Die Vermessung des Trailläufers: Wie ein Datenanalyst half den UTMB zu gewinnen

Im August dieses Jahres gewannen Ruth Croft und Tom Evans den UTMB. Danach stellte sich sofort die Frage: Welches „Rezept“ steckt hinter diesen Siegen? Schnell ließ sich ein erster Nenner finden: Beide haben den gleichen Coach, Scott Johnston. Über diesen Trainer war auf alles-laufbar.de schon häufiger die Rede. Anders als viele andere Eliteathleten, die mit Ruth und Tom an der Startlinie standen, hatten die beiden sich im Wettkampfjahr vollkommen auf den UTMB fokussiert. Keine längeren Rennen im Sommer – kein Western States, kein Hardrock. Alles diente nur einem Ziel: die beste Performance Ende August in Chamonix.

Doch hinter dem Erfolg steckte mehr als nur ein Coach und akribische Wettkampfplanung. Ein weiterer, oft übersehener Faktor ist der Datenanalyst Joseph Mestrallet, der Ruth und Tom begleitete. Er überwachte ihre Trainingswerte, modellierte Pace-Strategien, simulierte Rennverläufe und justierte die kleinsten Stellschrauben, die in einem Rennen wie dem UTMB mit seinen extremen Belastungen den Unterschied machen können. Und auch wenn er selbst seinen Anteil an den Erfolgen der Sportler, die er betreut, nur mit einem Prozent angibt, so ist dieser Ansatz doch revolutionär. Denn hier wurden Trailläufer, die viel Talent, Erfahrung und mentale Härte mitbringen, in einem bisher im Trailrunning nie dagewesenen Ausmaß vermessen, analysiert und bis ins Detail optimiert. Aber was steckt hinter diesen datengetriebenen Methoden? Und was ist von der Aussage von Joseph Mestrallet zu halten: Dass in fünf Jahren kein Athlet und keine Athletin mehr den UTMB gewinnen könne ohne einen Datenanalysten im Team?

In den vergangenen Jahren haben wir im Ausdauersport eine rasante Entwicklung von Sensoren gesehen, die im Training und bei Rennen jede Menge geographischer, physikalischer und physiologischer Daten aufnehmen. GPS-Tracks, Höhenprofil, Temperatur, Schrittfrequenz, Bodenkontaktzeit, Herzfrequenzverlauf – die Liste ist lang. Diese Daten werden immer zuverlässiger. Und dennoch nutzen wir sie nur rudimentär. Auf Sportuhren erscheinen davon meist nur Gesamt- oder Mittelwerte – Durchschnittspuls, zurückgelegte Strecke und Höhenmeter, Laufzeit. Auch viele Laufplattformen wie Strava, Runalyze oder TrainingPeaks fassen die Daten in ein Dutzend Kenngrößen zusammen. So viel Potenzial an Rohdaten – und doch liegen die meisten ungenutzt auf einem riesigen Datenfriedhof.

Gleichzeitig wird im Trailrunning häufig angezweifelt, ob uns diese Daten wirklich weiterbringen. Denn anders als bei flachen Straßenläufen oder Rennradstrecken ist es im Trailrunning komplexer. Denn da beeinflussen Streckenbeschaffenheit und der technische Anspruch ganz wesentlich die Performance. Die entscheidende Frage lautet: Wie misst man den technischen Anspruch einer Strecke objektiv? Und wie gießt man das Ergebnis dieser Messung in einen Parameter, den man für die weitere Analyse verwenden kann?

Joseph Mestrallet nutzt eine datengetriebene Methode, um aus den Sensordaten Rückschlüsse auf die technische Schwierigkeit und den Gesamtanspruch zu ziehen – also auf die körperliche Belastung durch akkumulierte Höhenmeter, Gesamtlänge und Streckenvariabilität. Er bewertet die technische Schwierigkeit einer Laufstrecke, indem er geographische Daten (Steigung, Höhenmeter, Gefälle, Geländeart), physikalische Messgrößen (Tempo-/Steigungs-Beziehung, Kadenz, distanz- oder ermüdungsbedingter Geschwindigkeitsverlust) und physiologische Signale (z. B. Herzfrequenz) miteinander verknüpft. Die Rohdaten werden zunächst von Einflüssen wie Höhe, Temperatur, Wind sowie möglichen Messfehlern oder Störungen bereinigt – denn nach dem Grundsatz „Garbage in, garbage out“ führen fehlerhafte Daten unweigerlich zu fehlerhaften Ergebnissen.

Anschließend übersetzt Mestrallet die Geschwindigkeitsdaten in eine steigungsbereinigte Geschwindigkeit (Gradient Adjusted Pace, GAP) und gleicht diese mit den individuellen physiologischen Reaktionen des Athleten ab. So lässt sich erkennen, welche Abschnitte technisch oder energetisch überproportional anspruchsvoll sind.

Nun mag man einwenden: Das machen Strava und ähnliche Plattformen doch auch. Ja – aber diese Plattformen verwenden standardisierte Korrekturfaktoren für die Pace in Abhängigkeit von der Steigung. Sozusagen: one size fits all. Mestrallet dagegen bestimmt diese „GAP-Kurve“ für jeden Läufer bzw. jede Läuferin individuell. Am Beispiel von Petter Engdahl, den er bei dessen Sieg beim Transvulcania „begleitet“ hat, konnte er zeigen, wie massiv sich die Standard-GAP-Kurve von der individuellen Kurve unterscheidet.

Mestrallet geht aber noch einen Schritt weiter: Aus den gesammelten und bereinigten Daten erstellt er vom Athleten bzw. von der Athletin ein Modell – eines, das alle Kenngrößen enthält, die diese Person charakterisieren. Mestrallet spricht vom „digitalen Zwilling“.

Das Konzept stammt aus der personalisierten Medizin, wo auf Basis individueller Kenngrößen Operationen virtuell simuliert werden. Man testet verschiedene Behandlungswege am digitalen Zwilling – ohne dem Patienten zu schaden – und wählt anschließend den besten Ansatz.

Und was kann man mit den digitalen Zwillingen von Petter Engdahl, Ruth Croft oder Tom Evans anstellen? Man kann sie beispielsweise den UTMB laufen lassen – virtuell, versteht sich. Man kann variieren, ab welcher Steigung sie ihre Stöcke nutzen. Man kann die Anfangspace variieren und schauen, was das für die Ermüdung bedeutet. Statt die Athleten selbst ihre Pacing-Strategie im Rennen testen zu lassen (und gegebenenfalls einen Crash zu riskieren), lässt Mestrallet ihre digitalen Zwillinge immer und immer wieder loslaufen und beobachtet die Ermüdung – und wann sie gegen die Wand rennen.

Ruth Croft war eine der ersten Trailläuferinnen, der Mestrallet beim UTMB 2024 einen solchen digitalen Zwilling zur Seite stellte. Nachdem ihr virtueller Doppelgänger häufig genug um den Mont Blanc „gerannt“ war, hatte Mestrallet seine Erkenntnisse zusammen und verordnete Ruth eine verhältnismäßig langsame Anfangspace. Sie hielt sich akribisch daran, war aber nach der Rennhälfte nicht schlecht erschrocken, als man ihr sagte, dass sie ganze 35 Minuten hinter der Zweiten, Marianne Hogan, zurücklag. Dennoch vertraute sie den Daten, ihrem digitalen Zwilling und Mestrallet – und lief kontrolliert weiter. Auch 30 Kilometer vor dem Ziel, in Trient, betrug ihr Rückstand noch 30 Minuten auf Hogan.

Doch die Endphase des Rennens gab Mestrallet recht: Croft hatte noch genügend Reserven, um auf dem Schlussabschnitt nicht nur Hogans Vorsprung aufzuholen, sondern noch weitere 25 Minuten auf sie herauszulaufen. Sie landete schließlich auf Platz 2 und war im letzten Abschnitt ganze 30 Minuten schneller als die Siegerin Katie Schide. Aber hätte sie das Rennen unter Umständen sogar schon 2024 gewinnen können, wenn sie nicht so defensiv angegangen wäre? Mestrallet meint nein. Laut seinen Daten hat Croft schon 2024 das Maximale aus ihrem Körper herausgeholt.  Der digitale Zwilling hatte also ganze Arbeit geleistet.

Joseph Mestrallet hat eine beachtliche Erfolgsgeschichte vorzuweisen: 2022 begleitete er Petter Engdahl zu seinem Sieg beim Transvulcania, 2024 Ruth Croft zu Platz 2 beim UTMB und 2025 Ruth Croft und Tom Evans zu ihren jeweiligen Siegen beim UTMB. Natürlich sind das zunächst Einzelfälle. Natürlich ist schwer zu identifizieren, was der eigentliche Schlüssel zum Erfolg war: der Athlet bzw. die Athletin selbst, die Trainingsmethoden, die deutlich von klassischen Ansätzen abweichen, oder die Tatsache, dass die Trainings- und Wettkampfplanung durch einen Datenanalysten hyper-individualisiert wird?

Wird also, wie Mestrallet in einem Interview sagte, in fünf Jahren jeder UTMB-Sieger einen Datenanalysten an seiner Seite haben? Ich denke: Das ist durchaus vorstellbar. Denn egal ob im Radsport, im Triathlon oder im Laufsport: Wann immer es neue Entwicklungen gab, sei es beim Material oder bei Trainingsmethoden, schwenkten fast alle Top-Athleten darauf ein, sobald ausreichend belegt war, dass sich damit das eine oder andere Prozent an Leistung herausholen lässt. So wird heute kaum ein nennenswerter Marathon noch von Athletinnen und Athleten ohne sogenannte Superschuhe gewonnen.

Andererseits: Es ist nicht jedem gegeben, ein Rennen konsequent datenorientiert zu laufen, statt sich von Adrenalin und früher Renndynamik mitreißen zu lassen. Jim Walmsley gilt als bekennender Datenskeptiker. Auf die Frage von Joseph Mestrallet, ob er denn einen Datenwissenschaftler im Team habe, soll er geantwortet haben: „A data – why?“ Genauso wenig kann man sich einen Zach Miller vorstellen, der nur noch nach Daten läuft und jegliche Rennintuition verschmäht – auch wenn er selbst weiß, dass diese häufiger zum DNF führt als zum Sieg. „I think I also just run to my own feel and a lot of times that ends up taking me off the front“, sagte er einmal selbstkritisch in einem Interview mit iRunFar.

Allerdings frage ich mich: Schätzen Datenanalysten wie Joseph Mestrallet psychologische Faktoren nicht zu gering ein? Die Geschichte des Ausdauersports ist doch auch eine Geschichte legendärer Duelle, in denen sich Athletinnen und Athleten gerade in der Endphase gegenseitig zu Höchstleistungen gepusht haben, die ohne den Konkurrenzfaktor undenkbar gewesen wären. Man denke an Mark Allen vs. Dave Scott beim Ironman Hawaii 1989, an das legendäre Duell von Zach Miller und Hayden Hawks beim TNFEC California 2016 – oder daran, wie Martina Mlynarczyk und Sylvia Nordskar in diesem Jahr beim CCC zeigten, wie sehr ein direktes Duell die Leistung steigern kann.

Und auch für den Zuschauer kann ein Wettkampf schnell langweilig werden, wenn jede Athletin und jeder Athlet nur noch in seinem „Datentunnel“ rennt – zwar ist man noch gemeinsam auf der Strecke, aber jeder folgt der datengestützten Planung statt seinem Renninstinkt. Sicher, es gab so manches UTMB Rennen in der Vergangenheit, wo man sich etwas weniger Favoritensterben gewünscht hätte. Aber was ist, wenn das gar nicht mehr passierte? Wenn nur noch die „fleischgewordenen digitalen Zwillinge“ die Strecke abarbeiten und die einzige Unwägbarkeit darin besteht, dass jemand von einer Biene gestochen wird wie Kilian Jornet beim UTMB 2018? Was bliebe von unserem Sport ohne Drama?

Andererseits könnte sich auch folgendes Szenario ergeben: Wenn alle datengetrieben laufen würden, hätten auf den letzten Kilometern viel mehr Läuferinnen und Läufer Kraft für epische Battles. Genau dort würde für die Zuschauer dann Spannung entstehen – ähnlich wie bei Straßenmarathons, wenn erst mal alle Tempomacher aus dem Rennen sind und die taktischen Spielchen der Spitzenläufer beginnen.

Das Interesse an den Daten scheint jedenfalls auch bei den Freizeitläufer:innen zuzunehmen: Auf Enduraw, Mestrallets Plattform, kann man sich mittlerweile kostenlos anmelden und Trainingsdaten hochladen. Nach einiger Zeit steht dann die individuelle „Matrix“ – es braucht etwa 40 bis 50 vollständige Datensätze. Noch bevor die Elite flächendeckend Datenanalysten einsetzt, scheint die Demokratisierung der Datenanalyse schon begonnen zu haben.

Doch die zentrale Frage bleibt auch für den Freizeitläufer und die Freizeitläuferin: Was macht eigentlich die Essenz unseres Sports aus? Gehört es nicht auch dazu, zu scheitern, auf die Nase zu fallen, gegen die Wand zu laufen? In jedem Rennen, in dem mir das passiert ist, habe ich mehr gelernt als bei den Rennen, die gut gelaufen sind. Nein, diese Erfahrung möchte ich nicht meinem digitalen Zwilling überlassen.