„Doping-bezogene Social-Media-Inhalte sind messbar mit Einstellungen und Verhaltensintentionen in der Fitness- und Bodybuilding-Community assoziiert.“ Kernergebnisse 01 Häufiger Konsum steroidbezogener YouTube-Inhalte korreliert substanziell mit höherer Doping-Akzeptanz (r = .48, p < .001) — die Konsumfrequenz erklärt rund 24 % der Varianz (η² = .239). 02 Höhere Konsumfrequenz geht mit geringerer Risikowahrnehmung einher (r = −.33, p < .001) und mit höherem Vertrauen in steroidthematisierende Influencer (r = .42, p < .001). 03 Männer zeigen deutlich höhere Doping-Akzeptanz als Frauen (t = −6,50, p < .001, Cohen's d = 0,886). 04 Drive for Muscularity ist ein zentraler Prädiktor (β = .29) und vermittelt rund 20 % des Effekts von YouTube-Konsum auf Doping-Akzeptanz. 05 Inhaltsqualität (88,4 %) und wissenschaftliche Fundierung (80,7 %) bestimmen die wahrgenommene Glaubwürdigkeit von Influencern — Followerzahl ist nahezu irrelevant (2,9 %). Weiter · Kapitel 01 · Einleitung Doping im Feed: Relevanz & Problemstellung Doping im Feed: Relevanz & Problemstellung Der Gebrauch leistungssteigernder Substanzen ist längst nicht mehr auf den Spitzensport beschränkt — er hat sich in der breiten Fitness- und Bodybuilding-Community etabliert. Diese Studie untersucht in einer Online-Befragung von 378 Erwachsenen aus der deutschsprachigen Fitness-Szene, wie der Konsum dopingbezogener Social-Media-Inhalte mit der Bereitschaft zusammenhängt, anabole Steroide und Wachstumshormone zu verwenden. Erfasst wurden Konsum steroidbezogener Beiträge, Einstellungen zum Doping, wahrgenommene Risiken, Körperbildzufriedenheit und Drive for Muscularity — mit validierten Instrumenten (BSMAS, PEAS, DMS).
Eckdaten der Erhebung
Stichprobe N = 378 17–72 Jahre
Geschlecht 81 % männlich (n = 306)
Alter M = 32,9 SD = 9,4 Jahre
Instrumente 3 BSMAS · PEAS · DMS Soziale Netzwerke liefern zwar evidenzbasierte Trainings- und Ernährungsinformationen, dienen aber zugleich als Nährboden für irreführende und teils gefährliche Inhalte: Fitness-Influencer präsentieren muskulöse Physiques und thematisieren — offen oder subtil — den Gebrauch von Steroiden und Wachstumshormonen. Kommerzielle Akteure vermarkten anabole Substanzen gezielt über Before-After-Bilder und gesponserte Athleten, wodurch die Grenze zwischen legalen Supplements und illegalen Dopingsubstanzen zunehmend verschwimmt. Die ständige Konfrontation mit idealisierten, muskulösen Körpern befördert Vergleichsprozesse und negative Selbstwahrnehmung — Mechanismen, die zunehmend auch bei jungen Männern nachgewiesen sind.
Weiter · Kapitel 02 · Hypothesen Sieben Hypothesen zur digitalen Doping-Sozialisation Sieben Hypothesen zur digitalen Doping-Sozialisation H1 H1: Wer regelmäßig dopingbezogene Social-Media-Inhalte konsumiert, zeigt eine höhere Dopingbereitschaft.H2 H2: Häufigerer Konsum dopingbezogener Inhalte korreliert mit einer toleranteren Einstellung zum Doping.H3 H3: Positive Darstellungen leistungssteigernder Substanzen durch Influencer führen zu einer geringeren Risikowahrnehmung.H4 H4: Geringes Selbstwertgefühl und Unzufriedenheit mit dem eigenen Körper erhöhen nach dem Konsum entsprechender Inhalte die Dopingbereitschaft.H5 H5: Männliche Nutzer zeigen eine höhere Doping-Akzeptanz als weibliche Nutzer.H6 H6: Als vertrauenswürdig wahrgenommene Influencer beeinflussen Einstellungen stärker als weniger vertrauenswürdige Persönlichkeiten.H7 H7: Influencer mit großer Reichweite haben einen größeren Einfluss auf die Doping-Akzeptanz als weniger bekannte Persönlichkeiten.Theoretisch knüpft die Studie an Banduras soziale Lerntheorie an: Verhalten wird durch Beobachtung von Modellen und deren Verstärkung übernommen. Übertragen auf Social Media fungieren Fitness-Influencer als Modelle, deren Substanzgebrauch nachgeahmt werden kann — besonders wenn er belohnt erscheint (Anerkennung, Status, sichtbare körperliche Resultate). Ergänzend erklären das Health Belief Model (Risikowahrnehmung) und Theorien der Internalisierung von Körperidealen, warum verharmlosende Darstellungen die Hemmschwelle zum Einstieg senken können.
Weiter · Kapitel 03 · Methodik Design, Instrumente & Auswertung Design, Instrumente & Auswertung Die Studie basiert auf einem quantitativen Querschnittdesign mit standardisierter Online-Befragung in deutschsprachigen Fitness- und Bodybuilding-Communities. Neben validierten Skalen wurden Social-Media-Nutzungsdauer, Anzahl gefolgter Fitness-Influencer und Plattformpräferenzen (YouTube, Instagram, TikTok) erhoben. Die Auswertung erfolgte mit IBM SPSS Statistics und R: deskriptive Statistiken, Korrelationsanalysen, Varianzanalysen (ANOVA) und Regressionsanalysen, Signifikanzniveau p < .05.
Instrument Items Skala Cronbachs α M (SD) Bergen Social Media Addiction Scale (BSMAS) 6 Likert 1–5 .80 1,73 (0,75) Performance Enhancement Attitude Scale (PEAS) 6 Likert 1–6 .78 2,76 (1,01) Drive for Muscularity Scale (DMS) 7 Likert 1–6 .77 3,18 (0,77)
Tab. 1 Eingesetzte Messinstrumente mit Reliabilität und Skalenkennwerten der Stichprobe.Weiter · Kapitel 04 · Stichprobe Wer trainiert hier — und was wird konsumiert? Wer trainiert hier — und was wird konsumiert? Die Teilnehmer waren zwischen 17 und 72 Jahre alt (M = 32,9, SD = 9,4), überwiegend männlich (81,0 %) und stark trainingsaffin: 63,0 % trainieren 4–5-mal pro Woche, weitere 12,7 % häufiger. Geografisch dominierte Deutschland (ca. 95 %), mit Schwerpunkt Nordrhein-Westfalen (37,8 %). Fast alle Teilnehmer (96,8 %) nutzen Social Media für Fitness-Content — Instagram ist die beliebteste Plattform (58,5 %), gefolgt von YouTube (36,5 %) und TikTok (2,4 %).
Erfahrung mit PEDs (n = 134)35,4 % Keine Erfahrung (n = 244)64,6 % Abb. 1 Erfahrung mit leistungssteigernden Substanzen (N = 378): 35,4 % (n = 134) berichten eigene Nutzungserfahrung, 64,6 % (n = 244) keine. Unter den Nutzern dominieren testosteronbasierte Präparate (73,1 %).Nie n = 102 27 %
Selten (1×/Monat) n = 98 25,9 %
Gelegentlich (2–3×/Monat) n = 80 21,2 %
Häufig (wöchentlich) n = 67 17,7 %
Sehr häufig (mehrmals/Woche) n = 31 8,2 %
Abb. 2 Konsumfrequenz steroidbezogener YouTube-Inhalte (N = 378). 48,9 % konsumieren solche Inhalte mindestens gelegentlich — Doping-Content ist in der Fitness-Community kein Randphänomen.Weiter · Kapitel 05 · Ergebnisse Dosis-Wirkungs-Beziehung zwischen Konsum und Akzeptanz Dosis-Wirkungs-Beziehung zwischen Konsum und Akzeptanz Die zentrale Hypothese bestätigt sich deutlich: Zwischen der Konsumfrequenz steroidbezogener YouTube-Inhalte und der Doping-Akzeptanz (PEAS) besteht eine substanzielle positive Korrelation (r = .48, p < .001). Die Gruppenmittelwerte steigen systematisch mit der Konsumfrequenz — von M = 2,12 bei Nicht-Konsumenten bis M = 3,71 bei mehrfach wöchentlichem Konsum. Die Varianzanalyse bestätigt signifikante Gruppenunterschiede (F = 29,34, p < .001) mit großem Effekt (η² = .239): Die Konsumfrequenz erklärt rund 24 % der Varianz in der Doping-Akzeptanz.
2,12 Nie SD = 0,94
2,49 Selten SD = 1,02
2,85 Gelegentlich SD = 1,13
3,27 Wöchentlich SD = 1,19
3,71 Mehrmals/Wo. SD = 1,25
PEAS
Abb. 3 Mittlere Doping-Akzeptanz (PEAS, Skala 1–6) nach Konsumfrequenz steroidbezogener YouTube-Inhalte. Klare Dosis-Wirkungs-Beziehung: F = 29,34, p < .001, η² = .239.Auch die Risikowahrnehmung verschiebt sich mit der Exposition: Häufigerer Konsum korreliert negativ mit der Einschätzung steroidbezogener Gesundheitsrisiken (r = −.33, p < .001) und positiv mit dem Vertrauen in steroidthematisierende Influencer (r = .42, p < .001). In der Regression sagt YouTube-Konsum die Risikowahrnehmung signifikant vorher (β = −.28, p < .001) und erklärt rund 11 % der Varianz — positive Steroid-Darstellungen gehen mit verminderter Risikowahrnehmung einher.
Variable 1 2 3 4 1. YouTube-Konsum — 2. Risikowahrnehmung −.33*** — 3. Influencer-Vertrauen .42*** −.28** — 4. Doping-Akzeptanz .48*** −.37*** .58*** —
Tab. 2 Korrelationsmatrix: YouTube-Konsum, Risikowahrnehmung, Influencer-Vertrauen und Doping-Akzeptanz. *** p < .001, ** p < .01.Beim Körperbild zeigt sich ein differenziertes Bild (H4, teilweise bestätigt): Drive for Muscularity korreliert deutlich positiv mit Doping-Akzeptanz (r = .40, p < .001), Körperbildzufriedenheit schwächer negativ (r = −.17, p < .01). In der hierarchischen Regression bleibt Drive for Muscularity ein signifikanter Prädiktor (β = .29, p < .001) — auch nach Kontrolle von Demografie und YouTube-Konsum —, während allgemeine Körperbildzufriedenheit keinen eigenständigen Beitrag leistet (β = .05, n.s.). Muskularitätsspezifische Sorgen wiegen also schwerer als generelle Körperunzufriedenheit.
Geschlecht erweist sich als stärkster demografischer Faktor (H5 bestätigt): Männer zeigen signifikant höhere Doping-Akzeptanz als Frauen (t = −6,50, p < .001) mit großem Effekt (Cohen's d = 0,886). Unter den häufigen Konsumenten steroidbezogener Inhalte sind 68,3 % männlich. In der Regression bleibt männliches Geschlecht ein robuster eigenständiger Prädiktor (β = .42, p < .001) — über den Effekt der Medienexposition hinaus.
Weiter · Kapitel 06 · Ergebnisse Vertrauen schlägt Reichweite Vertrauen schlägt Reichweite Influencer-Vertrauen korreliert signifikant mit Doping-Akzeptanz (r = .26, p < .001) und bleibt in der hierarchischen Regression ein eigenständiger Prädiktor (β = .192, p < .001) — H6 wird bestätigt. Die Reichweiten-Hypothese H7 hingegen findet nur begrenzte Unterstützung: Die Korrelation zwischen Influencer-Popularität (Nennungshäufigkeit) und Doping-Akzeptanz der Follower ist schwach und nicht signifikant (r = .279, p = .167). Bei der Glaubwürdigkeitsbewertung rangiert die Followerzahl mit 2,9 % abgeschlagen auf dem letzten Platz — entscheidend sind Inhaltsqualität (88,4 %) und wissenschaftliche Fundierung (80,7 %).
Inhaltsqualität n = 334 88,4 %
Wissenschaftliche Fundierung n = 305 80,7 %
Alter des Influencers n = 43 11,4 %
Andere Faktoren n = 38 10,1 %
Followerzahl n = 11 2,9 %
Abb. 4 Faktoren der wahrgenommenen Influencer-Vertrauenswürdigkeit (Mehrfachauswahl, N = 378). Substanzielle Kriterien dominieren klar über Popularitätsmetriken.Influencer Nennungen (n) PEAS M SD Iron Mike 24 3,29 0,79 Urs Kalecinski 20 3,01 0,78 William Niewiara 14 3,54 0,92 Brosep 13 2,92 0,92 Max Madsen 11 3,20 0,87 Simon Teichmann 11 2,42 1,04 Coach Stef 10 1,98 0,70 Erdem Dül 8 3,40 0,99 Germanbull 8 3,35 0,57 Thunfisch Aesthetics 7 2,95 1,07
Tab. 3 Meistgenannte Fitness-Influencer und mittlere Doping-Akzeptanz (PEAS) ihrer Follower nach Namens-Standardisierung (Top 10 von 26 analysierten Influencern).Content schlägt Popularität
Die Heterogenität zwischen Influencern ist beträchtlich: Coach Stef erreicht trotz hoher Popularität (10 Nennungen) die niedrigste Follower-Doping-Akzeptanz (M = 1,98) — ein Beleg dafür, dass evidenzbasierte, edukative Inhalte Pro-Doping-Narrative überlagern können. Inhaltliche Merkmale bestimmen die Wirkung stärker als Reichweite.
Weiter · Kapitel 07 · Vertiefung Regressions- und Mediationsanalyse Regressions- und Mediationsanalyse Eine hierarchische Regression mit fünf Modellen erklärt am Ende 35,1 % der Varianz in der Doping-Akzeptanz. Demografie allein erklärt 13,2 %; die Aufnahme des YouTube-Konsums liefert mit ΔR² = .130 den größten einzelnen Zuwachs. Im finalen Modell bleiben vier Prädiktoren signifikant: männliches Geschlecht (β = .400), Drive for Muscularity (β = .263), YouTube-Konsum (β = .199) und Influencer-Vertrauen (β = .167). Allgemeine Social-Media-Sucht (BSMAS) und plattformspezifische Faktoren leisten keinen signifikanten Beitrag — spezifische Vertrauensbeziehungen zu Content-Erstellern wiegen schwerer als generelle Plattformabhängigkeit.
Modell Aufgenommene Prädiktoren R² ΔR² 1 Demografie (Geschlecht, Alter) .132 .132*** 2 + YouTube-Konsum .262 .130*** 3 + Drive for Muscularity, Körperbild .308 .046*** 4 + Social-Media-Sucht, Influencer-Vertrauen .344 .036*** 5 + Bildungsinteresse, Plattform-Variablen .351 .007
Tab. 4 Hierarchische Regression zur Vorhersage der Doping-Akzeptanz: Varianzaufklärung über fünf Modelle und signifikante Prädiktoren im finalen Modell. *** p < .001.Eine Mediationsanalyse (Bootstrap, 1000 Simulationen) prüft den theoretischen Pfad YouTube-Exposition → Muskularitätsstreben → Doping-Akzeptanz: Der indirekte Effekt ist signifikant (ACME = .076, p < .001), Drive for Muscularity vermittelt rund 20 % des Gesamteffekts (Proportion Mediated = .203). Der substanzielle verbleibende Direkteffekt (β = .297, p < .001) zeigt, dass YouTube-Konsum zusätzlich über andere Pfade wirkt — etwa Normalisierungseffekte oder direkte Einstellungs-Modellierung.
Zentrale Effektgrößen
Konsum × Akzeptanz r = .48 p < .001
Geschlechtseffekt d = 0,886 t = −6,50, p < .001
Varianzaufklärung 35,1 % finales Regressionsmodell
Mediation via DMS 20,3 % ACME = .076, p < .001 Kernergebnisse
Dosis-Wirkungs-Beziehung: Je häufiger steroidbezogene YouTube-Inhalte konsumiert werden, desto höher die Doping-Akzeptanz (r = .48, p < .001; η² = .239). Häufige Exposition geht mit geringerer Risikowahrnehmung (r = −.33) und höherem Influencer-Vertrauen (r = .42) einher. Männer zeigen deutlich höhere Doping-Akzeptanz als Frauen (Cohen's d = 0,886). Drive for Muscularity ist ein eigenständiger Prädiktor (β = .29) und vermittelt rund 20 % des Effekts von YouTube-Konsum auf Doping-Akzeptanz. Glaubwürdigkeit entsteht durch Inhaltsqualität (88,4 %) und wissenschaftliche Fundierung (80,7 %) — nicht durch Followerzahl (2,9 %); die Reichweiten-Hypothese wurde nicht bestätigt (r = .279, p = .167). Plattformeffekte sind nicht nachweisbar (F(3, 374) = 1,11, p = .347) — entscheidend ist der Inhalt, nicht das Medium. „Diese Befunde unterstreichen die Relevanz von Medienkompetenz-Interventionen und evidenzbasierten Aufklärungsstrategien auf digitalen Plattformen, um der Normalisierung von Doping entgegenzuwirken.“ Jung & Geisler, 2025 Weiter · Kapitel 08 · Diskussion Normalisierung durch den Algorithmus Normalisierung durch den Algorithmus Die Ergebnisse sprechen für einen Normalisierungseffekt: Durch konstante Exposition gegenüber Steroid- und Fitness-Influencer-Content wird Doping als gängiges Mittel zum idealen Körperbild wahrgenommen. Zugleich ist eine umgekehrte Wirkrichtung nicht auszuschließen — bereits dopingaffine Personen könnten entsprechende Inhalte gezielt aufsuchen. Wahrscheinlich verstärkt sich eine reziproke Dynamik: Inhalte fördern positive Doping-Einstellungen, die wiederum den Konsum weiterer Inhalte begünstigen. Der enge Zusammenhang zwischen Social-Media-Sucht (BSMAS) und Drive for Muscularity deutet auf einen Teufelskreis aus Vergleichsprozessen, internalisiertem Muskelideal und steigender Dopingbereitschaft.
Theoretisch stützen die Befunde die Übertragbarkeit von Banduras sozial-kognitivem Modelllernen auf den digitalen Raum: Social Media wirkt als neuer sozialer Akteur, der Normen und Rollenmodelle vermittelt. Klassische Doping-Erklärungsmodelle — bislang fokussiert auf Trainer, Peers und Sportnormen — sollten um digitale Einflussfaktoren (Social-Media-Exposition, Online-Normen) erweitert werden. Praktisch folgt daraus: eine stärkere Präsenz von Anti-Doping-Institutionen auf den Plattformen selbst, Kooperationen mit glaubwürdigen Meinungsführern aus dem Natural-Bodybuilding-Bereich, gezielte Förderung von Medienkompetenz sowie eine stärkere Verantwortung der Plattformbetreiber, etwa durch algorithmische Priorisierung evidenzbasierter Gesundheitsinhalte und Warnhinweise bei Steroid-Content.
Limitationen
Das Querschnittsdesign erlaubt keine Kausalschlüsse — eine bidirektionale Beeinflussung ist plausibel. Alle Daten beruhen auf Selbstauskünften (Social-Desirability- und Recall-Bias möglich). Die Rekrutierung über Fitness-Communities und Influencer erzeugt einen Selbstselektions-Bias; die Stichprobe ist überwiegend männlich, was die Generalisierbarkeit auf Athletinnen einschränkt. Die Hypothesen zu Vertrauenswürdigkeit und Reichweite konnten nur eingeschränkt geprüft werden, und der Fokus lag auf YouTube — andere Plattformen wie Instagram, TikTok oder Foren können abweichende Wirkmechanismen aufweisen. Künftige Studien sollten längsschnittliche und experimentelle Designs sowie objektive Nutzungsdaten einsetzen.
Weiter · Kapitel 09 · Fazit Prävention muss dort stattfinden, wo die Normen entstehen Prävention muss dort stattfinden, wo die Normen entstehen Dopingbezogene Social-Media-Inhalte sind messbar mit Einstellungen und Verhaltensintentionen in der Fitness- und Bodybuilding-Community assoziiert. Da die Befragten Inhaltsqualität und wissenschaftliche Fundierung weit über Popularitätsmetriken stellen, sollten Präventionsstrategien auf evidenzbasierte, zielgruppengerechte Inhalte setzen statt allein auf reichweitenstarke Multiplikatoren. Das Beispiel edukativer Influencer zeigt: Wissenschaftlich fundierte Botschaften können Pro-Doping-Narrative wirksam kontern — unabhängig von der Followerzahl.
Ausgewählte Quellen 15 Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. Andreasson, J., & Johansson, T. (2019). Bodybuilding and fitness doping in transition: Historical transformations and contemporary challenges. Social Sciences, 8(3), 1–14. Bandura, A. (1977). Social learning theory. Prentice Hall. Bell, C., Cocks, A. J., Hills, L., & Kerner, C. (2024). Active and passive social media use: Relationships with body image in physically active men. New Media & Society. Cox, L. T. J., & Paoli, L. (2023). Social media influencers, YouTube and performance and image enhancing drugs: A narrative-typology. Performance Enhancement & Health, 11(4), 100266. Festinger, L. (1954). A theory of social comparison processes. Human Relations, 7(2), 117–140. Gibbs, N. (2023). #Sponsoredathlete: The marketing of image and performance-enhancing drugs on Facebook and Instagram. Trends in Organized Crime, 26(4), 503–523. Griffiths, S., Murray, S. B., Krug, I., & McLean, S. A. (2018). The contribution of social media to body dissatisfaction, eating disorder symptoms, and anabolic steroid use among sexual minority men. Cyberpsychology, Behavior, and Social Networking, 21(3), 149–156. Hilkens, L., Cruyff, M., Woertman, L., Benjamins, J., & Evers, C. (2021). Social media, body image and resistance training: Creating the perfect 'me' with dietary supplements, anabolic steroids and SARMs. Sports Medicine – Open, 7(1), 81. Paoli, L., & Cox, L. T. J. (2024). Across the spectrum of legality: The market activities of influencers specialized in steroids and other performance and image enhancing drugs. International Journal of Drug Policy, 123, 104246. Piatkowski, T. M., White, K. M., Hides, L., & Obst, P. L. (2021). The impact of social media on self-evaluations of men striving for a muscular ideal. Journal of Community Psychology, 49(2), 725–736. Pope, H. G., Jr., Khalsa, J. H., & Bhasin, S. (2017). Body image disorders and abuse of anabolic-androgenic steroids among men. JAMA, 317(1), 23–24. Rosenstock, I. M. (1974). Historical origins of the health belief model. Health Education Monographs, 2(4), 328–335. Sagoe, D., Holden, G., Rise, E. N. K., Torgersen, T., Paulsen, G., Krosshaug, T., Lauritzen, F., & Pallesen, S. (2016). Doping prevention through anti-doping education and practical strength training: The Hercules program. Performance Enhancement & Health, 5(1), 24–30. Thompson, J. K., Coovert, M. D., & Stormer, S. M. (1999). Body image, social comparison, and eating disturbance: A covariance structure modeling investigation. International Journal of Eating Disorders, 26(1), 43–51. Weiter · zurück zur Mitte Kernaussage