Meine Rolle: Konzeption, Fullstack-Entwicklung und Betrieb.
Ausgangslage
Laktat-Stufentests liefern Rohdaten, aber die Auswertung (Dmax, Modified Dmax, Log-Log, OBLA) ist Methodenwissen, das viele Trainer manuell und uneinheitlich erledigen — dieselben Zahlen ergeben je nach Verfahren andere Zonen, und der Sportler versteht am Ende nur Bahnhof.
Lösung
Eine Web-App, die mehrere Schwellen-Modelle parallel auf die Rohdaten rechnet, daraus ein 6-Zonen-Trainingssystem ableitet und die Ergebnisse per Google-Gemini-API in Klartext interpretiert — für Läufer und Radfahrer, mit eigenem Coach-Modus für Trainer, die mehrere Athleten betreuen.
Im Kern
Multi-Methoden-Analyse
LT1 und LT2 über Dmax, Modified Dmax, Log-Log und OBLA — parallel berechnet, statt sich auf ein Verfahren zu verlassen.
VLamax-Profiling
Glykolytische Kapazität als Sprinter-vs-Ausdauer-Indikator — die Info, die klassische Tests weglassen.
6-Zonen-System
Aus den Schwellen abgeleitete Trainingszonen für Lauf und Rad — direkt trainierbar, nicht nur diagnostiziert.
KI-Interpretation
Verständliche Auswertung und Wettkampf-Strategie statt nackter Zahlen — der Test, der sich selbst erklärt.
Technische Entscheidung
Schwellenmodelle und Ergebnisdarstellung sind getrennte Aufgaben: Die numerischen Verfahren berechnen Werte aus den eingegebenen Messdaten. Die KI erläutert diese Ergebnisse in Textform. Dadurch lassen sich unterschiedliche Verfahren vergleichen, ohne die Berechnung durch eine sprachliche Schätzung zu ersetzen.
Was überprüfbar ist
Die öffentlich erreichbare Anwendung und der Screenshot zeigen Eingabe, Kurve und Ergebnisdarstellung. Der Code-Einblick auf dieser Seite illustriert das Rechenmodell. Er belegt keine klinische Validierung und keine Genauigkeit für jeden Messaufbau. Methodenauswahl und Datenqualität bleiben Teil der fachlichen Bewertung.
Code-Einblick
// Modified Dmax: Punkt mit maximalem Abstand zur Baseline function methodDmax(data: Point[], modified = false) { let start = data[0] const end = data[data.length - 1] if (modified) { // Start beim ersten signifikanten Anstieg (≥ 0.4 mmol/l) for (let i = 1; i < data.length; i++) { if (data[i].y - data[i - 1].y >= 0.4) { start = data[i - 1]; break } } } const m = (end.y - start.y) / (end.x - start.x) // … Cubic-Spline + maximaler Lotabstand zur Geraden }
Tech-Stack
Ergebnis
Öffentlich erreichbar unter lactatethreshold.online. Die Anwendung verbindet Messwerte, mehrere Schwellenmodelle, Charts und KI-Erläuterungen in einem Ablauf. Die Fallstudie dokumentiert die technische Umsetzung; Nutzerzahlen und Leistungsverbesserungen werden hier nicht behauptet.
Eine ähnliche Web-App entwickeln lassen: Umfang, Kosten und Übergabe →