Warum du weiterlesen solltest
Ein Test kann sauber durchgeführt werden und trotzdem als Verletzungsprognose ungeeignet sein. Im Fall der fiktiven Handballerin Marie zeigt sich, was passiert, wenn aus einer beobachteten Bewegung plötzlich ein Urteil über die nächsten Monate wird. Wir prüfen die Studien dahinter – und klären, wofür Bewegungstests wirklich nützlich sind.
Eine 24-jährige Sportlerin bekommt eine Warnung
Wie wird aus einer fitten Handballerin plötzlich ein „Risikofall“? Marie möchte gut vorbereitet in die neue Saison starten. Sie trainiert regelmäßig, fühlt sich leistungsfähig und hatte im vergangenen Jahr keine schwerwiegende Verletzung. Für den Saisoncheck erwartet sie praktische Hinweise – keine Warnung vor ihrer eigenen Zukunft.
Beim Saisoncheck absolviert sie sieben Bewegungsaufgaben. Eine tiefe Kniebeuge, ein Ausfallschritt, verschiedene Bewegungen für Rumpf und Schulter. Das Ergebnis: 13 von 21 möglichen Punkten.
Die Reaktion ihres Trainers: „Unter 14 Punkten bist du ein Risikofall. Da müssen wir zuerst deine Bewegungsmuster korrigieren.“
Marie verlässt die Halle mit einer Zahl im Kopf. Plötzlich betrachtet sie jede unsaubere Landung als Warnzeichen. Sie fragt sich, ob sie überhaupt intensiv trainieren sollte.
Am Abend erzählt sie einer Mitspielerin von dem Ergebnis. Die reagiert gelassen: „Ich hatte letztes Jahr 18 Punkte und habe mir trotzdem das Sprunggelenk verletzt.“ Marie ist jetzt erst recht verwirrt. War der Test Unsinn? Hatte ihre Mitspielerin einfach Pech? Oder ist sie selbst tatsächlich stärker gefährdet, ohne dass man es ihr genauer erklären kann?
Die kleine Szene zeigt, wie aus einer Messung innerhalb weniger Minuten eine Geschichte über den eigenen Körper entstehen kann. Es geht nicht mehr bloß darum, wie Marie eine Bewegung ausgeführt hat. Es geht plötzlich um Sicherheit, Vertrauen und die Vorstellung, der Körper habe irgendwo einen verborgenen Fehler. Genau deshalb müssen wir mit solchen Aussagen sorgfältig umgehen.
Aber was wurde eigentlich festgestellt? Dass sie eine bestimmte Bewegung heute nicht nach den vorgegebenen Kriterien ausgeführt hat? Oder dass eine Verletzung in ihrer Zukunft wahrscheinlich ist?
Das ist nicht dasselbe. Und in diesem Unterschied steckt ein erstaunlich großes Problem der modernen Trainings- und Sportdiagnostik.
Marie ist ein ausdrücklich fiktives Beispiel. Die wissenschaftlichen Ergebnisse, die im Folgenden beschrieben werden, stammen aus veröffentlichten Untersuchungen.
Warum wir Tests so gerne glauben
Eine Zahl wirkt objektiv. Wenn jemand 120 Kilogramm hebt, ist das leichter zu verstehen als die Aussage, er sei „ziemlich stark“. Wenn ein Sprungtest eine Seitenasymmetrie zeigt, scheint daraus unmittelbar eine Aufgabe für das Training zu entstehen. Und wenn eine App einen roten Bereich anzeigt, fühlt sich das wie ein Urteil an.
Ich kenne diese Faszination aus der Praxis. Diagnostik ist ein wichtiger Teil meiner Arbeit. Ich möchte wissen, was jemand tatsächlich leisten kann. Ich möchte Entwicklungen nicht nur fühlen, sondern nach Möglichkeit messen. Allerdings habe ich im Umgang mit Messwerten eine ziemlich einfache Bedingung: Die Zahl muss zur Frage passen, die wir beantworten möchten.
Bei einem Bewegungstest können wir beispielsweise beobachten, wie eine Person eine Aufgabe ausführt. Wir können Kraft, Bewegungsumfang, Gleichgewicht oder Sprungleistung messen. Wir können dieselbe Aufgabe später wiederholen und Veränderungen überprüfen.
Manchmal ist die Messung sogar wesentlich genauer als das, was wir mit bloßem Auge erkennen würden. Eine Kraftmessung kann beispielsweise zeigen, dass sich die maximale Kraft über einige Wochen erhöht hat, obwohl der Sportler selbst kaum einen Unterschied spürt. Umgekehrt kann ein Test auch sichtbar machen, dass nach einer Verletzung bestimmte Leistungen noch deutlich reduziert sind, obwohl Alltag und einfache Übungen längst problemlos funktionieren.
Das ist ein echter Nutzen von Diagnostik. Ich finde ihn spannender als das Versprechen, durch immer komplexere Testbatterien ein angeblich verborgenes Verletzungsrisiko aufzuspüren. Eine sauber wiederholte Messung kann uns zeigen, was sich verändert hat. Ob das Ereignis der nächsten Saison damit vorhergesagt werden kann, müssen andere Untersuchungen erst belegen.
Doch damit ist noch lange nicht gezeigt, dass wir zukünftige Verletzungen ausreichend genau vorhersagen können. Zwischen diesen beiden Aussagen liegen mehrere wissenschaftliche Schritte.

Drei Fragen, die häufig durcheinandergeraten
Nehmen wir den Functional Movement Screen, kurz FMS. Er umfasst sieben Bewegungsaufgaben, aus denen ein Gesamtscore von maximal 21 Punkten entsteht. In Trainings- und Sportumgebungen wird er unter anderem genutzt, um Bewegungen systematisch zu beobachten.
Hier müssen wir drei Dinge trennen:
1. Lässt sich der Test reproduzierbar durchführen? Wenn zwei Fachpersonen dieselbe Person beurteilen, kommen sie zu ähnlichen Ergebnissen? Das ist eine Frage der Zuverlässigkeit.
2. Hängt ein niedriger Wert im Durchschnitt mit mehr Verletzungen zusammen? Das ist eine Frage nach einem statistischen Zusammenhang zwischen Gruppen.
3. Kann ich bei Marie damit zuverlässig erkennen, ob sie sich verletzen wird? Das ist eine ganz andere und viel anspruchsvollere Frage: die individuelle Vorhersage.
Ein Test kann bei der ersten Frage gut abschneiden, bei der zweiten einen Zusammenhang finden und trotzdem bei der dritten enttäuschen.
Es gibt sogar eine vierte Frage, die gerne übersehen wird: Verbessert eine Maßnahme, die wir wegen dieses Testergebnisses auswählen, tatsächlich das relevante Ergebnis? Wenn ein Trainingsprogramm einen Bewegungsscore um drei Punkte verbessert, ist damit zunächst gezeigt, dass sich der Score verbessert hat. Ob weniger Verletzungen auftreten, mehr Leistung entsteht oder die Sportlerin sicherer mit ihrer Belastung umgehen kann, ist eine andere Frage.
In der Forschung spricht man dabei von unterschiedlichen Güteeigenschaften und Ergebnisebenen. Für die Praxis reicht zunächst ein einfacher Gedanke: Die Qualität der Messung, der Zusammenhang mit einem Risiko, die Vorhersage eines Ereignisses und der Nutzen einer darauf beruhenden Intervention sind vier unterschiedliche Behauptungen. Wer sie vermischt, kann eine durchaus gute Messung mit einer schlechten Empfehlung verknüpfen.
Genau das illustriert die FMS-Forschung besonders eindrücklich.
Ein auffälliger Score kann mit Verletzungen zusammenhängen – und trotzdem schlecht vorhersagen
In einer systematischen Übersichtsarbeit von Bonazza und Kollegen aus dem Jahr 2017 war die Übereinstimmung wiederholter FMS-Beurteilungen relativ gut. Für die Zuverlässigkeit innerhalb und zwischen Untersuchern berichteten die Autoren jeweils einen zusammengefassten ICC von 0,81. Ein niedriger Gesamtscore von höchstens 14 Punkten war außerdem mit erhöhten Verletzungs-Odds assoziiert: Odds Ratio 2,74; 95-%-Konfidenzintervall 1,70–4,43. Bonazza et al., 2017
Das klingt zunächst, als hätte der Test seine Aufgabe bestanden. Aber hier liegt der Denkfehler: Eine Odds Ratio zeigt eine Gruppenassoziation. Sie sagt nicht, welcher konkrete Mensch verletzt wird. Und eine erhöhte Odds ist nicht dasselbe wie eine absolute Wahrscheinlichkeit.
Ein Gedankenexperiment macht das verständlicher. Stellen wir uns zwei große Gruppen mit unterschiedlichen Testwerten vor. In der einen Gruppe verletzen sich innerhalb einer Saison fünf von hundert Menschen. In der anderen sind es zehn von hundert. Das relative Risiko wäre in diesem frei gewählten Beispiel doppelt so hoch. Trotzdem blieben in der zweiten Gruppe 90 von 100 Menschen ohne das untersuchte Ereignis. Und fünf aus der vermeintlich günstigeren Gruppe wären trotzdem betroffen.
Die Zahlen dieses Beispiels stammen aus keiner FMS-Studie; sie sollen ausschließlich den Unterschied zwischen einer Gruppe mit höherem Risiko und einer zuverlässigen Aussage über eine einzelne Person zeigen. Das ist besonders wichtig, wenn wir mit relativen Größen wie Odds Ratios arbeiten. Sie können eindrucksvoll aussehen, während die absolute Wahrscheinlichkeit, abhängig vom Ausgangsrisiko, ganz anders ausfällt.
Eine spätere Meta-Analyse von 2019 mit zwölf Studien ergab für den Schwellenwert von 14 Punkten eine geringere zusammengefasste Odds Ratio von 1,86 (95-%-Konfidenzintervall 1,32–2,61). Die Unterschiede zwischen den Studien waren erheblich (I² = 70 %). Die Autoren hielten deshalb eine klare Einordnung des Zusammenhangs über verschiedene Sportarten und Populationen hinweg für schwierig. Meta-Analyse, 2019
Dass die Studien so unterschiedlich ausfallen, ist keine unwichtige statistische Fußnote. Es macht einen Unterschied, ob wir Rugbyspieler, Soldaten in einer Ausbildung oder Freizeitsportler untersuchen. Es macht einen Unterschied, ob jede kleinere Beschwerde zählt oder nur Verletzungen, die zu Trainingsausfällen führen. Auch die Länge der Beobachtungszeit verändert das Ergebnis: Wer zwölf Monate lang nach Verletzungen sucht, wird mehr Ereignisse finden als jemand, der nur vier Wochen beobachtet.
Wenn die untersuchten Menschen, ihre Belastungen und sogar die Definition einer Verletzung stark variieren, sollten wir mit einem universellen Grenzwert besonders vorsichtig sein. Eine Grenze wie „14 Punkte“ kann eine Forschungsfrage operationalisieren. Sie wird dadurch nicht automatisch zu einer biologischen Trennlinie zwischen einem sicheren und einem unsicheren Körper.
Beide Ergebnisse können gleichzeitig stimmen. Ein Testwert kann in manchen Gruppen mit Verletzungen zusammenhängen. Daraus folgt aber nicht, dass sein Grenzwert überall gleich gut funktioniert – oder dass wir aus Maries 13 Punkten ein individuelles Verletzungsurteil ableiten dürfen.
Die Zahl, die dem Versprechen wirklich wehtut
Um eine Verletzungsprognose zu bewerten, müssen wir wissen, wie viele später tatsächlich verletzte Personen der Test korrekt erkennt – und wie viele Unverletzte er fälschlich als gefährdet einstuft.
Eine Meta-Analyse von Dorrel und Kollegen aus dem Jahr 2015 untersuchte dafür sieben Studien zum FMS. Das zusammengefasste Ergebnis: Sensitivität 24,7 %, Spezifität 85,7 %. Der Test erfasste in diesen Daten also nur ungefähr ein Viertel der Menschen, die später eine erfasste Verletzung hatten. Die Autoren berichteten außerdem eine AUC von 0,587. Dorrel et al., 2015
Diese AUC misst vereinfacht, wie gut ein Verfahren zwischen Personen mit und ohne späteres Ereignis unterscheiden kann. 0,5 entspricht ungefähr einer zufälligen Unterscheidung, 1,0 wäre perfekt. 0,587 liegt beunruhigend nah an der ersten Zahl.
Das bedeutet nicht, dass jeder einzelne FMS-Test wertlos wäre. Es bedeutet: Die untersuchte Fähigkeit, Menschen anhand des Scores in eine verlässlich „gefährdete“ und „ungefährdete“ Gruppe einzuteilen, war schwach. Die eingeschlossenen Studien hatten zudem methodische Einschränkungen und uneinheitliche Verletzungsdefinitionen.
Eine Sensitivität von 24,7 % ist dabei kein abstrakter Laborwert. Sie bedeutet unter den Bedingungen dieser zusammengefassten Studien, dass ein großer Teil der Personen mit späterem Verletzungsereignis vom verwendeten Grenzwert nicht als positiv erkannt wurde. Die Spezifität von 85,7 % wiederum sagt, dass ein Teil der später Unverletzten trotzdem als auffällig eingestuft wurde. Das betrifft zwei Seiten desselben Problems: übersehene Ereignisse und falsche Alarme.
Von 100 später Verletzten erkannte der FMS-Schwellenwert im Studienmittel nur etwa 25.
Veranschaulichung der zusammengefassten Sensitivität, keine Prognose für eine einzelne Sportlerin. Je nach Population, Grenzwert und Verletzungsdefinition kann die Testgüte abweichen.
Was würde das für 1.000 Sportler bedeuten?
Nehmen wir ein vollständig hypothetisches Rechenbeispiel. Eine Mannschaftsorganisation untersucht 1.000 Sportler. Wir nehmen lediglich zur Veranschaulichung an, dass sich im festgelegten Zeitraum 100 Personen verletzen und 900 nicht. Die tatsächliche Verletzungshäufigkeit einer Sportart kann selbstverständlich deutlich anders ausfallen.
Wenn wir die zusammengefasste Sensitivität und Spezifität aus der älteren FMS-Meta-Analyse gedanklich auf diese Gruppe übertragen, würde der Test ungefähr 25 der später Verletzten positiv erkennen. Rund 75 später Verletzte wären nicht erkannt. Gleichzeitig würden unter den 900 später Unverletzten rund 129 Menschen fälschlich als auffällig eingestuft.
Unter diesen ausdrücklich angenommenen Bedingungen kämen auf einen positiv erkannten später Verletzten also ungefähr fünf falsch positive Personen. Anders ausgedrückt: Nur etwa 16 % der positiv getesteten Personen hätten im betrachteten Zeitraum tatsächlich das angenommene Verletzungsereignis.
Dieses Beispiel ist keine aus der Meta-Analyse validierte Vorhersagetabelle. Die Ausgangshäufigkeit von 10 % ist frei gewählt; Sensitivität und Spezifität schwanken zwischen Studien. Es soll nur ein Prinzip sichtbar machen, das bei vielen medizinischen und sportwissenschaftlichen Tests relevant ist: Wie aussagekräftig ein positives Ergebnis ist, hängt auch davon ab, wie häufig das gesuchte Ereignis überhaupt auftritt.
Deshalb kann derselbe Test in zwei Gruppen mit unterschiedlichen Verletzungshäufigkeiten sehr unterschiedliche Anteile falsch positiver Ergebnisse produzieren. Ein Risikoscore hat nicht unabhängig von Population und Kontext eine feste Bedeutung.
Es lohnt sich, hier kurz innezuhalten. Wenn ich eine Sportlerin als „hohes Risiko“ einstufe, kann das ihre Wahrnehmung beeinflussen. Wenn ich eine andere Sportlerin als „niedriges Risiko“ einordne, könnte ich ihr eine Sicherheit vermitteln, die der Test gar nicht belegen kann. Beides sind Gründe, beim Umgang mit solchen Begriffen präzise zu bleiben.
Und was zeigt die neuere Forschung?
Eine Untersuchung aus August 2026 analysierte Daten von 381 College-Sportlerinnen und -Sportlern aus elf Sportarten. Erfasst wurden vor der Saison unter anderem frühere Verletzungen, verschiedene Gelenktests und FMS-Werte. Im Verlauf hatten 80 Personen mindestens eine und 41 mindestens zwei nicht-kontaktbedingte Verletzungen der unteren Extremität.
Besonders aufschlussreich war die Analyse zur Vorhersage von zwei oder mehr Verletzungen: Die Modelle erreichten nach interner Kreuzvalidierung nur AUC-Werte zwischen 0,535 und 0,562. Das Hinzufügen der FMS-Variablen verbesserte die Vorhersage nicht. Die Verletzungsvorgeschichte war mit Odds Ratios um 2,0 der konsistenteste untersuchte Risikomarker. Eckart & Sharma-Ghimire, 2026
Die Einschränkungen sind wichtig: Es handelt sich um eine beobachtende Analyse einer bestimmten College-Population, und das Hauptziel war nicht „jede denkbare Verletzung“, sondern ein konkreter Endpunkt. Diese Zahlen dürfen nicht einfach auf alle Sportarten oder Altersgruppen übertragen werden.
Trotzdem stützt das Ergebnis eine Erkenntnis, die sich über viele Untersuchungen zieht: Auch wenn wir mehrere Messwerte kombinieren, ist eine zuverlässige individuelle Verletzungsprognose ausgesprochen schwierig.
Eine systematische Übersichtsarbeit von 2025 untersuchte die Messeigenschaften von 15 funktionellen Tests anhand von 59 Studien. Für keinen der Tests fanden die Autoren Evidenz mit hoher Sicherheit über die untersuchten Messeigenschaften. Einige Verfahren – darunter Y-Balance, Knee-to-Wall, Einbein-Kniebeuge, Drop Jump und Single Hop – hatten für bestimmte Eigenschaften eine moderate Evidenzsicherheit. Das ist nützlich bei der Wahl eines Messinstruments. Es ist aber kein Beleg, dass diese Tests einzeln Verletzungen sicher prognostizieren. Cooke et al., 2025
Ein besserer Bewegungsscore ist noch keine verhinderte Verletzung
Hier wird das Thema aus Trainingssicht besonders interessant. Schließlich wollen wir nicht nur etwas messen, sondern nach Möglichkeit verändern. Und tatsächlich lässt sich ein FMS-Gesamtscore durch Training verbessern.
Eine 2025 veröffentlichte Meta-Analyse von 40 Studien mit insgesamt 1.604 Sportlerinnen und Sportlern untersuchte, wie unterschiedliche Trainingsprogramme die FMS-Werte beeinflussen. Die Autoren berichteten unter anderem Verbesserungen durch Krafttraining von im Mittel 2,21 Punkten (95-%-KI 1,82–2,61), durch neuromuskuläres Training von 2,31 Punkten (1,64–2,98) und durch Programme mit Schwerpunkt Rumpfstabilität von 2,89 Punkten (2,46–3,32). Die Evidenzsicherheit für diese Effekte wurde als moderat eingestuft. Maleki et al., 2025
Das ist zunächst erfreulich. Wir setzen einen Trainingsreiz, eine messbare Leistung verändert sich. Aber jetzt kommt die Frage, die in der Begeisterung über den verbesserten Score schnell untergeht: Was genau ist besser geworden?
Hat die Person eine Aufgabe gelernt, für die sie wiederholt geübt hat? Haben sich Bewegungsumfang, Koordination oder Kraft verändert? Hat sie mehr Möglichkeiten gewonnen, sportliche Anforderungen zu bewältigen? Oder ist ihre tatsächliche Verletzungsrate gesunken?
Einige dieser Veränderungen können gemeinsam auftreten. Sie sind dennoch nicht austauschbar. Ein besserer FMS-Score weist nicht automatisch eine geringere Verletzungshäufigkeit nach. Die Autoren der Meta-Analyse selbst mahnten zur Vorsicht bei der direkten Übertragung der Scoreverbesserungen auf sportliche Leistung oder Verletzungsprävention.
Man kann es zugespitzt formulieren: Wer trainiert, einen Test besser zu bestehen, sollte sich nicht darüber wundern, dass er den Test besser besteht. Der relevante nächste Schritt ist zu überprüfen, ob das für die Person wichtige Ergebnis ebenfalls besser geworden ist.
Für Marie bedeutet das: Würde ihr Score nach sechs Wochen von 13 auf 17 Punkte steigen, wäre das eine dokumentierbare Veränderung. Es wäre aber noch kein Beweis dafür, dass sie in der kommenden Handballsaison weniger Verletzungen erleidet. Eine Verbesserung der tatsächlich benötigten körperlichen Fähigkeiten wäre für mich das wesentlich interessantere Trainingsziel.
Warum ein Körper keine Wettervorhersage ist
Eine spätere Sportverletzung entsteht selten deshalb, weil jemand an einem Dienstag eine Kniebeuge „falsch“ ausgeführt hat. Vielmehr verändern sich die Bedingungen laufend.
Wie viel wurde in den vergangenen Wochen trainiert? Steht morgen ein Turnier mit ungewohnt vielen Spielminuten an? Gab es bereits eine Verletzung? Wie entwickelt sich die Leistungsfähigkeit? Welche Anforderungen stellt die Position im Team? Und selbst bei guter Vorbereitung können Kontakt, Zufall und unvorhersehbare Situationen eine Rolle spielen.
Die Faktoren wirken nicht unabhängig voneinander. Ein Sprung kann nach einer guten Trainingswoche problemlos sein, am Ende eines anstrengenden Wettkampftages aber unter ganz anderen Bedingungen stattfinden.
Hinzu kommt: Verletzungen sind keine einheitliche Kategorie. Ein Zusammenprall beim Handball, eine Muskelverletzung bei hoher Laufgeschwindigkeit und eine zunehmende Sehnenbeschwerde über mehrere Belastungswochen haben unterschiedliche Entstehungsgeschichten. Schon deshalb ist die Idee, alle zukünftigen Verletzungen aus einer einzigen Bewegungsaufgabe oder einem Gesamtscore vorherzusagen, enorm anspruchsvoll.
Eine Momentaufnahme enthält außerdem nicht automatisch die Informationen darüber, was nach dem Test passiert. Marie könnte in den nächsten acht Wochen deutlich mehr springen, plötzlich doppelt so viele Spielminuten absolvieren oder ihre Kraft systematisch steigern. Ihr Körper und ihre sportlichen Anforderungen bleiben nicht stehen, nur weil wir am Saisonbeginn eine Zahl notiert haben.
Der Sportmediziner Roald Bahr hat diese Schwierigkeit bereits 2016 in einer viel beachteten kritischen Arbeit beschrieben. Aus einem Risikofaktor auf Gruppenebene lässt sich nicht automatisch ein sinnvoller Test zur Identifikation einzelner zukünftiger Verletzter machen. Entscheidend wären gut belegte Vorhersageeigenschaften und die Frage, ob ein auf diesem Test basierendes Vorgehen tatsächlich bessere Ergebnisse bringt. Bahr, 2016
Hier müssen wir allerdings aufpassen, nicht ins andere Extrem zu fallen: Natürlich gibt es klinisch relevante Risikofaktoren, medizinische Warnhinweise und Situationen, in denen eine Untersuchung unverzichtbar ist. Die Aussage ist nicht, dass Untersuchungen überflüssig sind. Die Aussage ist, dass eine einzelne Bewegung oder ein Score die komplexe Zukunft eines Menschen nur sehr begrenzt abbildet.
Kann künstliche Intelligenz das Problem lösen?
Vielleicht sammeln wir einfach genügend Messwerte: Kraftplatten, Sprungkurven, Videoanalyse, Bewegungsdaten, Schlaf, GPS, subjektive Belastung. Dann erkennt ein Algorithmus die Gefahr, bevor sie entsteht.
Das ist eine nachvollziehbare Hoffnung – aber noch kein klinisch eingelöstes Versprechen.
Ein 2025 veröffentlichter Scoping Review untersuchte 38 Studien zu maschinellem Lernen bei Sportverletzungsprognosen. Die Ergebnisse waren sehr unterschiedlich. Einige Modelle berichteten hohe AUC-Werte; zugleich waren Datensätze häufig klein, Verletzungsdefinitionen uneinheitlich und Vorhersagezeiträume teilweise so breit, dass der praktische Nutzen unklar blieb. In vier von zwölf direkten Vergleichen schnitt die klassische logistische Regression besser ab als die untersuchten Machine-Learning-Verfahren. Review, 2025
Das Problem beginnt oft schon vor dem Algorithmus. Wird ein Modell beispielsweise mit Daten aus einer bestimmten Fußballmannschaft entwickelt, kann es Muster lernen, die genau für dieses Team typisch sind. Ob es bei einem anderen Verein, bei Frauen, bei jüngeren Spielern oder in einer anderen Saison noch funktioniert, muss separat überprüft werden. Das nennt man externe Validierung.
Eine systematische Übersichtsarbeit von Bullock und Kollegen (2022) ist hier besonders ernüchternd: Sie erfasste 30 Studien mit 204 Prognosemodellen. 98 % der Modelle wurden bezüglich methodischer Verzerrungen als hoch riskant oder unklar beurteilt; kein eingeschlossenes Modell war extern validiert worden. Die Autoren konnten keines der Modelle für den Praxiseinsatz empfehlen. Bullock et al., 2022
Diese Bestandsaufnahme ist nicht das letzte Wort über alle seitdem entwickelten Verfahren. Sie zeigt aber, warum eine scheinbar präzise Trefferquote auf dem Bildschirm noch nicht genügt. Ein Algorithmus muss nicht nur rückblickend interessante Muster finden. Er muss an neuen Menschen und unter realen Bedingungen zuverlässig genug funktionieren – und eine Entscheidung ermöglichen, die tatsächlich einen Vorteil bringt.
Mehr Technik kann Zusammenhänge sichtbar machen. Sie beseitigt aber nicht automatisch unzuverlässige Daten, wechselnde Rahmenbedingungen oder die Schwierigkeit, seltene Ereignisse vorauszusagen. Ein beeindruckendes Dashboard ist noch kein gutes Entscheidungsinstrument.
Das eigentlich Interessante: Wir können vorbeugen, ohne die Zukunft zu kennen
Jetzt kommt die gute Nachricht. Wir müssen Marie nicht exakt vorhersagen können, um ihre Voraussetzungen für den Sport zu verbessern.
Für jüngere Sportlerinnen und Sportler gibt es Evidenz, dass neuromuskuläre Trainingsprogramme – beispielsweise strukturierte Warm-ups mit Sprüngen, Landungen, Richtungswechseln, Kraft- und Gleichgewichtsaufgaben – Verletzungen der unteren Extremität reduzieren können. Eine Meta-Analyse von 2025 mit 24 randomisierten Studien berichtete ein zusammengefasstes Risikoverhältnis von 0,73 (95-%-Konfidenzintervall 0,67–0,79), entsprechend einer relativen Risikoreduktion von rund 27 % in den untersuchten Populationen. Meta-Analyse, 2025
Das ist keine Garantie für jede Person, jede Sportart und jede Verletzungsart. Es ist auch kein Beweis, dass genau dieses Programm in jeder Trainingsgruppe die beste Wahl ist. Aber es zeigt einen praktischen Weg: Präventive Trainingsinhalte können sinnvoll sein, ohne dass wir zuvor jede Person in „hohes“ oder „niedriges“ Risiko einsortieren müssen.
Was macht solche Programme praktisch interessant? Sie beschäftigen sich mit Fähigkeiten, die für viele Sportarten ohnehin gebraucht werden: Kräfte beim Landen aufnehmen, schnell die Richtung ändern, unter Ermüdung stabil bleiben, ausreichend Kraft entwickeln und komplexe Bewegungen wiederholt ausführen. Manche Einheiten lassen sich in ein strukturiertes Aufwärmen integrieren, andere gehören in die längerfristige Kraft- und Athletikplanung.
Das bedeutet nicht, dass jeder Handballer exakt dieselben Übungen ausführen soll. Es bedeutet auch nicht, dass ein möglichst umfangreiches „Stabilisationsprogramm“ automatisch mehr Nutzen bringt. Entscheidend sind die tatsächlichen Anforderungen, ein angemessener Trainingsreiz und die Möglichkeit, diesen über Wochen und Monate kontinuierlich umzusetzen. Gerade darin liegt für mich eine wichtige Schnittstelle zwischen Prävention und Leistungsentwicklung.
Es gibt außerdem differenziertere Ergebnisse. Eine große Übersichtsarbeit zur Verletzungsprävention im weiblichen Sport fand je nach untersuchtem Verletzungstyp und Programm unterschiedliche und teilweise unsichere Effekte. Für alle Verletzungen der unteren Extremität zusammen war der gepoolte Effekt nicht eindeutig. Das spricht dafür, Trainingsprogramme und Zielgruppen genau anzuschauen, statt aus einer einzelnen Zahl ein allgemeines Versprechen zu machen. FAIR-Review, 2025
Wofür ich Tests trotzdem gerne verwende
Wenn die Verletzungsprognose so begrenzt ist, sollte man dann auf Tests verzichten? Ich halte das für die falsche Konsequenz. Wir sollten die Erwartungen an Tests verändern.
Ebenso wenig sollten wir ein sportliches Bewegungsscreening mit einer medizinischen Untersuchung verwechseln. Wenn jemand Beschwerden, wiederkehrende Schwellungen, auffällige neurologische Symptome oder andere Warnzeichen hat, kann eine gezielte klinische Abklärung notwendig sein. Ein medizinischer Check kann bestehende Erkrankungen erkennen, Verletzungsfolgen dokumentieren oder die weitere Behandlung beeinflussen. Solche Aufgaben sind völlig legitim – auch dann, wenn der Check die nächste Sportverletzung nicht individuell vorhersagt. Gesundheitsuntersuchungen von Athleten werden unter anderem genau deshalb als Möglichkeit beschrieben, aktuelle Probleme zu identifizieren und eine Ausgangsbasis für die weitere Betreuung zu schaffen. Olympische Gesundheitsuntersuchungen, 2024
Bei Marie könnte ich beispielsweise untersuchen, wie viel Kraft sie bei einer relevanten Aufgabe entwickeln kann, wie sich ihre Sprungleistung verändert, ob bestimmte Bewegungen Beschwerden verursachen oder ob sie nach längerer Belastung deutlich an Qualität verliert. Bei einer Person nach Verletzung könnten medizinische Befunde, Schwellung, Kraft, Funktion und spezifische Belastbarkeit entscheidend sein.
Was ich aus solchen Ergebnissen machen würde, hängt von der Fragestellung ab:
| Gute Frage an einen Test | Problematische Schlussfolgerung |
|---|---|
| „Wie hoch springt Marie heute?“ | „Mit diesem Sprungwert verletzt sie sich nicht.“ |
| „Wie entwickelt sich ihre Beinkraft über acht Wochen?“ | „Die schwächere Seite ist automatisch die Ursache einer künftigen Verletzung.“ |
| „Kann sie eine für Handball relevante Aufgabe wiederholt ausführen?“ | „Eine bestandene Testbatterie garantiert Einsatzfähigkeit unter allen Bedingungen.“ |
| „Hilft uns das Ergebnis, den Trainingsplan sinnvoll anzupassen?“ | „Jede Abweichung muss sofort korrigiert werden.“ |
Ein reproduzierbarer Test, der eine konkrete Fähigkeit misst und die Trainingsentscheidung verbessert, kann enorm wertvoll sein. Seine Nützlichkeit hängt nicht davon ab, ob er zusätzlich eine vollständige Verletzungsprognose liefert.
Und umgekehrt: Eine beeindruckende Messung, aus der sich keine sinnvolle Entscheidung ableiten lässt, bleibt möglicherweise einfach eine interessante Messung.
Zurück zu Marie: Was sollte sie jetzt tun?
Marie hat 13 Punkte im FMS erreicht. Das darf man dokumentieren. Vielleicht möchte man genauer hinsehen, warum bestimmte Aufgaben auffällig waren. Vielleicht zeigt sich dabei etwas, das für ihre tatsächlichen Handballanforderungen relevant und trainierbar ist.
Stellen wir uns vor, wir würden das Gespräch nach dem Test fortsetzen. Marie erzählt, dass sie am Kreis spielt, häufig Körperkontakt hat und in der kommenden Saison mehr Spielzeit übernehmen soll. Nach längeren Spielen fühlen sich ihre Beine zunehmend schwer an. Sie kommt zwar noch gut zu ihren Positionen, beschreibt aber, dass sie gegen Ende oft einen Schritt langsamer in die Abwehr zurückkehrt.
Jetzt hätten wir eine wesentlich interessantere Ausgangslage als bloß den FMS-Wert. Wir könnten ihre aktuellen Kraft- und Sprungleistungen erfassen, die Trainingshistorie anschauen und herausfinden, wie gut sie wiederholte intensive Handballaktionen verträgt. Wenn sich eine konkrete Schwäche zeigt, wäre das eine nachvollziehbare Grundlage, das Training entsprechend zu gestalten. Ist dagegen alles unauffällig und Marie entwickelt sich bereits gut, muss eine einzelne Abweichung im Bewegungscheck nicht zwangsläufig zu einem neuen Korrekturprogramm führen.
Auch eine Verlaufskontrolle hätte nun einen klaren Sinn. Nicht weil wir damit die Saison vorhersagen könnten, sondern weil wir überprüfen möchten, ob sich eine für Marie relevante Fähigkeit verbessert. Nach einigen Wochen könnte beispielsweise ihre Kraft höher sein, die Sprungleistung stabiler bleiben oder sie könnte bestimmte Belastungen besser wiederholen. Die Veränderung selbst wäre die Information. Ob die gewählte Trainingsstrategie sinnvoll ist, würde ich zusätzlich an ihrer tatsächlichen Leistungsentwicklung, Belastungsverträglichkeit und den Anforderungen im Handball beurteilen.
Aber statt ihr zu erklären, dass sie damit eine „Risikopatientin“ sei, würde ich anders mit ihr sprechen:
„Der Test zeigt, wie du heute bei diesen sieben Bewegungsaufgaben abgeschnitten hast. Er kann uns Anhaltspunkte für weitere Fragen geben. Daraus kann ich aber nicht seriös ableiten, ob du dich in dieser Saison verletzen wirst. Schauen wir gemeinsam, welche Fähigkeiten für dein Spiel entscheidend sind, welche du schon gut beherrschst und wo sich Training lohnt.“
Das nimmt Diagnostik ernst – und die Sportlerin ebenso.
Für mich ist das keine Absage an moderne Testverfahren. Im Gegenteil. Je besser wir messen können, desto wichtiger wird es, sauber zwischen Messwert, Interpretation und Entscheidung zu unterscheiden.
Was du aus diesem Artikel mitnehmen solltest
Ein auffälliges Bewegungsergebnis kann eine sinnvolle Beobachtung sein. Ein statistischer Risikofaktor kann helfen, sportliche Verletzungen besser zu verstehen. Beides ist aber noch keine zuverlässige individuelle Verletzungsvorhersage.
Einige Screenings zeigen in Studien Zusammenhänge mit Verletzungen, ihre tatsächliche Prognosegüte bleibt jedoch häufig begrenzt. Das zeigen ältere Meta-Analysen ebenso wie neuere Untersuchungen aus 2025 und 2026.
Der praktisch entscheidende Schritt ist deshalb nicht: „Welchen Score muss ich erreichen, damit mir nichts passiert?“ Sondern: „Welche Fähigkeiten brauche ich für meine Anforderungen – und wie kann ich sie gezielt verbessern?“
Einen guten Test erkenne ich nicht daran, dass er möglichst viele Zahlen produziert. Sondern daran, dass er mir hilft, einen Menschen besser zu verstehen und die nächste Entscheidung besser zu treffen.
Wissenschaftliche Quellen
- Bonazza NA et al. (2017). Reliability, Validity, and Injury Predictive Value of the Functional Movement Screen: A Systematic Review and Meta-analysis. Am J Sports Med.
- Dorrel BS et al. (2015). Evaluation of the Functional Movement Screen as an Injury Prediction Tool Among Active Adult Populations: A Systematic Review and Meta-analysis. Sports Health.
- Is a low Functional Movement Screen score (≤14/21) associated with injuries in sport? (2019). Systematic Review and Meta-analysis.
- Eckart A & Sharma-Ghimire P (2026). Associations of Functional Movement Screen Scores and Joint Stability Tests with Non-Contact Lower-Limb Injury Burden in Collegiate Athletes. J Clin Med.
- Cooke R et al. (2025). Lower extremity functional performance tests and their measurement properties in athletes: a systematic review and narrative synthesis. BMJ Open Sport Exerc Med.
- Bahr R (2016). Why screening tests to predict injury do not work—and probably never will: a critical review. Br J Sports Med.
- Machine learning approaches to injury risk prediction in sport: a scoping review with evidence synthesis (2025). Br J Sports Med.
- The preventive effects of neuromuscular training on lower extremity sports injuries in adolescent and young athletes (2025). Systematic Review and Meta-analysis.
- Prevention strategies for lower extremity injury: systematic review and meta-analyses for the FAIR consensus (2025). Br J Sports Med.
- Maleki AA et al. (2025). Influence of exercise interventions on functional movement screen scores in athletes: a systematic review and meta-analysis. Scientific Reports.
- Bullock GS et al. (2022). Just How Confident Can We Be in Predicting Sports Injuries? A Systematic Review of the Methodological Conduct and Performance of Existing Musculoskeletal Injury Prediction Models in Sport. Sports Med.
- Comprehensive periodic health evaluations of 454 Norwegian Paralympic and Olympic athletes over 8 years: what did we learn? (2024). Br J Sports Med.
Andreas Jandorek · Physiotherapeut (BA) und Sportphysiotherapeut (SPT). Ich beschäftige mich mit Rehabilitation, Training, Belastungssteuerung und der Frage, wie wissenschaftliche Evidenz zu besseren Entscheidungen im Alltag und im Sport beitragen kann.
