Speziell im Radsport, welcher von hohen Trainingsumfängen, Belastungsspitzen und einem saisonalen Wettkampfsystem geprägt ist (Lucia, Hoyos & Chicharro, 2003), spielt die gezielte, auf den einzelnen Fahrer individuell abgestimmte Steuerung des Trainingsprozesses eine entscheidende Rolle. Während sowohl zu den Auswirkungen einzelner Trainingsbelastungen (z. B. Clijsen, van de Linden, Weibergen & Boer, 1988; Janssen, Degenaar, Menheere, Habets & Geurten, 1989; Fry, Morton, Garcia-Webb & Keast, 1991; Ament, Bonga, Hof & Verkerke, 1993; Xu, Li & Hong, 2000) als auch zu den mittelfristigen Anpassungen bei kontrollierter Trainingsbelastung (z. B. Coutts, Wallace & Slattery, 2007; Kargotich, Keast, Goodman, Bhagat, Joske, Daw-son & Morton, 2007) vielfältige Erkenntnisse vorliegen, existieren hinsichtlich der summativen Wirkungen chronischer Belastungen, also des Zusammenhangs zwischen Trainingsinput und Leistungsoutput, kaum gesicherte Erkenntnisse. Aus Sicht der Trainingspraxis stellen sich die Fragen, (1) wie aufeinander folgende Belastungsreize auf die sportliche Leistungsfähigkeit wirken und (2) wie die Belastungen im Sinne der Optimierung des Trainingseffekts zu gestalten sind (Lindner, 2000). Ergänzend zu den Erfahrungen der unmittelbar am Trainingsprozess beteiligten Personen können zur Beantwortung dieser Fragen unter anderem Trainingswirkungsanalysen, d. h. Untersuchungen der Input-Output-Relationen einen Beitrag leisten (Hohmann, Lames & Letzeiter, 2007). Hiermit werden objektive Informationen zur Unterstützung der Trainingssteuerung bereitgestellt. Für die Trainingsplanung stellen detaillierte Kenntnisse über die Wechselwirkung zwischen absolviertem Training und der sportlichen Leistung bzw. einzelner Leistungskomponenten einen wichtigen Baustein dar. Insbesondere für solche Leistungsveränderungen, die auf physiologischen Adaptationsprozessen beruhen, ist mit den antagonistischen Modellen, dem Fitness-Fatigue-Modell (FF-Modell) (Banister, 1982) und dem Performance-Potential-Modell (PerPot)1 (Perl, 2001) ein großer Fortschritt auf dem Gebiet der simulativen Trainingswirkungsanalyse erzielt worden. In vergleichenden Studien konnte gezeigt werden, dass die Anpassung an die empirischen Leistungskennwerte und die Prognose zukünftiger Leistungen mit dem PerPot besser gelingt als mit dem FF-Modell (Ganter, Witte & Edelmann-Nusser, 2006a; Ganter, Witte & Edelmann-Nusser, 2006b; Pfeiffer, 2008; Pfeiffer, Fehr & Voigt, 2009; Pfeiffer & Perl, 2009). Im Rahmen eines vom BISp geförderten Projekts im Radsport (AZ: IIA 1 - 071608/08) wurde das PerPot-lnstrumentarium zur praktischen Unterstützung des Trainingsprozesses bei Radfahrern des nationalen Leistungsniveaus eingesetzt. Die Modellierung und Simulation der Wechselbeziehung zwischen den Trainingsbelastungen und den Radfahrleistungen sollte - flankiert von physiologischen Kenngrößen - dazu beitragen, die individuelle Trainingsplanung von Straßen- und Mountainbikefahrern während einer Wettkampfsaison zu optimieren. Neben den wichtigen praktischen Erfahrungen, die durch eine konkrete Anwendung der simulativen Trainingswirkungsanalyse mittels PerPot im trainingspraktischen Handlungsfeld gemacht werden, sind aus trainingswissenschaftlicher Perspektive zunächst die Modellgüte und die Qualität der Modellprognose zu untersuchen. Bezug nehmend auf die kritischen Positionen zur Quantifizierung des Trainingsinputs in den bisherigen Studien mit dem FF-Modell (Taha & Thomas, 2003), sollte hierbei ferner untersucht werden, inwieweit das Modellierungs- und Simulationsergebnis von der Wahl des Inputparameters abhängt. Ausgehend vom Belastungs-Beanspruchungs-Paradigma des sportlichen Trainings (u. a. Schnabel, Harre & Borde, 1994) wurde geprüft, mit welchem der beiden Trainingsinputgrößen "Belastung" oder "Beanspruchung" eine bessere Modellanpassung erreicht werden kann.
© Copyright 2010 Sportinformatik gestern, heute morgen. Festschrift zu Ehren von Prof. Jürgen Perl. Julkaistu Tekijä Feldhaus, Ed. Czwalina. Kaikki oikeudet pidätetään. / Kääntänyt https://www.DeepL.com/Translator