Hoe AI het wielrennen verandert: rekenen met data, rijden met het hart

Van slimme trainingsschema’s tot voorspellende koers

Kunstmatige intelligentie is geen sciencefiction meer in het peloton. Het zit in trainingsapps, in de bus na de koers en steeds vaker in het hoofd van renners en coaches. Soms onzichtbaar, soms duidelijk aanwezig. En ja, soms ook een tikje overdreven gehypet. Maar wie goed kijkt, ziet dat AI het wielrennen al merkbaar verandert.

In dit artikel zoomen we verder in en geven we ook voorbeelden. Op trainingen die zich per trainingsdag of zelfs live aanpassen aan wat jouw lichaam verteld. In koersanalyses die laten zien waar het waarschijnlijk breekt. En in herstel dat beter wordt begrepen. Niet als vervanger van gevoel, maar als een extra laag bovenop ervaring, intuïtie en jarenlange kennis.

1. Trainen op maat, elke dag opnieuw

AI is vooral sterk in één ding: patronen herkennen in enorme hoeveelheden data. Precies daar waar de mens af en toe de draad kwijtraakt.

• Trainingsschema’s passen zich automatisch aan op basis van vermogen, hartslag, slaap, stress en herstel.
• Systemen leren hoe jij reageert op intensiteit. Niet de gemiddelde renner, maar jij.
• Overbelasting wordt sneller herkend, soms eerder dan je eigen lichaam het toegeeft.

Platforms als TrainingPeaks en Strava gebruiken al jaren algoritmes. Steeds vaker zitten daar zelflerende modellen achter die niet alleen meten, maar ook voorspellen. Dat klinkt spannend en dat is het ook, al blijft het advies. Jij trapt uiteindelijk zelf.

Voorbeeld

Een fanatieke amateur fietst volgens schema een intervaltraining op dinsdagavond. Zijn vermogensdata zijn goed, maar zijn slaapscore en rusthartslag laten zien dat hij structureel slecht herstelt na werkdagen met veel stress. De trainingsapp past de intensiteit automatisch aan en schuift de zwaarste blokken een dag op. Resultaat: minder overbelasting, meer continuïteit. Niet harder trainen, wel slimmer.

2. Koersen lezen met hulp van data

Koersinzicht was altijd iets mystieks. De gave om te voelen wanneer je moet gaan, of juist niet. AI probeert dat gevoel te ontleden.

• Analyse van eerdere edities van een koers, inclusief weer, wind en snelheidsverloop.
• Scenario’s die laten zien waar beslissende momenten waarschijnlijk ontstaan.
• Inschattingen van kansen op waaiers, ontsnappingen of massasprints.

Teams als Visma-Lease a Bike en INEOS Grenadiers werken met datateams die tijdens en na de koers continu rekenen. Om beter voorbereid te zijn in de koers die op dat moment gereden wordt en de koersen die nog volgen.

Voorbeeld

Voorafgaand aan een klassieker analyseren teams eerdere edities van dezelfde koers. Ze combineren windrichting, gemiddelde snelheid per uur en posities van beslissende aanvallen. Op basis daarvan weten renners dat de kans op waaiers vooral ontstaat op één specifieke open strook, niet op de bekende klim. In de koers zelf leidt dat tot betere positionering, niet tot garantie op succes.

3. De renner als mens, niet als machine

Hier schuurt het. Want hoe meer data, hoe groter de verleiding om alles te willen verklaren. AI kan veel, maar geen twijfel voelen. Geen angst. Geen euforie na een onverwachte goede dag.

• Mentale vermoeidheid is lastig te vangen in cijfers.
• Een slechte nacht door privéomstandigheden ziet een algoritme niet altijd.
• Ervaring en koersgevoel blijven cruciaal in beslissende momenten.

Het benadrukt dat wielrennen meer is dan prestaties en data. Het gaat over hoe renners zichzelf voelen en ervaren in de sport. Marijn de Vries heeft hier een mooi artikel over geschreven,

Voorbeeld

Een renner levert volgens zijn data een perfecte trainingsweek af, maar voelt zich mentaal leeg na een reeks wedstrijden. Het algoritme adviseert doortrainen, de renner kiest bewust voor rust. Achteraf blijkt dat juist die keuze voorkomt dat hij twee weken later instort. Data zagen een stijgende lijn, de renner voelde dat hij op was. Beide klopten, maar niet tegelijk.

4. Talentherkenning en eerlijke kansen

Ook buiten het WorldTour circus doet AI zijn intrede.

• Jonge renners worden gescout op basis van vermogensprofielen en ontwikkelingscurves.
• Vergelijkingen met duizenden andere atleten geven context aan prestaties.
• Onontdekt talent uit kleinere landen of regio’s krijgt sneller zichtbaarheid.

Dat klinkt eerlijker, maar ook hier geldt dat data nooit het hele verhaal vertelt. Een laatbloeier laat zich niet altijd vangen in een grafiek.

Voorbeeld

Een junior zonder clubstructuur uploadt zijn trainingen en wedstrijden online. Zijn vermogensprofiel laat een uitzonderlijke ontwikkeling zien op middellange inspanningen. Via dat vergelijkingsmodel komt hij op de radar van een profploeg, terwijl hij eerder nooit gescout werd. Niet omdat hij al won, maar omdat zijn ontwikkeling opviel tussen duizenden anderen.

5. Wat betekent dit voor de amateur?

Goed nieuws. Wat eerst alleen voor profs was, sijpelt door naar de fanatieke fietser.

• Slimmere trainingsadviezen zonder persoonlijke coach.
• Betere inschatting van herstel na werk, gezin en training.
• Meer inzicht in waarom een training goed of juist slecht voelde.

De kunst is om AI te gebruiken als hulpmiddel, niet als baas. Of zoals mijn pa het laatst opmerkte: 'een app kan veel meten, maar hij fietst geen meter voor je.'

Voorbeeld

Een recreatieve fietser ziet dat zijn doordeweekse trainingen telkens moeizaam gaan. Zijn data laten zien dat hij zijn rustige ritten structureel te hard rijdt, terwijl de intensieve dagen juist worden afgekapt als het pijn doet. Door zijn rustige ritten écht rustig te maken en de zware blokken af te werken, voelt hij zich na drie weken frisser. De kilometers zijn hetzelfde, het effect niet.

Conclusie

AI verandert het wielrennen niet door het over te nemen, maar door het scherper te maken. Het legt patronen bloot, stelt betere vragen en dwingt renners en coaches om bewuster keuzes te maken. Maar uiteindelijk wint nog altijd degene met de beste benen op het juiste moment. En soms gewoon degene die durft te gokken.

Misschien is dat wel de mooiste uitkomst. Hoe slim de technologie ook wordt, wielrennen blijft mensenwerk. Met vuile bidons, twijfels in het hoofd en af en toe een geniale ingeving die geen algoritme (nog) had zien aankomen.