Übertraining: Wirkung & Studienlage – was belegt ist und was nicht

Übertraining ist mehr als „einfach zu viel Training“. Die Forschung trennt oft zwischen nicht-funktionellem Übererreichen (kurz- bis mittelfristig, potentiell reversibel) und dem weiter gefassten Overtraining-Syndrom (problematischer, länger anhaltender Verlauf). Weil Studien dabei unterschiedliche Sportarten, Marker und Zeiträume nutzen, ist eine allgemeingültige Wirkungsangabe schwer belegbar.

In diesem Artikel ordne ich ein, welche Effekte und Marker (z. B. HRV) in den Reviews tatsächlich als plausibel gelten – und wo die Datenlage limitiert ist. Das Ziel: bessere Belastungssteuerung statt „Supplements als Kompensation“.

Übertraining erkennen: Warum „zu viel“ nicht automatisch belegt ist

Übertraining ist nicht automatisch gleich „mehr Training“. Die Studienlage nutzt uneinheitliche Begriffe und Operationalisierungen, wodurch Leistungsabfall, Erholungsprobleme und Labor-/Funktionstests nicht sauber vergleichbar sind. Besonders bei einzelnen Markern wie HRV hängt die Interpretation stark von Sportart, Messdesign und Belastungsfenster ab.

In der Praxis wirkt „zu viel“ intuitiv: Wenn Leistung sinkt und Erholung schlechter wird, liegt die Vermutung nahe, dass die Belastung zu hoch ist. Wissenschaftlich wird diese Logik aber selten direkt als „Übertraining durch Dosierung X“ getestet. Stattdessen arbeiten viele Arbeiten mit Phasenbegriffen wie nicht-funktionelles Übererreichen und Overtraining-Syndrom, unterscheiden sich aber darin, wann gemessen wird und welche Kriterien (Leistung, Fragebögen, Laborwerte, subjektive Symptome) den Übergang definieren.

Das ist einer der Gründe, warum die Belegkraft für harte, allgemeingültige „Wirkungssätze“ limitiert ist: Die gleichen Symptome können aus Schlafmangel, Infektbelastung, psychischem Stress oder unpassender Trainingsperiodisierung entstehen. Reviews diskutieren genau dieses Problem der Heterogenität und schlagen vor, Überlastung eher über wiederholte Muster über mehrere Belastungszyklen zu bewerten statt über eine einzelne Messung.

Ein Beispiel für die Markerfrage ist HRV. Die systematische Übersicht zu Fußballspielern zeigt wiederkehrende Muster in Zusammenhang mit Überlastungsphasen, aber: Die Ergebnisse sind sportspezifisch und methodisch nicht 1:1 auf jede Sportart übertragbar. Die Datenlage wird daher eher als „potenzielles Signal“ eingeordnet, nicht als universeller Diagnosetest. (Lipka et al., 2025, PMID 40405528).

Wenn Überlastung dagegen über mehrere Trainingszyklen bestehen bleibt, wird aus „zu hoher Last“ eher ein problematisches Muster, das in Reviews als Teil einer Erholungsstörung bzw. persistenter maladaptiver Reaktion diskutiert wird. (Valdesalici et al., 2026, PMID 41580212)

Evidenz-Hierarchie: Was Systematic Reviews, Reviews und Primärdaten tatsächlich leisten

Systematische Übersichten liefern am ehesten eine belastbare Gesamtsicht. Für HRV und Übertraining ist die Evidenzlage in einer systematischen Übersicht besonders fokussiert. Für psychologische und kognitive Aspekte gibt es ebenfalls systematische Evidenz, aber die Studien sind heterogener, sodass Effekte zwischen Studien variieren können. Frameworks sind gut für Monitoring-Design, liefern jedoch selten direkte RCT-Effektgrößen.

Die wichtigste Frage ist: Welche Art von Evidenz beantwortet deine Frage? Wenn du wissen willst, ob ein Marker wie HRV bei Überlastung als Signal taugt, sind systematische Reviews oft der nächste sinnvolle Schritt. Dazu gibt es eine systematische Übersicht, die HRV im Kontext von Übertraining/Overload bei Fußballspielern zusammenführt. Sie ordnet HRV als mögliches Signal ein, betont aber die Einschränkungen: Sportart, Messprotokolle und Studiendesigns sind nicht identisch. (Lipka et al., 2025, PMID 40405528)

Für psychologische und kognitive Folgen ist die Evidenz ebenfalls über eine systematische Übersicht zusammengefasst. Diese Arbeit ordnet den Zusammenhang zwischen nicht-funktionellem Überreaching / Overtraining-Syndrom und psychologischer bzw. kognitiver Funktion ein – aber auch hier gilt: Heterogenität in Teilnehmergruppen, Dauer, Messinstrumenten und Definitionen erschwert die Ableitung fester Grenzwerte oder „Dosierungen“. (Valdesalici et al., 2026, PMID 41580212)

Frameworks und Systemsicht sind eine eigene Kategorie. Arbeiten, die Biomarker als Bausteine eines Monitoring-Systems beschreiben, sind nützlich, um daraus praktische Entscheidungslogiken abzuleiten (z. B. mehrschichtiges Monitoring, zeitliche Signale statt einzelner Werte). Sie liefern aber häufig weniger die Art von Evidenz, die du brauchst, um „Marker X verbessert nach Intervention Y“ mit Effektgröße aus einer großen RCT abzuleiten. (Mânescu et al., 2026, PMID 42074239) (Mânescu et al., 2026, PMID 42074313)

Für den Alltag heißt das: Wenn du eine Messgröße nutzt, solltest du sie als Teil eines Entscheidungsbündels betrachten. Nicht als einzigen Trigger. Sonst entsteht genau das Problem, das Übertraining oft wissenschaftlich „verschleiert“: du siehst ein Signal, aber nicht notwendigerweise die richtige Ursache.

Weiterführend, wenn du Marker als Entscheidungslogik nutzen willst: Die Systemsicht betont mehrschichtige und zeitlich verknüpfte Bewertungen statt isolierter „Sofortbeweise“. (Mânescu et al., 2026, PMID 42074313)

Lifestyle-Hebel als Kern: Schlaf, Erholung und Belastungssteuerung vor allem

Wenn du Übertraining vermeiden willst, sind Schlaf, Erholung und Belastungssteuerung die evidenznächsten Hebel. Supplements können dabei höchstens unterstützend wirken, aber die Grundlagen liegen in der Gesamtstressbilanz, nicht in einer „Kompensationspille“.

Warum stelle ich Schlaf so weit vorne? Nicht, weil „Schlaf alles heilt“, sondern weil Schlaf eng mit Erholung, Leistungsbereitschaft und physiologischen Regenerationsprozessen verknüpft ist. Eine narrative Übersicht beschreibt die Mechanismen, über die Schlaf die sportliche Leistung und Erholung beeinflusst, und ordnet Schlaf als prioritären Hebel ein, bevor man an weitere Maßnahmen denkt. (Barreira et al., 2025, PMID 41217703)

Auch die Belastungssteuerung wird in neueren Denkmodellen stärker als Gesamtstress betrachtet. Das 4Rs-Konzept (als Rahmen) zielt darauf ab, allostatischen Belastungsgrad in Athleten besser zu evaluieren, statt Overload nur als Trainingsumfang zu sehen. Das verschiebt die Perspektive: Überlastung kann aus der Summe mehrerer Ressourcen/Stressquellen entstehen (Trainingsstress, Erholungsstress, Energieverfügbarkeit, etc.), und nicht nur aus der harten Einheit „am Dienstag“. (Bonilla et al., 2025, PMID 40566521)

Wenn du Biomarker nutzen willst (z. B. HRV), wird in Systemsicht betont, dass du praktische Erholungsfenster im Trainingsplan brauchst, statt die Entscheidung über eine Messung später durch Nahrungsergänzung „auszugleichen“. Das ist eine wichtige methodische Aussage: Monitoring ist dann nützlich, wenn du eine echte Stellschraube hast, die du zeitnah bedienen kannst. (Mânescu et al., 2026, PMID 42074313)

Praktisch heißt das:

• Priorisiere Schlafqualität und -konstanz vor allem. (Barreira et al., 2025, PMID 41217703)
• Gestalte Erholungsphasen und Trainingsmonotonie/Variabilität aktiv.
• Nutze Marker wie HRV eher als Warnleuchte für Entlastung/Timing-Anpassung, nicht als Begründung für „weiter ballern und später auffüllen“. (Lipka et al., 2025, PMID 40405528)

Wenn du zusätzlich verstehen willst, warum Effekte in Studien oft klein bis moderat sind und warum das Monitoring trotzdem sinnvoll sein kann, hilft ein Blick auf das Thema Effektstärke: Effektstärke verstehen: Wirkung & Studienlage von 1–2 Hebeln.

Was Studien zur „Wirkung“ nahelegen: HRV, Biomarker und mentale Folgen

Die beste Evidenz innerhalb der vorliegenden Studienliste stützt HRV als potenzielles Signal für Übertraining/Überlastung in bestimmten athletischen Kontexten. Für Biomarker existieren überzeugende Systems-Frameworks, aber meist weniger belastbare Effektgrößen je Marker. Für psychologische und kognitive Folgen zeigt eine systematische Übersicht einen Zusammenhang, jedoch mit variierender Stärke zwischen Studien und ohne universelle Grenzwerte.

HRV: Signal, aber nicht „universeller Diagnosecode“

Die systematische Übersicht zu HRV und Übertraining bei Fußballspielern kommt zu dem Schluss, dass HRV in diesem Kontext als Signal für Überlastungs-/Übertraining-ähnliche Zustände diskutiert wird. Aber: Die Studien sind sportspezifisch und methodisch heterogen. Damit ist der Schritt von „HRV verändert sich“ zu „HRV zeigt dir zuverlässig Übertraining in jeder Sportart“ nicht sauber belegbar. (Lipka et al., 2025, PMID 40405528)

Biomarker: Systemsicht statt Ein-Marker-Wunder

Molekulare Biomarker werden in einem Systemsframework als Teil der Trainingsantwort und als Monitoringbausteine beschrieben. Solche Arbeiten helfen dabei, zu verstehen, wie man Biomarker zeitlich, zusammen mit Kontextvariablen, interpretiert. Gleichzeitig liefern Framework-Artikel typischerweise weniger direkte, interventionsbezogene Effektgrößen („Nimm Marker X, dann wird Übertraining um Y% besser“), sondern strukturieren eher das Denken und die Studiendesign-Logik. (Mânescu et al., 2026, PMID 42074239)

In einem zweiten Rahmen wird die Idee weitergeführt: Biomarker als zeitliche Signale, die über mehrere Ebenen hinweg in eine Entscheidung (Recovery, Overload, Adaptation) eingebunden werden. Das adressiert genau dein Kernproblem: Einzelmessungen sind oft zu „flüchtig“ oder zu unspezifisch, um allein eine klare Ursache festzulegen. (Mânescu et al., 2026, PMID 42074313)

Mentale und kognitive Folgen: Richtung ja, Stärke variabel

Für die psychologische und kognitive Seite fasst eine systematische Übersicht den Einfluss von nicht-funktionellem Überreaching und Overtraining-Syndrom bei Elite-Athleten zusammen. Sie betont dabei, dass die Studienbedingungen heterogen sind und dadurch die Richtung und/oder Stärke der Effekte zwischen Studien variieren kann. Das ist wichtig, weil es impliziert: „Es fühlt sich bei Overtraining so an“ kann wahr sein, aber „die Größe des Effekts ist immer gleich“ lässt sich aus dieser Evidenz nicht zuverlässig ableiten. (Valdesalici et al., 2026, PMID 41580212)

Wenn du dir Unterstützung durch Trainingsbiologie fragst, lohnt sich zudem die Einsortierung hormoneller Achsen – allerdings als Review-Perspektive, nicht als direkte Übertraining-Interventionslogik. (Cano et al., 2016, PMID 27348623)

Überlastung vs. Overtraining: Praktische Einordnung, die die Datenlage respektiert

In der Literatur wird nicht-funktionelles Überreaching häufig als reversible Zwischenphase zwischen Anpassungsstress und problematischem Verlauf interpretiert. Aus dieser Logik folgt: Marker und Symptome können sich je nach Phase verändern. Deshalb empfiehlt die Evidenz eher ein zeitliches, mehrschichtiges Monitoring als eine Entscheidung anhand eines einzelnen Signals.

Warum ist die Abgrenzung so zentral? Weil der Begriff „Overtraining“ im Alltag wie ein Schalter wirkt („ist da oder nicht da“). In Studien ist die Realität häufiger eine Dynamik: Belastung → Anpassungsstress → mögliche Kompensation → wenn die Belastung weiter ungünstig bleibt: Erholungsstörung/krankheitsähnliche Zustände oder persistente Leistungsprobleme.

Die systematische Übersicht zu psychologischen und kognitiven Folgen betont genau diesen Punkt: nicht-funktionelles Überreaching wird in der Literatur oft als Phase eingeordnet, die zwischen adaptivem Stress und problematischem Verlauf liegen kann. Das macht es schwer, einen einzelnen Marker als „Diagnose“ zu verwenden, weil er über unterschiedliche Zeitfenster hinweg unterschiedlich reagieren kann. (Valdesalici et al., 2026, PMID 41580212)

Frameworks schlagen deshalb vor, Überlastung als zeitliches Muster zu betrachten und Entscheidungen über mehrere Ebenen zu treffen: Leistung, subjektive und psychologische Signale, Schlaf-/Erholungsparameter, plus mögliche Biomarker als zusätzliche Hinweise. (Mânescu et al., 2026, PMID 42074313)

Auch das 4Rs-Rahmenkonzept unterstützt eine mehrdimensionale Sicht auf allostatische Belastung. Gerade das ist praktisch hilfreich: Du kannst z. B. erkennen, dass ein Athlet „trainiert“, aber gleichzeitig zu wenig Energie/Erholung/Stressmanagement hat – und dadurch Overload wahrscheinlicher wird. (Bonilla et al., 2025, PMID 40566521)

Ein praktischer Umgang mit der Datenlage wäre daher:

• Behandle „Übertraining“ zunächst als Warnhypothese, nicht als Etikett.
• Nutze ein Entscheidungsprotokoll: Wenn Muster (nicht Einzelwerte) in Richtung Erholungsstörung gehen, passe Training/Schlaf/Belastung an und beobachte die Reaktion über Tage bis Wochen.
• Vermeide Overinterpretation von einzelnen Blutwerten oder einem einzelnen HRV-Messpunkt, weil die Systemsicht genau davor warnt. (Mânescu et al., 2026, PMID 42074313)

Wenn du außerdem wissen willst, wie kognitive und psychologische Parameter in der Praxis messbar werden: Die systematische Übersicht liefert dafür den Überblick, aber keine „universellen Grenzwerte“. (Valdesalici et al., 2026, PMID 41580212)

Studienüberblick: Welche Marker und Endpunkte wie gut belegt sind

HRV ist in den vorhandenen Evidenzen am deutlichsten als potenzielles Monitoring-Signal innerhalb bestimmter Kontexte herausgearbeitet. Psychologische/kognitive Endpunkte sind ebenfalls systematisch zusammengefasst, aber die Stärke der Effekte ist variabel und Grenzwerte sind nicht zuverlässig ableitbar. Biomarker-Frameworks liefern vor allem Monitoring-Design und zeitliche Entscheidungslogik statt klare, markerbasierte Wirksamkeitsbelege.

Wenn du deine eigenen Messungen einordnen willst, ist die Kernfrage: Ist der Marker in den Studien bereits als „signaltragend“ im ähnlichen Kontext genutzt worden? Für HRV ist die Antwort innerhalb der Liste am „besten“, aber eben nicht universell. (Lipka et al., 2025, PMID 40405528)

Bei mentalen/kognitiven Endpunkten ist die Evidenz zusammengeführt, aber die Transferierbarkeit hängt stark von der Zielpopulation und vom Messinstrument ab. Daher ist es in der Praxis klüger, auf wiederkehrende Muster und parallele Signale zu achten. (Valdesalici et al., 2026, PMID 41580212)

Und bei Biomarkern gilt: Frameworks helfen dir, dein Monitoring so zu bauen, dass du Entscheidungen ableiten kannst (z. B. zeitliche Fenster, mehrschichtige Kriterien). Sie liefern jedoch nicht automatisch die Art von „Wirksamkeitsbeleg“, den du für eine konkrete Intervention pro Marker bräuchtest. (Mânescu et al., 2026, PMID 42074239) (Mânescu et al., 2026, PMID 42074313)

Was du daraus mitnimmst (Bottom Line)

• Übertraining lässt sich in Studien selten als „eine Ursache → ein Effekt“ testen; Begriffe, Phasen und Messdesigns sind heterogen, daher sind allgemeingültige Wirkungsaussagen begrenzt. (Valdesalici et al., 2026, PMID 41580212)
• HRV ist ein potenzielles Monitoring-Signal (innerhalb spezifischer Kontexte), aber keine universelle Diagnose; Übertragbarkeit ist eingeschränkt. (Lipka et al., 2025, PMID 40405528)
• Der sinnvollste Hebel ist Lifestyle: Schlaf, Erholung und Belastungssteuerung (allostatischer Gesamtstress) vor Supplements. (Barreira et al., 2025, PMID 41217703) (Bonilla et al., 2025, PMID 40566521)
• Nutze Biomarker nur im Sinne eines mehrschichtigen, zeitlich ausgerichteten Entscheidungssystems, nicht als „Einwert-Urteil“. (Mânescu et al., 2026, PMID 42074313)
• Wenn du „Wirkung“ ableiten willst, prüfe zuerst die Evidenzstufe: Systematische Reviews geben Richtung, Frameworks liefern Design—aber nicht automatisch interventionsbezogene Effektgrößen.