Das Wichtigste in Kürze

  • Der ACWR teilt die akute Last der letzten Woche durch die chronische Last, das Mittel der letzten vier Wochen.
  • Rollierendes Mittel oder EWMA, gekoppelt oder entkoppelt: Der Rechenweg verändert den Wert für dieselbe Woche.
  • Die Schwellen 0,8 bis 1,3 und 1,5 stammen aus wenigen Teamsportarten und gelten nicht allgemein.
  • In Studien hing ein hoher ACWR auf Gruppenebene mit mehr Verletzungen zusammen. Für Einzelne taugt er nicht als Vorhersage.
  • Er zeigt, wie die aktuelle Belastung zur gewohnten steht: ein Hinweis für das Gespräch zwischen Trainer und Athlet.
  • Tletify rechnet standardmäßig mit entkoppeltem EWMA über 7 und 28 Tage. Den Wert sehen nur Trainer mit Pro oder Team.
Definition

Acute Chronic Workload Ratio: was der ACWR misst

Der ACWR vergleicht zwei Zeiträume derselben Lastgröße, zum Beispiel der Trainingslast aus Dauer mal RPE in AU (Arbitrary Units). Die akute Last ist die Belastung der letzten Woche. Die chronische Last ist das Mittel der letzten vier Wochen und steht für das, was ein Athlet gewohnt ist. Teilt man die akute durch die chronische Last, erhält man den ACWR.

ACWR = akute Last ÷ chronische Last
akute Last = Last der letzten 7 Tage (AU)
chronische Last = mittlere Wochenlast der letzten 4 Wochen (AU)

Eingeführt haben diese Rechnung Hulin et al. (2014) in einer Studie mit 28 Cricket-Werfern: eine Woche als akute Last, das rollierende Mittel aus vier Wochen als chronische Last. Große Sprünge der akuten Last gingen dort mit mehr Verletzungen einher.

Hulin et al. (2016) untersuchten das Verhältnis danach bei 53 Spielern der Rugby League über zwei Saisons. Werte über 1 bedeuten mehr akute als chronische Last, Werte unter 1 weniger. Ein ACWR von 1,5 heißt: Die letzte Woche lag 50 Prozent über dem Vierwochenmittel.

Rechenwege

ACWR berechnen: rollierendes Mittel, EWMA und Kopplung

Für die chronische Last gibt es zwei verbreitete Rechenwege. Das rollierende Mittel gewichtet jeden Tag im Fenster gleich. Williams et al. (2017) schlugen stattdessen einen exponentiell gewichteten gleitenden Mittelwert (EWMA) vor: Jeder Tag zählt, aber je weiter er zurückliegt, desto weniger. Bei Murray et al. (2017) zeigte das EWMA den Zusammenhang hoher Werte mit Verletzungen empfindlicher an.

Dazu kommt die Kopplung. Gekoppelt heißt: Die aktuelle Woche steckt auch im chronischen Mittel und steht damit im Zähler und im Nenner. Lolli et al. (2019a) zeigten, dass das Scheinkorrelationen erzeugt. Entkoppelt wird die aktuelle Woche nur mit den Wochen davor verglichen. In der Übersicht von Andrade et al. (2020) rechneten 95 Prozent der Studien gekoppelt.

GrößeWertRechnung
Woche 12.000 AUchronisches Fenster
Woche 22.200 AUchronisches Fenster
Woche 32.100 AUchronisches Fenster
Woche 42.300 AUchronisches Fenster
Woche 5 (aktuell)3.000 AUakute Last
Chronische Last2.150 AU(2.000 + 2.200 + 2.100 + 2.300) ÷ 4
ACWR1,403.000 ÷ 2.150 (gerundet)

Rechenbeispiel mit rollierendem Mittel, entkoppelt: Die aktuelle Woche zählt nicht zum chronischen Mittel. Wochenlast in AU.

Gekoppelt gerechnet, also mit der aktuellen Woche im chronischen Fenster (Wochen 2 bis 5), läge das chronische Mittel bei 2.400 AU und der ACWR bei 1,25. Dieselbe Woche liegt damit einmal über und einmal unter der Schwelle von 1,3, um die es im nächsten Abschnitt geht. Vergleiche deshalb nur Werte, die auf dieselbe Weise berechnet wurden.

Schwellenwerte

Woher die ACWR-Schwellen 0,8, 1,3 und 1,5 kommen

Die bekanntesten Zahlen gehen auf Gabbett (2016) zurück. Er nannte Werte zwischen 0,8 und 1,3 den „sweet spot“ des Trainings und Werte ab 1,5 die „danger zone“. Die Abbildung dazu übernahm er aus Blanch und Gabbett (2016). Die Daten dahinter stammen aus Cricket, Australian Football und Rugby League.

In derselben Arbeit vertrat Gabbett die These, dass Athleten mit hoher, gewohnter Last weniger Verletzungen haben; das Problem seien eher übermäßige und schnelle Steigerungen. Passend dazu waren bei Hulin et al. (2016) Spieler mit hoher chronischer Last bei Werten zwischen 0,85 und 1,35 weniger anfällig für Verletzungen.

Gabbett schränkte selbst ein: Andere Sportarten könnten andere Zusammenhänge zwischen Last und Verletzungen zeigen. Solange mehr Daten fehlen, solle man die Empfehlungen bei Athleten aus Einzelsportarten nur mit Vorsicht anwenden. Die Schwellen sind also Beobachtungen aus wenigen Teamsportarten, keine allgemeingültigen Grenzen.

Kritik

Kritik am ACWR: Statistik, Rechenweg, fehlende Belege

Menaspà (2017) stellte früh infrage, ob rollierende Mittelwerte die Trainingslast im Hinblick auf Verletzungen sinnvoll abbilden. Lolli et al. zeigten, dass die gekoppelte Rechnung Scheinkorrelationen erzeugt (2019a), und stellten das Verhältnis als ungenauen Skalierungsindex für eine unnötige Normierung infrage (2019b).

Laut Impellizzeri et al. (2020) gibt es keinen Beleg dafür, den ACWR in Systemen zur Belastungssteuerung oder für Trainingsempfehlungen zu nutzen, die auf weniger Verletzungen zielen. Das Verhältnis füge Rauschen hinzu und erzeuge statistische Artefakte. Im Journal of Athletic Training beschrieb dieselbe Gruppe zehn methodische Problemfelder und riet Praktikern, sich weiter auf Fachwissen und Erfahrung zu stützen.

Wang et al. (2020) nennen für das EWMA ein Startproblem bei den ersten Werten einer Reihe und halten es für ungeeignet in Sportarten mit Tapering, also dem geplanten Abbau der Last vor Wettkämpfen. Ihr Fazit: Diese Grenzen sprächen gegen den Einsatz des ACWR. Impellizzeri et al. (2021) erhielten sogar mit erfundenen chronischen Werten ähnliche Ergebnisse und empfahlen, den ACWR als Rahmen und Modell aufzugeben.

Studienlage

Was Übersichtsarbeiten zum ACWR zeigen

Mehrere systematische Übersichten und Metaanalysen haben die Einzelstudien zusammengefasst. Das Bild ist gemischt: Auf Gruppenebene zeigt sich immer wieder ein Zusammenhang mit Verletzungen. Rechenwege und Einteilungen unterscheiden sich aber so stark, dass sich daraus kaum klare Empfehlungen ableiten lassen.

ArbeitDatenbasisKernaussage
Griffin et al. (2020)22 StudienZusammenhang mit Verletzungen ohne Fremdeinwirkung; EWMA als geeigneteres Maß; Einsatz nur als Teil eines breiteren Monitorings
Andrade et al. (2020)20 Studien, 1.234 Athleten, nur MännerMehrheitlich mehr Verletzungen bei höheren Werten; 14 verschiedene Einteilungen der Werte begrenzen die Empfehlungen
Maupin et al. (2020)27 StudienTendenz zu den wenigsten Verletzungen bei 0,80 bis 1,30; offene Probleme der Methode
Jiang et al. (2022)Profifußball der MännerMöglicher Zusammenhang mit Verletzungen ohne Fremdeinwirkung; keine Schwelle ermittelbar
Ding et al. (2026)16 Studien, 797 AthletenKleiner bis mittlerer Zusammenhang (g = 0,35), Studien sehr uneinheitlich; nicht als alleiniges Modell geeignet

Systematische Übersichten und Metaanalysen zum ACWR, Aussagen sinngemäß

Ding et al. (2026) raten davon ab, den ACWR als alleiniges Ursache- oder Vorhersagemodell zu nutzen. Sie sehen ihn als Kontextwert in einem individuellen Monitoring mit mehreren Kennzahlen. Warum eine Vorhersage für Einzelne kaum gelingt, erklärt Bahr (2016): Selbst bei einem klaren Zusammenhang überlappen sich die Gruppen mit hohem und niedrigem Risiko stark.

Athlet zeigt auf ein Tablet, das sein Trainer hält, im Hintergrund bewaldete Berge
Einordnung

Was der ACWR kann und was nicht

Der ACWR beschreibt, wie die aktuelle Belastung zur gewohnten steht. Auf Gruppenebene gibt es in Teamsport-Studien einen kleinen bis mittleren Zusammenhang mit Verletzungen (Andrade et al., 2020; Ding et al., 2026). Als ein Baustein unter mehreren im Monitoring ist er nutzbar (Griffin et al., 2020).

Für einzelne Athleten sieht es anders aus. Die Fläche unter der Kurve (AUC) misst, wie gut ein Wert Athleten mit und ohne spätere Verletzung trennt: 0,5 entspricht dem Zufall, 1,0 einer perfekten Trennung. In zwei Studien im Profifußball lag sie bei 0,53 bis 0,60 (McCall et al., 2018; Fanchini et al., 2018). Impellizzeri et al. (2021) fanden mit der vergleichbaren c-Statistik 0,57 für den ACWR und 0,54 für die akute Last allein.

  • Keine Vorhersage für einzelne Athleten
  • Kein Beleg, dass sich über den Wert Verletzungen steuern lassen
  • Keine allgemeingültigen Grenzwerte, nur Beobachtungen aus wenigen Teamsportarten
  • Rechenweg und statistische Artefakte des Verhältnisses beeinflussen den Wert
  • Wenig aussagekräftig beim Tapering und in der Startphase des EWMA

Daraus folgt eine nüchterne Lesart: Der ACWR zeigt, ob die Belastung der letzten Woche deutlich über dem liegt, was ein Athlet gewohnt ist. Er ist ein Hinweis für das Gespräch zwischen Trainer und Athlet, keine Verletzungsprognose. Was hinter einem auffälligen Wert steckt, klärst du direkt mit dem Athleten, etwa mit Blick auf den Tagescheck.

So rechnet Tletify

So berechnet Tletify das Belastungs­verhältnis (ACWR)

Grundlage ist die Tageslast nach der sRPE-Methode: Dauer in Minuten mal RPE auf einer Skala von 0 bis 10, in AU. Wie du sie sauber erhebst, erklärt der Ratgeber sRPE und Trainingsbelastung. Standard ist das entkoppelte EWMA-Modell mit 7 Tagen akut und 28 Tagen chronisch; Ruhetage zählen als 0.

Tletify glättet mit dem Faktor λ = 2/(N + 1), wobei N die Fensterlänge in Tagen ist. Der chronische Wert stammt von vor 7 Tagen, die aktuelle Woche steckt also nicht darin. Fenster, Modell (EWMA oder rollierend) und Schwellen stellst du je Athlet ein.

EWMAheute = λ × Tageslastheute + (1 − λ) × EWMAgestern
λ = 2 ÷ (N + 1): akut (N = 7) 0,25, chronisch (N = 28) rund 0,069
ACWR = akutes EWMA von heute ÷ chronisches EWMA von vor 7 Tagen
  • Kein Verhältnis, solange die chronische Last unter 30 AU pro Tag liegt
  • „Zu wenig Daten“ unter 8 Einheiten in 28 Tagen oder unter 50 % mit echtem RPE
  • Nach einer Pause bleibt das Verhältnis verborgen, bis die Basis wieder steht
  • Den Wert sehen nur Trainer mit Pro oder Team, Athleten nie

Die Standardschwellen ordnen nur ein: Unter 0,8 liegt die Belastung unter dem gewohnten Rahmen, bis 1,3 im gewohnten Rahmen, bis 1,5 darüber und oberhalb von 1,5 deutlich darüber. So siehst du, wann eine Woche aus der Reihe fällt; was daraus folgt, entscheidest du. Die Kennzahlen sind eine Entscheidungshilfe für Trainer und ersetzen keine ärztliche Beurteilung.

Im Makrozyklus zeigt Tletify außerdem den ACWR (Plan). Er entsteht aus geplantem Wochenvolumen mal geplanter Intensität und ist bewusst keine Ist-Last, sondern ein Blick auf den Plan: Du siehst, wie sich die geplante Belastung im Verhältnis zu den Wochen davor entwickelt.

ACWR-Rechner als Vorlage

Die Vorlage rechnet wie Tletify: Du trägst die Tageslasten in AU ein, Ruhetage als 0. Sie zeigt das entkoppelte EWMA über 7 und 28 Tage, zum Vergleich das rollierende Mittel, kein Verhältnis, solange der chronische Wert unter 30 AU pro Tag liegt, und die Einordnung an den Schwellen 0,8, 1,3 und 1,5.

Vorlage herunterladen

Fragen und Antworten

Welcher Rechenweg für den ACWR ist der richtige?

Einen allein richtigen gibt es nicht. Das EWMA gewichtet jüngere Tage stärker und gilt in einer Übersichtsarbeit als das geeignetere Maß (Griffin et al., 2020). Entkoppelt gerechnet steht dieselbe Woche nicht zugleich im Zähler und im Nenner (Lolli et al., 2019a). Wichtiger als die Wahl ist, dass du immer gleich rechnest.

Warum zeigt Tletify manchmal keinen ACWR an?

Weil eine Zahl aus wenigen Daten genauso sicher aussieht wie eine aus vielen. Bei weniger als 8 abgeschlossenen Einheiten in 28 Tagen oder wenn weniger als die Hälfte davon ein echtes RPE hat, steht dort „Zu wenig Daten“. Liegt die chronische Last unter 30 AU pro Tag, etwa nach einer Pause, bildet Tletify kein Verhältnis, bis die Basis wieder steht.

Sehen Athleten ihren ACWR?

Nein. Den ACWR sehen nur Trainer mit Pro oder Team, etwa in der Analyse und in der ACWR-Karte im Dashboard. Athleten sehen ihn in ihrer Oberfläche nie, weder in der Webapp noch in der App. Daten eines Athleten siehst du nur mit seiner ausdrücklichen Freigabe. Mehr dazu auf der Seite Belastungssteuerung.

Ab welchem ACWR sollte ich die Belastung anpassen?

Einen allgemeingültigen Grenzwert gibt es nicht. Die Schwellen 0,8 bis 1,3 und 1,5 stammen aus wenigen Teamsportarten (Gabbett, 2016), und Andrade et al. (2020) fanden 14 verschiedene Einteilungen. Ein auffälliger Wert ist ein Anlass, mit dem Athleten zu sprechen und den Plan zu prüfen. Die Entscheidung triffst du.

Quellen

  1. Andrade R, Wik EH, Rebelo-Marques A, et al. Is the acute: chronic workload ratio (ACWR) associated with risk of time-loss injury in professional team sports? A systematic review of methodology, variables and injury risk in practical situations. Sports Med. 2020;50(9):1613-1635. doi:10.1007/s40279-020-01308-6
  2. Bahr R. Why screening tests to predict injury do not work—and probably never will…: a critical review. Br J Sports Med. 2016;50(13):776-780. doi:10.1136/bjsports-2016-096256
  3. Blanch P, Gabbett TJ. Has the athlete trained enough to return to play safely? The acute:chronic workload ratio permits clinicians to quantify a player's risk of subsequent injury. Br J Sports Med. 2016;50(8):471-475. doi:10.1136/bjsports-2015-095445
  4. Ding L, Weldon A, Xu J, et al. Acute:chronic workload ratio and load management for team sports: a multilevel meta-analysis. Front Public Health. 2026;14:1896651. doi:10.3389/fpubh.2026.1896651
  5. Fanchini M, Rampinini E, Riggio M, Coutts AJ, Pecci C, McCall A. Despite association, the acute:chronic work load ratio does not predict non-contact injury in elite footballers. Sci Med Football. 2018;2(2):108-114. doi:10.1080/24733938.2018.1429014
  6. Gabbett TJ. The training—injury prevention paradox: should athletes be training smarter and harder? Br J Sports Med. 2016;50(5):273-280. doi:10.1136/bjsports-2015-095788
  7. Griffin A, Kenny IC, Comyns TM, Lyons M. The association between the acute:chronic workload ratio and injury and its application in team sports: a systematic review. Sports Med. 2020;50(3):561-580. doi:10.1007/s40279-019-01218-2
  8. Hulin BT, Gabbett TJ, Blanch P, Chapman P, Bailey D, Orchard JW. Spikes in acute workload are associated with increased injury risk in elite cricket fast bowlers. Br J Sports Med. 2014;48(8):708-712. doi:10.1136/bjsports-2013-092524
  9. Hulin BT, Gabbett TJ, Lawson DW, Caputi P, Sampson JA. The acute:chronic workload ratio predicts injury: high chronic workload may decrease injury risk in elite rugby league players. Br J Sports Med. 2016;50(4):231-236. doi:10.1136/bjsports-2015-094817
  10. Impellizzeri FM, McCall A, Ward P, Bornn L, Coutts AJ. Training load and its role in injury prevention, part 2: conceptual and methodologic pitfalls. J Athl Train. 2020;55(9):893-901. doi:10.4085/1062-6050-501-19
  11. Impellizzeri FM, Tenan MS, Kempton T, Novak A, Coutts AJ. Acute:chronic workload ratio: conceptual issues and fundamental pitfalls. Int J Sports Physiol Perform. 2020;15(6):907-913. doi:10.1123/ijspp.2019-0864
  12. Impellizzeri FM, Woodcock S, Coutts AJ, Fanchini M, McCall A, Vigotsky AD. What role do chronic workloads play in the acute to chronic workload ratio? Time to dismiss ACWR and its underlying theory. Sports Med. 2021;51(3):581-592. doi:10.1007/s40279-020-01378-6
  13. Jiang Z, Hao Y, Jin N, Li Y. A systematic review of the relationship between workload and injury risk of professional male soccer players. Int J Environ Res Public Health. 2022;19(20):13237. doi:10.3390/ijerph192013237
  14. Lolli L, Batterham AM, Hawkins R, et al. Mathematical coupling causes spurious correlation within the conventional acute-to-chronic workload ratio calculations. Br J Sports Med. 2019;53(15):921-922. doi:10.1136/bjsports-2017-098110
  15. Lolli L, Batterham AM, Hawkins R, et al. The acute-to-chronic workload ratio: an inaccurate scaling index for an unnecessary normalisation process? Br J Sports Med. 2019;53(24):1510-1512. doi:10.1136/bjsports-2017-098884
  16. Maupin D, Schram B, Canetti E, Orr R. The relationship between acute: chronic workload ratios and injury risk in sports: a systematic review. Open Access J Sports Med. 2020;11:51-75. doi:10.2147/OAJSM.S231405
  17. McCall A, Dupont G, Ekstrand J. Internal workload and non-contact injury: a one-season study of five teams from the UEFA Elite Club Injury Study. Br J Sports Med. 2018;52(23):1517-1522. doi:10.1136/bjsports-2017-098473
  18. Menaspà P. Are rolling averages a good way to assess training load for injury prevention? Br J Sports Med. 2017;51(7):618-619. doi:10.1136/bjsports-2016-096131
  19. Murray NB, Gabbett TJ, Townshend AD, Blanch P. Calculating acute:chronic workload ratios using exponentially weighted moving averages provides a more sensitive indicator of injury likelihood than rolling averages. Br J Sports Med. 2017;51(9):749-754. doi:10.1136/bjsports-2016-097152
  20. Wang C, Vargas JT, Stokes T, Steele R, Shrier I. Analyzing activity and injury: lessons learned from the acute:chronic workload ratio. Sports Med. 2020;50(7):1243-1254. doi:10.1007/s40279-020-01280-1
  21. Williams S, West S, Cross MJ, Stokes KA. Better way to determine the acute:chronic workload ratio? Br J Sports Med. 2017;51(3):209-210. doi:10.1136/bjsports-2016-096589

Tletify startet am 1. Januar 2027

Trag dich in die Warteliste ein – wir schreiben dir, sobald die Registrierung öffnet. Trainer mit eigenen Athleten können sich schon jetzt als Testuser bewerben.

Auf die Warteliste
1.1.

2027: Tletify startet. Ab dann 30 Tage kostenlos testen – abgebucht wird erst danach.

Auf die Warteliste