Home | Sport | Big Data – so werden Sportler in Zukunft gescoutet
Big Data Scouts © Jirsak Shutterstock.com
Big Data Scouts © Jirsak Shutterstock.com

Big Data – so werden Sportler in Zukunft gescoutet

Im Hinblick auf den schon vor Jahren begonnenen großen Medienhype rund um das Thema Big Data ist es bei Weitem kein Geheimnis mehr, dass zahlreiche große Unternehmen das vielseitig einsetzbare Konzept zur Profitsteigerung nutzen. Auch der Bereich des Sports blieb hiervon nicht unberührt.

Dies ist wenig überraschend, denn einerseits handelt es sich bei Sportvereinen um Organisationen, die in vielerlei Hinsicht wie Unternehmen geführt werden müssen. Andererseits ist es nachvollziehbar, dass die Auswertung von großen Datensätzen besonders im Vorfeld von wichtigen Spielen bei der Analyse von Gegnern und Strategieplanung von großem Nutzen sein kann. Allerdings ist Big Data auch beim Einkauf von Spielern ein sehr interessantes Thema. Was genau diesen Aspekt bei der Suche von Sporttalenten so spannend macht, haben wir uns vorwiegend am Beispiel des Fußballs genauer für Sie angeschaut.

Der Trend zu Big Data Analytics als Trainingswerkzeug

Als Außenstehender ließ sich zuletzt im Rahmen der Fußball-EM 2016 gut beobachten, welch bedeutende Rolle die Auswertung von Big Data im Sport spielt. Datenanalytiker aus aller Welt versuchten im Vorfeld des heiß herbeigesehnten Turniers, umfangreiche Prognosen anzustellen, die sich auf riesige Datensätze stützen. Die so entstandenen und für solch große Turniere beinahe schon zur Tradition gewordenen Vorhersagen waren mal mehr und mal weniger zuverlässig. Trotzdem zeigten die unter anderem von Goldman Sachs präsentierten Ergebnisse eindrucksvoll, wie effektiv sich scheinbar unüberschaubare Mengen von unstrukturierten Datensätzen für die Gewinnung nützlicher Erkenntnisse verwenden lassen.

Daher ist es nicht verwunderlich, dass Big Data Analytics für Fußballvereine mittlerweile zum Alltag geworden sind. Die Sammlung und Auswertung verschiedenster Informationen über einzelne Spieler während eines Fußballspiels dürfte für regelmäßige Zuschauer längst kein Geheimnis mehr sein. Die eingehende Leistungsaufzeichnung beginnt allerdings bereits im Training. Es ist nicht unüblich, dass Fußballspieler bei ihren Trainingseinheiten spezielle Sensoren tragen, die allerhand für das Trainerteam interessante Daten aufzeichnen.

„Wir überwachen die verschiedenen Trainingseinheiten und haben zu jedem unserer Spieler spezifische Daten. Unsere Schlüsse daraus stellen wir dem Trainerteam zur Verfügung. Wie diese Erkenntnisse genutzt und auch interpretiert werden, ist bei jedem Trainer unterschiedlich. Wir geben ihm zusätzliche Informationen zur Bewertung der Mannschaft oder eines Spielers mit auf den Weg. Das alles sind Hilfestellungen, um die Mannschaft insgesamt zu verbessern und individuell auf die Spieler eingehen zu können.“ – Marcel Daum, Video- und Datenanalyst bei Eintracht Frankfurt

Dabei werden kleinste Details festgehalten – Durchschnittsgeschwindigkeit, Laufleistung oder Atemfrequenz sind nur wenige Beispiele solcher Informationen, die dem Trainer dabei helfen sollen, Trainingsmaßnahmen auf die Bedürfnisse der Mannschaft zuzuschneiden. Hierbei kommen bei einigen Clubs zudem ausgefallenere Methoden zum Einsatz wie zum Beispiel der sogenannten Footbonaut: Auf einem eingegitterten Kunstrasen werden Spieler von mehreren Ballmaschinen beschossen, deren Bälle sie anschließend annehmen und in die Richtung bestimmter Zielflächen befördern sollen. Bei immer kürzer werdenden Intervallen werden natürlich auch die erbrachten Leistungen detailreich aufgezeichnet und mitverfolgt, um festgestellte Schwächen gezielter angehen zu können.

Der Trend zum Nutzen von Big Data Analytics für Vereine im Fußball

In den Matches selbst wird ebenfalls eine gewaltige Masse an Daten gesammelt, die sowohl einzelne Spieler als auch die Leistungen der Mannschaften als Einheit betreffen. Wichtig ist hierbei, dass sich die herangezogenen und analysierten Informationen nicht lediglich auf die von der eigenen Mannschaft bestrittenen Spiele beschränken. Auch Daten anderer Mannschaften sind von elementarer Wichtigkeit, wenn man sich strategisch auf den nächsten Gegner vorzubereiten versucht. Doch sammeln Vereine diese große Masse an Big Data selbst? Der Marktführer im Sammeln von Sportdaten ist Opta. Dieser Anbieter analysiert, speichert und vertreibt Live-Daten im Sport bei über 60.000 Veranstaltungen in 30 Sportarten. Zu den Kunden des weltweit agierenden Unternehmens zählen nicht nur Wettanbieter, die solche Daten mitunter für das Festlegen von Wettquoten nutzen, sondern auch zahlreiche große Fußballvereine.

Für Profivereine können Daten dieser Natur auf sehr vielfältige Art genutzt werden, um Prognosemodelle zu erstellen oder komplexe Management-Aufgaben zu lösen, die bis hin zur geschickten Interaktion mit den Fans auf Social-Media-Plattformen reichen. Um Informationen wie Geschwindigkeit, Ballkontakte oder auch Laufstrecken zuverlässig zu sammeln, wird zum Beispiel jedes Bundesliga-Spiel von Kameras aufgezeichnet und für Vereine aufbereitet. Jeder Bundesligist hat die Möglichkeit, gleichermaßen auf die so bereitgestellten Datensätze zuzugreifen.

Nichtsdestotrotz kann sich die Nutzung der Daten trotz gleicher Verfügbarkeit maßgeblich unterscheiden. So leisten sich Spitzenklubs nicht selten speziell für die Auswertung vorgesehene Teams von Datenspezialisten. Die verarbeiteten vielschichtigen Masseninformationen angemessen zu interpretieren und anschließend auf sich stets ändernde Spielbedingungen übertragen zu können, ist eine höchst anspruchsvolle Aufgabe. Dass besonders hochrangige Profiklubs immer bereitwilliger größere Investitionen im Bereich der Big Data Analytics tätigen, um ihre sportlichen und auch wirtschaftlichen Ergebnisse zu verbessern, ist eine mehr als logische Konsequenz aus den zahlreichen Vorzügen der Datenanalyse.

Der Trend zu Big Data Analytics bei der Talentsuche

Viele deutsche Fußballfans werden sich noch immer gerne an das Viertelfinale der Fußball-WM 2006 zurückerinnern und dabei an den Helden des am Schluss gegen Argentinien abgehaltenen Elfmeterschießens denken: Nationaltorwart Jens Lehmann. Nachdem dieser zwei Strafstöße erfolgreich parieren konnte, sicherte er der deutschen Mannschaft spektakulär den Einzug ins Halbfinale. Bevor er sich für die gegnerischen Schüsse positionierte, holte er jedoch stets einen kleinen Zettel hervor, der ihn allem Anschein nach mit hilfreichen Informationen über seine Gegner versorgte. Wie sich im Nachhinein herausstellen sollte, befanden sich auf dem Blatt Papier Infos zu den Schussgewohnheiten der meisten gegnerischen Argentinier beim Elfmeterschießen. Dem Ergebnis nach zu urteilen, war diese Unterstützung bei der Schussprognose alles andere als eine schlechte Idee.

Gewissermaßen vergleichbar ist dieses etwas rudimentärere Vorgehen mit der großflächigen Analyse von riesigen Datensätzen im Zuge der Bewertung von einzelnen Spielern. Die Erfassung von Sportereignissen, die im Verlauf von Fußballpartien tausendfach geschehen, ist bei Weitem keine Neuheit und schon seit Jahren Standard, wird aber immer vielfältiger genutzt. Mittels Big Data Analytics lassen sich nicht nur ganze Mannschaften umfassend bewerten, sondern auch komplexe Spielerprofile erstellen. Bei der Talentsuche ist dieses Werkzeug nach heutigen Ansprüchen in vielen Fällen unabdingbar geworden.

Datenbanken wie zum Beispiel die Software „Scout7″, die sich ebenfalls Daten von Opta zunutze macht, sind für in diesem Bereich tätige Scouts äußerst wertvoll. Interessante Spieler können mithilfe der gesammelten Daten leistungstechnisch anhand verschiedener Statistiken genauestens durchleuchtet werden. Dabei haben Talentsucher die Möglichkeit, Leistungen von Spielern untereinander zu vergleichen. Auch einzelne Arten von Spielereignissen können gezielt gesucht werden, die von Pässen über Torschüsse bis hin zu Kopfbällen reichen. Hinzu kommt, dass sich nicht nur die besten Spieler bestimmter Kategorien ermitteln lassen, sondern außerdem umfassende Sammlungen von Video-Highlights zur Verfügung stehen, um sich ein noch genaueres Bild von Spielern machen zu können. Laut der Internetpräsenz von „Scout7″ enthält die besagte Datenbank Profile von 135.000 weltweit aktiven Fußballern, die mit monatlich etwa 3.000 analysierten Partien aktuell gehalten wird.

Mit immer weiter wachsendem Konkurrenzdruck sind Datenanalysten und Talentsucher von hochrangigen Profiklubs gleichermaßen bestrebt, die Nutzung von Big Data Analytics und deren umfänglichen Datenbanken weiterhin zu verbessern und an spezielle Situationen anzupassen. Somit ist es für manche Vereine ein immer größer werdendes Anliegen, zuverlässigere Analysemethoden zu entwickeln und zu testen, die bei der Talentsuche die Ziele und finanziellen Möglichkeiten eines Fußballklubs ausreichend berücksichtigen.

Für die Zukunft von Big Data Analytics im Sport lässt sich festhalten, dass die zur Verfügung stehenden Informationen zweifelsohne immer besser werden und auch weiterhin eine zunehmend bedeutsamere Rolle spielen. Dennoch ist die Nutzung solcher Datensätze noch immer nicht ohne Probleme. Einerseits werden gesammelte Informationen häufig nicht ausreichend hinterfragt. Andererseits wissen wir teils noch zu wenig über die wirkliche Aussagekraft einiger untersuchter Parameter, was nicht selten auch bei Experten zu folgenschwerer Fehlinterpretation führen kann.

„Die absoluten Werte werden häufig überschätzt. Auch der lauffaulste Spieler kann gut gewesen sein und mit einer entscheidenden Aktion zum Erfolg beigetragen haben. Die Daten dienen immer nur als ein Faktor, einen Bestandteil zu sehen und sind kein finales Urteil über die Leistung eines Spielers.“ – Marcel Daum, Video- und Datenanalyst bei Eintracht Frankfurt

Zudem ist in vielen Fällen weiterhin unklar, welche Faktoren wie Laufleistung oder Ballbesitz letztendlich am entscheidendsten bei der Bestimmung des Siegers sind, da diese Aspekte bei den hochrangigen Fußballklubs oft äußerst unterschiedlich ausgeprägt sind. Feststeht, dass der Fußball – zum Glück für die Fans – nach wie vor ein größtenteils unberechenbarer Sport bleiben wird, der selbst unter der stets wachsenden Datenflut immer wieder für Überraschungen sorgen kann. Die Vermutung liegt somit nahe, dass sich sogar die größten Verfechter von Big Data in den zuständigen Trainerteams der größten Vereine dieses Umstands bewusst sind und bei kritischen Entscheidungen den Faktor Mensch im Hinblick auf ihren beachtlichen sportlichen Erfahrungsschatz keineswegs außen vor lassen.