Canyon-SRAM setzt auf KI, um herauszufinden, was die Leistung seiner Fahrerinnen verbessert

Die künstliche Intelligenz gewinnt weiterhin an Bedeutung im professionellen Radsport. Canyon-SRAM hat eine Zusammenarbeit mit dem amerikanischen Unternehmen FasCat Coaching angekündigt, um die Trainings- und Leistungsdaten seiner Fahrerinnen mithilfe von KI zu analysieren. Edas Ziel ist es, Muster zu entdecken, die helfen, ihre besten Ergebnisse zu erklären, und diese Informationen zu nutzen, um die Vorbereitung auf 2027 zu optimieren.

Canyon-SRAM wird künstliche Intelligenz nutzen, um herauszufinden, welche Trainings am besten funktionieren

Das deutsche Team des Women's WorldTour hat FasCat Coaching als Partner für Forschung und Entwicklung im Bereich künstliche Intelligenz für den Rest von 2026 integriert. Die Zusammenarbeit wird sich auf die Durchführung individueller Saisonanalysen für bestimmte Fahrerinnen konzentrieren, die vom Leistungsbereich ausgewählt wurden.

Dazu werden sie CoachCat verwenden, eine Plattform, die in der Lage ist, große Mengen an Daten zu verarbeiten, die während der sportlichen Karriere einer Radfahrerin gesammelt wurden, einschließlich Historien von fünf oder mehr Saisons.

Die Hauptneuheit besteht nicht darin, Informationen zu sammeln, was in professionellen Teams üblich ist, sondern sie gemeinsam zu analysieren, um Beziehungen zu finden, die möglicherweise unbemerkt bleiben.

RECOMENDADO

Das Team INEOS ändert seinen Namen, seine Ausrüstung und seine Farben: Eine neue Ära, die sich auf künstliche Intelligenz konzentriert, beginnt

„Gib Mathieu diese fünf Sekunden, und du siehst ihn im ganzen Rennen nicht mehr“: Thibau Nys hat den EM-Titel gewonnen, denkt aber weiterhin an Van der Poel

Kirian Mirabets spektakuläres Megamo Silk „Africa Twin“

32-Zoll-Laufräder könnten sich in Rekordzeit durchsetzen – und die Industrie hat gute Gründe, das Tempo zu erhöhen

Carlos Coloma schafft Klarheit über die Zukunft des BH Coloma Teams und kündigt Veränderungen für 2027 an

„Ich liebe Kopfsteinpflaster“: Seixas will in die Fußstapfen von Pogačar treten, der in Rekordzeit neue Maßstäbe gesetzt hat

Das System untersucht welche Trainingsblöcke die größten Verbesserungen hervorgebracht haben, cwie die Leistung stagnierte oder welche Art der Vorbereitung den besten Ergebnissen vorausging. Es vergleicht auch die Trainingsbelastungsdaten mit Faktoren wie Hitzeexposition, Höhe, Schlaf oder der Variabilität der Herzfrequenz (HRV).

Aus diesen Informationen versucht CoachCat zu identifizieren, welche Strategien für jede Fahrerin am besten funktioniert haben, und schlägt Anpassungen für ihre zukünftige Planung vor.

FasCat fasst die Funktionsweise seiner Technologie in drei Schritten zusammen: analysieren, vorhersagen und verschreiben.

Die Technologie wurde bereits vor der Tour de France Femmes getestet

Obwohl die Vereinbarung jetzt angekündigt wurde, hatten die beiden Parteien bereits vor der Tour de France Femmes 2026 zusammengearbeitet.

Im Rahmen dieser Zusammenarbeit hat FasCat die Historie der Fahrerinnen von Canyon-SRAM analysiert, um Leistungsprognosen für die entscheidenden Etappen, einschließlich der Anstiege des Mont Ventoux und des Col d'Èze, zu erstellen.

Laut dem Unternehmen haben die während des Wettbewerbs gewonnenen Daten diese Prognosen validiert und das Modell verfeinert, das nun dazu dienen wird, Verbesserungspotenziale für die nächste Saison zu erkennen.

Frank Overton, Gründer und Geschäftsführer von FasCat Coaching, ist der Meinung, dass die Teams das volle Potenzial der gesammelten Informationen noch nicht ausschöpfen:

„Die WorldTour-Teams verfügen über eine enorme Menge an ungenutzten Daten, die ihnen genau sagen könnten, warum eine Fahrerin gewonnen oder verloren hat und was sie ändern sollten. CoachCat findet diese Antworten in wenigen Minuten, nicht in Monaten“.

Für seine part, Dan Fleeman, Leistungsdirektor von Canyon-SRAM, erklärt das Interesse des Teams an dieser Technologie:

„Wir suchen immer nach neuen Wegen, um die Leistung zu verstehen, und die Analyse durch künstliche Intelligenz der gesamten Historie einer Fahrerin ist der nächste natürliche Schritt“.

„Die KI-Analysen von FasCat bieten unserem Leistungspersonal eine neue objektive Perspektive darauf, was die besten Ergebnisse jeder Fahrerin vorangetrieben hat und wo wir uns für 2027 verbessern können“, fügt Fleeman hinzu.

Künstliche Intelligenz beginnt, eine wichtige Rolle im professionellen Peloton zu spielen

Der Schritt von Canyon-SRAM kommt zu einem Zeitpunkt, an dem immer mehr professionelle Strukturen versuchen, künstliche Intelligenz in ihre Leistungsabteilungen zu integrieren.

Ein herausragendes Beispiel ist INEOS und seine Allianz mit Netcompany zur Integration der Plattform PULSE, einer Technologie, die entwickelt wurde, um Trainings-, Wettbewerbs- und Erholungsinformationen zu zentralisieren und die Entscheidungsfindung zu erleichtern.

Obwohl beide Initiativen das Ziel teilen, die Daten besser zu nutzen, sind ihre Ansätze unterschiedlich. Während PULSE einen breiteren Anwendungsbereich hat, einschließlich Teammanagement und Entscheidungen während des Wettbewerbs, konzentriert sich CoachCat besonders auf die historische Analyse der Leistung und die individuelle Trainingsplanung.

Wie dem auch sei, der Ansatz ist ähnlich: die Technologie zu nutzen, um kleine Wettbewerbsvorteile in einem Sport zu finden, in dem die Margen zwischen Gewinnen und Verlieren immer enger werden.

Canyon-SRAM hat nicht bekannt gegeben, wie viele Fahrerinnen an diesem Programm teilnehmen werden oder ob die Zusammenarbeit mit FasCat 2027 fortgesetzt wird. Derzeit beschränkt sich die bestätigte Vereinbarung auf die letzten Monate von 2026, mit dem Ziel, die nächste Saison vorzubereiten.