Im Hinblick auf die Optimierung der Trainingssteuerung im Straßenradsport kommt der fundierten Trainingswirkungsanalyse eine elementare Bedeutung zu. Eine zent-rale Problemstellung trainingswissenschaftlicher Forschung in diesem Themengebiet ist die Abbildung und funktionale Beschreibung der Zusammenhänge zwischen sportlichem Training und den resultierenden trainingsinduzierten Veränderungen der individuellen Leistungsfähigkeit. Wesentliche Problemfelder ergeben sich dabei aus der Komplexität des Trainingsprozesses, der Individualität der Adaptationsreaktionen und der zeitlichen Dynamik der komplex ablaufenden Prozesse. Zur Klärung dieser Zusammenhänge wurden diverse reduktionistische und globale (abstrahierende) trainingswissenschaftliche Modelle erarbeitet. Auf reduktionistischer Ebene wurden, im Kontext trainingsinduzierter physiologischer Adaptationsprozesse, verschiedene trainingswissenschaftliche Adaptationsmodelle (vgl. Kapitel 3.3) abgeleitet. Problemfelder dieser Modellvorstellungen ergeben sich im allgemeinen Übertrag der Adaptationstheorien auf globale Trainingseffekte. Demgegenüber wurden verschiedene abstrahierende Modelltheorien im Kontext der Trainings- und Leistungssteuerung erarbeitet. Insbesondere neuere Modellvorstellungen aus dem Bereich nicht linearer Systemtheorien, wie der synergetische Ansatz (Hohmann et al., 2007, 174ff.), liefern hier vielversprechende theoretische Grundlagen. Interessante Lösungsansätze im Bereich der Trainingswirkungsanalyse konnten zuletzt anhand sportinformatischer Simulationsmodelle erzielt werden. Im Kontext mit physiologisch begründeten Leistungsveränderungen wurden hier vor allem die antagonistischen Modelle FF und PerPot verstärkt diskutiert und im Rahmen trainingswissenschaftlicher Studien eingesetzt. Zielsetzung dieser Arbeit war es, das PerPot-Instrumentarium in der trainingsprak-tischen Anwendung im Straßenradsport hinsichtlich der Fähigkeit zur Optimierung der Trainingssteuerung zu überprüfen. Hierzu wurde das PerPot im Kontext mit dem antagonistischen FF vergleichend beschrieben und diskutiert (theoretischer Teil). Anschließend wurde das PerPot anhand einer eigenen Forschung im trainingspraktischen Einsatz, hinsichtlich der zentralen Fragestellungen dieser Arbeit, analysiert (empirischer Teil). Untersucht wurde in diesem Zusammenhang: (1) die Modellstabilität in Bezug auf Variationen in der Datenreihe des Leistungsoutputs, (2) die Modellanpassung unter Verwendung der Inputalternativen Trainingsbeanspruchung und Trainingsbelastung und (3) die Modellprognose trainingsperiodenbezogener Zeiträume. Vor dem Hintergrund der Übertragbarkeit in die Trainingspraxis wurde forschungsmethodisch ein Zugang im Bereich des Leistungssports gewählt und der saisonale Trainingsaufbau (chronische Trainingsreize) abgebildet. Zudem wurde der zugrunde liegende Trainingsprozess anhand der individuellen Trainingsperiodisierung der Probanden strukturiert. Die literaturanalytische Betrachtung der beiden antagonistischen Modelle FF und PerPot dokumentiert ein insgesamt hohes Forschungsinteresse in den letzten Jahren. Im direkten Vergleich der Modelle ergeben sich hinsichtlich der Modellstabilität, der Modellanpassung und der Modellprognose Vorteile zugunsten des PerPot. Diese lassen sich anhand der modellimpliziten Systemdynamik des PerPot erklären. Während das FF in der Simulation und Prognose ebenfalls teils befriedigende Ergebnisse liefert, wird insbesondere die Instabilität der Modellparameter von verschiedenen Au-toren kritisch betrachtet. Im Gegensatz dazu wird dem PerPot eine gute Stabilität der Modellparameter bescheinigt und die grundsätzliche Eignung zum Einsatz in der Trainingswirkungsanalyse zugesprochen. In der eigenen empirischen Untersuchung wurde daher ausschließlich das PerPot zur Simulation des zeitabhängigen Zusammenhangs zwischen Training und Leistungsentwicklung eingesetzt. Zusammenfassend können somit abschließend folgende zentrale Untersuchungser-gebnisse dieser Arbeit herausgestellt werden: 1. Die Stabilitätsanalyse zeigt, gemessen am Modell-Fit (MAPE) und dem Quoti-enten DS/DR, eine hohe Stabilität des PerPot gegenüber Variationen der Da-tenreihe des Leistungsoutputs (gerade versus ungerade Testleistungen) bzw. Trainingsinputs (Trainingsbeanspruchung versus Trainingsbelastung). Dem PerPot kann somit ein insgesamt robustes Modellverhalten bescheinigt werden. Einschränkend ist jedoch zu beachten, dass die Stabilitätsanalyse für die Einzelparameter DS bzw. DR teils erhebliche Streuungen dokumentiert und somit interpretative, trainingspraktische Ableitungen nur in Bezug auf den Quotienten DS/DR inhaltlich begründet sind. 2. Die Modell-Fit-Analyse zeigt für kurze Betrachtungszeiträume (Einzelperioden) insgesamt stabile Modellanpassungen. Die erzielten Simulationsergebnisse liegen hierbei im Rahmen der publizierten Ergebnisse vorliegender Studien, weisen aber aufgrund der hohen Messdichte (in Relation zur Beobachtungs-dauer) erwartungsgemäß eine größere Bandbreite auf. Simulative Ungenauig-keiten konnten primär im Zusammenhang mit Verschiebungen im zeitlichen Adaptationsmuster (DS/DR) der Probanden festgestellt werden. Die den Simu-lationen zugrunde liegende trainingsperiodenbezogene Strukturierung des Trainingsprozesses erweist sich in Einzelfällen nicht ausreichend um adaptati-onsbedingte simulative Fehlerquellen (aufgrund fixer Verzögerungsparameter) zu eliminieren. Zur weiteren Strukturierung des Trainingsprozesses innerhalb simulativer Trainingswirkungsanalysen sollten daher zudem trainingsmethodi-sche und trainingsstrukturelle Aspekte mit einbezogen werden. 3. Die Modell-Fit-Analyse lässt aus qualitativer Sicht einen positiven Zusammenhang zwischen dem eingesetzten Testverfahren (Leistungsoutput) und dem zugrunde liegenden adaptationsrelevanten Trainingsinput vermuten. Bezogen auf die Inputalternativen Trainingsbelastung und Trainingsbeanspruchung konnte eine tendenziell bessere Verlinkung des RBT und TTT mit dem bean-spruchungsbasierten Trainingsinput sowie des AOST mit dem belastungs-basierten Trainingsinput aufgezeigt werden, welche statistisch allerdings nicht bestätigt werden konnten. Die Analyse der Modellprognose lieferte, gemessen am Prognosefehler, hinsichtlich den beiden Inputalternativen eine vergleichba-re Verlinkung mit den eingesetzten Testverfahren (Leistungsoutput) und bekräftigt damit die aufgestellten Vermutungen der Modell-Fit-Analyse. 4. Die Analyse der Modellprognose zeigt, dass nur bei ausreichender Modellan-passung im Kalibrierungszeitraum die Prognose gelingt. Die hohe zeitliche Auflösung der Studiendaten mit tagesaktuellen Schwankungen konnte oftmals nur im Sinne eines allgemeinen Leistungstrends abgebildet werden. Simulati-ve Problemfelder ergeben sich auch hier aus Verschiebungen im zeitlichen Adaptationsmuster. Positiv zu bewerten ist die Implementierung der Trainings-load-Reserve-Funktion in der PerPot-Simulationssoftware zur Berücksichti-gung hoher prospektiver Trainingsloads. Diesbezüglich konnte gezeigt werden, dass durch entsprechende Trainingsload-Reserve-Einstellungen im Kalibrierungszeitraum simulative Kapazitätsprobleme reduziert und damit bes-sere Prognoseergebnisse erzielt werden können. Das PerPot erscheint damit auch bei leistungssportlicher Betrachtung, unter Beachtung oben genannter Limitierungen, grundsätzlich in der Lage, im Rahmen der Trainingswirkungsanalyse, flankierend mit anderen Maßnahmen, zur Optimierung der Trainingssteuerung im Straßenradsport eingesetzt zu werden. Insbesondere die gute Modellstabilität in Bezug auf Variationen der Datenreihe des Leistungsoutputs und Trainingsinputs bietet eine stabile Grundlage für eine weitergehende Modellentwicklung.
© Copyright 2015 Veröffentlicht von Universität Bayreuth, Institut für Sportwissenschaft. Alle Rechte vorbehalten.