Athletenmonitoring – Athletinnen und Athleten im Mittelpunkt der individualisierten Trainingssteuerung
Chair(s): Horn, Andrea (Bundesinstitut für Sportwissenschaft), Pfeiffer, Mark (Johannes Gutenberg Universität Mainz)
RAHMENABSTRACT
Während in der deutschsprachigen Trainingswissenschaft seit den 1980er Jahren kybernetische Modell der Trainingssteuerung diskutiert werden, finden sich in englischsprachigen Publikationen entsprechende Ansätze erst in der jüngeren Vergangenheit, hier nicht selten im Zusammenhang mit „Monitoring“ oder „Athletenmonitoring“. Unter Athletenmonitoring (AM) wird die systematische Sammlung und Analyse von Informationen über den Trainierenden, sein Training und weiterer Einflussfaktoren (z. B. Ernährung, Schlaf, Alltagsbelastungen) im Zeitverlauf verstanden (Timmerman et al., 2024). Ziel ist die Optimierung des Trainings durch die Vorbeugung von Krankheiten und Verletzungen, die Vermeidung von Übertrainingszuständen (Erholungsmangel) und die Bewertung der Trainingswirkung. AM ist vielschichtig und kann als System in drei Schritten aufgefasst werden: 1. Datenerfassung, 2. Datenaufbereitung/-analyse und 3. Ergebnisdarstellung. Der Trainingsprozess wird im AM individuell, ganzheitlich und umfassend gedacht. Was den zeitlichen Horizont der Handlungsentscheidungen betrifft, ist das AM auf eine unmittelbare, kurzfristige (täglich oder sogar stündliche) Feinjustierung von Maßnahmen innerhalb und außerhalb des Trainings ausgerichtet. Die Legitimation der Maßnahmen erfolgt daten- und kontextbasiert sowie durch den Rückgriff auf (wissenschaftliches) Wissen und erfahrungsgestützte vorwissenschaftliche Annahmen. Die Verbreitung des AM in Sportpraxis und Wissenschaft wurde unter anderem durch eine rasante Entwicklung im Bereich der Sensortechnologie und eine zunehmende Digitalisierung in fast allen Bereichen des täglichen Lebens befördert. Beides ermöglicht eine komfortable, permanente Bereitstellung wichtiger Daten, Informationen und Erkenntnisse.
Im Auftaktbeitrag wird das AM definitorisch abgegrenzt und in den Prozess der Trainingssteuerung eingeordnet, bevor hieraus ein integratives Modell des AM als System (AMS) begründet wird. Beleuchtet werden auch die Herausforderungen des AM in Wissenschaft und Sportpraxis. Der zweite Beitrag fokussiert die technologischen Entwicklungen (z. B. KI) im Bereich der Datenerfassung mit Schwerpunkt auf leistungsphysiologischen Kenngrößen (u. a. Wearables) und Datenanalyse. Thematisch daran anknüpfend geht es im dritten Beitrag um das trainingsbegleitende Belastungsmonitoring (biomechanische Parameter) mittels IMU-Systeme am Beispiel Fußball. Die beiden letzten Beiträge sind aus dem Bereich der sportpraktischen Anwendung, beginnend mit einem Beitrag zum AM in der sportlichen Entwicklung und Trainingssteuerung von Athletinnen und Athleten der Deutschen Triathlon Union. Im abschließenden Beitrag wird das Prevention-Management-Tool (PMT), ein webbasiertes Monitoring-Tool der VBG für das Belastungs- und Verletzungsmanagement in Sportmannschaften vorgestellt und über die vielfältigen Erfahrungen berichtet.
LITERATUR
Timmerman, W. P., Abbiss, C. R., Lawler, N. G., Stanley, M., & Raynor, A. J. (2024). Athlete monitoring perspectives of sports coaches and support staff: A scoping review. International Journal of Sports Science & Coaching, 19(04), 1813–1832. https://doi.org/10.1177/17479541241247131.
Beiträge des Symposiums
Trainingswissenschaftliche Grundlagen, Ziele und konzeptionelle Herausforderungen für das Athletenmonitoring
Pfeiffer, Mark, Strotkötter, Christian
Johannes Gutenberg Universität Mainz
EINLEITUNG
Athletenmonitoring zielt darauf ab, mithilfe von Daten die Trainingsreaktionen von Athlet:innen besser zu verstehen und hieraus fundierte Entscheidungen in Bezug auf sämtliche Maßnahmen zur Zielerreichung innerhalb und außerhalb des Trainings ableiten zu können. Wird das AM in die Trainingsroutine eingebunden, bezeichnet man dies auch als Athletenmonitoringsystem (AMS). Allerdings reichen die Begriffseinordnungen von der sehr allgemeinen Kennzeichnung als realisiertes Konzept des AM in der Praxis über eine differenzierte Betrachtung struktureller und prozessualer Merkmale bis hin zur technischen Implementierung. Wenngleich in den letzten Jahren eine Vielzahl an Publikationen zum Athletenmonitoring erschienen sind, fehlt es an intelligenten Lösungen der Trainingssteuerung durch Monitoring-Daten. Dem steht eine rasante technologische Entwicklung im Bereich der automatisierten Datenerhebung (Wearable-Technologien) entgegen, ohne genaue Klarheit, welche Daten zu sinnvollen Aussagen führen (Cardinale & Varley, 2017). Große Herausforderungen bestehen aktuell in der Umsetzung in der Sportpraxis und der wissenschaftlichen Evaluation von AMS. Um diese zu überwinden, ist es zunächst hilfreich, sich über die Aufgaben und die Prozesse in einem AMS zu verständigen.
MODELLDARSTELLUNG
Mit dem Beitrag wird ein integratives Modell eines Athletenmonitoringsystems (AMS) in die Diskussion eingebracht, welches als Konvergenzbasis für die wissenschaftliche Auseinandersetzung (empirische Studien, konzeptionelle Beiträge) und die sportpraktische Perspektive dienen könnte (Abb. 1; s. Abstractband). Im Sinne des Systembegriffs wird im Rahmenmodell zwischen den Aufgaben, der Struktur (Systemelemente/-komponenten) und den Prozessen unterschieden, sodass sich wissenschaftliche Erkenntnisse, Theoriepositionen und Konzepte genauso verorten lassen, wie Herausforderungen in Wissenschaft und Sportpraxis.
Abb. 1. Integratives Modell eines Athletenmonitoringsystems (AMS) als kybernetischer Regelkreis. (s. Abstractband)
LITERATUR
Cardinale, M., & Varley, M. C. (2017). Wearable Training-Monitoring Technology: Applications, Challenges, and Opportunities. International Journal of Sports Physiology and Performance, 12(s2), 255–S262.
Von tragbarer Sensorik bis künstlicher Intelligenz im Athletenmonitoring: Evaluierung, Implementierung und Zukunftsperspektiven
Düking, Peter
TU Braunschweig
EINLEITUNG
Trainer:innen und Athlet:innen sind mit einer Vielzahl verschiedenster Technologien konfrontiert, deren Hersteller behaupten, verschiedenste Parameter erfassen zu können (Düking et al. 2018). Einige dieser Parameter besitzen theoretisch eine Relevanz im Athletenmonitoring, da sie beispielsweise zur Quantifizierung von Belastungen und Beanspruchungen beitragen und somit als Grundlage für die adaptive Steuerung des Trainingsprozesses dienen können. Andere Parameter sind für ein Athletenmonitoring jedoch nicht brauchbar, da sie entweder keine wissenschaftliche Grundlage besitzen oder die Technologie nicht ausreichend auf z. B. Reliabilität und Validität hin überprüft ist. Die Auswahl entsprechender Technologien für ein Athletenmonitoring ist somit erschwert.
EVALUATION VON TECHNOLOGIEN
Aufbauend auf wissenschaftlichen Publikationen gibt dieser Vortrag einen Einblick in verschiedene Evaluationskriterien (Robertson et al., 2023; Düking et al., 2025), die für die Beurteilung der Eignung einer Technologie im Athletenmonitoring von Relevanz sind. Dafür gibt der Vortrag Einblicke in die Evaluation verschiedene Technologien, und wie diese für ein Athletenmonitoring genutzt werden können. Darüber hinaus geht der Vortrag darauf ein, wie die Evaluation und Auswahl von Technologien in der Praxis implementiert werden können. Ergänzend dazu werden Studien vorgestellt, welche die Anwendung von künstlicher Intelligenz – insbesondere von Large Language Modellen – im Kontext der Trainingsplanung thematisieren (Düking et al., 2024). Der Vortrag beleuchtet kritisch, inwiefern kommerziell erhältliche Large Language Modelle als unterstützende Werkzeuge für Trainer:innen und Athlet:innen zur Erstellung individueller Trainingspläne eingesetzt werden können. Abschließend gibt der Vortrag einen Ausblick auf Technologien, die in Zukunft für Trainer:innen und Athlet:innen zur Verfügung stehen könnten und gibt Einblicke in mögliche Forschungsthemen für verschiedene wissenschaftliche Fachdisziplinen.
LITERATUR
Düking, P., Achtzehn, S., Holmberg, H. C., & Sperlich, B. (2018). Integrated Framework of Load Monitoring by a Combination of Smartphone Applications, Wearables and Point-of-Care Testing Provides Feedback that Allows Individual Responsive Adjustments to Activities of Daily Living. Sensors, 18(5). https://doi.org/10.3390/s18051632.
Düking, P., Robertson, S., Holmberg, H. -C., Wolf, K. -H., & Sperlich, B. (2025). Classification system for Ai- enabled consumer-grade wearable technologies aiming to automatize decision-making about individualization of exercise procedures. Frontiers in Sports and Active Living, 6, S. 1500563.
Düking, P., Sperlich, B., Voigt, L., van Hooren, B., Zanini, M., & Zinner, C. (2024): ChatGPT Generated Training Plans for Runners are not Rated Optimal by Coaching Experts, but Increase in Quality with Additional Input Information. Journal of Sports Science and Medicine, 23(1), 56–72.
Robertson, S., Zendler, J., de Mey, K., Haycraft, J., Ash, G. I., Brockett, C., Seshadri, D., Woods, C., Kober, L., Aughey, R., & Rogowski, J. (2023): Development of a sports technology quality framework. Journal of sports sciences, 41(22), 1983–1993.
Team-Monitoring im Fußball mittels eines IMU-Systems
Lingenberg, Jan, Schmidt, Marcus
TU Dortmund
EINLEITUNG
Für das Belastungsmonitoring im Fußball stehen eine Vielzahl von Technologien zur Verfügung. Diese basieren primär auf GNSS-Sensoren und sind bspw. durch Verschattungen anfällig für Messungenauigkeiten (Schmidt et al., 2023). Aus diesem Grund stellen IMUs eine Alternative oder Ergänzung zu GNSS-Systemen dar. Voraussetzung ist, dass die angewendeten Algorithmen die komplexen Bewegungsmuster im Mannschaftssport berücksichtigen. Das System der Firma „Playermaker“ erlaubt die Erfassung fußballspezifischer Belastungen, zeigte in bisherigen Studien jedoch variierende Genauigkeiten (Myhill et al., 2024). Diese Studie untersucht daher die Übereinstimmung des „Playermaker“ bei der Bestimmung von Laufstrecken in unterschiedlichen Geschwindigkeitsbereichen im Vergleich zu einem 3D-Bewegungsanalysesystem.
METHODE
An der Studie nahmen 20 männliche Fußballer des U-16 und U-17 Kaders eines Vereins der höchsten deutschen Spielklasse teil. Alle Spieler trugen das Playermaker System entsprechend der Herstellervorgaben und absolvierten einen fußballspezifischen Parcours. Die Laufentfernungen in unterschiedlichen Geschwindigkeitsbereichen sowie die Maximalgeschwindigkeit wurden synchron durch Playermaker und ein Kamerasystem (14 Kameras, 100 Hz) erfasst. Die statistische Datenanalyse umfasst deskriptive und Bland-Altman- Statistiken sowie Intraklassenkorrelationen.
ERGEBNISSE
Die Ergebnisse zeigen eine Unterschätzung des Playermakers. Eine höhere Laufgeschwindigkeit führt dabei zu zunehmenden Abweichungen zwischen beiden Systemen. Während bei langsamer bis moderater Geschwindigkeit (< 4 m/s) eine „gute“ bis „exzellente“ Übereinstimmung festgestellt wurde (ICC: .850-.962), zeigen höhere Geschwindigkeiten (> 5.5 m/s) eine moderate Übereinstimmung (ICC: .717). Für Geschwindigkeiten über 5.5 m/s und die Maximalgeschwindigkeit liegt ein signifikanter Unterschied zwischen den beiden Messsystemen vor.
DISKUSSION
Die Ergebnisse sind vergleichbar mit früheren Studien und weisen auf eine steigende Messunsicherheit des Playermakers bei höheren Geschwindigkeitsbereichen hin. Zurückzuführen sind diese Abweichungen vermutlich auf einen kumulativen Fehler in Folge des Sensordrifts, der infolge einer unzureichenden Filterung der Daten bei hohen Intensitäten entsteht. Für das Belastungsmonitoring sollte diese Limitation berücksichtigt und die Algorithmen zukünftig angepasst werden.
LITERATUR
Myhill, N., Weaving, D., Robinson, M., Barrett, S., & Emmonds, S. (2024). Concurrent validity and between-unit reliability of a foot-mounted inertial measurement unit to measure velocity during team sport activity. Science and Medicine in Football, 8(4), 308–316.
Schmidt, M., & Jaitner, T. (2023). A call for improved navigation algorithms in GNSS-IMU-based tracking data in sport science. Beitrag auf der 2023 DGON Inertial Sensors and Systems (ISS).
Athletenmonitoring in der Deutschen Triathlon Union: Ein praxisnaher Ansatz zur Steuerung von Training und Regeneration
Hoffmeister, Torben
Deutsche Triathlon Union
KURZBESCHREIBUNG
Im Hochleistungssport entscheidet eine gezielte Steuerung von Training und Regeneration über langfristigen Erfolg. In der Deutschen Triathlon Union (DTU) setzen wir auf ein umfassendes Athletenmonitoring, um unsere Sportlerinnen und Sportler bestmöglich zu betreuen. Ziel ist es, Training auf Basis objektiver Daten individuell anzupassen, Überlastungen zu vermeiden und gleichzeitig die Leistungsfähigkeit optimal zu entwickeln. Dabei arbeiten wir eng mit Athleten, Heimtrainern und Betreuern zusammen, um Daten sinnvoll zu nutzen und den Trainingsprozess kontinuierlich zu verbessern.
Wir erfassen eine Vielzahl von Parametern, darunter klassische Trainingswerte wie Umfang, Intensität und Herzfrequenz, aber auch Erholungsmarker wie Schlafqualität, Herzratenvariabilität (HRV), Ruheherzfrequenz und Menstruationszyklus. Alle relevanten Daten werden über die Plattform TrainingPeaks dokumentiert und analysiert. Seit neuestem messen wir routinemäßig die Körperkerntemperatur und haben zuletzt mit mobilen Spiroergometrie-Systemen experimentiert. Wichtig war für uns dabei, dass wir nicht nur neue Technologien anwenden, sondern einen klaren Mehrwert erwarten und zuvor definierte Wissenslücken für uns aufdecken wollten. Wir haben dabei bewusst kommuniziert, dass wir neue Methoden ergebnisoffen testen und dass auch Fehlversuche Teil des Entwicklungsprozesses sind.
In der Praxis zeigt sich, dass datenbasiertes Monitoring die Kommunikation zwischen Verbandstrainern, Athleten und Heimtrainern verbessert. Subjektive Fehleinschätzungen lassen sich reduzieren, was das Vertrauen in den Trainingsprozess stärkt. Dennoch bleibt die Verletzungsprävention eine Herausforderung: Wir können die Wahrscheinlichkeit von Verletzungen durch gezielte Steuerung beeinflussen, aber nicht völlig verhindern. Wichtig ist, den Fokus auf eine langfristige Entwicklung zu legen und dabei sowohl Trainingsreize als auch Erholung individuell abzustimmen.
Unser Ansatz im Athletenmonitoring hat sich in den letzten Jahren bewährt. Er ermöglicht eine effektivere Steuerung der Belastung, minimiert Erschöpfungszustände und trägt dazu bei, Athletinnen und Athleten nachhaltig zu fördern. Die kontinuierliche Weiterentwicklung des Systems – auch durch den Einsatz neuer Technologien – wird dazu beitragen, die Trainingssteuerung weiter zu optimieren und zukünftige Generationen von Triathleten bestmöglich auf ihrem Weg zu begleiten.
Athleten- und Verletzungsmonitoring in der Praxis – Das Prevention-Management-Tool (PMT) der Verwaltungs-Berufsgenossenschaft (VBG)
Bloch, Hendrik
Verwaltungs-Berufsgenossenschaft (VBG), Bezirksverwaltung Bielefeld
KURZBESCHREIBUNG
Bei der Betrachtung des Verletzungsgeschehens wird deutlich, dass sich rund 40 % aller Verletzungen im professionellen Mannschaftssport in Deutschland ohne direkte Gegnereinwirkung ereignen (Klein et al., 2024). Zudem ist rund jede sechste Verletzung auf eine strukturelle Überbeanspruchung zurückzuführen (Klein et al., 2019). Dies unterstreicht die Notwendigkeit, den umfangreichen und intensiven Belastungsphasen adäquate Regenerationsphasen entgegenzusetzen. Es gilt daher in engmaschigen Intervallen den Beanspruchungszustand der einzelnen Spieler abzubilden und die (Trainings-)Belastung daran auszurichten. Des Weiteren ist bekannt, dass Verletzungen einen sehr bedeutenden Risikofaktor für erneute Verletzungen darstellen und Präventionsmaßnahmen stets an den zugrundeliegenden Verletzungsursachen auszurichten sind. Folglich gilt es, das Verletzungsgeschehen systematisch zu monitoren und Verletzungen optimal zu rehabilitieren.
Hier setzt das von der VBG entwickelte Prevention-Management-Tool (PMT) an. Das PMT ist eine browserbasierte Web-App, die am PC, Tablet und auf dem Smartphone genutzt werden kann und zwei Module umfasst. Im ersten Modul „Load-Management“ kann aus einem Pool von über 30 qualitativen und quantitativen Monitorings ausgewählt werden, die einen Aufschluss über den derzeitigen Belastungs- und Beanspruchungszustand der Spieler geben. Dazu zählen einfache subjektive Abfragen, Tests zur Bestimmung der Konstitution, motorische Tests und Parameter zur objektiven Bestimmung der Belastung. Bei der Auswahl, der im PMT verfügbaren Monitorings, wurde darauf geachtet, dass der Beanspruchungszustand auf unterschiedlichen Ebenen beschrieben werden kann. So wird zwischen dem (allgemeinen) subjektiven Wohlbefinden sowie dem muskulären und dem hormonellen Beanspruchungszustand unterschieden.
In Modul 2 „Injury Monitoring“ können mit Hilfe einer Schmerzabfrage Beschwerden bereits frühzeitig durch die Athletinnen und Athleten kommuniziert werden. Tritt eine Verletzung auf, so kann diese mit dem PMT systematisch dokumentiert und der Reha-Prozess durch ein Monitoring begleitet werden.
Der Vortrag gibt einen Einblick in die Intention, Funktionalität und Implementierung des PMT. Darüber hinaus zeigt er sowohl Möglichkeiten als auch Grenzen des Tools auf. Auf Basis einer Befragung der Nutzerinnen und Nutzer des PMT ist es möglich, eine direkte Rückmeldung aus der Sportpraxis zu geben.
LITERATUR
Klein, C., Bloch, H., Burkhardt, K., Kühn, N., Pietzonka, M., Schäfer, M., Woller, M., & Toumi, N. (2024). VBG-Sportreport 2024 – Analyse des Verletzungsgeschehens in den zwei höchsten Ligen der Männer: Basketball, Eishockey, Fußball, Handball. Hamburg. VBG.
Klein, C., Bloch, H., Burkhardt, K., Kühn, N., & Schäfer, M. (2019). VBG-Sportreport 2019 – Analyse des Unfallgeschehens in den zwei höchsten Ligen der Männer: Basketball, Eishockey, Fußball, Handball. Eine Längsschnittbetrachtung drei aufeinanderfolgender Spielzeiten. Hamburg. VBG.
|
