini erzielte leicht bessere Bewertungen in einzelnen Kriterien (z. B. fortgeschrittene Trainingsmethoden und Erholungsstrategien) als GPT-3.5, während GPT-3.5 via Microsoft Copilot bei einem Kriterium für Maximalkraftpläne (Testverfahren) besser abschnitt.
Hypertrophie vs. Maximalkraft: Innerhalb der Modelle zeigten sich nur geringe Unterschiede zwischen Hypertrophie- und Kraftplänen. GPT-3.5 via ChatGPT wies die größten Inkonsistenzen auf.
Schwachstellen der LLM-Pläne: Alle Modelle neigten dazu, Intensitätsparameter unzureichend zu spezifizieren (z. B. Nähe zum Muskelversagen oder exakte Lastangaben) und gaben oft (zu) sichere, konservative Empfehlungen, was die Trainingswirksamkeit einschränkt.
Praktische Implikationen
LLM-generierte Trainingspläne können als Basis oder Vorlage dienen, insbesondere für Anfänger oder Fortgeschrittene, die ein strukturiertes Grundgerüst wünschen.
Expertenanpassung bleibt unerlässlich: Trainer und Sportwissenschaftler müssen Pläne auf individuelle Bedürfnisse abstimmen, Intensität und Belastung präzisieren und Sicherheitsaspekte berücksichtigen.
Nutzer sollten die Pläne nicht unverändert anwenden, da LLMs die komplexen physiologischen Anpassungsprozesse und individuellen Unterschiede nicht vollständig berücksichtigen können.
Für die Zukunft ist es wichtig, dass LLMs mit fachspezifischen Trainingsdaten trainiert werden, um die Individualisierung, Präzision und Effektivität der Pläne zu verbessern.
Quelle:
Havers, T., Jelonnek, C., Masur, L., Isenmann, E., Sperlich, B., & Geisler, S. et al. (2025). A professional assessment of training plans for muscle hypertrophy and maximal strength developed by generative artificial intelligence. Biology of Sport, 42(4), 353-380. https://doi.org/10.5114/biolsport.2026.152350
KI für Hypertrophie und Kraft: Bewertung von Trainingsplänen, die von Large Language Models erstellt wurden
Hintergrund:
Krafttraining ist ein zentraler Baustein für die Verbesserung von Muskelmasse, Maximalkraft und allgemeiner Fitness. Die Erstellung individueller Trainingspläne erfordert tiefgehendes Wissen in Trainingswissenschaft, Biomechanik und Physiologie sowie praktische Erfahrung, um optimale Fortschritte zu gewährleisten und Verletzungen zu vermeiden. Für Trainer*innen ist dies ein zeitintensiver Prozess, der neben Fachwissen auch die Berücksichtigung individueller Voraussetzungen und Ziele voraussetzt.
Mit dem Aufkommen leistungsfähiger Large Language Models (LLMs) wie GPT-3.5* und Google Gemini eröffnen sich neue Möglichkeiten, Trainingspläne schnell zu generieren. Diese Systeme können strukturierte Programme erstellen, basierend auf den eingegebenen Trainingszielen und individuellen Informationen, wie Trainingshistorie, verfügbarem Equipment oder körperlichen Parametern. Dennoch ist bislang unklar, wie zuverlässig diese KI-generierten Pläne in Bezug auf Trainingsqualität, Effektivität und Spezifizierung für unterschiedliche Ziele – wie Muskelhypertrophie versus Maximalkraft – tatsächlich sind.
Vor diesem Hintergrund untersucht die aktuelle Studie (Havers et al., 2025) die Qualität von LLM-generierten Trainingsplänen für fortgeschrittene Sportler*innen und analysiert, wie gut diese digitalen Assistenten wissenschaftlich fundierte Prinzipien umsetzen können. Ziel ist es, Einblicke in die Stärken und Schwächen solcher KI-Pläne zu gewinnen und abzuschätzen, inwieweit sie als Ausgangspunkt für individuelle Trainingsgestaltung dienen können.
*Zum Zeitpunkt der Erstellung der Studie war GPT-3.5 der Standard, während GPT-4 erst in den Startlöchern war. Mittlerweile ist GPT-5 bereits als Testversion kostenfrei z.B. via ChatGPT (OpenAI) abrufbar.
Was wurde gemacht?
In dieser Studie wurde untersucht, wie qualitativ Krafttrainingspläne für Muskelhypertrophie und Maximalkraft sind, wenn sie von Large Language Models erstellt werden. Es wurden drei Modelle analysiert: GPT-3.5 via ChatGPT, GPT-3.5 via Microsoft Copilot und Google Gemini.
Die Untersuchung folgte einem strukturierten Ansatz:
Festlegung von Bewertungskriterien: Basierend auf aktuellen Forschungsergebnissen wurden 27 Kriterien definiert, die für effektive Trainingspläne essenziell sind. Dazu zählen u. a. Zieldefinition, Testverfahren zur Leistungsmessung, Trainingsprinzipien (Spezifität, progressive Belastung, Variation, Erholung), Trainingsvariablen (Intensität, Volumen, Frequenz) sowie fortgeschrittene Methoden und Erholungsstrategien.
Standardisierte Eingabeinformationen: Für die LLMs wurden detaillierte Prompts erstellt, die Informationen zur fiktiven fortgeschrittenen Sportlerin enthielten, wie bisheriges Training, Trainingsziele, verfügbare Geräte, Körpermaße und Maximalkraftwerte.
Generierung der Trainingspläne: Jedes Modell erstellte sowohl einen Plan für Muskelaufbau als auch für Maximalkraft, insgesamt sechs Pläne.
Evaluation durch Experten: Zehn erfahrene Trainer mit mindestens einem Bachelorabschluss in Sportwissenschaft und mindestens zwei Jahren Coaching-Erfahrung bewerteten die Trainingspläne auf einer 1–5 Likert-Skala. Sie prüften die Pläne nach den definierten Kriterien hinsichtlich Struktur, Trainingsprinzipien und Zielerreichung.
Die Ergebnisse - Was kann die KI?
Die Bewertung der von GPT-3.5 (via ChatGPT und Microsoft Copilot) und Google Gemini generierten Trainingspläne zeigte, dass die Gesamtqualität moderat war.
Interrater-Übereinstimmung: Die Übereinstimmung zwischen den zehn bewertenden Trainern war gering (Fleiss’ Kappa nahe null), was auf unterschiedliche Einschätzungen und die Subjektivität bei der Bewertung hinweist.
Vergleich der Modelle: Google Gemini erzielte leicht bessere Bewertungen in einzelnen Kriterien (z. B. fortgeschrittene Trainingsmethoden und Erholungsstrategien) als GPT-3.5, während GPT-3.5 via Microsoft Copilot bei einem Kriterium für Maximalkraftpläne (Testverfahren) besser abschnitt.
Hypertrophie vs. Maximalkraft: Innerhalb der Modelle zeigten sich nur geringe Unterschiede zwischen Hypertrophie- und Kraftplänen. GPT-3.5 via ChatGPT wies die größten Inkonsistenzen auf.
Schwachstellen der LLM-Pläne: Alle Modelle neigten dazu, Intensitätsparameter unzureichend zu spezifizieren (z. B. Nähe zum Muskelversagen oder exakte Lastangaben) und gaben oft (zu) sichere, konservative Empfehlungen, was die Trainingswirksamkeit einschränkt.
Praktische Implikationen
LLM-generierte Trainingspläne können als Basis oder Vorlage dienen, insbesondere für Anfänger oder Fortgeschrittene, die ein strukturiertes Grundgerüst wünschen.
Expertenanpassung bleibt unerlässlich: Trainer und Sportwissenschaftler müssen Pläne auf individuelle Bedürfnisse abstimmen, Intensität und Belastung präzisieren und Sicherheitsaspekte berücksichtigen.
Nutzer sollten die Pläne nicht unverändert anwenden, da LLMs die komplexen physiologischen Anpassungsprozesse und individuellen Unterschiede nicht vollständig berücksichtigen können.
Für die Zukunft ist es wichtig, dass LLMs mit fachspezifischen Trainingsdaten trainiert werden, um die Individualisierung, Präzision und Effektivität der Pläne zu verbessern.
Quelle:
Havers, T., Jelonnek, C., Masur, L., Isenmann, E., Sperlich, B., & Geisler, S. et al. (2025). A professional assessment of training plans for muscle hypertrophy and maximal strength developed by generative artificial intelligence. Biology of Sport, 42(4), 353-380. https://doi.org/10.5114/biolsport.2026.152350
-
H_D
- Lounge-Legende
- Beiträge: 11755
- Registriert: 9. Mär 2023, 20:30
Re: Sciencethread Training
Gibt es hier mittlerweile Langzeiterfahrungen mit Low Volumen bei Nattys?
woywat: Bin selber aktuell auch wieder auf dem SFR Weg bzw. werde nach der prep auch etwas weg vom kompletten Low Rep, Low Volumen weg. Mann muss da auch nen bisschen das Natty or Not betrachten was das gesamt Volumen welches regeneriert werden kann angeht und ich denke sogar grad für die unterstützen Bodybuilder ist der Weg zu etwas mehr Volumen gar nicht der schlechteste unter Betrachtung des SFR
woywat: Bin selber aktuell auch wieder auf dem SFR Weg bzw. werde nach der prep auch etwas weg vom kompletten Low Rep, Low Volumen weg. Mann muss da auch nen bisschen das Natty or Not betrachten was das gesamt Volumen welches regeneriert werden kann angeht und ich denke sogar grad für die unterstützen Bodybuilder ist der Weg zu etwas mehr Volumen gar nicht der schlechteste unter Betrachtung des SFR
-
Toto1980
- Top Lounger
- Beiträge: 867
- Registriert: 31. Mär 2023, 07:33
- Alter: 44
- Geschlecht: M
- Trainingsbeginn: 2018
- Körpergröße: 181
- Körpergewicht: 74
- Ich bin: motiviert
-
Matze
- Top Lounger
- Beiträge: 1404
- Registriert: 9. Mär 2023, 16:15
Re: Sciencethread Training
Ich selbst habe ja lange Zeit low volume & low reps kombiniert. Mich macht das trotzdem zu fertig und führt bei mir (als chronsich kranke Person) aber zu einer exorbitant höheren Erkältungsanfälligkeit (Grund: echtes Muskelversagen führt zu einer deutlich höheren Ermüdung auf allen Ebenen). Für mich ist der Weg mit etwas mehr Volumen und immer RIR 1 deutlich nachhaltiger - und bringt damit auf lange Sicht auch mehr Muskeln. Ebenso mache ich bei einigen Übungen mittlerweile auch wieder mehr Reps. Meine dickeren Jungs sind mit Low Volume super gewachsen. Bei Schwachstellen wende ich bei denen aber auch RIR 1 und mehr Volumen an.