Daniel Gerber ist Sportinformatiker (MSc ETH) und zertifizierter Data Analyst mit 11 Jahren Erfahrung an der Schnittstelle von Sport, Technologie und Datenanalyse. Er arbeitet als Lead Performance Analyst bei einem Schweizer Sporttech-Unternehmen, wo er KI-gestützte Trainingsoptimierungsalgorithmen entwickelt und Wearable-Daten von über 10'000 Nutzern auswertet.
Daniel studierte Informatik mit Vertiefung Computational Science an der ETH Zürich und entdeckte während seiner Masterarbeit über Machine-Learning-basierte Verletzungsprognosen seine Leidenschaft für die Verbindung von Datenanalyse und Sport. Nach dem Abschluss arbeitete er zunächst drei Jahre als Datenanalyst in einem nationalen Sportverband, wo er Leistungsdaten von Kaderathleten auswertete und Dashboards für Trainer entwickelte. Anschließend wechselte er in die Privatwirtschaft zu einem wachsenden Sporttech-Startup, das er über die Jahre bis zu seinem aktuellen Führungsposten begleitete. Daniel ist Experte für die Interpretation biometrischer Daten aus Wearables wie Herzfrequenzmessern, GPS-Uhren und Schlaftrackern. Er beherrscht Programmiersprachen wie Python und R, arbeitet täglich mit Tools wie Tableau und PowerBI und hat umfassende Kenntnisse in statistischen Verfahren und prädiktiven Modellen. Seine technische Kompetenz verbindet er mit einem tiefen Verständnis für die physiologischen Grundlagen des Trainings – er selbst ist aktiver Triathlet und nutzt seine eigenen Daten als Testfeld für neue Analysemethoden. Daniel ist regelmäßiger Speaker an Konferenzen an der Schnittstelle von Sport und Technologie, wie dem jährlichen Sports Analytics Summit in Zürich. Er beobachtet kritisch den Wearables-Markt und die Versprechungen der Hersteller, prüft neue Geräte wissenschaftlich und trennt Marketing von tatsächlicher Innovation. Seine Artikel richten sich an datenaffine Sportler, die ihre Trainingssteuerung durch Technologie und Analytics optimieren wollen, aber oft nicht wissen, wie sie die Datenflut sinnvoll interpretieren und nutzen können. Sein Anspruch ist es, komplexe statistische Konzepte so zu erklären, dass auch Nicht-Datenwissenschaftler fundierte Entscheidungen über ihre Trainingstools treffen können. Besonders wichtig ist ihm die kritische Bewertung von App- und Geräte-Investitionen sowie die Vermeidung von Datenparalyse, die die Freude am Sport zerstört.