Arnaud De Lie heeft een knoop doorgehakt over zijn sportieve toekomst. Landgenoot Lennert Van Eetvelt heeft opvallende aanbiedingen op tafel. De keuzes spelen in het Europese wielerpeloton, waar ploegen als Lotto Dstny en WorldTour-teams hun selecties voor komende seizoenen plannen. Data, algoritmen en Europese digitalisering hebben steeds vaker invloed op zulke beslissingen.
Data weegt bij contractkeuzes
Profploegen beoordelen renners steeds meer op prestatiegegevens. Denk aan vermogen in watt, herstel, en prestaties op specifieke parcoursen. Zulke sportdata komen uit trainingsplatforms en sensoren die tijdens trainingen meten. Daardoor worden onderhandelingen en contracten sterker onderbouwd met cijfers.
Veel renners werken met systemen zoals TrainingPeaks, Today’s Plan of Strava. Deze tools verzamelen hartslag, snelheid, cadans en hoogteprofielen, en koppelen dat aan wedstrijdkalenders. Teams bouwen profielen om te zien waar iemand het beste rendeert: heuvels, kasseien of sprints. Zo ontstaat een duidelijker beeld dan alleen uitslagen.
Ook waarderingsmodellen winnen terrein. Ploegen simuleren scenario’s: hoeveel UCI-punten levert een renner naar verwachting op in een bepaald programma? Dat helpt om salarissen, bonussen en rolverdeling in de selectie te bepalen. De uitkomst blijft echter afhankelijk van vorm, pech en teamtactiek.
Ploegen bouwen analyseteams
Meerdere Europese teams investeren in data-analyse naast klassieke scouting. Analisten werken samen met performancecoaches en teamleiding. Zij koppelen trainingsgegevens aan weersverwachtingen, parcoursdata en wedstrijdsituaties. Het doel is gerichte ondersteuning, van materiaalkeuze tot positionering in de finale.
Modellen wegen onder meer windrichting, hoogte, bochten en kasseistroken. Met simpele simulaties wordt duidelijk waar extra ploegmaats nodig zijn en wanneer aanvallen zinvol zijn. Dit is geen zwarte magie, maar gestructureerde rekenwerk. De meerwaarde zit in snelheid en consistentie van besluitvorming.
De keerzijde: kwaliteit van data bepaalt de uitkomst. Blessures, beperkte meetreeksen en verschillende meetapparaten kunnen de analyse vertekenen. Daarom combineren ploegen cijfers met ervaring van sportdirecteurs en renners. Menselijke inschatting blijft beslissend bij twijfelgevallen.
AVG begrenst sportdata-gebruik
Sportdata raken al snel aan gezondheid en vallen dan onder de AVG. Dat vraagt om expliciete toestemming, dataminimalisatie en een duidelijk doel. Teams moeten daarom goed vastleggen welke gegevens zij verzamelen en waarom. Opslag en verwerking horen versleuteld en beperkt in tijd te zijn.
Data mogen niet zomaar buiten de EU worden gedeeld zonder passende waarborgen. Verwerkersovereenkomsten met softwareleveranciers zijn verplicht. Renners hebben recht op inzage, correctie en verwijdering van hun gegevens. Dat vergt transparante dashboards en heldere procedures.
Sportdata kunnen gezondheidsgegevens zijn volgens de AVG, waarvoor strikte regels gelden rondom toestemming, beveiliging en gebruiksdoelen.
Voor ploegen in Nederland en België weegt naleving zwaar, ook richting sponsors en bonden. Duidelijke governance verkleint juridische risico’s. Het versterkt bovendien vertrouwen tussen renner en team. Zonder dat vertrouwen delen atleten minder, en neemt de waarde van analyses af.
UCI beperkt sensortechnologie
De internationale wielerunie UCI staat powermeters en communicatie via oortjes toe, maar trekt grenzen bij medische sensoren in koers. Glucosemonitors zijn in wedstrijden niet toegestaan, om sportieve gelijkheid te bewaken. In trainingen gebruiken renners die sensoren soms wel voor voeding en herstel. Het verschil tussen training en koersdata is daardoor groot.
De UCI controleert ook op mechanische fraude met systematische inspecties. Scans en fysieke checks moeten verborgen aandrijvingen uitsluiten. Zulke regels maken duidelijk welke technologie wél en niet mag. Teams bewegen zich dus binnen een krap kader van innovatie en fair play.
Voor onderhandelingen betekent dit: trainingsdata zijn rijk, wedstrijddata beperkter. Waardering van een renner kan daardoor niet op koersmetingen alleen steunen. Ploegen combineren informatiebronnen en zoeken robuuste indicatoren. Dat maakt keuzes beter uitlegbaar richting renners en sponsors.
Transferrisico’s door algoritmen
Algoritmen kunnen talent overschatten of onderschatten als context ontbreekt. Kleine datasets, valpartijen en teamrollen vertekenen patronen. Een renner kan statistisch dalen, maar sportief groeien door ervaring en gezondheid. Daarom blijven interviews, medische checks en referenties onmisbaar naast de cijfers.
Voor renners als De Lie en Van Eetvelt tellen meerdere factoren tegelijk. Het sportieve plan, materiaalkeuze, medische begeleiding en data-infrastructuur spelen een rol. Ook de status van de ploeg weegt mee; Lotto Dstny is op het moment van schrijven UCI ProTeam en jaagt op promotie. Een goed dataplatform kan het verschil maken in voorbereiding en herstel.
De aankomende EU AI-verordening (AI Act) richt zich op transparantie en risicobeheersing van algoritmen. Sportanalyses vallen doorgaans niet in de hoogste risicoklasse, maar principes als uitlegbaarheid zijn wél relevant. Heldere documentatie van modellen en datastromen helpt discussies bij transfers. Zo worden beslissingen over toekomst en aanbiedingen beter onderbouwd en controleerbaar.