Artificiële intelligentie heeft haar intrede gedaan in de topsport, vaak zonder expliciet zo te worden benoemd. Voetbal en tennis maken er al jaren gebruik van, en dat geldt nu ook voor het wielrennen, dat lange tijd werd gezien als een meer conservatieve sport. Maar de omslag is ingezet.
Uitgerust met sensoren, net als hun fietsen, genereren renners vandaag bij elke training een enorme hoeveelheid data: vermogen, hartslag, GPS-positie, hoogte, cadans en snelheid. Deze ruwe gegevens voeden AI-modellen die vervolgens de voorbereiding verfijnen, het herstel optimaliseren en helpen bij het nemen van beslissingen die tijdens wedstrijden cruciaal kunnen zijn. Uiteraard vervangt AI het menselijke oordeel (nog) niet, maar ze vermindert wel de onzekerheid in een sport die onderhevig is aan tal van onvoorspelbare factoren.
Vorm anticiperen en inspanning beheren
Binnen de WorldTour-teams combineren analyseplatformen trainingsbelasting, slaap, herstel en het subjectieve gevoel van de renners. Waar het menselijke oog een geslaagde of mislukte training vaststelt, identificeren algoritmes fijnere trends: risico’s op overbelasting, zwakke signalen of prestatievensters die benut kunnen worden.
Voor een grote ronde maken deze tools het mogelijk om de reële vorm van een kopman in te schatten en de laatste afstellingen bij te sturen, maar ook om de ploeg beter te organiseren. In koers speelt AI vooral een rol in het beheer van de inspanning. Door etappeprofielen, weersomstandigheden en historische data te combineren, stelt de interface nauwkeurige tempoplannen voor en geeft ze aan waar de intensiteit behouden moet blijven. Op dit niveau kan het behoud van enkele procenten energie immers volstaan om het verschil te maken en een overwinning uit het vuur te slepen.
Strategie, aerodynamica en voeding
Het gebruik van artificiële intelligentie reikt echter verder dan training alleen. Sommige teams simuleren het verloop van een etappe virtueel nog voor de start. Verschillende tactische scenario’s worden getest om te bepalen welke statistisch gezien de grootste slaagkansen bieden. Deze projecties leggen geen beslissingen op, maar structureren de briefings en de collectieve keuzes. Dat betekent dat teams in koers kiezen voor een scenario dat vooraf al door alle renners werd ingeslepen.
Ook op materieel vlak laat AI zich gelden. Ze analyseert automatisch luchtstromen en helpt de aerodynamische positie van de renner te optimaliseren. Kleine aanpassingen in houding of uitrusting kunnen zo bijdragen tot minder luchtweerstand en aanzienlijke tijdswinst opleveren, vooral in tijdritten. Daar stopt het niet: ook de voeding profiteert van dezelfde voorspellende aanpak, met nauwkeurige aanbevelingen voor energie-inname op basis van inspanning, duur en externe omstandigheden.
Gevoelige data en menselijke grenzen
Ondanks deze opmars blijft wielrennen een sport van het onvoorspelbare. Gelukkig maar. Wind, valpartijen of de nervositeit van het peloton ontsnappen nog altijd aan modellen die uitgaan van een perfectie die… niet bestaat – of slechts zelden. Daarom kiezen de meest performante teams voor een pragmatisch gebruik van AI, gericht op efficiëntie eerder dan op complexiteit.
Die intensieve dataverzameling en -verwerking roept echter ook vragen op over persoonlijke gegevens. Hartslag, vermogensprofielen of slaap vormen tegelijk een strategisch kapitaal voor teams en privé-informatie voor renners. Dat kan problematisch zijn, want eigendom en gebruik ervan zijn nog onvoldoende gereglementeerd, zeker bij transfers. Kortom, steeds meer geïntegreerd en bijna onzichtbaar opereert artificiële intelligentie vandaag op de achtergrond, tot het punt waarop een fundamentele vraag zich opdringt: hoever zullen deze machines uiteindelijk in staat zijn om de grenzen van de menselijke prestatie te begeleiden en te versterken zonder haar aard te herdefiniëren?
