Bij het Belgische WorldTour-team Soudal Quick-Step ligt de lat dit voorjaar hoog voor klassiekerspecialist Jasper Stuyven. De ploeg werkt sterk datagedreven en gebruikt digitale analyses voor selectie en tactiek. Dat vergroot de prestatiedruk in koersen in België en Noord-Frankrijk. Het laat zien hoe Europese digitalisering en regels ook het sportbedrijf raken.
Data bepalen ploegselectie
Topploegen in het wielrennen selecteren renners steeds vaker op basis van data. Het gaat om vermogen (wattage), hartslag, GPS-profielen en herstelscores uit apps. Coaches combineren die gegevens met wedstrijdvideo en parcoursdata. Zo ontstaat een beeld van wie wanneer het best inzetbaar is.
Ook binnen Soudal Quick-Step speelt zo’n data-aanpak een grote rol. Rond Jasper Stuyven leeft daardoor de vraag of de evaluatie strenger is dan het publiek ziet. Doelen worden gekoppeld aan concrete drempels, zoals vijfminutenvermogen of sprintkracht na vier uur koers. Dat maakt selectie transparanter, maar ook minder vergevingsgezind bij vormdipjes.
Digitale platforms voor training, zoals TrainingPeaks of Today’s Plan, maken deze werkwijze schaalbaar. Staff kan per renner doelen instellen en automatisch rapportages ontvangen. Video-analyse en segmentdata uit bijvoorbeeld Strava vullen dat aan. De keerzijde is meer druk op kortetermijnresultaten.
“Een vermogensmeter is een sensor in crank of naaf die in real time het geleverde wattage meet.”
Meten verhoogt prestatiedruk
Constante meting verandert hoe renners hun werk ervaren. Elke training en koers levert een scoreboard op met pieken en dalen. Dat helpt bij verbeteren, maar vergroot ook de mentale belasting. Een mindere dag is direct zichtbaar en onderwerp van bespreking.
Doordat historische data bewaard blijft, worden prestaties vergeleken met persoonlijke records. Renners voelen de noodzaak om hun beste waarden te herhalen, ook onder kou, wind en stress. In de klassiekers, waar chaos en kasseien tellen, kan dat botsen met de praktijk. Tactische slimheid is lastig te vangen in één cijfer.
Teams proberen die spanning te dempen met context bij cijfers. Analisten kijken naar vermoeidheid, valpartijen of ziekten, en corrigeren hun oordeel. Toch blijft de uitkomst vaak binaire selectie: starten of thuisblijven. Zo wordt meten onbedoeld een drukmiddel.
Materiaalkeuze wordt datagedreven
Materiaalbeslissingen zijn steeds meer een IT-vraagstuk. Windtunneltests, CFD-software en sensoren sturen keuzes voor frame, wielen en bandendruk. Kleine winstjes in aerodynamica en rolweerstand stapelen op. Dat is cruciaal in Vlaamse en Noord-Franse klassiekers met hoge snelheden.
Renners krijgen vooraf scenario’s met bandendruk per ondergrond en temperatuur. Live-telemetrie kan afwijkingen tonen, bijvoorbeeld bij een langzaam leeglopende band. De ploegwagen beslist dan sneller over wisselen of bijpompen. Zo verkleint technologie het toeval, maar verhoogt het ook de verwachting dat alles altijd klopt.
Voor Stuyven en ploeggenoten betekent dit een nauwe samenwerking tussen renners, mecaniciens en data-analisten. Feedback loopt via apps en dashboards, niet alleen via gevoel. Wie die taal van data goed spreekt, wint tijd in de voorbereiding. Wie dat niet doet, mist soms het startschot.
AVG begrenst sportdata
De AVG ziet prestatie- en gezondheidsdata als bijzondere persoonsgegevens. Teams moeten daarom dataminimalisatie toepassen, opslag beperken en versleuteling inzetten. Toestemming van renners is nodig en moet vrij gegeven én intrekbaar zijn. Delen met sponsors of media vraagt aparte juridische grondslagen.
Bij buitenlandse trainingskampen spelen ook datastromen buiten de EU. Dan gelden aanvullende eisen, zoals standaardcontractbepalingen. Medische gegevens rond blessures vragen extra waarborgen en rolafbakening tussen arts en ploegleiding. Transparantie richting de renner is verplicht, ook bij geautomatiseerde profielen.
Openbaar delen van realtime vermogen of hartslag tijdens tv-uitzendingen is juridisch niet vanzelfsprekend. Ploegen borgen dit met contractafspraken en opt-ins. Sommige renners willen die data juist niet tonen uit privacy of concurrentie. Teams moeten die keuzes respecteren en technisch kunnen uitschakelen.
AI-regels raken teambeleid
De Europese AI-verordening (AI Act) zet kaders voor algoritmen die mensen beoordelen. Als een model invloed heeft op arbeidsbeslissingen, kan het in een hoogrisicoklasse vallen. Dan zijn uitlegbaarheid, datakwaliteit en menselijk toezicht verplicht. Voor wielerploegen betekent dit documentatie en audit van gebruikte systemen.
Besluitvorming over selectie of contractverlenging mag niet volledig automatisch zijn. Er moet een mens eindverantwoordelijk blijven en kunnen ingrijpen. Ook bias in datasets, zoals gewicht of leeftijd, moet worden getest en beperkt. Dat voorkomt dat één profiel ten onrechte wordt bevoordeeld.
Praktisch vraagt dit om heldere governance in de sportorganisatie. Denk aan een register van algoritmen, DPIA’s (gegevensbeschermingseffectbeoordelingen) en onafhankelijke review. Ploegen die dit op orde hebben, verkleinen juridische risico’s. Ze winnen tegelijk vertrouwen bij renners en fans.
Transparantie naar fans verandert
Live-data maken wielrennen spannender voor kijkers en waardevoller voor sponsors. Grafieken met snelheid en wattage geven context aan demarrages en inzinkingen. Maar meer openheid vraagt ook grensbewaking. Niet elke renner wil of kan alles delen.
Organisatoren in Europa zoeken daarom naar standaarden voor datadeling. Denk aan uniforme formaten, veilige kanalen en heldere rechten. Zo kunnen omroepen en apps dezelfde signalen gebruiken zonder privacy te schenden. Het resultaat is een gelijker speelveld voor innovatie.
Voor een renner onder het vergrootglas, zoals Stuyven, telt vooral dat techniek ondersteunend blijft. Data moeten helpen om beter te koersen, niet om mensen te reduceren tot één getal. Teams die die balans vinden, halen meer uit digitalisering met minder frictie. Dat is goed voor prestaties én voor het publiek.