Wie genau ist ein powerbasierter VO2max-Test? Validierung gegen Labor-Spirometrie bei 43 Athleten

Deine Uhr sagt 52. Ein Labortest im letzten Frühjahr sagte 49. Deine Trainingsplattform zeigt 54. Derselbe Körper, drei Zahlen — wenn wir dir also deine VO2max nennen: Woher wissen wir, dass sie stimmt?

Berechtigte Frage. Wir haben sie auf die einzige Art beantwortet, die zählt: Wir haben unseren eigenen Powertest gegen den Goldstandard antreten lassen — die Spiroergometrie, den Labortest mit Atemmaske. Dieser Artikel ist das vollständige Ergebnis. Jede Zahl, auch die unbequemen.

Die Kurzfassung: Über 43 laborvalidierte Athleten liegt der mittlere Bias unserer powerbasierten VO2max gegenüber dem Labor bei −1,8 ml/min/kg, die mittlere absolute Abweichung eines einzelnen Tests bei 3,3 ml/min/kg. Und der Teil, den die meisten übersehen: Selbst wenn das VO2max-Label danebenliegt, bewegen sich deine Trainingszonen kaum — wir haben durchgerechnet, warum, und zeigen es dir.

Was der Powertest wirklich misst

Der Powertest ist eine einzige Fahrt: ein kurzer All-out-Sprint, eine Rampe bis zur Ausbelastung und ein 12-Minuten-Block. Aus den Watt, die du produzierst, berechnet das metabolische Mader-Modell deinen Motor: Critical Power, W', VO2max, VLamax, FatMax und alle Trainingszonen.

Achte auf die Reihenfolge. Der Powertest misst zuerst Watt — das, was du tatsächlich in die Pedale drückst, mit dem Powermeter, mit dem du auch trainierst. VO2max ist in unserem System eine abgeleitete Größe: deine aerobe Leistung, ausgedrückt in der Einheit des Labors — Sauerstoff — über die Konstante, die unser Modell ansetzt: rund 11,4 ml Sauerstoff pro Minute und Watt.

In diesem einen Umrechnungsfaktor steckt der Großteil der Label-Unsicherheit — und weil er eine einzelne, explizite Annahme ist, wird die Genauigkeitsfrage beantwortbar. Und ehrlich.

Wie wir validiert haben

Methodik: So haben wir den Vergleich aufgebaut

Unsere Plattform enthält über 15.000 Powertests von mehr als 1.000 Athleten. Aber eine VO2max-Validierung braucht etwas Seltenes: denselben Athleten, gemessen mit unserem Test und mit einem Atemgasanalysesystem im Labor.

Unsere Daten entstanden im Rahmen eines gemeinsamen Forschungsprojekts mit der MSH Medical School Hamburg: Zwei separate Laborkohorten (2022 und 2025) fuhren Rampentests auf Laborergometern mit Cosmed-Atemgasanalysesystemen im sportwissenschaftlichen Labor der Hochschule. Nach dem Matching von Leistungs- und Atemgassignalen nach vordefinierten Kriterien lieferte die Kohorte 2022 33 verifizierbare Power-Spirometrie-Paarungen und die Kohorte 2025 10 — insgesamt 43, ein Test pro Athlet. Tests, deren Signale sich nicht verifizierbar zuordnen ließen, wurden ausgeschlossen, mit dokumentierten Gründen; die Ausschlüsse gingen in beide Richtungen, es wurde also nichts herausgepickt.

Für jeden Test gingen nur Zeit, Leistung und Herzfrequenz in unsere Produktions-Pipeline — die Sauerstoffdaten wurden bewusst zurückgehalten, damit das Modell die Antwort nie sehen konnte. Die Laborreferenz ist der höchste 30-Sekunden-Mittelwert der gemessenen VO2 (formal ein VO2peak-Kriterium; die Laborprotokolle enthielten keine separaten Verifikationsbelastungen).

Die 43 Athleten reichen von Freizeitfahrern mit 34 ml/min/kg bis zu trainierten Athleten mit 67. Beide Geschlechter sind vertreten, wobei die Kohorten männlich dominiert sind — eine Limitation, die benannt gehört, auch wenn die Watt-Kette des Modells keinen Geschlechterterm enthält. Das gemeinsame Forschungsprogramm mit der MSH läuft weiter; eine wissenschaftliche Publikation ist mit wachsenden Kohorten geplant. Datenstand August 2026, Powertest-Engine v1.8.1.

Das Ergebnis

Im Klartext: Im Mittel messen wir knapp zwei Punkte konservativ — das ist der Bias. Die Abweichung eines einzelnen Tests ist größer — die mittlere absolute Differenz lag bei 3,3 ml/min/kg — und die 95-%-Limits-of-Agreement spannen sich von −9,1 bis +5,5 ml/min/kg.

Ist das gut? Kontext hilft. Schätzwerte vom Handgelenk vermengen Herzfrequenz, Terrain und Laufstil; ihr Verhalten haben wir gegen unsere eigenen Daten in separaten Kohortenstudien zu Garmins VO2max und zur Apple Watch gemessen. Und die Laborreferenz selbst ist kein perfekter Maßstab: Auch wiederholte Spirometrien beim selben Athleten schwanken von Termin zu Termin — das Labor ist eine Referenz, kein Orakel.

Der fairste Vergleich: eine Fahrt vs. eine Testbatterie

Eine der führenden metabolischen Analyseplattformen im Profi-Radsport hat im Februar 2026 eine Validierungsstudie ihrer powerbasierten VO2max veröffentlicht (n = 11 trainierte Männer) — eine Selbstvalidierung durch das Forschungsteam des Anbieters. Das ist dieselbe Interessenkonflikt-Situation wie bei uns, in diesem Punkt ist der Vergleich also ehrlich; Kohorten und Protokolle unterscheiden sich jedoch, lies die Tabelle deshalb als Kontext, nicht als direkten Head-to-Head-Vergleich. Die vollständige Quellenangabe steht unten in den Quellen.

*Unsere direkt vergleichbare Kohorte: trainierte männliche Radfahrer, Rampenprotokoll — dieselbe Population wie in der Anbieterstudie.

Die Konfidenzintervalle sind praktisch gleich breit. Die Anbieterstudie berichtet das Konfidenzintervall des Bias — das beschreibt den Durchschnitt, nicht den Einzelnen; rechnet man aus diesem Intervall zurück (n = 11, Normalverteilung angenommen) — unsere Schätzung, keine Zahl aus der Studie —, landet die individuelle Streuung auch dort bei grob ±7 ml/min/kg, derselben Größenordnung wie bei uns. Der Protokoll-Unterschied ist strukturell: Selbst das Minimal-Set des Anbieters sind drei separate All-out-Belastungen, die eine Berechnung füttern, während der Powertest eine einzige geführte Fahrt ist, die alle ihre Messungen enthält — Sprint, Rampe und ein 12-Minuten-Block, der die nachhaltige Seite verankert — und aus dieser einen Einheit CP, W', die Labels VO2max und VLamax, FatMax und deine Zonen liefert.

Der eine Fehlerterm — und wir haben ihn bei allen 43 Athleten gemessen

Hier kommt der strukturell ehrliche Teil. Unser Modell hat genau eine justierbare Umrechnungsannahme: Watt zu Sauerstoff. Der Rest der Kette läuft auf gemessenen Watt — womit die üblichen Praxisquellen bleiben (Testausführung, Geräteverhalten, Modell-Fit und die Referenzmessung selbst), aber keine zweite versteckte Modellkonstante. Als wir die Abweichung Athlet für Athlet zerlegt haben, erklärte die Variation im effektiven Sauerstoff-pro-Watt-Verhältnis den größten Teil davon.

Wie stark variiert dieses Verhältnis also zwischen echten Athleten? Über alle 43 laborvalidierten Athleten: von 8,8 bis 13,2 ml/min/W; 68 % der Athleten liegen innerhalb von ±7 % um den Populationswert von 11,4, den wir verwenden.

In dieser Spannweite verstecken sich zwei Dinge, und ein einzelner gepaarter Test kann sie nicht trennen. Ein Athlet mit 13 ml pro Watt könnte tatsächlich weniger ökonomisch sein — oder sein Powermeter misst 10 % zu niedrig. Beides sieht in den Daten identisch aus. Den Geräteanteil haben wir aus unserer eigenen Plattform quantifiziert: Über 790 doppelt aufgezeichnete Gerätepaarungen liegt die typische Abweichung (Standardabweichung) zwischen zwei Leistungsquellen bei etwa 2,4 %, mit Ausreißern jenseits von 10 %. Das erklärt nur einen kleinen Teil der beobachteten Ökonomie-Spannweite — der Rest liegt beim Athleten und der Messkette, und diese Daten können den Rest nicht sauber aufteilen.

Warum ist das für dich wichtig? Wegen dem, was jetzt kommt.

Warum deinen Trainingszonen das alles egal ist

Das ist die Kerneigenschaft eines powerbasierten Systems, und wir können sie als berechnetes Faktum formulieren, nicht als Behauptung. Wir haben einen festen Satz gemessener Watt genommen und unsere komplette Berechnung laufen lassen, während wir den Sauerstoff-Umrechnungsfaktor um ±9 % variiert haben — etwas breiter als der empirische Zwei-Drittel-Korridor von ±7 %:

Lies die obere Hälfte noch einmal. Schwelle und W' sind exakt invariant; jede Zonengrenze bewegt sich um höchstens fünf Watt — während die physiologischen Labels dem Umrechnungsfaktor eins zu eins folgen und von Ende zu Ende fast ein Fünftel überspannen. Der Faktor skaliert die Labels, nicht die Watt. Ein Athlet mit ungewöhnlicher Ökonomie, oder ein Powermeter, das ein paar Prozent danebenmisst, bekommt trotzdem im Wesentlichen dieselben Zonen (höchstens 5 W Bewegung) — diese Unsicherheitsquelle erreicht sie kaum, weil die Zonen aus denselben Watt berechnet und mit denselben Watt auf demselben Gerät gefahren werden. (Die Invarianz gegenüber diesem Faktor ist für sich genommen kein Beweis, dass die Zonen physiologisch ideal sind — dieses Argument ruht auf dem metabolischen Modell und seiner Validierung —, aber sie entfernt die größte vermutete Fehlerquelle aus deinen täglichen Trainingsvorgaben.)

Das ist der Unterschied zwischen einem labororientierten und einem leistungsorientierten System. Das Labor misst deinen Sauerstoff. Wir messen, was du in die Pedale bringst — und dein Training findet in Watt statt, nicht in Millilitern Sauerstoff.

Dieselbe Logik macht Veränderung über die Zeit zur starken Disziplin eines wattbasierten Systems. Dein Powermeter ist Monat für Monat dasselbe Gerät, also fällt ein stabiler Geräte-Bias aus dem Trend heraus. Und die Ökonomie? Hier der Einwand, den wir von Labordiagnostikern hören: „Athleten unterscheiden sich in der Ökonomie, und die Ökonomie selbst kann sich ändern." In einem wattbasierten System ist das kein Makel — es ist der Punkt. Ob deine Watt gestiegen sind, weil dein aerober Motor gewachsen ist oder weil du ökonomischer geworden bist: Die gewonnenen Watt sind real, und Watt sind die Währung, in der deine Rennergebnisse ausgezahlt werden. Um präzise zu sein, was das heißt: Die Leistungsveränderung ist direkt gemessen; sie zwischen „größerem Motor" und „besserer Effizienz" aufzuteilen, bräuchte eine Atemgasmessung, die kein powerbasiertes System leisten kann. Ein Labor kann diese Zuordnung treffen — aber außerhalb von Technik-, Positions- und Materialarbeit gibt es keine eigene Trainingsverschreibung für Ökonomie, im täglichen Coaching ändert die Aufteilung also selten auch nur eine Entscheidung. Der Powertest misst die Summe, die Rennen gewinnt.

Genau darauf sind deine Zonen in A Faster You gebaut — jeder Plan, jedes Workout-Ziel, jede Pacing-Empfehlung läuft auf diesen Watt.

Und die Verpflegung? Wir haben nachgerechnet

An einer Stelle greift die Ökonomie-Annahme durch: bei Kohlenhydrat-Berechnungen, denn verbrannte Energie skaliert mit Sauerstoff, nicht mit Watt. Also haben wir den Fehler für jeden einzelnen der 43 Labor-Athleten aus seiner tatsächlich gemessenen Ökonomie berechnet:

Für zwei von drei Athleten liegt der Kohlenhydrat-Fehler am Renntag bei höchstens einem halben Energiegel pro Stunde. Race-Fueling-Pläne arbeiten ohnehin in groben Aufnahme-Schritten, und die Aufnahme ist dadurch begrenzt, was dein Darm absorbiert. Gehörst du zur Minderheit mit stark atypischer Ökonomie, bringt eine echte Spirometrie zusätzliche Präzision — und wenn du Labordaten hast, kannst du sie eintragen und unser System nutzt ab dann deinen persönlichen Wert.

Die Zahl, die dir das Labor nicht gibt

Hier ist, was in jeder „Feldtest vs. Labor"-Debatte untergeht. Ein Standard-CPET ist wirklich reichhaltig: VO2max, ventilatorische Schwellen, Atemgas- und kardiopulmonale Daten. Was er dir nicht gibt, ist VLamax — die glykolytische Seite deines Motors, die Zahl, die den Diesel vom Sprinter trennt und darüber entscheidet, wie deine Schwelle auf Training reagiert. Sie zu bestimmen braucht ein eigenes Sprintprotokoll, meist mit Laktatmessung nach der Belastung; auch im führenden kommerziellen powerbasierten System wird sie aus einem eigenen Sprinttest bestimmt und dann in die VO2max-Berechnung eingespeist.

Dein Powertest berechnet die VLamax aus derselben einen Fahrt wie alles andere, weil das Modell Sprint, Rampe und 12-Minuten-Block gemeinsam fittet. Und das System ist als ein kohärentes Ganzes kalibriert: Die Rampen-Auswertung ist so verankert, dass die Population im Mittel bei einer VLamax von etwa 0,5 landet — der Kalibrieranker, den wir auch in unserer laktatbasierten Testung verwenden. Eine Fahrt, beide Seiten deines Motors, plus die Zonen, um sie zu trainieren.

Wenn du verstehen willst, was diese zweite Zahl mit deinem Rennen macht, lies unseren Deep Dive zu VLamax vs. VO2max.

Wo wir ehrlich über die Grenzen reden

Plateau-Athleten. Manche Athleten produzieren weiter Watt, nachdem ihre Sauerstoffaufnahme bereits abgeflacht ist — ein echtes VO2-Plateau. Eine reine Rampen-Auswertung überschätzt die VO2max in diesem Fall, denn die letzten Watt sind anaerob, nicht aerob. Unser vollständiges Protokoll dämpft das — der 12-Minuten-Block verankert die nachhaltige Seite — und wir bauen gerade eine Plateau-Erkennung in den Test-Qualitätsscore ein.

Warum wir den Bias nicht einfach abziehen. Die naheliegende Frage: Wenn wir −1,8 gegen das Labor messen, warum nicht 1,8 addieren und fertig? Weil das Modell an denselben 43 Athleten zu tunen, an denen wir validieren, eine unabhängige Validierung in Kurvenanpassung verwandeln würde — eine Korrektur verdient erst dann zu existieren, wenn eine neue Kohorte sie bestätigt. Der konservative Bias und die Plateau-Überschätzung ziehen außerdem in entgegengesetzte Richtungen — eine globale Verschiebung würde Plateau-Athleten schlechter stellen, also reparieren wir lieber den konkreten Mechanismus, statt alle zu verschieben. Das System bleibt auf seine internen physiologischen Anker kalibriert; die Validierung bleibt ein Test, kein Trainingsdatensatz.

Laufen. Alles oben ist Radfahren. Laufen bringt eine zweite Unsicherheit mit — das Leistungsmodell selbst — und unsere Lauf-Validierung (31 Laufband-Einheiten mit paralleler Spirometrie und Stryd-Power) zeigt eine vorläufige Überschätzung von etwa 6 ml/min/kg — ein internes Ergebnis, das wir noch nicht für publikationsreif halten. Wir arbeiten an der individuellen Bestimmung der Laufökonomie, bevor wir eine Zahl zur Laufgenauigkeit nennen. Sobald wir sie verteidigen können, liest du sie zuerst hier.

Der individuelle Korridor ist real. Ein Bias nahe null heißt nicht, dass jeder Test nahe null liegt. Unter den üblichen Verteilungsannahmen fällt etwa einer von zwanzig Tests außerhalb des Korridors von −9 bis +6 ml/min/kg. Wenn deine absolute VO2max medizinisch oder beruflich zählt, bleibt die Spirometrie die Referenz — und fügt sich direkt in dein Profil ein.

Was das für dich bedeutet

Wenn du deine VO2max-Zahl bisher als grobe Schätzung behandelt hast, weil „es ja kein Labortest ist" — die Daten sagen etwas anderes. Ihr mittlerer Bias gegenüber dem Labor liegt unter zwei Punkten, bewusst berichtet statt wegkalibriert, und ein typischer Einzeltest liegt innerhalb von drei bis vier. Deine Zonen laufen auf der einen Währung, die diese Unsicherheit nicht erreichen kann: deinen gemessenen Watt. Du kannst in einer Frequenz und Konsistenz nachtesten, die kein jährlicher Labortermin bietet. Und die VLamax ist inklusive — die ein Standard-Labortest gar nicht bestimmt.

Dazu kommt die praktische Rechnung: Eine Labor-Spirometrie kostet in Deutschland typischerweise 150 bis 300 Euro pro Termin (unser Marktcheck, August 2026), braucht einen Termin und eine Anreise — und bestimmt keine VLamax. Ein Powertest ist eine Fahrt von zu Hause, so oft dein Trainingsplan einen will.

Bereit, deinen Motor zu vermessen? Starte deine kostenlose Testphase und fahr deinen ersten Powertest noch diese Woche — eine Fahrt, dein powerbasiertes Stoffwechselprofil.

FAQ

Wie genau ist die Powertest-VO2max im Vergleich zum Labortest? Über 43 laborvalidierte Athleten liegt der mittlere Bias bei −1,8 ml/min/kg und der typische Einzeltest-Fehler bei 3,3 ml/min/kg (etwa 6 %), mit 95-%-Limits-of-Agreement von −9,1 bis +5,5.

Warum zeigt meine Smartwatch eine andere VO2max? Uhren schätzen die VO2max aus Herzfrequenz und Pace, was deine Herzfrequenz-Reaktion, das Terrain und deinen Laufstil vermengt. Ein powerbasierter Test misst die mechanische Leistung direkt und rechnet sie mit einem validierten metabolischen Modell um — ein strukturell direkterer Weg. Das Verhalten der Uhren haben wir in separaten Kohorten gemessen: siehe unsere Analysen zu Garmin und zur Apple Watch.

Wenn die Sauerstoff-Umrechnung für mich nicht stimmt, sind dann meine Zonen falsch? Diese Unsicherheitsquelle erreicht sie nicht — und das ist berechnet, nicht behauptet. Schwelle und W' hängen nur von deinen gemessenen Watt ab und bleiben exakt unverändert; Zonengrenzen bewegen sich über die gesamte realistische Ökonomie-Spannweite um höchstens 1,4 % (5 W). Nur die Labels VO2max und VLamax skalieren mit dem Umrechnungsfaktor.

Kann ein schlecht kalibriertes Powermeter meinen Test ruinieren? Es verschiebt dein VO2max-Label (eine Fehlkalibrierung von 5 % verschiebt das Label um etwa 5 % — die Proportionalität haben wir direkt verifiziert), aber nicht deine Zonen — du trainierst und testest auf demselben Gerät, ein stabiler, proportionaler Geräte-Bias kürzt sich also dort heraus, wo es zählt (Drift, nichtlineare Fehler oder ein Gerätewechsel tun das nicht). Die Abweichung zwischen Geräten liegt über 790 doppelt aufgezeichnete Paarungen in unseren Plattformdaten typischerweise bei etwa 2,4 %.

Ist die VLamax aus einem einzelnen Feldtest verlässlich? Sie ist modellabgeleitet: berechnet aus demselben gemeinsamen Modell-Fit wie alles andere und so kalibriert, dass die Population im Mittel bei 0,5 landet — dem Anker, den wir auch in der laktatbasierten Testung verwenden. Wo Athleten Laktat-Stufentests mitbringen, nutzt das System diese direkt. Eine unabhängige laktatbasierte Validierung der individuellen VLamax — wie die VO2max-Validierung in diesem Artikel — steht auf unserer Liste; bis sie veröffentlicht ist, behandle die VLamax als konsistente Modellschätzung, nicht als laborgleiche Messung.

Was kostet ein Labor-VO2max-Test — brauche ich trotzdem einen? In Deutschland kostet eine Spiroergometrie typischerweise 150 bis 300 Euro pro Termin (Marktcheck, August 2026). Für die meisten Athleten beantwortet der Powertest die Trainingsfragen ohne Zusatzkosten und mit höherer Frequenz. Ein Laborbesuch bleibt wertvoll, wenn du einen medizinisch belastbaren Absolutwert brauchst, das volle kardiopulmonale Bild — oder deine persönliche Sauerstoff-Ökonomie gemessen haben willst, die unser System dann verwendet.

Wie oft sollte ich nachtesten? Als praktische Coaching-Frequenz: alle vier bis acht Wochen in einem strukturierten Plan, immer dann, wenn das Ergebnis den nächsten Trainingsblock prägen soll. Du testest auf demselben Gerät, mit dem du trainierst, ein stabiler Geräte-Bias fällt also aus dem Vergleich zweier Tests heraus — die Veränderung ist die Metrik, auf der deine Trainingsentscheidungen laufen sollten. (Eine formale Test-Retest-Reliabilitätsstudie des Powertests selbst steht auf unserer Validierungsliste.)

Gilt das auch fürs Laufen? Noch nicht mit publikationsreifen Zahlen. Unsere Lauf-Validierung zeigt, dass das Leistungsmodell selbst individuellen Ökonomie-Input braucht (wir arbeiten daran, mit Stryd-Daten). Die Radsport-Zahlen in diesem Artikel übertragen sich nicht aufs Laufen.

Quellen: Mader, A. & Heck, H. (1986). A theory of the metabolic origin of "anaerobic threshold". International Journal of Sports Medicine, 7(Suppl 1), S45–S65. · Mader, A. (2003). Glycolysis and oxidative phosphorylation as a function of cytosolic phosphorylation state and power output of the muscle cell. European Journal of Applied Physiology, 88(4-5). · Van Schuylenbergh, R., Khurshudyan, A. & Weber, S. (2026). Validity of the Calculated VO2max from Cycling Power and VLamax. International Journal of Sports Science and Physical Education, 11(1). · Interne Validierungskohorten: zwei Laborstudien, durchgeführt im Rahmen eines gemeinsamen Forschungsprojekts mit der MSH Medical School Hamburg (2022: 33 Paarungen; 2025: 10 Paarungen; Cosmed-Atemgasanalysesysteme; ein Test pro Athlet); eine wissenschaftliche Publikation der zugrunde liegenden Kohorten ist im Zuge des weiterlaufenden gemeinsamen Studienprogramms geplant; Analysecode und Statistiken pro Kohorte intern dokumentiert, Powertest-Engine v1.8.1. · Plattform-Datenbasis: 15.000+ Powertests, 1.000+ getestete Athleten, 1 Mio.+ analysierte Trainingseinheiten.