Dienstag, 27. April 2021

The Run Up

Am vergangenen Wochenende wurde mit Lüttich-Bastogne-Lüttich der letzte Frühjahrsklassiker des Jahres ausgefahren. Sowohl das Männer- als auch das Frauenrennen boten großartigen, spannenden Radsport, wie schon die meisten Radrennen dieses Jahr. Als Fan des Sports kann man sich derzeit wirklich nicht beklagen. 

Eine aussergewöhnliche Demonstration von Teamwork gab es im Frauenrennen von L-B-L zu bestaunen. Die derzeit beste Fahrerin im Peloton, Doppelweltmeisterin im Zeitfahren und auf der Straße, Anna van der Breggen, hat ihrer jungen Teamkollegin Demi Vollering den Weg zum Sieg geebnet. 

Noch interessanter wurde das Rennen aber durch die neue Video Serie "The Run Up". Die drei Profiteams Canyon//Sram, Trek-Segafredo und SD Worx haben sich zusammen getan und Einblick in die unmittelbare Vorbereitung auf das Rennen gegeben. Vier Tage lang wurden die Teams von Kameraleuten begleitet, beim Training, der Erkundung der Strecke, beim Essen, beim Relaxen, bei der Massage, bei der Teambesprechung und im Teambus, dazu Interviews mit den Fahrerinnen. Einen solch aktuellen Blick hinter die Kulissen gleich mehrerer konkurrierender Teams gab es bisher noch nicht, weder im Frauen-, noch im Männerradsport.

Das Rennen am Sonntag hatte danach noch mehr Potenzial zum Mitfiebern gehabt, weil irgendwie, wenn auch nur ein bisschen, hat man die Fahrerinnen kennengelernt und gesehen wie sich die Spannung vor dem großen Rennen über mehrere Tage aufgebaut hat.

Der wirklich sehr hochwertig und absolut professionell gemachte Film dauert 20 Minuten und ist nur der erste Teil einer ganzen Serie, die immer am Tag vor dem jeweiligen Rennen veröffentlicht wird.


Wer das Rennen noch nicht gesehen hat, die Zusammenfassung von Laterne Rouge ist ganz hervorragend:


Links:
The Run Up Homepage
Interview mit dem Regisseur der Serie auf Woman's Cycling Weekly

Freitag, 16. April 2021

Enduco - Eine Trainingsplattform mit Künstlicher Intelligenz

Menschen, die anfangen sportlich Rad zu fahren, stehen irgendwann vor der Frage wie ein planmäßiges Training aussehen kann. Dabei können die Ziele so unterschiedlich und individuell sein wie die Sportler selbst. Manche möchten einfach nur 100 Kilometer am Stück auf schmalen Reifen zurücklegen, andere ihre Bestzeit am Hausberg verbessern und wieder andere an Wettkämpfen teilnehmen. Trainingstipps und Standardpläne finden sich im Internet in unbegrenzter Zahl, für jedes Leistungsniveau und für jedes Ziel. Die Schwierigkeit besteht meist darin, den Plan zu finden, der der persönlichen Sport-Historie, den Vorlieben, dem Leistungsvermögen und Zeitbudget entspricht. Mit ein paar einfachen Grundregeln und etwas sportwissenschaftlichem Verständnis ist es zwar möglich Pläne individuell anzupassen, aber auch diese Grundregeln mögen für Novizen eine hohe Hürde darstellen. Und natürlich ist es auch legitim sich damit gar nicht auseinander setzen zu wollen. Idealerweise würden an dieser Stelle die Radsportvereine einspringen und mit gut ausgebildeten Übungsleitern und Trainern zumindest einem Teil der Nachfrage ein attraktives Angebot entgegenstellen. Von Ausnahmen abgesehen ist das aber eher Wunschdenken. 

Eine Alternative ist ein "Personal Coach". Jemand, der nach einem ausführlichen, persönlichen Gespräch einen individuellen, bestmöglich angepassten Trainingsvorschlag erstellt und erklärt. Der mit Rat und Tat zur Seite steht, den Trainingserfolg überwacht und den Plan, falls notwendig, anpasst. Ein solcher Service ist allerdings kostspielig, zwischen 150 und 500 Euro pro Monat können je nach gebuchtem Paket anfallen.

Den Platz zwischen diesen beiden Polen möchte das Start-Up Enduco mit einem KI-gestützten Training füllen. Enduco ist ein Kunstwort aus Endurance und Coach, also ein Ausdauer-Trainer, KI ist die deutsche Abkürzung für Künstliche Intelligenz. Künstlich, weil von einem Computer Programm nachgebildet.

Die Fortschritte der Computer Wissenschaften in diesem Bereich sind mit Recht als atemberaubend zu beschreiben. 2016 ist es etwa erstmal einem Computer gelungen einen menschlichen Go-Spieler zu besiegen. Was Go ist und warum das so eine große Sache war, kann man hier nachlesen oder sich in  Alpha Go - The Movie in Spielfilmlänge ansehen. Wenn es also einem Computer gelingt einen der besten Go Spieler zu besiegen, dann sollte KI doch auch in der Lage sein etwas vergleichbar simples wie einen Trainingsplan für einen Radsportler zu erstellen.

Ich habe mir die Pro-Version von Enduco für zwei Wochen, dem kostenlosen Testzeitraum, angesehen. Wichtig dabei zu wissen ist, dass Enduco als Produkt noch ganz am Anfang steht und ständig weiterentwickelt wird. Manche Funktionen sind noch nicht ausgereift und repräsentieren lediglich eine Idee zukünftiger Möglichkeiten. Es ist daher gut möglich, dass meine Print-Screens nicht mehr den aktuellen Stand zeigen und manche meiner Kritikpunkte nicht mehr existieren. Wer die Idee eines KI gestüzten Trainings grundsätzlich interessant findet, wird nicht umhin kommen die Enduco App auszuprobieren um sich selber ein Bild zu machen. Der Testzeitraum von zwei Wochen kann allerdings nur einen ersten Eindruck liefern. Um beurteilen zu können, ob man mit dem KI-Trainer zurechtkommt, ist es empfehlenswert, sich zumindest für zwei bis drei Trainingszyklen (etwa ein Quartal) auf das Programm und seine Empfehlungen einzulassen. Nur so wird der Algorithmus die Unterschiede zwischen geplantem und ausgeführtem Training analysieren und zukünftige Einheiten sinnvoll anpassen können.

Grundsätzliche Funktionsweise

KI ist ein Sammelbegriff für eine ganze Reihe unterschiedlicher Methoden und Teilbereiche der IT. Bei den von Enduco verwendeten Algorithmen geht es um Maschinelles Lernen. Dabei erstellt das Programm zunächst basierend auf einer Reihe von initialen Parametern (Alter, Größe‚ Sporthistorie, Ziele, Zeitbudget, FTP, ..) einen Trainingsplan. Dieser basiert auf einem Standardplan und weist wenig Individualisierung auf. Der Sportler beginnt dann nach dem Plan zu trainieren. Das mag mal besser und mal schlechter gelingen. Das Programm analysiert die Abweichungen zwischen Plan und Ausführung und nimmt entsprechende Anpassungen vor. Wird eine harte Trainingseinheit mit Intervallen etwa abgebrochen, als zu hart bewertet oder die Leistungsvorgabe nicht erreicht, kann das Programm zukünftige Einheiten anpassen. Trainingspausen können verlängert, Intervalle anders strukturiert und Umfänge angepasst werden. Dabei können solche KI-Programme viel mehr Parameter berücksichtigen um Zusammenhänge zu erkennen als es selbst gut ausgebildeten Trainern möglich ist. Mit der Zeit wird das Programm immer besser und kann schließlich mit hoher Sicherheit voraussagen, wie sich die Fitness eines Athleten ändert, wenn ein bestimmter Trainingsreiz gesetzt wird. Soweit die Theorie.

Installation und Set-Up

Die Enduco App ist für iOS und Android in Deutsch und Englisch verfügbar. Es gibt eine kostenlose Light und eine kostenpflichtige Pro-Version, zu den Unterschieden später mehr. Meine Erfahrung und die folgenden Ausführungen beschränken sich auf die Pro-Version in der iOS App. Die Print Screens zeigen das englische Interface. Ein Web-Interface gibt es übrigens leider nicht. Damit entfällt jede Möglichkeit Analysen wie zum Beispiel die Fitness Grafik (Performance Management Chart) oder die Routenplanung auf einem großen Bildschirm anzuschauen. Umso unverständlicher ist, dass die App kein Querformat kann. Hier gilt also nicht nur "mobile only", sondern auch "portrait only".

Nach der Installation der App kann man Apple Health Daten verknüpfen, die Körpergröße, Trainingstyp und Ziel eingeben.

In der Pro-Version werden dann noch einige zusätzliche Daten abgefragt, wie der aktuelle FTP Wert, die Tage, die für Training zu Verfügung stehen, die Anzahl der Trainings und das wöchentliche Zeitbudget. Zusätzlich können Wettkämpfe hinterlegt werden. Dabei wird zwischen A, B und C Wettkämpfen unterschieden, A sind die ganz besonders wichtigen und C die "Trainingsrennen". Dazu werden noch die Distanz und die Höhenmeter abgefragt und ob es sich um ein Rennen auf der Straße oder im Gelände handelt. An dieser Stelle wäre es meines Erachtens nach wichtig noch mehr Informationen zu eruieren, etwa ob es sich um ein Zeitfahren, ein Kriterium oder einen Gran Fondo handelt, ob einfach eine persönliche Bestzeit angepeilt wird oder ob aktiv in die Entscheidung eines Radrennens eingegriffen wird. Ein Zeitfahren und ein Rundstreckenrennen können hinsichtlich Kilometer und Höhenmeter identisch sein, die physiologischen Anforderungen sind aber unterschiedlich. Ein Trainingsplan sollte dies berücksichtigen. 

Zum Zeitpunkt meines Testes war Radsport die einzige Sportart in Enduco, wobei zwischen Straße, MTB und Gravel unterschieden werden kann. Inzwischen steht auch Laufen zur Auswahl.

Darüber hinaus sollte man natürlich unbedingt auch eine Verbindung zu einer Trainings-Daten Plattform herstellen um Enduco Zugriff auf die eigene Trainingshistorie geben und zukünftigen Datenaustausch sicherzustellen. Je mehr Daten dem KI Coach zur Verfügung stehen, umso besser sollte die Trainingsempfehlung funktionieren. Möglich sind Verbindungen zur Garmin, FitBit, Polar und Strava. Der Austausch mit Garmin funktioniert in beide Richtungen, das bedeutet, dass nicht nur abgeschlossene Trainings nach Enduco geladen werden, sondern auch von Enduco geplante Workouts auf einen Garmin Device bereit gestellt werden können.

Strava als originäre Datenquelle sollte man übrigens nach Möglichkeit vermeiden. So sehr Strava als "Social Network" und mit all den KOM und PR-Funktionen zu schätzen ist, hängt über der Nutzung von Strava als Datenlieferant doch immer das Damoklesschwert der zuweilen willkürlich wirkenden Firmenpolitik, die manchen Drittanbietern auch mal gerne den Datenhahn zudreht.

Das Machine Learning (ML) Modell verwendet nur die Daten des einzelnen Athleten. Die verwendete Historie hängt auch von der Datenquelle ab. Polar erlaubt etwa nur einen Zugriff ab dem Zeitpunkt der Verbindungsherstellung. Garmin stellt die gesamte Historie zur Verfügung, wobei Enduco die Daten ein Jahr rückwirkend abruft.

Trainingsempfehlung

Ich habe Enduco mit zwei A-Wettkämpfe gefüttert. Ende Mai der Media Fondo Schleck (inzwischen auf September verschoben) und das Straßenradrennen des RSC Überherrn Anfang Oktober. Der ausgegebene Saisonplan folgte dem grundsätzlichen Standard-Saisonaufbau im Radsport. Zwei jeweils drei wöchigen Basis Micro-Zyklen folgte ein Aufbau Zyklus, dann eine Woche unmittelbare Wettkampfvorbereitung, eine Woche "Tapering" und die Wettkampfwoche. Nach einer Ruhewoche ging das Ganze für den zweiten A-Wettkampf nochmal von vorne los. Dabei wird die Belastung in jedem Micro-Zyklus sukzessive gesteigert. Periodisierung wie im Lehrbuch. Dagegen ist nichts einzuwenden. KI wird die Trainingslehre nicht neu erfinden und der Startpunkt ist natürlich der normale Standardplan, die Leistung der KI kommt erst später zum Tragen, wenn der Plan angepasst wird.


Die App liefert wesentliche Informationen zu den einzelnen Phasen und den Trainingszielen. Die Erklärungen sind eingängig und gut verständlich. Allerdings gibt es keine weiterführenden Links zu detaillierteren Erklärungen. An Stellen, an denen Studienergebnisse zitiert werden, würde ich mir einen Link zu dem jeweiligen Paper wünschen.

Zunächst habe ich alle Tage als mögliche Trainingstage definiert. Die maximale Anzahl der tatsächlichen Trainingstage ist fünf. Enduco schreibt also in jedem Fall zwei Ruhetage pro Woche vor. Auf die Verteilung des Zeitbudgets auf einzelne Wochentage konnte ich keinen Einfluss nehmen. Das Ergebnis war, dass die Sonntage trainingsfrei waren und lange Einheiten auf den Donnerstag gelegt wurden. Das war etwas enttäuschend. Aus meiner Trainingshistorie sollte sehr leicht erkennbar sein, dass ich die langen Einheiten üblicherweise am Wochenende fahre. 

In einem neuen Anlauf habe ich den Montag als trainingsfreien Tag angegeben. Die Wochenpläne haben danach schon sehr viel mehr meinem eigenen Plan geglichen, mit einer langen Ausdauereinheit am Sonntag.

Die einzelnen Einheiten waren ein Mix von intensiven und langen, ruhigen Einheiten. Die Trainings sind dabei sehr strukturiert, genau geplant und gut erklärt. Intervalle sind, soweit ich es gesehen habe, nicht außergewöhnlich komplex und sollten sich gut umsetzen lassen. Die Grundlageneinheiten, die Enduco vorgeschlagen hat, waren allerdings alle im Tempo Bereich. Dreieinhalb Stunden mit einer Durchschnittsleistung von 225 bis 270 Watt und einer 75er Trittfrequenz wäre für mich nun wirklich keine Grundlage mehr. Die Intensität der Basis Ausdauer Einheit war auch dementsprechend mit Tempo angegeben. Nach Rücksprache mit Enduco handelte es sich hier um einen Fehler. Wie bei jedem Trainingsplan sollte man auch hier dem gesunden Menschenverstand folgen und Vorgaben durchaus hinterfragen.

Links: Die Export Workout Schaltfläche sendet die Einheit an Garmin, womit die Informationen auf dem Radcomputer angezeigt werden können.

Die Empfehlungen und die Trainingsgestaltung sind durchaus korrekt. Es gibt natürlich viele erfolgversprechende Ansätze ein Radsport-Training zu gestalten, auch ausserhalb der Methoden, die Enduco bereithalten mag. Viel wichtiger als eine bestimmte Methodik ist aber eine dauerhaft konsistente Durchführung. Diese wiederum wird nur gelingen, wenn das Training auch dauerhaft angemessen ist, nicht zu viel, nicht zu wenig. Und gerade in der dynamischen Anpassung liegt potenziell die Stärke eines KI basierten Trainings. In meinem Fall konnte Enduco dies natürlich nicht ausspielen, das muss man fairerweise sagen. Ich habe mich weder auf die Empfehlungen eingelassen, noch habe ich das Programm lange genug getestet um der KI Gelegenheit zu geben, aus meiner Umsetzung der vorgeschlagenen Einheiten zu lernen und die Trainings dynamisch anzupassen.

Sehr gut umgesetzt ist das wahlweise zusätzliche Athletik Training. Hier werden die guten Erklärungen der einzelnen Übungen sowohl mit einer Fotostrecke als auch mit einem kurzen Video unterstützt.


Was allerdings fehlt, ist die Möglichkeit ein echtes Krafttraining einzubinden. Das ist schade, da der Nutzen von Maximalkrafttraining etwa in Form von Kniebeugen mit der Langhantel inzwischen unbestritten ist (Data Driven Athlete, Trainer Roadsome Research). Allerdings bedarf Krafttraining mit hohen Gewichten neben dem entsprechenden Equipment auch einer gründlichen Einweisung und Kontrolle der Bewegungsausführung, beides Dinge, die ein KI-Coach (noch?) nicht leisten kann. Andererseits haben Videoanalyse und künstliche Intelligenz auch oder gerade in diesem Bereich großes Potenzial. Die Bike-Fitting App myVeloFit nutzt diese Technologie bereits. Der Schritt zu einer Bewegungskontrolle im Krafttraining scheint mit nicht sehr weit zu sein. 

Weitere Funktionen


Teil der Enduco App ist auch ein Tool zur Routenplanung. In der Funktionsweise ähnlich dem Strava Route Builder, zeichnet man mit dem Finger grob welche Strecke man fahren möchte und die Software schlägt eine genaue Strecke vor. Alternativ gibt man einfach Streckentyp (Straße, MTB, Running), Höhenmeter und Distanz vor und überlässt alles andere Enduco. Ein kurzer Test hat teilweise interessante Vorschläge geliefert, Strecken, die ich selber so nie gewählt hätte, die man aber durchaus fahren kann. Andere Versuche haben aber auch eher skurrile Ergebnisse geliefert wie die Runde um den Ikea Parkplatz in Saarlouis oder ein "Hin und Her" auf einer Straße. Die vorgeschlagene Route über den Truppenübungsplatz der Bundeswehr in Merzig ist nicht unbedingt Enduco anzurechnen, sondern mag an den zugrundeliegenden Open Street Map Daten liegen, aber es macht deutlich, dass die Routenvorschläge immer nochmal mit gesundem Menschenverstand geprüft werden sollten. Ohne entsprechende Ortskenntnis, also dann, wenn ein solches Planungstool eigentlich am nützlichsten sein sollte, ist dies aber gar nicht so einfach.

3. Bild vl: über den Truppenübungsplatz, 2. vr: vor und zurück, 1. vr: "Rund um Ikea" 

Ein weiteres Feature ist die Chat Funktion, bei der man sich mit dem KI-Coach unterhalten kann. Zum Zeitpunkt meines Testes war hier von künstlicher Intelligenz allerdings noch nichts zu sehen. Die Fragen, die man der "KI" stellen konnte waren via Button vorgegeben und dementsprechend einfach "vorhersehbar". Im Kern gab es zwei Möglichkeiten "Hallo" und "Ich kann nicht trainieren". Letzteres hat dann noch den Grund abgefragt, etwa eine mögliche Krankheit und für wieviele Tage das Training pausieren soll. Der Plan wird dann entsprechend angepasst. 

Roadmap

Wie bereits eingangs geschrieben ist Enduco kein finales Produkt und die Liste der geplanten Erweiterungen ist lang und durchaus spannend. Wie bei Cloud-basierter Software üblich kommen ständig neue Funktionen hinzu und Fehler werden behoben. Zum Zeitpunkt meines Testes war Radsport die einzige Sportart, inzwischen ist mit Laufen eine weitere hinzugekommen.

Sehr interessant ist etwa die geplante Verknüpfung von Trainingseinheiten mit Routenvorschlägen. Angenommen der Plan sieht eine VO2max Einheit in Form von vier mal fünf Minuten schnellem Bergauffahrens vor. Dann kann der Routenplaner die Strecke so planen, dass genau zu der richtigen Zeit ein Anstieg von fünf Minuten Länge erreicht wird. Die Idee lässt sich leicht weiterspinnen, denn genauso könnte die Software Einheiten auch an die Topografie anpassen. Menschen in Norddeutschland werden es eher schwer haben Intervalle am Berg zu fahren. Intervalle und Trainings mögen daher anders aussehen. Stattdessen kann man vielleicht die Wettervorhersage berücksichtigen, so wie es heute bereits mit EpicRideWeather oder myWindSock möglich ist und Intervalle mit Gegenwind fahren.

Oftmals ist es auch gar nicht so einfach einen passenden Trainingspartner zu finden, der weder zu langsam noch zu schnell ist. Enduco möchte auch hier mit einem Trainingspartner-Match helfen.

Mit den gesammelten Leistungsdaten, den Informationen über das geplante Training und Details zu den anstehenden Wettkämpfen soll auch eine Prognose der Wettkampfleistung möglich sein. Das hilft bei einer realistischen Zielsetzung und kann eine zusätzliche Motivation im Training darstellen. Best Bike Split prognostiziert bereits heute die mögliche Zeit in Zeitfahren oder dem, wie der Name sagt, Bike Split im Triathlon, allerdings unter den heute bekannten Leistungsparametern und ohne Kenntnis der erwarteten Steigerung durch das Training.

Weitere Verbesserungen sind auch im Bereich der Verständlichkeit der Trainingsempfehlungen und der Software an sich zu erwarten. Die Erklärungen über Hintergründe und Zusammenhänge sollen noch deutlich verbessert werden.

Good to know

Kein Produkt und keine Dienstleistung wird immer und jederzeit perfekt sein. Viel wichtiger als eine illusionistische Perfektion ist daher ein schneller und guter Service, der Fragen kompetent beantworten und Probleme lösen kann. Bei Enduco werden Supportanfragen nicht von dedizierten Supportmitarbeitern beantwortet, sondern von den tatsächlichen Entwicklern, die die App programmieren. Das ist eine ganz hervorragende Idee, da in dieser Konstellation die Entwickler den unmittelbaren Kontakt zu den Anwendern bekommen und verstehen können, was funktioniert und was nicht. Die Konsequenzen schlechten Codes werden so für dessen Urheber ganz direkt "spürbar". Das sollte der Motivation guten und fehlerfreien Code zu schreiben durchaus zuträglich sein.

Da, wie bereits geschrieben, Enduco ständig weiterentwickelt wird, besteht für die User auch die Möglichkeit ganz unmittelbar und direkt Feed-Back zu geben, Wünsche und Ideen einzubringen und auf die Funktionalität der Software Einfluss zu nehmen.

Light und Pro Version

Enduco gibt es in einer kostenlosen Light Version und in der hier besprochenen Pro Version. Diese kostet rund 30 Euro im Monat, Rabatte gibt es, wenn man sich direkt für sechs oder zwölf Monate verpflichtet. 

Update August 2021: Inzwischen wurde der Preis der Pro Version auf 14,99 Euro pro Monat bzw. rund 80 (sechs Monate, 11% Rabatt) und 120 Euro (12 Monate, 33% Rabatt) gesenkt. Wie bereits erwähnt, dieser Blogpost reflektiert den Status der Software im Frühjahr 2021, für aktuelle Details und Preise einfach auf der Enduco Seite nachschauen.

Preise Frühjahr 2021 - Monatspreis Stand August 2021 14,99 Euro


Mitbewerber

Das Angebot an KI unterstützen Training ist noch vergleichsweise überschaubar. Eine kurze Web Recherche liefert trotzdem einige interessante Resultate:

  • Web basierte Software
  • keine Mobile App
  • Erstellung, Auswertung und Anpassung von Trainingsplänen
  • Englisch
  • Radsport
  • keine Routen Funktion
  • 10 USD pro Monat
AIEndurance 
  • Web basiert
  • Mobile App angekündigt
  • Erstellung, Auswertung und Anpassung von Trainingsplänen
  • Englisch
  • Radsport, Laufen und Triathlon (ohne Schwimmen)
  • keine Routen Funktion
  • 9,99 USD pro Monat
Trainer Road's Adaptive Training

Trainer Road ist einer der Platzhirsche unter den Ausdauer-Training Anbietern. Die Plattform startete vor Jahren mit strukturierten Trainingsplänen für Indoor Trainer Einheiten, hat sich aber zu einer vollständigen Plattform mit einer sehr umfangreichen Trainingsplan und Workout Library entwickelt. Die wissenschaftliche Unterstützung und Betreuung sind hervorragend und das Forum lebt von einer engagierten Community. Sehr empfehlenswert ist etwa der TrainerRoad-Podcast. Das neuste Feature ist das so genannte "Adaptive Training". Hier wird das Training mit Machine Learning Algorithmen analysiert und angepasst. YouTube, DCRainMaker, CT NerdAlert
  • Desktop, Web und Mobile App
  • Erstellung, Auswertung und Anpassung von Trainingsplänen
  • Workout Builder
  • Englisch
  • Radsport, Triathlon
  • keine Routen Funktion
  • 19,95 USD pro Monat
ARDA - AI Coaching

Kein End-User-Produkt sondern eine KI-Software, die für die Anwendung in anderen Applikationen lizensiert werden kann.

Fazit

KI-basiertes Training hört sich noch etwas exotisch an, wird aber schon bald nicht mehr weg zu denken sein. Die Daten, die heute zur Verfügung stehen um sportliche Leistungen und unser Leben insgesamt zu erfassen, nehmen seit Jahren zu. Kilometer, Zeit, Herzfrequenz, Trittfrequenz, Leistung in Watt, Heart Rate Variability, Belastungsempfinden, Stimmung, Gewicht, Schlaf, Ernährung, Wetter, Sauerstoffsättigung (Moxy), Insulin (SuperSapien) und Körpertemperatur (CoreBodyTemp) sind noch lange nicht alle Werte, die gemessen und festgehalten werden können.

Eine Erkenntnis welche Werte andere beeinflussen oder sogar von einander abhängen, welche Rückschlüsse aus der Veränderung eines Parameters und der Kombination aus mehreren gezogen werden kann ist aufgrund der schieren Fülle an Informationen ohne die Unterstützung der Datenverarbeitung nicht möglich. Diese Erkenntnisse dann wiederum auf die Trainingsplanung anzuwenden, individuell für jeden Sportler, wird selbst erfahrene Trainer und Sportwissenschaftler vor Herausforderungen stellen. Das alles ruft geradezu nach KI-Software, die mit Machine-Learning Algorithmen entsprechende, individuelle (!) Muster findet und anwendet.

Die heute verfügbaren Anwendungen stehen erst am Anfang dieser Entwicklung, was den aktuellen Nutzen nicht unbedingt schmälert. Das gilt auch für Enduco. Wer strukturiert trainieren möchte und mehr will als irgendeinem Plan aus dem Internet zu folgen, aber auch nicht in einen menschlichen Coach investieren will, für den kann Enduco durchaus ein Weg sein.

Ob der ambitionierte Preis von 30 Euro pro Monat gerechtfertigt ist (Update August 2021: Der Preis pro Monat beträgt inzwischen 14,99 Euro), insbesondere im Vergleich mit den Angeboten der Mitbewerber, mag von der Wichtigkeit einzelner Funktionen für einzelne Nutzer abhängen. Wer etwa eine deutschsprachige Oberfläche bevorzugt, hat, soweit ich es sehe, derzeit nur Enduco zur Auswahl. Viel wird davon abhängen, wie schnell Funktionen mit echtem Alleinstellungsmerkmal ausgerollt werden. Der Routen-Vorschlag passend zur aktuellen Trainingseinheit könnte etwa ein solches Killerfeature sein. 

Die weitere Entwicklung der künstlichen Intelligenz in den Sportwissenschaften im Allgemeinen und die von Enduco im Speziellen zu verfolgen wird in jedem Fall spannend sein.