Endurance exercise performance: The Physiology of Champions. Joyner, M. & Coyle, E., F. (2008)

Da unser normales Format zur Aufarbeitung von wissenschaftlichen Papern (Sports Science Stories auf Instagram) den Rahmen dieser Thematik sprengen würde, gehen wir in diesem Mini-Blog etwas genauer auf das Paper bzw. den Review von Joyner, M. & Coyle, E., F. (2008) ein, der sich mit den physiologischen Paramatern von Elite-Ausdauersportlern beschäftigt.

Der Review bezieht sich auf vier wesentliche Komponenten:

1. Maximale Sauerstoffaufnahme (VO2max)

2. Lactate threshold

3. Performance VO2 und anaerober Metabolismus

4. (Bewegungs-)Ökonomie

1) VO2max

• Oberes Limit der maximalen Sauerstoffaufnahme

• Ist im wesentlichen abhängig vom Herzminutenvolumen, Hämoglobin, der muskulären Durchblutung und der Fähigkeit der Muskulatur möglichst viel Sauerstoff aufnehmen und verarbeiten zu können

• Hohe maximale Sauerstoffaufnahmen bei Weltklasse-Sportlern aufgrund eines hohem Herzminutenvolumen, hoher Kapillarisierung, hohem Blutvolumen und einer hohen mitochondrialen Dichte

• VO2max ist variabel: kann sich im Laufe einer Einheit verändern (Reduktion durch Abfall des Schlagvolumens, Reduktion durch frühzeitige Muskelerschöpfung aufgrund eines reduzierteren Blutflusses sowie unzureichender Transport von Sauerstoff zur Muskulatur). Bei kontinuierlichen Ausdauerwettkämpfen die länger als 10 - 15 Minuten dauern wird die maximale Sauerstoffaufnahme meist nicht erreicht; Wettkampfbelastung liegt unter der maximalen Sauerstoffaufnahme (z.B. Laufsport: Marathon 75% - 85% der VO2max, 10km 90% - 100% der VO2max)

Fazit: VO2max ist das obere Limit der oxidativen Leistungsfähigkeit. Wird durch mehrere unterschiedliche Komponenten beeinflusst welche bei der Aufnahme, dem Transport und der Verarbeitung von Sauerstoff beteiligt sind. Viele Wettkämpfe im Ausdauerbereich werden bei einer Intensität die unter der VO2max liegt ausgetragen.

2) Lactate threshold

• Spiegelt den muskulären glykolytischen Stress wider (geringe Laktatkonzentrationen = geringer muskulärer glykolytischer Stress; hohe Laktatkonzentrationen = hoher muskulärer glykolytischer Stress)

• Abhängig von der oxidativen Fähigkeit der Muskulatur

• Je besser die oxidative Fähigkeit desto näher liegt die lactate threshold an der VO2max

• Laktatkonzentration hängt auch von der Größe und Anzahl der beanspruchten Muskulatur ab -> Elite Radsportler besitzen die Fähigkeit 20 – 25% mehr Muskelmasse während einer einstündigen Belastung bei 85% bis 90% der VO2max zu aktivieren -> Reduktion des Stresses auf einer einzelnen Muskelfaser (Arbeit wird sozusagen auf mehrere Muskelfasern aufgeteilt – geringerer glykolytischer Stress pro Muskelfaser)

• Bei Belastungen über 2h im Bereich der lactate threshold -> Muskelglykogen wird erschöpft -> Belastung kann nicht aufrecht gehalten werden

Fazit: Wird von der oxidativen Fähigkeit der Muskulatur bestimmt. Die oxidative Fähigkeit der Muskulatur hängt wiederum von der Mitochondrien-Anzahl, Mitochondrien-Dichte und der Kapillarisierung (Transport von O2 zur Muskulatur sowie Abtransport von CO2, Laktat und „Abfallprodukten“) ab. Die Laktatkonzentration ist ein Marker für den muskulären glykolytischen Stress der Belastung.

3) Performance VO2 und anaerober Metabolismus

• Anteil von aerobem und anaerobem Stoffwechsel während der Belastungen kann in den meisten Fällen abgeschätzt oder indirekt berechnet werden.

• Je länger die Belastung desto geringer der Einfluss des anaeroben Stoffwechsels

• Radsportler mit der selben VO2max unterscheiden sich z.B. während eines Testes bei 88% der VO2max, welcher so lange absolviert wird bis die Belastung nicht mehr aufrecht gehalten werden kann, unteranderem aufgrund der Höhe ihrer lactate threshold. Interessant: Einige Probanden könnten die Belastung außergewöhnlich lange aufrecht halten. Grund dafür ist womöglich unteranderem die besonders gute oxidative Kapazität der Muskulatur.

• Bei hoch intensiven Belastungen nahe der VO2max: bereits kleine Reduktionen der Sauerstoffzufuhr zur Muskulatur führen dazu, dass Ermüdung überproportional schnell einsetzt

4) Ökonomie:

• Gibt an wie viel Sauerstoff für eine gegebene Leistung benötigt wird

• Beim Laufen: Wie viel ml Sauerstoff pro kg pro km wird benötigt, um eine gegebene Geschwindigkeit aufrecht zu halten? –> kann zwischen unterschiedlichen Personen um bis zu 30 – 40% variieren

• Beim Radfahren: Prozentueller Anteil zwischen gemessener Sauerstoffaufnahme (errechneter Leistungsabgabe) und tatsächlicher Leistungsabgabe = Gross Efficiency. Im Vergleich zur Laufökonomie geringere Variationen bei Radsportlern (20 – 30%)

• Mehr als die Hälfte dieser Variationen ist auf den Anteil der Typ1 Muskelfasern zurückzuführen (Typ1 Fasern besitzen eine höhere mechanische Effizienz)

• Switch von Muskelfasern eher fraglich, jedoch kann die oxidative Fähigkeit von Muskelfasern verändert werden -> ähnliche oxidativen Fähigkeiten bei Typ1 und Typ2 Fasern möglich

• Elite Radsportler weisen eine höhere selbstgewählte Trittfrequenz als weniger trainierte Radsportler auf -> weniger muskuläre Belastung pro Kurbelumdrehung -> schnell ermüdende Fasern mit erhöhten Kraftpotential werden „aufgespart“

• Wenig Längsschnittstudien welche die „Trainierbarkeit“ der Ökonomie untersuchen

• Querschnittstudien deuten auf eine geringe Trainierbarkeit hin

• Einige Studien konnten zeigen, dass es durch plyometrisches Training sowie durch schweres Krafttraining zu einer Verbesserung der Laufökonomie kommen kann

• Einzelfallstudien konnte eine 14%ige Verbesserung der Laufökonomie über 5 Jahre feststellen (Weltrekordhalterin über die Marathondistanz)

• Eher geringe Verbesserungen der Gross Efficiency: 8%ige Verbesserung über 7 Jahre

• Zu erwartende Verbesserungsraten der Ökonomie mit kontinuierlichem Ausdauertraining: 1-3% pro Jahr

Fazit: Je besser die Ökonomie desto weniger Sauerstoff muss aufgenommen werden, um eine x Geschwindigkeit oder x Leistung aufrecht zu halten. LäuferInnen zeigen höhere Variationen der Ökonomie verglichen mit RadsportlerInnen (Annahme: Größere beteiligte Muskelmasse während dem Laufen und/oder Variationen in der Steifigkeit der Sehnen, Bänder -> steifere Bänder, Sehnen -> bessere Kraftübertragung). Um Aussagen über die Trainierbarkeit der Ökonomie tätigen zu können bedarf es mehrere Längsschnittstudien.

Literaturverzeichnis:

Joyner, M. J., & Coyle, E. F. (2008). Endurance exercise performance: the physiology of champions. The Journal of physiology, 586(1), 35-44.

Low-Intensity-Training (LIT) Part 2

Analyse/Auswertung von LIT Einheiten

Im ersten Blogpost dieser Serie widmeten wir uns einem Teil des Trainings, welcher in der Wissenschaft womöglich nicht die verdiente Aufmerksamkeit bekommt. In den aktuellen trainingswissenschaftlichen Studien dreht sich häufig vieles um das Thema Intervalltraining; wie kann man dies optimieren? Welche Intervalle sind besser/schlechter?

Doch warum beschäftigen wir uns so viel mit diesem Thema, wenn laut Seiler (2010) circa 80% des Trainings mit niedriger Intensität absolviert wird? Dieser Blogeintrag beschäftigt sich mit diesen besagten 80%. Nachdem sich der erste Teil der Serie an die physiologischen Adaptionen eines LIT Trainings gerichtet hat, werden wir uns in diesem um die Analyse/Auswertung von niedrig-intensiven Einheiten richten.

Richtige Intensität?

Bevor wir mit der Auswertung einer LIT Einheit starten, gilt es die relevanten Parameter zu erläutern. Beginnen wir mit der im Radsport am häufigsten verwendeten Belastungsvorgabe: Leistung bzw. Watt. Um die richtige Intensität für diese Einheiten festzulegen, bedarf es einer leistungsdiagnostischen Untersuchung. Mit Hilfe dieser Untersuchungen wollen wir unter anderem den Übergang zwischen der moderate- und heavy-exercise domain feststellen (Lactate-Turnpoint 1, Ventilatory Threshold 1). Indirekt kann dieser Übergang auch mit einem Critical Power Test eruiert werden (Jamnick et al. 2020). Ein effektives LIT Training sollte nun zu größten Teil unter dieser Schwelle stattfinden. Bei Belastungen über diese Schwelle kommt es zu einem ersten signifikanten Anstieg der Blutlaktatkonzentration und vermehrten CO2 Abatmung, dies repräsentiert eine Veränderung im Stoffwechselprozess (Kompendium der Sportmedizin; S. 98). Aufgrund der trainingsbedingten Adaption dieser „Schwelle“ ist es, ohne einer leistungsdiagnostischen Untersuchung, nicht möglich eine genaue vordefinierte Leistungsgrenze für alle Athletinnen/Athleten zu setzen. Allen & Coggan (2017) definiert den LIT Bereich in ihrem 7 Zonen Modell als eine Belastung bis zu 75 % der FTP. Da die FTP jedoch auf keinem physiologischen Hintergrund basiert, ist diese Angabe mit Vorsicht zu genießen (Leo et al. 2021).

Auswertung (z.B. mittels TrainingPeaks)

Auf der Trainingsplattform TrainingPeaks, die unter anderem auch wir in der Betreuung benutzen, findet man zwei Werte, welche die Leistung über die gesamte Einheit quantifizieren. Zum einen findet man die Durchschnittsleistung, zum anderen die normalisierte Leistung (NP). Das Verhältnis zwischen diesen beiden Parametern wird mit dem Variabilitätsindex (VI) abgebildet. Gleichmäßige Grundlagenausfahrten im flachen Gelände weißen meist einen VI im Bereich von fast 1,0 auf. Mountainbike-Einheiten im Gelände, oder klarerweise auch Intervalleinheiten, weisen in der Regel einen höheren VI auf. Eine gleichmäßige, durch einen VI von ca. 1,0, gekennzeichnete Einheit ist somit sehr effektiv, jedoch tragen diese Einheiten auch das Potential die Athletin/den Athleten aufgrund der Monotonie psychisch zu ermüden. Bei Betrachtung des VI in verschiedenen Rennen werden die Unterschiede der Leistungserbringung zwischen den einzelnen Radsportdisziplinen sichtbar, dies sollte auch Anhaltspunkt für die weitere Trainingsplanung liefern.

Ein weiterer wichtiger Parameter für die Analyse der Einheit ist die Herzfrequenz, sowie das Verhältnis von Herzfrequenz und Leistung. Eine Veränderung der Herzfrequenz bei konstanter Leistung bzw. eine Veränderung der Leistung bei konstanter Herzfrequenz während langen LIT Einheiten, ist ein Anzeichen dafür, dass die interne Beanspruchung zunimmt.

Eines der Ziele von LIT-Training ist daher auch, den Cardiac-Drift zu reduzieren (Maunder et al. 2021). Es ist jedoch zu erwähnen, dass dieser Drift nicht nur Abbild einer Veränderung im Energiestoffwechsel/Muskelfaserrekrutierung sein könnte, sondern auch als Resultat einer schlechten Verpflegung/Hydrierung (Hamilton et al. 1991) und/oder einer Zunahme der Körperkerntemperatur auftreten kann (Coyle & González-Alonso 2001). Durch eine verminderte Füllung der Herzkammern reduziert sich das Schlagvolumen des Herzens, was wiederum auf die erhöhte Herzfrequenz zurückgeführt werden kann (Fritzsche et al. 1999).

Vitiello et al. (2020) und Shimazu et al. (2020) konnte zeigen, dass Marathonläufer mit besseren Rennzeiten einen geringeren Cardiac-Drift aufweisen. Somit dürfte dies ein Zeichen für ein gut ausgebildetes aerobes System darstellen. Die Festlegung von genauen Herzfrequenz-Bereichen für das LIT-Training sollte auch mit Hilfe von diagnostischen Untersuchungen festgelegt werden. Wie zuvor erwähnt wird die Herzfrequenz im Gegensatz zur Leistung aber von unterschiedlichen Aspekten beeinflusst und kann sich auch im Laufe der Einheit bei gleichbleibender Leistung verändern. Als ungefähren Richtwert findet man in der Literatur Herzfrequenz Angaben bis circa 80% der maximalen Herzfrequenz (Allen & Coggan, 2017; Seiler, 2010). Es ist zu erwähnen, dass sich die maximale Herzfrequenz einer Athletin/ eines Athleten aber auch von Sportart zu Sportart unterscheiden kann.

Über den Parameter Power:Heartrate, der auch auf der Plattform TrainingPeaks ersichtlich ist, wird der oben beschrieben Cardiac-Drift als Wert beschrieben. Hierbei wird die Einheit in der Hälfte geteilt; TrainingPeaks vergleicht nun den Efficiency Factor (EF) zwischen den beiden Hälften. Eine Abweichung von unter 5% während längeren LIT-Einheiten kann laut TrainingPeaks als geringer Cardiac-Drift klassifiziert werden. Die Berechnung des EF erfolgt durch Division der normalisierten Leistung mit der durchschnittlichen Herzfrequenz. Eine höhere normalisierte Leistung bei konstanter Herzfrequenz könnte auf eine Leistungsverbesserung hindeuten. Laut Lamberts et al. (2011) könnte jedoch eine reduzierte Herzfrequenz bei konstanter submaximaler Leistung auch ein Anzeichen von Ermüdung sein. So gilt es, besonders bei starken Veränderungen des EF, das subjektive Belastungsempfinden in die Analyse zu integrieren. Zusätzlich sollte natürlich auch immer die Intensitätsverteilung (Leistung und Herzfrequenz) beachtet werden um abzugleichen, ob der Großteil des Training im anvisierten Bereich absolviert wurde.

Ein weiter wichtiger Punkt bei der Auswertung von LIT-Einheiten am Rad ist die Trittfrequenz. Die Trittfrequenz hat bei gleicher Leistung Auswirkungen auf die Sauerstoffaufnahme, das Herzminutenvolumen sowie auf die arterio-venöse Sauerstoffdifferenz (Gotshall et al. 1996). Bei Erhöhung der Trittfrequenz kommt es zu einem Anstieg der Sauerstoffaufnahme, des Herzminutenvolumens und zu einer Reduktion der arterio-venösen Sauerstoffdifferenz. Grund für das erhöhte Herzminutenvolumens ist laut Gotshall (1996) eine Erhöhung der Muskelpumpenaktivität. Unter Betrachtung dieser Erkenntnisse könnte eine höhere Trittfrequenz während längeren Einheiten zu einer besseren Adaption des Herzmuskels führen. Weiters sollte beachtet werden, dass eine höhere Trittfrequenz auch zu einem höheren Cardiac-Drift führen kann als niedrigere Trittfrequenzen (Kounalakis & Geladas 2010).

Zusammenfassung:

Die Messung des Power-Outputs ist wichtiger Parameter im Radsport (auch bei LIT-Einheiten), um die erbrachte Leistung und Intensität aufzuzeichnen, die Herzfrequenz hingegen kann eventuell ein besserer Indikator sein, um die interne Beanspruchung zu bestimmen (Jeukendrup & Diemen 1998). Wir empfehlen jedenfalls beide Parameter aufzuzeichnen und zusätzlich das subjektive Belastungsempfinden (RPE) auch immer mit den beiden anderen Parametern abzugleichen!

Verwendete Literatur:

Allen, H. & Coggan, A. (2017). Wattmessung im Radsport und Triathlon. Hamburg: Sportmedis.

Coyle, E. F., & Gonzalez-Alonso, J. (2001). Cardiovascular drift during prolonged exercise: new perspectives. Exercise and sport sciences reviews, 29(2), 88-92.

Fritzsche, R. G., Switzer, T. W., Hodgkinson, B. J., & Coyle, E. F. (1999). Stroke volume decline during prolonged exercise is influenced by the increase in heart rate. Journal of Applied Physiology, 86(3), 799-805.

Gottshall, R. W., Bauer, T. A., & Fahrner, S. L. (1996). Cycling cadence alters exercise hemodynamics. International journal of sports medicine, 17(01), 17-21.

Hamilton, M. T., GonzaleZ-Alonso, J., Montain, S. J., & Coyle, E. F. (1991). Fluid replacement and glucose infusion during exercise prevent cardiovascular drift. Journal of applied physiology, 71(3), 871-877.

Jamnick, N. A., Pettitt, R. W., Granata, C., Pyne, D. B., & Bishop, D. J. (2020). An examination and critique of current methods to determine exercise intensity. Sports Medicine, 1-28.

Jeukendrup, A., & Diemen, A. V. (1998). Heart rate monitoring during training and competition in cyclists. Journal of sports sciences, 16(sup1), 91-99.

Kounalakis, S. N., & Geladas, N. D. (2012). Cardiovascular drift and cerebral and muscle tissue oxygenation during prolonged cycling at different pedalling cadences. Applied Physiology, Nutrition, and Metabolism, 37(3), 407-417.

Lamberts, R. P., Swart, J., Noakes, T. D., & Lambert, M. I. (2011). A novel submaximal cycle test to monitor fatigue and predict cycling performance. British journal of sports medicine, 45(10), 797-804.

Leo, P., Spragg, J., Podlogar, T., Lawley, J. S., & Mujika, I. (2021). Power profiling and the power-duration relationship in cycling: a narrative review. European Journal of Applied Physiology, 1-16.

Maunder, E., Seiler, S., Mildenhall, M. J., Kilding, A. E., & Plews, D. J. (2021). The Importance of ‘Durability’in the Physiological Profiling of Endurance Athletes. Sports Medicine, 1-10.

Seiler, S. (2010). What is best practice for training intensity and duration distribution in endurance athletes?. International journal of sports physiology and performance, 5(3), 276-291.

Shimazu, W., Takayama, F., Tanji, F., & Nabekura, Y. (2020). Relationship between cardiovascular drift and performance in marathon running. International Journal of Sport and Health Science, 18, 197-206.

Vitiello, D., Palacin, F., Poinsard, L., Kirsch, M., Jouini, S., & Billat, V. (2021). Marathon-Induced Cardiac Fatigue: A Review over the Last Decade for the Preservation of the Athletes’ Health. International Journal of Environmental Research and Public Health, 18(16), 8676.

Leistungsanalyse - Salzkammergut Trophy (Strecke A)

Abbildung 1: Offizielles Höhendiagramm der A-Strecke

Einer der bekanntesten Mountainbike-Marathons im Alpenraum ist die Salzkammergut-Trophy, die A-Strecke ist dabei die Längste und damit auch die Prestigeträchtigste. Im folgenden werden die Leistungsdaten von Philip Handl analysiert, der dieses Jahr den 2. Platz belegt hat und nicht weit vom Gesamtsieg entfernt war. Natürlich darf bei dieser Analyse nicht vergessen werden, dass (Mountainbike-)Rennen nicht ausschließlich auf Basis der Leistungsdaten/-werte entschieden werden, sondern speziell auch technische Fähigkeiten eine große Rolle spielen. Wir konzentrieren uns in diesem Blogeintrag aber rein auf die Analyse der vorliegenden Leistungsdaten.

Überblick:

Zeit (offiziell): 10:06h (09:54h netto Fahrzeit)

Distanz (km): 204

Höhenmeter (hm): 6630

Platz: 2. Overall

Avg. Power (W): 247

Rel. Avg Power (W/kg): 3,74

Normalized Power (W): 284

Rel. normalized Power (W/kg): 4,3

Avg. Cadence (rpm): 79

Work (kJ): 8848 Abbildung 2: Philip Handl

Avg. Heart rate (bpm): 140

Max. Heart rate (bpm): 168

Abbildung 3: Höhenprofil, Leistungsdaten und Herzfrequenz

Da die Leistung typischerweise bereits nach einer geleisteten Arbeit von etwa 2000-3000kJ abzufallen beginnt, ist es bei so langen Rennen interessant, die erbrachten Leistungen im Laufe des Rennens zu vergleichen. Zu Beginn des Rennens steht gleich einer der längsten Anstiege des Tages an (Reschberg; 11,1km; 894hm). Speziell der erste Teil des Anstiegs ist schnell und durch einige Tempoänderungen charakterisiert. In der 2. Hälfte des Anstiegs pendelt sich das Tempo auf einem konstant hohem Niveau ein, dies ist in der nachfolgenden Grafik auch sehr gut zu erkennen. Die erbrachten Leistungswerte sind hierbei um einiges höher als gegen Ende des Rennens, auch der Variability Index (VI) ist unter den Umständen, dass es sich um einen recht gleichmäßigen Anstieg handelt durchaus hoch (1,15).

Abbildung 4: Höhenprofil, Leistungsdaten und Herzfrequenz (Anstieg 1)

Anstieg 1 (Raschberg):

Zeit: 47:49min

Distanz (km): 11,1

Höhenmeter (hm): 894m

VAM (m/h): 1112

Avg. Power (W): 326

Rel. avg Power (W/kg): 4,9

Normalized Power (W): 343

Rel. normalized Power (W/kg): 5,2

VI: 1,15

Work (kJ): 937

Avg. Heart rate (bpm): 157

Max. Heart rate (bpm): 168

Defekt in der Abfahrt (nach ca. 1:30h): In der folgenden Abbildung ist ersichtlich, dass Philip nach einem Defekt anhalten musste um diesen beheben zu können. Leider ging hierbei wertvolle Zeit verloren, er musste danach etwas schneller als ursprünglich geplant fahren um wieder auf seine Kontrahenten aufschließen zu können. Zusätzlich zum erhöhten Kohlenhydratverbrauch wurde in dieser Rennphase durch den 'Stress' auch zu wenig Energie bzw. Kohlenhydrate zugeführt.

Da unsere Glykogenspeicher begrenzt sind und die Kohlenhydrataufnahme unter Belastung durch die Verdauungsgeschwindigkeit, Absorptionsrate und den anschließenden Transport zum Muskel begrenzt ist, ist der richtigen Verpflegung und dem Pacing eine hohe Bedeutung zuzuweisen. Bezugnehmend auf die Verpflegung wird bei langen Ausdauerbelastungen eine Kohlenhydrataufnahme von etwa 60-90g (oder in etwa 1-1,5g/KH/kg) empfohlen (Jeukendrup 2004).

Abbildung 5: Stehzeit verursacht durch einen Defekt

Der letzte lange Anstieg beginnt nach etwa 170km und im Falle von Philip nach einer Renndauer von etwa 08:30h (bzw. einer enorm hohen akk. Arbeit von etwa 7770kJ!). Auffallend ist, dass die erbrachte Leistung und die Herzfrequenz deutlich niedriger sind als bei den Anstiegen zu Beginn des Rennens. Hierbei spielen auch die zuvor beschriebenen Aspekte (Defekt und daraus resultierend anderes Pacing + Ernährung) eine Rolle. Aber auch der Variability Index ist viel niedriger als beim ersten Anstieg (1,04 vs. 1,15), d.h., dass der Anstieg viel konstanter/gleichmäßiger gefahren wurde.

Abbildung 6: Höhenprofil, Leistungsdaten und Herzfrequenz (letzter langer Anstieg)

Zeit: 28:09 min

Distanz (km): 5,4

Höhenmeter (m): 448m

VAM (m/h): 956

Avg. Power (W): 269

Rel. avg Power (W/kg): 4,1

Normalized Power (W): 275

Rel. normalized Power (W/kg): 4,1

VI: 1,04

Work (kJ): 454

Avg. Heart rate (bpm): 138

Max. Heart rate (bpm): 144

Power-Duration-Curve + Peaks (W)

1min: 436 Watt (6,6 W/kg)

5min: 389 Watt (5,9 W/kg)

20min: 356 Watt (5,4 W/kg)

60min: 308 Watt (4,7 W/kg)

Abbildung 7: Power-Duration-Curve

Verwendete Literatur:

Jeukendrup, Asker E. (2004): Carbohydrate intake during exercise and performance. In: Nutrition 20 (7-8), S. 669–677.