Marathon en kunstmatige intelligentie: wanneer AI met je meeloopt

Van app naar AI-coach: een logische evolutie

Het papieren trainingslogboek behoort inmiddels tot het verleden. Nu technologie doordringt in elk aspect van ons dagelijks leven, blijft ook het hardlopen niet buiten schot. Smartwatches, pacingstrategieën, realtime datamonitoring… Deze tools zijn onmisbaar geworden, zowel voor amateurs als voor ervaren atleten. De opmars van coachingapps is een duidelijk teken van die digitale omslag. In 2024 meldde de Baromètre du Running by RunMotion Coach dat minstens een half miljoen regelmatige hardlopers in Frankrijk een coachingapp gebruikt. Diezelfde app kent sinds de lancering in 2028 een sterke groei in downloads. Vandaag brengt RunMotion Coach een community van 100.000 actieve gebruikers samen, een aantal dat jaarlijks met 50% groeit. Deze platforms spreken aan dankzij hun toegankelijkheid en hun vermogen om begeleiding te bieden die dicht in de buurt komt van die van een menselijke coach, tegen vaak een veel lagere prijs.

Persoonlijke schema’s, rekening houden met beschikbare tijd, aanvullende activiteiten integreren, aanpassen aan het terrein… De voordelen zijn legio. Maar deze oplossingen hebben ook beperkingen: een soms onpersoonlijke relatie, gestandaardiseerde feedback en te weinig bijsturing in realtime.

Om die tekortkomingen weg te werken, integreren coachingapps tegenwoordig kunstmatige intelligentie. Tools als RunMotion Coach lopen voorop en gebruiken machinelearning om evolutieve schema’s aan te bieden die zijn afgestemd op het profiel van elke hardloper. Door duizenden trainingen te analyseren op basis van individuele gegevens zoals leeftijd, doel, frequentie en terrein, verfijnt AI de aanbevelingen voortdurend. Sterker nog: elke training wordt diepgaand geanalyseerd, van tijd en afstand tot hartslag, om gerichte en persoonlijke feedback op de prestatie te geven.

Adaptieve trainingsschema’s: een evolutie die nog volop in ontwikkeling is

Hoewel kunstmatige intelligentie vandaag veel discussie oproept, maakt ze training ook toegankelijker dan ooit. Een amateurhardloper zonder budget voor een coach of betaalde app kan nu met een tool als ChatGPT gratis een trainingsschema genereren. In de praktijk blijft de integratie van AI in het hardlopen echter nog beperkt. ‘Hardlopers gebruiken AI niet rechtstreeks’, legt data scientist Joseph Mestrallet uit. ‘De meerderheid kan niet programmeren en weet niet hoe algoritmes werken. In feite gebruiken ze platformen als Strava, Garmin of RunMotion Coach. Die integreren AI om gebruikers slimme feedback te geven.’

Deze diensten benutten de gegevens die de gebruiker genereert zoals slaapkwaliteit, hartslag, stressniveau en ervaren vermoeidheid om het trainingsschema realtime bij te sturen. Een aanpak die bij amateurs al goed ingeburgerd is, maar bij elitelopers een heel ander niveau bereikt.‘Op topniveau gaan we veel verder. We verzamelen jarenlang gegevens: gewicht, vetmassa, maar ook complexe indicatoren zoals de ontwikkeling van de hartslag bij verschillende prikkels. Het algoritme wordt met al die informatie gevoed om een uniek profiel te modelleren en de voorbereiding te optimaliseren.’ Volgens Joseph Mestrallet is het slechts een kwestie van tijd voordat deze tools ook bij zondagslopers de norm worden: ‘Als AI werkt voor elitesporters, kan ze ook worden aangepast voor amateurs. Naar mijn mening is dat binnen twee jaar zover.’

Prestatievoorspelling: hoe ver kan analyse gaan?

Een marathon lopen betekent vaak mikken op een heel precieze tijd. Denk bijvoorbeeld aan atleten die een limiet willen halen voor een grote wedstrijd. Met de opmars van kunstmatige intelligentie heeft die zoektocht naar precisie een nieuwe stap gezet. Sommige apps kunnen vrij nauwkeurig inschatten welke tijd een hardloper op de klassieke afstand kan neerzetten. Daarvoor baseert het algoritme zich op gegevens als VMA, drempelsnelheid, hartslag, trainingshistoriek en vermoeidheidsniveau.

Platformen als Strava, Garmin en Coros hebben die logica al in hun functies verwerkt. Conditieschattingen, tijdvoorspellingen, inspannings- en duurvermogen-scores… Deze tools putten uit duizenden datapunten om hun voorspellingen te verfijnen en hardlopers naar een realistisch of ambitieus doel te sturen.

Hoewel algoritmes steeds beter worden, zijn hun voorspellingen niet onfeilbaar. Weer, stress, slaap, spijsvertering, pijn… Zelfs de meest geavanceerde AI kan al die factoren niet volledig voorzien. Wanneer we Joseph vragen of een atleet voor 100% moet vertrouwen op wat AI zegt, is zijn antwoord duidelijk: “Data zijn nuttig, maar de mens is belangrijker. AI kan ook fouten maken! RPE, de ervaren inspanning, blijft fundamenteel. AI kan nooit voorspellen dat er meer tegenwind staat dan verwacht of dat je een bevoorrading verkeerd verwerkt. AI modelleert de menselijke factor niet.”

‘Data zijn nuttig, maar de mens is belangrijker.’

De beperkingen van kunstmatige intelligentie: wat de machine (nog) niet kan

Ondanks haar spectaculaire vooruitgang blijft kunstmatige intelligentie een onvolmaakt hulpmiddel, dat de mens nog lang niet kan vervangen in alle aspecten van een sportieve voorbereiding. Er zijn nog verschillende drempels voor een brede toepassing. De eerste die in ons opkomt, is het ontbreken van emotionele en mentale context. AI kan bepaalde gegevens (nog) niet nauwkeurig beoordelen, zoals mentale vermoeidheid, stress of schommelingen in motivatie. Toch spelen die factoren ook een essentiële rol in een lange voorbereiding zoals die voor een marathon. Vergeet niet dat AI gebaseerd is op de gegevens die ze ontvangt. Met andere woorden: als je sensor een fout maakt of je hartslagmeter slecht registreert, kan het algoritme verkeerde adviezen geven.

Data vormen volgens Joseph Mestrallet ook het vertrekpunt voor bepaalde ontsporingen: “Veel amateurhardlopers doen door data maar wat. Sommigen hechten er soms te veel belang aan. Het wordt een soort wedstrijd om altijd meer te doen, met hardlopers die een blessure riskeren… We mogen niet vergeten dat lopen leuk moet blijven en dat data, net als kunstmatige intelligentie, hulpmiddelen zijn om onze voorbereiding te optimaliseren, niet om een blessure uit te lokken.”

Tot slot blijft de personalisering onvolmaakt. Ondanks steeds geavanceerdere tools kan AI geen rekening houden met emotionele, persoonlijke of psychologische factoren. Omgekeerd kan een overdreven personalisering iemand ook opsluiten in een behoefte aan controle, die haaks staat op het plezier en de spontaniteit van het hardlopen.

Op weg naar een marathon die 100% door data wordt gestuurd?

Welke rol speelt AI over tien jaar in de voorbereiding van een hardloper? Kunnen we ons een loper voorstellen die op de wedstrijddag volledig door AI wordt begeleid? Wat als een hardloper morgen nergens meer zelf over beslist? Niet over zijn tempo, zijn voeding of zelfs het moment waarop hij drinkt of versnelt. Op de wedstrijddag zou een uiterst krachtige AI theoretisch elk aspect van de race kunnen aansturen: een pacingstrategie tot op de meter, bevoorradingen die tot op de seconde zijn berekend en micro-aanpassingen op basis van het weer, realtime hartslaggegevens of de ontwikkeling van het deelnemersveld. De loper hoeft dan alleen de instructies te volgen via een oortje dat met zijn horloge is verbonden. Een marathon op automatische piloot. Maar verliest de ervaring dan niet al haar betekenis? Lopen draait ook om instinct, gevoel en plezier. Lopen met je hoofd, maar ook met je benen. Voorlopig kan AI nog niet in het hoofd van een hardloper kijken. En misschien ligt daarin nog altijd de schoonheid van sport.

Het debat speelt zich ook op een ander terrein af: dat van technologische doping. Vervalst het de competitie als een zeer geavanceerde AI training, voeding en herstel beter kan optimaliseren dan een menselijke coach? Het antwoord hangt, zoals wel vaker, af van de definitie van doping. Voor het Wereldantidopingagentschap (WADA) is een dopend product of een dopende methode een praktijk die:

• De prestaties aanzienlijk verbetert

• Potentieel gevaarlijk is voor de gezondheid

• In strijd is met de ethiek van de sport.

AI is op zichzelf niet toxisch. Maar ze levert wel prestatiewinst op, soms aanzienlijk, en roept vragen op over gelijke toegang. Niet elke hardloper beschikt over de middelen of kennis om deze geavanceerde tools te gebruiken. Voor sommigen volstaat dat om van ‘ethische doping’ te spreken. Voor anderen geldt: zolang het niet verboden is, is het gewoon een hefboom voor vooruitgang.

Hoewel kunstmatige intelligentie duidelijk heeft veranderd hoe we ons voorbereiden, herstellen en soms zelfs lopen, maakt ze training ook toegankelijker en persoonlijker. Toch zal AI het gevoel van zware benen, de emoties aan een startlijn of de trots bij de finish waarschijnlijk nooit vervangen.