Warum sechs Werte und nicht einer
Es wäre bequemer, aus dem Vormittag eine einzige Zahl zu machen. Eine Zahl kann man sich merken, vergleichen, weitererzählen. Genau deshalb ist sie die schlechtere Auskunft.
Die sechs Bereiche — Kraft, Ausdauer, Balance, Beweglichkeit, Reaktionsfähigkeit, Regeneration — werden mit sechs verschiedenen Verfahren erhoben, verändern sich unterschiedlich schnell und reagieren unterschiedlich auf das, was du zwischen zwei Messungen tust. Kraft in den Beinen kann sich in acht Wochen sichtbar verschieben, während sich an deiner Beweglichkeit im selben Zeitraum wenig tut. Presst man das in einen Mittelwert, verschwindet genau die Information, die den Verlauf lesbar macht: welcher Bereich sich bewegt und welcher stillsteht.
Dass Verfahren, die alle dasselbe zu messen behaupten, in Wahrheit Verschiedenes messen, ist kein Verdacht, sondern belegt.
Das "biologische Alter" verspricht eine Genauigkeit, die es nicht hat
In der Dunedin-Kohorte hat eine Arbeitsgruppe um Daniel Belsky elf Verfahren zur Bestimmung des biologischen Alters an denselben 964 Menschen angewendet — alle Jahrgang 1972/73, alle im selben Alter: Telomerlänge, Telomerverkürzung, drei epigenetische Uhren, deren Tickraten, drei Biomarker-Kombinationen. Die Verfahren stimmten untereinander schlecht überein. Mit körperlicher Leistungsfähigkeit und kognitiver Veränderung hingen durchgehend nur eine der drei epigenetischen Uhren und die Biomarker-Kombinationen zusammen, und die Effekte waren bescheiden. Der Schluss der Autorinnen und Autoren: Die Ansätze erfassen vermutlich nicht dieselben Aspekte des Alterns.
Noch ernüchternder ist die Wiederholbarkeit. Eine Gruppe um Albert Higgins-Chen hat 2022 sechs verbreitete epigenetische Uhren daraufhin geprüft, was passiert, wenn man dieselbe Blutprobe zweimal auswertet — identisches Material, kein biologischer Unterschied dazwischen. Die Schätzungen lagen um bis zu neun Jahre auseinander. Die Arbeit liefert auch eine Lösung: Rechnet man die Uhren auf Hauptkomponenten um, stimmen die meisten Wiederholungen auf unter 1,5 Jahre überein. Das ist ein echter Fortschritt, beschreibt aber den Ausgangszustand ziemlich genau. Wenn eine Zahl aus derselben Probe je nach Auswertung neun Jahre wandern kann, ist "du bist biologisch 42" eine Aussage über das Labor, nicht über dich.
Was hier gemessen wird, ist deshalb absichtlich schlichter: körperliche Leistungsfähigkeit direkt, in ihren eigenen Einheiten — Kilogramm, Sekunden, Zentimeter, Wiederholungen. Ohne Umrechnung in Lebensjahre. Diese Umrechnung ist der Schritt, an dem die Genauigkeit verloren geht und die Suggestion beginnt.
Was ein Perzentil ist — und woher die Vergleichsgruppe kommt
Nehmen wir die Griffkraft, den am besten dokumentierten der sechs Bereiche. Die gängigste Normreihe stammt aus zwölf britischen Bevölkerungsstudien: 60.803 Messungen an 49.964 Personen, davon 26.687 Frauen (Dodds et al., 2014). Der Median der Frauen erreicht seinen Höhepunkt bei 31 kg, irgendwo zwischen 26 und 42 Jahren, und sinkt von der Lebensmitte an.
Das ist eine ordentliche Grundlage. Trotzdem: britisch, teilweise Jahrzehnte alt, mit bestimmten Geräten und in bestimmten Körperhaltungen erhoben. Ein anderes Dynamometer, ein anderer Ellbogenwinkel, ein anderes Land — und dein Perzentil verschiebt sich, ohne dass sich an dir das Geringste geändert hätte.
Für die übrigen Bereiche ist die Lage dünner, und für Frauen zwischen 35 und 60 ist sie am dünnsten. Viele Normreihen stammen aus Kollektiven, die deutlich älter sind oder überwiegend aus Männern bestehen. Deshalb steht bei jeder Einordnung dabei, worauf sie sich stützt. Wo es keine belastbare Vergleichsgruppe gibt, steht auch das da. Ein Perzentil ohne Herkunftsangabe ist eine Zahl mit Selbstbewusstseinsproblem.
Wie dünn es tatsächlich ist, lässt sich abzählen. Von den zwei Dutzend Werten, die das Programm kennt, ist für genau fünf eine geprüfte Vergleichstabelle für Frauen hinterlegt: Griffkraft, Aufstehen in 30 Sekunden, Ganggeschwindigkeit, Ruhepuls und Herzratenvariabilität. Für alle übrigen — Einbeinstand, Rumpfbeuge, Reaktionszeit, Liegestütz, Steppen, Aufstehen auf Zeit, Doppelaufgabe — steht keine, und zwar jedes Mal aus einem nachlesbaren Grund: Die Tabelle beginnt zu spät, misst nach einem anderen Ablauf oder bricht an einer Stelle ab, an der unsere Messung weiterläuft. Drei Tabellen waren schon einmal eingespielt und wurden wieder ausgebaut; bei zweien davon landete jede Teilnehmerin im untersten Bereich, ohne dass das etwas über sie ausgesagt hätte — weil die Quelle an einer anderen Nulllinie beziehungsweise bis zu einer anderen Zeitmarke gemessen hatte. Lieber kein Vergleich als ein falscher.
Dazu kommt ein zweiter Grund für leere Felder: Manche Werte sind angelegt, aber noch nicht erhebbar. Herzratenvariabilität, Tiefschlaf und Schlafdauer bräuchten eine Verbindung zu einem Wearable, die es noch nicht gibt. Auch dort steht dann nichts — kein Schätzwert, kein Durchschnitt, kein Platzhalter. Bei der Herzratenvariabilität liegt die Tabelle deshalb bereit, ohne dass es bisher einen Wert gäbe, den sie einordnen könnte.
Warum der Vergleich mit dir selbst mehr trägt
Zwei Unsicherheiten stecken in jedem Perzentil: die Vergleichsgruppe und die Messung selbst.
Griffkraft ist gut wiederholbar. In einer Untersuchung an 67 Menschen mit einem Durchschnittsalter von 76 Jahren lag die Übereinstimmung zwischen zwei Messterminen bei ICC 0,98 für ein hydraulisches Gerät und 0,96 für ein Federdynamometer. Dieselbe Arbeit zeigt aber auch, wie stark die Umstände die Zahl bestimmen: Bei denselben Personen maß das eine Gerät im Mittel 27,4 kg, das andere 23,4 kg — vier Kilogramm Unterschied, allein durch die Wahl des Geräts. Und dasselbe hydraulische Gerät kam mittags auf 27,4 kg, am frühen Morgen auf 25,3 kg.
Ein Vergleich dreier Handdynamometer an 35 jungen Erwachsenen trennt die beiden Fehlerquellen. Wurde zweimal im Abstand einer Woche mit demselben Gerät gemessen, lag der Standardmessfehler in der Gesamtauswertung zwischen 0,2 und 1,5 kg und die Schwelle, ab der eine Veränderung sicher vom Messfehler zu trennen ist, zwischen 0,5 und gut vier Kilogramm. Vergleicht man dagegen zwei verschiedene Geräte miteinander, steigt der Messfehler auf 1,75 bis 3,12 kg und diese Schwelle auf etwa fünf bis neun Kilogramm. Die Stichprobe ist klein und deutlich jünger als du, die Größenordnung aber brauchbar.
Praktisch heißt das zweierlei. Ein bis zwei Kilogramm Unterschied zwischen Erst- und Nachmessung sind Rauschen, auch bei sauberem Vorgehen. Und wenn zwischen den beiden Terminen das Gerät wechselt, wird die Unsicherheit größer als jede Veränderung, die in zwölf Monaten realistisch zu erwarten wäre — dann vergleicht die Zahl Geräte und nicht Zeitpunkte. Kleinere Verschiebungen sind damit nicht wertlos; sie werden über mehrere Messungen hinweg zur Aussage, nicht durch eine einzelne. Wer diese Größenordnung nicht kennt, feiert Tagesform oder erschrickt vor ihr.
Beim Vergleich mit dir selbst fallen die systematischen Fehler weitgehend heraus: gleiches Gerät, gleiches Protokoll, gleiche Person, gleiche Tageszeit, wenn du es einrichten kannst. Was übrig bleibt, ist näher an echter Veränderung als jede Einordnung gegen ein fremdes Kollektiv. Deshalb ist die Verlaufskurve groß und das Perzentil klein.
Was die einzelnen Bereiche in Studien bedeuten
Diese Bereiche sind nicht willkürlich gewählt. In der PURE-Studie mit 139.691 Menschen zwischen 35 und 70 Jahren aus 17 Ländern ging jede um 5 kg geringere Griffkraft mit einer um 16 Prozent höheren Gesamtsterblichkeit einher (HR 1,16; 95 % KI 1,13–1,20), bei einer medianen Beobachtungszeit von vier Jahren.
Beim Einbeinstand über zehn Sekunden untersuchte eine brasilianische Gruppe 1702 Personen zwischen 51 und 75 Jahren; 20,4 Prozent schafften ihn nicht. In sieben Jahren Beobachtung starben 4,6 Prozent derer, die den Stand hielten, gegenüber 17,5 Prozent derer, die ihn nicht hielten. Wichtig: 68 Prozent der Untersuchten waren Männer, und die Gruppe war im Schnitt älter als die meisten Teilnehmerinnen hier.
Für die Ausdauer stammt die größte Arbeit aus der Cleveland Clinic: 122.007 Menschen, die zwischen 1991 und 2014 in einer Klinik einen Laufbandtest absolvierten — also keine Bevölkerungsstichprobe, sondern Menschen, die einen Anlass für diesen Test hatten. Die fitteste Gruppe hatte im Vergleich zur untrainiertesten eine um rund 80 Prozent niedrigere Gesamtsterblichkeit, und ein oberes Ende des Zusammenhangs war nicht erkennbar.
Alle drei sind Beobachtungsstudien. Sie zeigen Zusammenhänge, keine Ursachen. Wer kräftig ist, unterscheidet sich in vielem von jemandem, der es nicht ist, und ein Teil dieser Unterschiede lässt sich statistisch nie sauber herausrechnen. Außerdem gelten Hazard Ratios für Gruppen, nicht für einzelne Menschen. Aus "16 Prozent" folgt für dich persönlich exakt nichts.
Was sich in kontrollierten Studien tatsächlich bewegt
Belastbarer sind Interventionsstudien. Eine Meta-Analyse von 47 Untersuchungen mit 1079 Teilnehmenden ab 50 Jahren fand durch Krafttraining Zuwächse von 33 Prozent bei der Kniestreckung, 29 Prozent bei der Beinpresse und 24 Prozent bei der Brustpresse; höhere Trainingsintensität ging mit größeren Zuwächsen einher. Eingeschlossen waren randomisierte wie nicht randomisierte Trainingsstudien, und die Autoren berichten selbst von erheblicher Heterogenität zwischen ihnen.
Für Balance fasst eine Meta-Analyse 23 randomisierte Studien an gesunden Menschen ab 65 zusammen. Gezieltes Balancetraining verbesserte die Balanceleistung durchgehend, je nach Testform mit standardisierten Mittelwertdifferenzen von 0,44 bis 1,73. Am günstigsten war das Verhältnis bei elf bis zwölf Wochen, dreimal pro Woche, 31 bis 45 Minuten je Einheit. Die methodische Qualität der Einzelstudien war allerdings eher mäßig und die Streuung zwischen ihnen groß.
Für die Ausdauer fand eine Meta-Analyse zu Intervalltraining bei jungen, wenig trainierten Menschen unter 45 Jahren nach sechs bis dreizehn Wochen einen mittleren Zuwachs der maximalen Sauerstoffaufnahme von 0,51 l/min (95 % KI 0,43–0,60). Ob das eine Frau von 52 in gleicher Größenordnung erreicht, ist damit nicht beantwortet — die Übertragbarkeit ist der wunde Punkt fast aller dieser Arbeiten.
Was eine Messung kann und was nicht
Sie kann einen Ausgangspunkt festhalten, den man später nicht mehr schönreden kann. Sie kann Veränderung sichtbar machen, auch die unangenehme. Und sie kann zeigen, welcher der sechs Bereiche sich anders verhält als die übrigen.
Sie kann nicht sagen, woran das liegt. Sie kann keine Zukunft vorhersagen. Und sie ist kein Ersatz für das Gespräch mit deiner Ärztin — medizinische Fragen gehören dorthin, dieses Profil ist dafür weder gedacht noch geeignet.
Was bleibt, ist ziemlich viel: sechs ehrliche Zahlen, zwölf Monate Verlauf und die Möglichkeit, den Unterschied zwischen Rauschen und Richtung selbst zu sehen.