Wie DFA α1 funktioniert
Dein Herz schlägt nicht in perfekt gleichmäßigem Takt — die winzigen Abweichungen zwischen den Schlägen tragen Information. Detrended Fluctuation Analysis (DFA) ist ein mathematisches Verfahren, das misst, wie „selbstähnlich" diese Schwankungen über verschiedene Zeitskalen sind. Das Ergebnis ist eine einzige Zahl: α1. Um 0,75 markiert sie deine aerobe Schwelle — die Grenze, ab der das Atmen spürbar schwerer wird; im Labor nennt man das VT1. Über 0,75 bist du im leichten Bereich, darunter wird's Arbeit. cellTrainer liest RR-Intervalle live vom Pulsgurt, rechnet alle paar Schläge nach und zeigt α1 in Echtzeit mit Farb-Indikator. Kein Laborbesuch nötig.
Wie die Ektopie-Erkennung funktioniert
Manchmal feuert ein Herzschlag früher als erwartet — ein „ektopischer" Schlag. Das Herz gleicht das meist mit einer etwas längeren Pause direkt danach aus und macht dann normal weiter. cellTrainer beobachtet die Zeit zwischen den Schlägen vom Pulsgurt und sucht genau dieses Muster: ein oder mehrere zu frühe Schläge, gefolgt von einer Pause. Wird es erkannt, wird das Ereignis gezählt (single = einer, couplet = zwei hintereinander, run = drei oder mehr) und nach Länge der Ausgleichspause als Schweregrad eingestuft. Die Rhythmus-Kachel zeigt jeden Schlag als senkrechten Balken — grau für normal, rot für vorzeitig, blau für die Pause. Beim Sport meist harmlos, aber gut zu bemerken, wenn plötzlich ein Cluster auftaucht.
Wie HRV funktioniert (RMSSD vs SDNN)
Herzratenvariabilität misst, wie stark die Zeit zwischen den Schlägen schwankt — und dein vegetatives Nervensystem hinterlässt dort Fingerabdrücke. cellTrainer berechnet zwei Varianten aus demselben RR-Stream über ein gleitendes 60-Sekunden-Fenster. RMSSD betrachtet die Unterschiede von Schlag zu Schlag — eine kurzfristige Metrik, die eng mit deinem parasympathischen („rest and digest") Nervensystem verknüpft ist. Sie ist der beste Einzelwert für Regeneration und Gesamtmüdigkeit. SDNN ist die Standardabweichung aller RR-Intervalle im Fenster — die Gesamt-Variabilität, die kurz- und längerfristige Einflüsse mischt. Beide schrumpfen, wenn die Intensität steigt und der Sympathikus übernimmt. Beide nebeneinander zu beobachten gibt ein vollständigeres Bild als nur eine Zahl.
Wie SmO2 (Muskelsauerstoff) funktioniert
NIRS-Sensoren strahlen nahinfrarotes Licht durch die Haut in den darunterliegenden Muskel — meist Oberschenkel oder Wade. Wie viel Licht zurückkommt, verrät dem Sensor, wie viel Sauerstoff dein Hämoglobin noch trägt. Das Ergebnis ist SmO2 in Prozent: in Ruhe um 80 %, fällt in harten Intervallen auf 30–50 %, wenn der Muskel schneller Sauerstoff zieht als das Blut nachliefert. cellTrainer extrahiert aus denselben Daten zusätzlich O2Hb (sauerstoffbeladenes Hämoglobin) und HHb (sauerstofffreies Hämoglobin) — drei Signale aus einem Sensor, hilfreich um „der Muskel verbraucht Sauerstoff" von „die Durchblutung ändert sich" zu trennen. Unterstützte Sensoren: Train.Red FYER 1.0 und 2.0.
Wie die CORE-Körperkerntemperatur funktioniert
Die meisten Apps meinen mit „Temperatur" die Umgebungsluft. Der greenTEG CORE2 misst dagegen *Körper*-Wärme. Am Brustbein getragen kombiniert er eine Wärmeflussmessung (wie schnell dein Körper Energie über die Haut abgibt) mit der Hauttemperatur und einem physiologischen Modell, um die Körperkerntemperatur (CBT) ohne Schluckkapsel zu schätzen — typisch 36,5–38,5 °C in Ruhe, in harten Hitze-Sessions auch 39+ °C. cellTrainer leitet zusätzlich den Heat-Strain-Index (HSI) auf einer 0–10-Skala ab: 0–3 ist komfortabel, 4–6 heißt du arbeitest mit der Hitze, 7+ ist echte thermische Last. Für Adaptation zählt CBT — Lufttemperatur-Komfort lügt. Die gleiche BLE-Verbindung leitet die Herzfrequenz von einem gekoppelten Brustgurt durch den Sensor weiter, sodass er gleichzeitig als HR-Bridge dient.
Wie Kalorien- und Fett/KH-Berechnung funktionieren
cellTrainer schätzt den Energieverbrauch sekundengenau und greift zur besten verfügbaren Quelle. Erste Wahl: ein Leistungsmesser (Watt geteilt durch 25 % Wirkungsgrad ergibt kcal/sec). Sonst die ACSM-Lauf-Formel aus Geschwindigkeit und Steigung. Sonst eine herzfrequenzbasierte Formel mit Gewicht, Alter und Geschlecht (Keytel et al.). Die Gramm Fett und Kohlenhydrate kommen aus einer Substratverteilung, die an deine aktuelle DFA-α1-Zone gekoppelt ist: lockerer Bereich verbrennt überwiegend Fett (~70 % Fett / 30 % KH), aerob 50/50, an der Schwelle dreht sich's auf ~70 % KH, im hohen Intensitätsbereich auf ~90 %. Die Zahlen sind Schätzungen — nützlich für Verpflegungs-Entscheidungen („habe ich gerade 60 g Kohlenhydrate weggeballert?") und Trends zwischen Sessions, aber nicht laborgenau.
Wie der AI-Coach-Bericht funktioniert
Nach dem Session-Ende kann cellTrainer optional einen aggregierten Snapshot des Workouts an OpenRouter schicken — niemals den Roh-Tickstrom, immer ein kompaktes ~2 KB JSON: geplantes vs. tatsächliches Workout, Zeit pro Zone, Intensitätsfaktor, NP/TSS, DFA-α1-Verteilung, HRV-Aggregate, ektope Ereignisse und (falls CORE2 verbunden war) Heat-Strain-Statistiken. Das Modell antwortet in 3–5 Sätzen in der Sprache deines Geräts: Wurde das Ziel erreicht, welcher physiologische Effekt wurde erzielt, was stach heraus. Du stellst deinen eigenen OpenRouter-API-Key bereit und wählst jedes Modell — Claude, GPT, Gemini, kleinere Open-Source-Modelle, deine Wahl. Die Anfrage geht direkt von deinem Gerät zu OpenRouter; cellTrainers Server sieht deine Trainingsdaten nie. Der Bericht wird ins .ctd-Archiv und in den .xlsx-Export geschrieben, sodass er für immer bei der Session bleibt.
