Ziel des Projekts ist es Trainingsbelastungen zu messen, die Wirkung von Trainingsreizen vorherzusagen und eine bessere Anpassung des Trainingsmanagements an die individuellen physiologischen Reaktionen der Sportler*innen zu ermöglichen. In Kooperation mit Trainer*innen und 40 Topathlet*innen des Österreichischen Ruderverbands werden das Forschungsnetzwerk „Data Science“ und das Institut für Sportwissenschaft der Universität Wien gemeinsam in den Bereichen Statistik, Informatik, Mathematik, Sportwissenschaft und Sportmedizin dafür zusammenarbeiten.
Informationen über Trainingsinhalte und -intensitäten, Parameter der Leistungsdiagnostik und diverse Biomarker werden mit Hilfe aktueller Ansätze des Machine Learnings verarbeitet. Interne Belastungen sollen somit quantifiziert und die Wirkung eines bestimmten Trainingsreizes für die Athlet*innen individuell vorhergesagt werden können. Weiters soll ein besseres Verständnis dafür erlangt werden, welche Parameter als Indikatoren dieser Berechnungen dienen und wie moderne Technologien (z.B. Wearables) zur Erhebung der benötigten Daten optimal genutzt werden können.
Neben dem Aufbau der notwendigen Sensorik für Ruderergometer und Boot, beschäftigt sich die Arbeitsgruppe der Sportwissenschaften mit der Implementierung des "Performance Potential Double Models“ (PerPot DoMo), um Orientierungswerte für die Entwicklung des Machine Learning Modells zu liefern.
Als Endprodukt sollte eine App entwickelt werden, die Belastungs-, Gesundheits- und Erholungszustände der Athlet*innen erhebt und daraus relevantes Feedback zur Optimierung und Individualisierung des Trainingsmanagements weitergibt. Vorerst als Pilotprojekt im Bereich Rudern durchgeführt, können die gewonnenen Erkenntnisse in einer späteren Phase auf Disziplinen mit ähnlichen Trainingsanforderungen, wie Schwimmen, Triathlon, Radfahren, Skilanglauf und Lang-/Mittelstreckenlauf, übertragen werden.
Das Projekt startete im Juli 2022 und wird 3 Jahre lang andauern. Weiter Informationen sind unter https://airow.univie.ac.at/ verfügbar.
