Das größte Fußballturnier der Welt steht wieder in den Startlöchern. Mehr denn je verwenden Spieler und Verbände die Analyse großer Datenmengen, um ihr Spiel auf das nächste Level zu bringen.
Wie wird Big Data heute eingesetzt?
Data Analysis hilft heutzutage alles zu steuern: Von Spielertransfers und der Intensität des Trainings bis hin zur gezielten Adaption auf Gegner und der Empfehlung der besten Schussrichtung für jeden Punkt auf dem Spielfeld.
Sensoren, die am Körper getragen werden, können jede Bewegung erfassen, die Position per GPS verfolgen und die Anzahl der Schüsse pro Fuß zählen. Kameras aus verschiedenen Blickwinkeln erfassen alles, von gewonnenen Kopfbällen bis zu der Dauer, die der Spieler den Ball behält. Um diese Informationen sinnvoll zu nutzen, beschäftigen die meisten internationalen Top-Mannschaften inzwischen Data Analysts und Data Scientists, darunter Mathematiker und Physiker, die von Spitzenunternehmen wie dem Tech-Giganten Microsoft oder dem CERN, dem europäischen Labor für Teilchenphysik in der Nähe von Genf angeworben wurden.
Die Erkenntnisse der Analysten verändern somit die Art und Weise, wie das Spiel gespielt wird: Stürmer schießen seltener aus der Distanz, Flügelspieler passen häufiger zu einem Mitspieler, anstatt selbst mit dem Ball in Richtung des 16 Meter Raums zu ziehen und Trainer sind darauf bedacht, dass der Ball möglichst noch in der gegnerischen Hälfte des Spielfelds erobert wird. All dies sind taktische Veränderungen, die alle durch harte Fakten untermauert werden, um den Trainer bei Entscheidungen zu unterstützen. Selbst beim Scouting neuer Talente wird Big Data heute immer mehr eingesetzt.
Die Ursprünge der Prognosen
In einigen Sportarten ist es schon lange gang und gäbe, dass große Datenmengen ausgewertet werden, um Vorhersagen treffen zu können und taktische Vorteile generieren zu können. Beispielsweise beschreibt das 2003 erschienene Buch “M oneyball”, wie mit Hilfe von Data Science, mit so wenig Budget wie möglich ein möglichst effektives Baseball Team kreiert werden konnte. Es wurden besonders günstige Spieler auf der Grundlage detaillierter Daten über ihre Leistung rekrutiert, mit einem besonderen Fokus auf bisher vernachlässigten Faktoren.
Im Fußball hingegen sind solche Analysen deutlich komplexer. Baseball ist ein eher langsames Spiel, bei dem immer eine Mannschaft angreift und eine verteidigen muss. Fußball hingegen ist ein deutlich vielfältiges und schnelleres Spiel. Hierbei gibt es deutlich mehr Faktoren, welche das Ergebnis beeinflussen könnten, sodass es schwerer ist einzuschätzen, welche Faktoren letztlich in welchem Maße zu einem gewissen Spielausgang geführt haben. Somit konzentrierte man sich jahrzehntelang vor allem auf die Anzahl erzielter und kassierter Tore, und weniger auf Spiel-interne Abläufe, um Vorhersagen zu treffen.
Heutige Prognosen
Varianten dieser Methode werden auch heute noch zur Vorhersage von Spielergebnissen verwendet. Ein statistisches Modell, das davon ausgeht, dass die geschossenen und kassierten Tore um einen Mittelwert herum verteilt sind, wurde von Epidemiologen der Universität Oxford entwickelt und sagte korrekt voraus, dass Italien England bei der Europameisterschaft 2020 schlagen würde. Außerdem wurden sechs der acht Viertelfinalisten richtig vorausgesagt.
Zur Berechnung bewerten die Studenten für jedes Team die Offensiv- und Defensiv Stärke. Hierfür setzt man die Anzahl der erzielten und kassierten Tore ins Verhältnis mit der relativen Schwierigkeit der jeweiligen Gegner. Am Ende hat man eine ganze Reihe von Gleichungen, die sowohl für die Offensiv- als auch für die Defensivstärke aufgelöst werden müssen. Ist dieser Schritt erst einmal geschafft, ist es ganz einfach, jedes Spiel vorherzusagen. Für die bevorstehende Weltmeisterschaft in Katar zeigt das Modell, dass Belgien die größte Chance auf den Sieg hat, gefolgt von Brasilien.
Lässt sich auch das Verhalten auf dem Platz vorhersagen?
Viel interessanter für die Trainer sind Informationen darüber, wie die Analyse von Daten Einfluss auf das konkrete Geschehen auf dem Platz haben kann.
Dank moderner Technologie sind solche Daten immer einfacher zu beschaffen und zu analysieren, sodass die meisten Spitzenvereine und viele Nationalmannschaften bereits vor über zehn Jahren damit begonnen haben, Datenanalysten zu beschäftigen.
Experten sehen beispielsweise einen Algorithmus, der Spieler in verschiedenen Ligen bewertet und dem Team hilft, unterbewertete Stars zu rekrutieren für einen der Hauptgründe für den jüngsten Erfolg des Londoner Vereins Brentford FC. Das Datenteam des FC Liverpool hat ein Modell entwickelt, mit dem beurteilt werden kann, ob die Aktionen eines Spielers auf dem Spielfeld die Wahrscheinlichkeit eines Tores erhöhen. Und im Rahmen einer Partnerschaft zwischen dem spanischen Spitzenklub FC Barcelona und Sportwissenschaftlern der Universität Lissabon wurde im vergangenen Jahr eine Analyse darüber veröffentlicht, wann der beste Zeitpunkt ist, den Ball abzuspielen, je nach Art von Pass.
Das größte Potenzial sehen Experten darin, den Spielern vor Spielbeginn Berichte vorzulegen, in denen die Spielweise des Gegners und typische Taktiken genauestens analysiert wurden. Somit können sich Mannschaften optimal auf den Gegner einstellen und versuchen mögliche Stärken im Voraus schon zu erkennen.
Analyse von Bewegungen abseits des Balls
Heute wird immer mehr darauf geschaut, wie sich Spieler verhalten, wenn sie nicht am Ball sind. Dies ist deutlich schwieriger, da die Kameras der TV-Teams sich vor allem auf das Geschehen rund um den Ball fokussieren, und somit viele Bewegungsmuster abseits des Balles kaum erfasst werden.
Für dieses Problem wurde eine auf KI basierende Technik entwickelt, welche Bewegungen von Spielern prognostizieren kann, selbst wenn diese gerade nicht von den Kameras erfasst werden. Somit können für alle Spielsituationen alternative Spielzüge simuliert werden und nach dem Spiel mit den Spielern evaluiert werden.
