From Raw to Big Data in Endurance Running

Body-worn sensors, so-called wearables, are getting more and more popular in the sports domain. Wearables offer real-time feedback to athletes on technique and performance, while researchers can generate insights into the biomechanics and sports physiology of the athletes in real-world sports environments outside of laboratories. One of the first sports disciplines, where many athletes have been using wearable devices, is endurance running. With the rising popularity of smartphones, smartwatches and inertial measurement units (IMUs), many runners started to track their performance and keep a digital training diary. Due to the high number of runners worldwide, which transferred their data of wearables to online fitness platforms, large databases were created, which enable Big Data analysis of running data. This kind of analysis offers the potential to conduct longitudinal sports science studies on a larger number of participants than ever before. In this dissertation, both studies showing how to extract endurance running-related parameters from raw data of foot-mounted IMUs as well as a Big Data study with running data from a fitness platform are presented. Am Körper tragbare Sensoren, so genannte Wearables, werden im Sportbereich immer populärer. Wearables bieten Nutzern die Möglichkeit, Rückmeldung über Technik und sportliche Leistung in Echtzeit zu erhalten, während sie Wissenschaftlern Einblicke in die Biomechanik und Physiologie von Sportlern außerhalb des Labors ermöglichen. Eine der ersten Sportarten, in welcher viele Athleten Wearables nutzten, war der Ausdauerlauf. Seit der Einführung von Smartphones und Smartwatches haben viele Läufer begonnen, sich selbst zu tracken und ein digitales Trainingstagebuch zu führen. Durch die große Anzahl an Nutzern weltweit, die ihre Daten an Fitness Plattformen übertragen haben, entstanden große Datenbanken, die nun Big Data Analysen \mbox{ermöglichen. Diese} Art von Analysen bieten Wissenschaftlern die Möglichkeit, generische Schlussfolgerungen aus longitudinalen Studien basierend auf einer größeren Anzahl an Nutzern zu ziehen als jemals zuvor. Die in dieser Dissertation präsentierten Studien zeigen zum einen, wie Rohdaten von am Körper tragbaren inertialen Messeinheiten im Ausdauerlaufen zu interpretierbaren Laufparametern verarbeitet werden und zum anderen, wie Big Data von Fitness Plattformen genutzt werden kann, um Erkenntnisse im Marathon Training zu erlangen.