FutureMe: Wie Contura den Körper prognostiziert, auf den du tatsächlich hinarbeitest

Was dein Körper werden könnte. Wenn du ab heute an deinen Zielen festhältst — wo könntest du in sechs Monaten realistisch stehen? In einem Jahr? FutureMe zeigt dir die Version deiner selbst, die tatsächlich erreichbar ist. Keine Fantasie, sondern ein Ziel, für das es sich zu arbeiten lohnt. Nutze Contura weiter, und wir verfeinern das Bild mit deinen echten Trends.

Die meisten „Zukunftskörper”-Funktionen in Fitness-Apps fallen in eine von zwei Fallen: Entweder zeigen sie ein generisches Stockfoto von jemandem, der fitter ist als man selbst (motivierend, aber unehrlich), oder sie extrapolieren linear die letzten paar Wochen Fortschritt und prognostizieren, dass man zu Weihnachten 12 kg wiegen wird (mathematisch korrekt, physiologisch Unsinn).

FutureMe wurde entwickelt, um etwas Schwereres zu leisten: eine Prognose zu erzeugen, die persönlich, physiologisch plausibel und visuell ehrlich ist — und die umso besser wird, je mehr du erfasst.

Dieser Artikel geht unter die Haube der Prognose-Engine. Es ist ein langer Text, aber falls Sie sich schon einmal gefragt haben, ob der Körper in Ihrer FutureMe-Vorschau auf etwas Realem basiert — ja, das tut er. Hier ist die Erklärung.

Das Kernproblem

Sie erfassen Messwerte über die Zeit — Gewicht, Taille, Hüfte, Brust, Arm, Oberschenkel, Wade, Hals, Handgelenk. Manche Nutzer erfassen obsessiv. Manche erfassen einmal und verschwinden für zwei Monate. Manche messen nur den Bauchumfang.

Aus diesen chaotischen, ungleichmäßig erfassten, oft verrauschten Daten muss die Engine Folgendes beantworten:

Was versucht diese Person tatsächlich zu erreichen?
Wie schnell verändert sie sich tatsächlich?
Welche dieser Veränderungen sind echt und welche sind Messrauschen oder ein schlechter Tag?
Wo wird sie wahrscheinlich in 1 Monat, 3 Monaten, 6 Monaten und 1 Jahr stehen — vorausgesetzt, sie macht ungefähr weiter, was sie jetzt tut?
Wie sieht dieser Körper in drei Dimensionen aus?

Eine naive Antwort auf jede dieser Fragen erzeugt eine schlechte Prognose. FutureMe beantwortet alle in einem einzigen koordinierten Durchlauf.

Architektur: Eine sechsstufige Pipeline

Die Engine ist als Folge von Phasen strukturiert. Jede Phase ist für eine bestimmte Art der Analyse verantwortlich und speist die nächste:

Zeitreihen aufbauen — Jeden erfassten Messwert nach Körperteil gruppieren, chronologisch sortieren und die Geschichte jedes Teils unabhängig rekonstruieren.
Daten profilieren — Herausfinden, wie viel wir über diesen Nutzer tatsächlich wissen. Drei Messwerte in einer Woche ist ein anderes Problem als 18 Monate wöchentliche Wägungen.
Intention inferieren — Was versucht der Nutzer zu erreichen? Gewichtsverlust, Muskelaufbau, Rekombination, gezielte Arbeit an einem bestimmten Bereich oder einfach Pflege?
Jedes Körperteil prognostizieren — Das Herz der Engine, wo die Prognose pro Körperteil berechnet wird.
Intentionsgesteuerte Anpassungen anwenden — Kleine, bewusste ästhetische Korrekturen, die nur bei brandneuen Nutzern mit sehr begrenzten Daten angewendet werden.
Lücken füllen — Fehlende Körperteile aus den prognostizierten mittels anthropometrischer Einschränkungs-Propagation ableiten, sodass das 3D-Modell immer vollständig ist.

Das Ergebnis ist ein vollständiger Satz prognostizierter Umfänge, eine inferierte Intention, eine Konfidenzbewertung und eine Divergenzanalyse — alles, was der Renderer braucht, um dein zukünftiges Ich zu zeichnen.

Phase 1–2: Wie viel wissen wir tatsächlich über Sie?

Bevor die Engine irgendetwas prognostiziert, stellt sie eine Frage, die die meisten Apps überspringen: Haben wir genug Informationen, um unserer eigenen Vorhersage zu vertrauen?

Sie bewertet drei Dinge:

Zeitspanne — Wie lange erfasst dieser Nutzer bereits? Eine Woche Daten und ein Jahr Daten erfordern sehr unterschiedliche Strategien.
Abtastdichte — Wie viele Messwerte befinden sich insgesamt im Verlauf?
Körperteilabdeckung — Wird ein vollständiges Bild erfasst oder nur ein oder zwei Teile?

Diese Faktoren werden gewichtet (mit dem größten Gewicht auf der Zeitspanne, da Trends erst mit Zeit real werden) und zu einem einzigen Konfidenzwert kombiniert. Dieser Wert sortiert jeden Nutzer in einen von drei Betriebsmodi:

Modus	Wer hier fällt	Wie die Engine argumentiert
Starter	Brandneue Nutzer mit kaum Historie	Idealziel-Lückenschluss
Entwickelnd	Etwas Historie, aber Trends noch nicht stabil	Mischung aus persönlichem Trend und Idealziel
Historienreich	Monate konsistenter Daten	Reine Trendextrapolation mit Sicherheitsmechanismen

Das ist wichtig, weil FutureMe nicht so tut, als wüsste es Dinge, die es nicht wissen kann. Ein Nutzer, der einmal erfasst, bekommt keine zuversichtliche Trendlinie — sondern eine sinnvolle Projektion dessen, was sein Körper realistisch werden könnte. Ein Nutzer mit einem Jahr konsistenter Daten erhält eine echte Vorhersage basierend auf der Trajektorie, auf der er sich bereits befindet.

Phase 3: Intention inferieren

FutureMe entscheidet selbst, was Sie versuchen zu erreichen, basierend auf Ihren Daten.

Für neue Nutzer nutzt es BMI und aktuelle Proportionen als Proxy für das wahrscheinliche Ziel — übergewichtige Nutzer versuchen meist abzunehmen, sehr schlanke Nutzer versuchen meist zuzunehmen, und Personen in der Nähe ihres gesunden Bereichs arbeiten meist an der Körperrekomposition. Das ist eine bewusst bescheidene Annahme, die revidiert wird, sobald echte Daten eintreffen.

Für Nutzer mit Historie wird die Intention direkt aus den Daten gelesen:

Die Trends der letzten Wochen in Gewicht, Taille und Arm werden analysiert.
Wenn ein bestimmtes Körperteil ungewöhnlich häufig erfasst wird, erkennt die Engine, dass der Nutzer sich auf dieses Teil konzentriert.
Andernfalls bestimmt die relative Bewegung der Hauptsigmale — sinkt das Gewicht? Wachsen die Arme bei stabilem Gewicht? Schrumpft die Taille bei stabilem Gewicht? — ob der Nutzer in einer Gewichtsabnahme-, Muskelaufbau- oder Erhaltungsphase ist.

Diese inferierte Intention fließt dann in die Prognose selbst zurück. Muskelaufbau-Intention stärkt das Vertrauen der Engine in Arm- und Brustwachstum. Gewichtsverlust-Intention stärkt das Vertrauen in Taillen- und Hüftreduktion.

Phase 4: Die Pro-Körperteil-Prognose-Engine

Hier passiert der Großteil der Arbeit. Jedes Körperteil wird unabhängig prognostiziert, aber informiert durch die anderen. Für datenreiche Nutzer wird die Prognose durch mehrere Analyseebenen aufgebaut, von denen jede darauf ausgelegt ist, einen bestimmten Fehlermodus zu neutralisieren.

Ausreißerfilterung

Echte Messdaten sind voller schlechter Punkte — ein zu fest gehaltenes Maßband, eine Messung direkt nach einer schweren Mahlzeit, eine in das falsche Feld eingegebene Zahl. Bevor ein Trend berechnet wird, werden isolierte Ausreißer mittels einer robusten lokalen Fensterstatistik herausgefiltert, die mathematisch resistent gegen Spitzen ist. Ein Sicherheitsventil verhindert, dass der Filter zu aggressiv wird: Wenn das Entfernen von Ausreißern einen zu großen Teil der Nutzerdaten verwerfen würde, zieht sich die Engine zurück und behält die ursprüngliche Reihe.

Eine geglättete Sicht auf „wo du jetzt stehst”

Selbst deine aktuellste Messung ist nicht die Wahrheit — sie ist eine verrauschte Stichprobe der Wahrheit. Die Engine berechnet eine rezenzgewichtete Schätzung deines aktuellen Wertes, wobei recente Messungen mehr Gewicht erhalten, aber frühere die Schätzung verankern. Das wird zum Startpunkt der Projektion.

Duale Trend-Schätzung

Eine einzelne Trendberechnung ist ein Single Point of Failure. FutureMe berechnet den Trend auf zwei verschiedene Arten und kombiniert sie:

Eine rezenzgewichtete Rate, die Impulse erfasst und auf echte recente Veränderungen reagiert.
Eine robuste Median-der-Steigungen-Rate, die mathematisch immun gegen Ausreißer ist und dramatische eintägige Schwankungen ignoriert.

Die Kombination gibt der Engine sowohl Reaktionsfähigkeit als auch Stabilität. Der Mix wird dann durch einen Trendkonsistenz-Faktor moduliert: Wenn deine Daten sauber und monoton sind, wird der Trend mehr vertraut; wenn er im Zickzack verläuft, wird der Trend abgeschwächt.

Anatomiebewusste Gewichtskopplung

Körperteile verändern sich nicht unabhängig. Wenn dein Gewicht sinkt, geht die Taille fast sicher mit. Das Handgelenk fast sicher nicht.

FutureMe kodiert dies direkt. Wenn eine Gewichtzeitreihe existiert, wird der Gewichtstrend teilweise in die prognostizierte Trajektorie jedes anderen Körperteils eingemischt — mit jeweils eigener Kopplungsstärke. Die Taille ist stark an das Gewicht gekoppelt; Hüfte und Oberschenkel moderat; Brust und Arm schwach; das Handgelenk kaum. Diese Koeffizienten sind anatomisch begründet — sie reflektieren die wohletablierte Tatsache, dass einige Körperregionen von Adiposgewebe dominiert sind (das sich mit dem Gewicht bewegt) und andere von der Skelettstruktur (die sich nicht bewegt).

Volatilitätsdämpfung

Wenn dein Messverlauf verrauscht ist — hoher Variationskoeffizient über recente Punkte — reduziert die Engine, wie sehr sie einem berechneten Trend vertraut. Inkonsistente Daten sollten keine zuversichtlichen Prognosen erzeugen.

Das asymmetrische A priori — der Sicherheitskern des Algorithmus

Das ist die wichtigste Designentscheidung in FutureMe, und sie trennt es von jedem linearen Extrapolationsprädiktor, den wir gesehen haben.

Die Engine behandelt konvergente Trends (Bewegung in Richtung einer gesunden Referenz) und divergente Trends (Bewegung weg von einer gesunden Referenz) asymmetrisch.

Wenn deine Daten zeigen, dass du dich einem gesünderen Körper näherst, vertraut die Engine dem Trend und projiziert ihn mit angemessener Dämpfung.
Wenn deine Daten zeigen, dass du dich von einer gesunden Referenz entfernst, fordert die Engine stärkere Evidenz, bevor sie die Trajektorie akzeptiert. Ohne diese Evidenz greift sie auf eine sanfte Konvergenz zurück: Der prognostizierte Körper driftet zurück zur gesunden Referenz statt davonzulaufen.

Auf Deutsch: Ein Nutzer, der abnimmt und seinem Zielbereich näherkommt, wird vertraut. Ein Nutzer, der zunimmt, sieht eine Prognose, die nicht blindlings weitere Zunahme extrapoliert — es sei denn, die Daten sind eindeutig.

Horizont-Dämpfung

Je weiter man prognostiziert, desto weniger kann irgendjemand wissen — und die Engine weiß das. Die prognostizierte Veränderung wird progressiv gedämpft, wenn sich der Horizont von einem Monat auf ein Jahr erstreckt. Langfrist-Prognosen berücksichtigen auch den Konfidenzwert des Nutzers: Eine Ein-Jahres-Prognose für einen Nutzer mit spärlichen Daten wird aggressiver gedämpft als eine für einen Nutzer mit achtzehn Monaten wöchentlicher Erfassungen.

Plateau-Attraktion

Körper folgen keinen geraden Linien. Sie setzen sich fest. Über die lineare Projektion hinaus wendet FutureMe einen Attraktionsterm an, der die prognostizierte Trajektorie sanft in Richtung eines größenbezogenen, geschlechtsabhängigen gesunden Plateaus zieht. Die Attraktion wächst mit der Horizontlänge und ist gedeckelt, sodass sie niemals echte persönliche Daten dominiert.

Sub-lineare Langzeitveränderung

Jedes Körperteil hat eine physiologisch plausible maximale tägliche Änderungsrate. Jenseits eines bestimmten Horizonts skaliert die maximale kumulative Veränderung sublinear (mit der Quadratwurzel der Zeit) statt linear. Das kodiert eine wohlbekannte Realität körperlicher Veränderung: Der anfängliche Fortschritt ist schnell (Wassergewicht, Anfänger-Gewinne, Glykogen), und der folgende Fortschritt ist deutlich langsamer.

Physiologisches Clamping

Nachdem alle anderen Schichten ihre Berechnungen abgeschlossen haben, werden die finalen prognostizierten Werte auf größenbezogene physiologische Bereiche beschränkt. Kein prognostiziertes Gewicht außerhalb eines plausiblen BMI-Bandes. Keine prognostizierte Taille, die anatomisch unmöglich ist. Das Ergebnis ist immer ein Körper, den ein echter Mensch haben könnte.

Phase 5: Ästhetische Anpassung für neue Nutzer

Für Nutzer mit fast keinen Daten wendet FutureMe einen kleinen, intentionsgesteuerten Schub an — etwas schlankere Taille bei Gewichtsverlust-Intention, etwas mehr entwickelte Schultern/Arme/Brust bei Muskelaufbau-Intention. Das ist bewusst und offen kommuniziert: Brandneue Nutzer haben keine Trenddaten, also muss die Prognose aus etwas schöpfen. Wir haben uns entschieden, aus einem sanften, gesunden Aspirationsziel zu schöpfen statt aus dem Nichts.

Dieser Schub gilt nicht für historienreiche Nutzer. Sobald Sie echte Daten haben, sind Ihre echten Daten die Wahrheitsquelle. Die Engine wird Ihre Prognose nicht aufhübschen.

Phase 6: Fehlende Teile ausfüllen

Die meisten Nutzer messen nicht jedes Körperteil. Die Engine nutzt einen Einschränkungs-Propagation-Löser — informiert durch anthropometrische Verhältnisse — um nicht gemessene Teile aus den gemessenen abzuleiten.

Das Ergebnis ist immer ein vollständiger, intern konsistenter Körper. Das 3D-FutureMe-Modell hat niemals fehlende Dimensionen, und die Proportionen ergeben immer anatomisch Sinn.

Validierung: Funktioniert das tatsächlich?

Sophistication allein ist bedeutungslos. Wir haben aggressiv getestet.

Die Engine wird von einer Testsuite mit 39 Fällen in 7 separaten Test-Suiten abgedeckt, getestet gegen 10 realistische Körperprofile — männliche und weibliche Nutzer von zierlich/schlank (BMI ~19) bis übergewichtig (BMI ~34), Körpergrößen von 158 cm bis 185 cm, Gewichte von 48 kg bis 110 kg.

Starter-Modus-Verhalten (keine historischen Daten): Übergewichtige Profile im BMI-Bereich 30–34 werden prognostiziert, sich in Richtung gesunder Bereiche zu bewegen, während Nutzer nahe ihrem gesunden Bereich korrekt als fit erkannt und mit kleinen Verfeinerungs-Prognosen statt dramatischen Transformationen versehen werden.

Historienreiches Verhalten (sechs Monate sinkender Gewichtsdaten, männlich, 175 cm, 82 → 75 kg): Die Engine extrapolierte einen fortgesetzten Abwärtstrend über alle vier Horizonte, wobei die Änderungsmagnitude mit der Horizontlänge zunahm, aber durch Horizont-Dämpfung und Plateau-Attraktion moderiert wurde.

Erhaltungsverhalten (flacher Messverlauf): Alle prognostizierten Werte blieben innerhalb von ca. 5–10% der aktuellen Werte — korrekt erkennend, dass die richtige Prognose für „diese Person verändert sich nicht” ist: „Diese Person wird ungefähr gleich bleiben.”

Stresstests: 100 zufällig generierte Profile und 64 extreme Kombinationen — alle erzeugten gültige Ausgaben mit sinnvollen BMI-Bereichen und positiven Umfängen. Keine Nonsens-Ergebnisse.

Was FutureMe nicht tun wird

Wir halten es für wichtig, die bewussten Verweigerungen des Modells explizit zu benennen:

Es wird keine Entgleisung nach unten prognostizieren. Drei schlechte Wochen erzeugen keine Ein-Jahres-Katastrophenprognose.
Es wird keine superhumanen Fortschritte prognostizieren. Zwei gute Wochen erzeugen keine Ein-Jahres-Transformationsprognose.
Es wird keine Messwerte erfinden, die Sie nicht erfasst haben.
Es wird nicht über physiologische Realität hinaus extrapolieren.
Es wird nicht über seine Konfidenz lügen. Die Engine meldet ihre eigene Konfidenzbewertung zurück.

Was FutureMe tun wird

Es wird Ihnen am Tag, an dem Sie die Funktion zum ersten Mal öffnen, ein sinnvolles Portrait der Version Ihrer selbst zeigen, die tatsächlich erreichbar ist. Dann, jedes Mal, wenn Sie einen Messwert erfassen, wird dieses Portrait schärfer. Mit einem Monat Daten beginnt es, Ihre tatsächliche Trajektorie zu reflektieren. Mit drei Monaten wird es spezifisch Ihres. Mit sechs oder zwölf Monaten konsistenter Erfassung haben Sie ein FutureMe, das in einem sinnvollen und validierten Sinne eine echte Vorhersage ist — kein Wunschtraum.

Das ist die Version Ihrer selbst, für die es sich zu arbeiten lohnt.

Häufig gestellte Fragen

Basiert die FutureMe-Prognose auf KI? Ja — FutureMe wird von einer mehrstufigen Prognose-Engine angetrieben, die anthropometrisches Denken, robuste statistische Trend-Schätzung und Ziel-Inferenz kombiniert. Es ist ein KI-System in dem Sinne, dass es über Ihren Körper so argumentiert, wie ein kompetenter Trainer es täte. Es ist kein einzelnes Black-Box-Neuronales Netzwerk; es ist eine transparente, validierte Pipeline.

Warum ändert sich meine Prognose, wenn ich neue Daten erfasse? Weil das der Sinn ist. FutureMe wurde entwickelt, sich mit jedem Messwert zu verfeinern. Je mehr Sie erfassen, desto mehr reflektiert Ihre Prognose Ihre tatsächliche Trajektorie statt einer Standard-Startschätzung.

Was, wenn ich noch nicht genug Daten erfasst habe? Die Engine geht damit explizit um. Neue Nutzer erhalten eine Prognose, die auf gesunden anthropometrischen Zielen für ihre Körpergröße und ihr Geschlecht basiert — nicht eine zuversichtliche Trendextrapolation, für die sie die Daten nicht hat.

Wie genau ist FutureMe bei einem Jahr? Langfrist-Prognosen sind bewusst gedämpft. Eine Ein-Jahres-Prognose ist ein Richtungshinweis, kein Kalenderdatum. Ehrliche Unsicherheit ist in das Modell eingebaut.

Kann FutureMe eine schlechtere Version von mir zeigen? Nur wenn Ihre Daten eindeutig und anhaltend eine negative Trajektorie zeigen. Das asymmetrische A priori behandelt negative Trends mit zusätzlicher Skepsis und erfordert starke Evidenz, bevor weiteren Verfall prognostiziert wird.

In einem Satz

FutureMe ist eine validierte, anatomiebewusste, zielbewusste Körperprognose-Engine, die Ihnen die Version Ihrer selbst zeigt, auf die Sie tatsächlich hinarbeiten — und die schärfer wird, je mehr Sie erfassen.

Öffne Contura. Erfasse einen Messwert. Sieh deine Zukunft.