Wout van Aert en Del Grosso bepalen vandaag het tempo in een Belgische veldrit, terwijl Thibau Nys achtervolgt. Achter de schermen ondersteunen data en kunstmatige intelligentie de live-updates en grafieken. Omroepen in België en Nederland zetten daarvoor steeds vaker algoritmen in. Dat raakt ook aan de AVG en de Europese AI-verordening, met praktische gevolgen voor omroepen en overheid.
Data maakt koers inzichtelijk
Live koersverslaggeving leunt op transponders en tijdregistratie om gaten en rondetijden te tonen. In cyclocross gebeurt dat vaak met MYLAPS, een Nederlands systeem dat zenders onder de fiets detecteert. Die data voedt realtime grafieken en pushberichten op tv en in apps. Het resultaat is sneller en consistenter dan handmatige timing.
GPS werkt in cross minder goed door korte rondes, bomen en bochten. Daarom combineren redacties transponderdata met camerabeelden en handmatige controle. AI-modellen kunnen verschillen schatten als een meting ontbreekt. Maar een editor beslist nog altijd over wat op scherm komt.
Grote rittenkoersen gebruiken daarnaast voorspelmodellen voor tempo en vluchtkansen. NTT Data levert bij de Tour de France zulke analyses met machine learning op AWS. In veldritten is de datastroom kleiner, maar groeit de inzet van algoritmen voor tempo, rondetijden en positie.
Computerzicht helpt, met grenzen
Computer vision is software die automatisch herkent wat er in een beeld staat. In de cross kan het renners labelen, valpartijen detecteren of automatische herhalingen voorstellen. Dat versnelt montage en maakt liveblogs rijker met clips en stills. Het werkt vooral goed bij vaste camera’s en herkenbare rugnummers.
Modder, regen en schaduw blijven lastige factoren. Startnummers raken bedekt en renners wisselen fietsen, waardoor herkenning faalt. Modellen moeten met veel en gevarieerde beelden worden getraind. Dat kost tijd en vereist curatie door redacties.
Daarom bouwen omroepen fail-safes in. Als het systeem twijfelt, valt het terug op handmatige labeling. Ook wordt logging opgeslagen, zodat fouten achteraf te herleiden zijn. Zo blijft de eindregie bij de redactie, niet bij het algoritme.
Computer vision: software die beelden leest en objecten, personen of acties herkent en benoemt.
Regels begrenzen gebruik AI
De AVG stelt eisen als dataminimalisatie en transparantie. Voor sportdata betekent dat: meet wat nodig is, versleutel herleidbare gegevens en bewaar niet langer dan nodig. Attributedata, zoals hartslag of locatie, blijft persoonsgegeven en vraagt een duidelijke grondslag. Meestal is dat contract of gerechtvaardigd belang.
De Europese AI-verordening (AI Act) deelt systemen in risicoklassen in. Sportanalyses en grafische overlays vallen doorgaans in de lage risicoklasse. Maar biometrische identificatie in het publiek geldt als hoog risico, of kan zelfs verboden zijn. Omroepen moeten dus vermijden dat fans in beeld automatisch worden herkend of geprofileerd.
Transparantie speelt ook een rol bij geautomatiseerde samenvattingen. Als AI teksten of clips selecteert, is het goed om dat te labelen. Publieke omroepen, zoals VRT en NPO, werken op het moment van schrijven aan richtlijnen voor zulke content. Dat voorkomt verwarring en versterkt vertrouwen.
Lage Landen kiezen slimme tools
België heeft een sterke positie in sporttechnologie met EVS uit Luik. De EVS-software XtraMotion gebruikt AI om super slowmotion te maken uit standaard camera’s. Dat is nuttig in cross, waar speciale high-speed camera’s niet overal staan. Zo krijgen kijkers toch heldere herhalingen van sleutelpassages.
Nederland is leverancier van timing via MYLAPS, dat breed wordt gebruikt in wielrennen en hardlopen. Het systeem levert betrouwbare rondetijden en doorkomsten voor tv-grafieken. Dat vermindert fouten in liveblogs en houdt het tempo erin. Voor cyclocross met korte rondes is die stabiliteit cruciaal.
Internationaal levert NTT Data met AWS machinelearning inzichten in wielerwedstrijden, vooral in wegkoersen. Zulke technieken sijpelen langzaam door naar cross. Verwacht in de Benelux meer automatische hoogtepuntclips en nauwkeurigere tijdgaten. Voorwaarde blijft: menselijk toezicht en heldere dataprocessen.
Teams rekenen met prestatiedata
Teams analyseren vermogen, bandendruk en materiaalkeuze met modellen. Software zoals TrainingPeaks en het open-source GoldenCheetah helpt patronen te vinden. AI kan afwijkingen signaleren, zoals een terugval in krachthuishouding. Dat ondersteunt keuzes tijdens en na de race.
Toegang tot live data op de omloop is beperkt en verschilt per organisatie. De UCI en organisatoren bepalen wat gedeeld wordt en wanneer. Dat moet sportieve eerlijkheid waarborgen. Privacy van renners staat daarbij ook op het spel.
Teams bewaren gevoelige data versleuteld en met toegang op rolbasis. Dat past binnen de AVG en verlaagt risico bij datalekken. Delen met sponsors gebeurt vaak in geaggregeerde vorm. Zo blijven individuele profielen beschermd.
Meer context voor kijkers
Voor fans betekent dit: sneller duidelijk wie waar rijdt en waarom. Grafieken worden consistenter en herhalingen scherper. Personalisatie in apps kan favorieten volgen en pushen. Dat vergroot betrokkenheid zonder extra handelingen.
Fouten blijven mogelijk, zeker bij slecht weer of drukke passages. Daarom is labeling en correctie door redacties nodig. Omroepen testen systemen eerst in de schaduw, en rollen pas uit na evaluatie. Die aanpak beperkt misinformatie in de hectiek van live sport.
Voor de overheid en toezichthouders is dit een praktijkproef voor de AI Act. Het laat zien hoe lage-risico AI waarde kan leveren binnen duidelijke grenzen. Heldere regels en auditsporen helpen innovatie en vertrouwen. Zo blijft de sport menselijk, met slimme assistentie op de achtergrond.
