ZeroKnots TechnologiesMuscleTiger

MuscleTiger Forschungsnotizen

Wie die Zahlen in MuscleTiger gewählt werden

Eine Reihe über die Forschung hinter einer Fitness-App: was die Evidenz stützt, was wir vereinfacht haben und was wir noch nicht wissen. Jede Notiz nennt ihre Quellen und sagt, wo eine Zahl unsere eigene Wahl ist.

1Die 7 700-kcal-Regel stimmt nicht: Gewichtsverlust ehrlich prognostizieren und warum die Waage täuschtWoher die 7 700-kcal-Regel stammt, warum sie den Gewichtsverlust überschätzt, wie viel von dem, was die Waage zeigt, kein Fett ist, und was das für eine Prognose bedeutet, der man vertrauen kann.November 2026 · 13 Min. Lesezeit 2Wie viele Kalorien sollte ich am Tag essen: wie das Tagesziel festgelegt wird, was belegt ist und was Konvention istDie Entscheidungen hinter dem Kalorienziel: Ruheumsatz, Aktivität, Abnehmtempo, Sicherheitsuntergrenzen, Energieverfügbarkeit, Protein, Fett und Kohlenhydrate. Was die Evidenz stützt und was wir selbst gewählt haben.November 2026 · 12 Min. Lesezeit 3Split- oder Ganzkörpertraining: was die Meta-Analysen sagenJeder hat eine Meinung zu Split- gegen Ganzkörpertraining. Zusammengefasste Studien sagen, dass der Unterschied klein ist, wenn die wöchentlichen Sätze pro Muskel gleich sind. Was Volumen, Frequenz und der direkte Vergleich zeigen und was zur Wahl bleibt.November 2026 · 13 Min. Lesezeit 4Deinen realen Gesamtumsatz berechnen: Energieverbrauch aus Gewicht und Ernährungsprotokoll schätzenEine Formel liefert ein erstes Kalorienziel und liegt typischerweise 5-10 % daneben. Zufuhr minus Gewichtsveränderung misst den Verbrauch mit deinen eigenen Daten. Wie es funktioniert, wie gut es in einer Simulation abschneidet, warum der erste Monat einer Diät es täuscht und was eine gleichbleibende Verzerrung beim Protokollieren bewirkt.November 2026 · 17 Min. Lesezeit 5Lebensmittelsuche in jeder Sprache: Anfragen übersetzen, Datenbanken zusammenführen und was wir gemessen habenWie ein Ernährungstagebuch das richtige Produkt findet, wenn die Anfrage in einer Sprache und die Daten in einer anderen sind: vier Ranglisten, zusammengeführt per Reciprocal Rank Fusion, ein kleines gelerntes Wörterbuch statt eines neuronalen Übersetzers, Open-Food-Facts-Taxonomien und was die Messungen zeigten.November 2026 · 17 Min. Lesezeit
6Kraftfortschritt: was eine einzelne Übung zeigen kann und was nichtDemnächst
7Trainingsbelastung und Bereitschaft: was belegt ist und was Hype istDemnächst
8Schlaf und die Zusammenhänge zwischen Trackern: Korrelation ohne ÜbertreibungDemnächst
9Wir haben unsere eigene App an der Forschung gemessen: was wir korrigiert habenDemnächst