Suchen

Big-Data-Analysen im Sport Die Sportwelt profitiert von intelligenter Analytik

| Autor / Redakteur: Michael Matzer / Nico Litzel

Die drei Analytik-Anbieter SAS, Exasol und Amazon Web Services haben den Sport als Wachstumsmarkt entdeckt. Zudem sind Organisationen wie die Deutsche Bundesliga auf Innovationen bei ihren Zuschauerangeboten angewiesen, um konkurrenzfähig zu bleiben. Mit den Lösungen der drei Anbieter reicht das Angebot von der einfachen Sportgrafik bis hin zu KI-basierten Angaben und Vorhersagen, die in Echtzeit angezeigt werden.

Firmen zum Thema

Sport-Analytik erlaubt zeitnahe Auwertungen von Spielen, Sportlern und Statistiken für die Zuschauer, aber auch für Vereine und Trainer und Verbände.
Sport-Analytik erlaubt zeitnahe Auwertungen von Spielen, Sportlern und Statistiken für die Zuschauer, aber auch für Vereine und Trainer und Verbände.
(Bild: © kentoh - stock.adobe.com)

Sport-Analytik ist heutzutage bereits ein weites Feld. Nicht nur die Zuschauer am Bildschirm wollen möglichst zeitnah Auswertungen von Spielen und Wettkämpfen geboten bekommen, sondern auch die Trainer, Betreuer und Manager von Athleten und Mannschaften. Am Beginn einer Analyse stehen die Rohdaten eines sportlichen Ereignisses, sei es ein Marathonlauf oder ein Fußball-Match.

„In einer Fußballmannschaft trainieren die Sportler fünf Tage die Woche. All das, was sich auf dem Trainingsplatz abspielt, wird über Sensoren gemessen“, berichtet der „Fanalyst“ Ravi Mistry. „Zum Beispiel werden Daten für die Aufzeichnung von Vitalwerten verwendet. So erhalten Trainer, Manager, Betreuer und Sportwissenschaftler die notwendigen Informationen, um die Team-Leistung zu verbessern und ihre Strategie zu optimieren.“

Die Sport-Daten, die Opta24 im XML-Format liefert, werden von Python geparst und dann in eine analytische Exasol-Datenbank geladen. Die hier abgelegten Daten kann Tableau visualisieren und in Echtzeit aktualisieren.
Die Sport-Daten, die Opta24 im XML-Format liefert, werden von Python geparst und dann in eine analytische Exasol-Datenbank geladen. Die hier abgelegten Daten kann Tableau visualisieren und in Echtzeit aktualisieren.
(Bild: Exasol)

Diese Ereignisdaten liefern verschiedene Nachrichtendienste an Agenturen oder Sendeanstalten, aber auch an die Betreuer usw. In einem Beispiel des Datenbankhersteller Exasol liefert der Dienst Opta solche Daten, lässt sie von einem Python-XML-Parser auswerten und in eine oder mehrere Tabellen einer Exasol-Datenbank einspeisen. „Unsere Kunden haben Zugang zu vielen verschiedenen Datenquellen, die unterschiedliche Aspekte des Spiels abdecken“, sagt Matthieu Lille-Palette, Senior VP bei Opta. „Lösungen wie die Analytics-Datenbank von Exasol können für Sportvereine, die schnellere Erkenntnisse aus ihren ständig wachsenden Daten gewinnen wollen, einen großen Unterschied machen.“

Vereinfachter Rekrutierungsprozess

Das ist eine einfach und leicht verständlich gestaltete Grafik mit zwei Achsen, deren Daten die Leistung eines einzelnen Läufers einordnen.
Das ist eine einfach und leicht verständlich gestaltete Grafik mit zwei Achsen, deren Daten die Leistung eines einzelnen Läufers einordnen.
(Bild: Exasol)

Auch Sportvereine und die Sportindustrie profitieren laut Exasol zunehmend vom Einsatz der Smart Analytics in verschiedenen Bereichen. Beim Rekrutierungsprozess könnten Vereine viel Zeit und Geld sparen, indem sie Analysen mit leistungsstarken Daten durchführen und somit Spieler in die engere Wahl kommen, die dann von Scouts besucht werden. „Unser Skyline-Algorithmus für Preference Analytics“, erläutert Andre Dörr, Data Engineer bei Exasol, „kann Teams dabei helfen, genau die Spieler zu ermitteln, die optimal zu ihren Anforderungen passen, indem weiche Kriterien für bevorzugte Leistungsmerkmale verwendet werden. Und das kann viele Stunden Arbeit ersparen.“

Die ständig aktualisierten Datenbanktabellen und Metadaten stellen wiederum die Grundlage für die verschiedenen Funktionen für die Visualisierung dar, die die – mittlerweile zu Salesforce gehörende – Suite Tableau bereitstellt. Tableau dient nicht nur der Datenentdeckung, sondern insbesondere mobil und online, etwa im Streaming, der Darstellung von angereicherten Daten. Die Anreicherung erfolgt mittlerweile auch mit statistischen Algorithmen des Machine Learning (ML) und des Deep Learnings (DL). Letzteres erkennt Gesichter, Gesten und Sprache. Das ist erst der Anfang dessen, was realisierbar ist.

AWS

Die Deutsche Bundesliga und der Verband Deutsche Fußball-Liga (DFL) setzen seit Januar 2020 ganz auf die KI-Technologien, die Amazon Web Services im Portfolio hat. Die DFL hat sich zum Ziel gesetzt, Fans noch tiefere Einblicke bei der Liveübertragung von Bundesligaspielen zu ermöglichen und ihnen ein ganz persönliches Fan-Erlebnis zu bieten. Die Bundesliga wird dazu diverse AWS-Dienste nutzen, um Echtzeit-Statistiken zur Vorhersage von Spielzügen und -ergebnissen zu liefern. Solche Vorhersagen, die bislang beispielsweise den nächsten Spielzug abdecken, werden heute bereits mithilfe von AWS bei den Liveübertragungen der National Football League (NFL) eingeblendet. Zusätzlich können mit solchen Informationen personalisierte Empfehlungen zu weiterem Material rund um ein Spiel gegeben werden, und dies sowohl mobil oder online, über Streaming-Plattformen oder das Fernsehen.

Beispiele für Sport-Analytik aus dem DFL-Sportreport 2020.
Beispiele für Sport-Analytik aus dem DFL-Sportreport 2020.
(Bild: DFL)

Doch die DFL ist kein rein passiver Konsument von AWS-Technologie, sondern will eigene Cloud-basierte Services entwickeln, um Prozesse zu automatisieren, Abläufe effizienter zu gestalten und das Zuschauererlebnis für die rasant wachsende weltweite Fangemeinde der Bundesliga weiter zu verbessern. Um dies zu bewerkstelligen und Premium Services zu entwickeln, wird eine neue Statistikplattform auf Basis von Amazon SageMaker entwickelt. SageMaker ist ein vollständig verwalteter Dienst zur Erstellung, dem Trainieren und der Bereitstellung von ML-Modellen. Die DFL strebt an, Fans in Echtzeit vorhersagen zu können, wann wahrscheinlich ein Tor erzielt wird, potenzielle Torchancen identifizieren und aufzeigen, wie sich Teams auf dem Spielfeld positionieren und wer das Spiel kontrolliert. Auch dies ist bei der NFL bereits Realität.

Beispiele für Sport-Analytik aus dem DFL-Sportreport 2020.
Beispiele für Sport-Analytik aus dem DFL-Sportreport 2020.
(Bild: DFL)

Jedes Machine Learning-Modell muss trainiert werden, und das kostet 90 Prozent des Aufwands für eine KI-Anwendung. Die restlichen zehn Prozent entfallen auf die Phase der Inferenz. Als Grundlage dienen laut AWS Bundesliga-Live-Daten sowie historische Informationen aus über 10.000 Bundesligaspielen. Die Bundesliga plant zudem, weitere AWS ML-Dienste zu nutzen, darunter Amazon Personalize, um in Echtzeit individuelle Empfehlungen abzugeben und Fans auf personalisiertes Material zum Spiel, Marketingaktionen und Suchergebnisse zu ihrer Lieblingsmannschaft oder ihren Lieblingsspielern und -spielen aufmerksam zu machen.

Aufbau eines Cloud-basierten Medienarchivs

Beispiele für Sport-Analytik aus dem DFL-Sportreport 2020.
Beispiele für Sport-Analytik aus dem DFL-Sportreport 2020.
(Bild: DFL)

Nach der Echtzeit-Anreicherung und der Personalisierung des Fanerlebnisses folgt der nächste Schritt: der Aufbau eines Cloud-basierten Medienarchivs. Die Bundesliga will dazu weitere ML-Dienste von AWS nutzen, wie den intelligenten Bild- und Videoanalysedienst Amazon Rekognition. Das Medienarchiv versieht automatisch bestimmte Frames aus den mehr als 150.000 Stunden Video mit Metadaten wie etwa Spiel, Trikot, Spieler, Mannschaft und Spielort. So kann die Liga Filmmaterial vergangener Spiele einfach durchsuchen und Schlüsselszenen für In-Game-Übertragungen in mehr als 200 Ländern heraussuchen.

Das Archiv soll es der Bundesliga ermöglichen, den derzeitigen manuellen Prozess der Suche und Verschlagwortung (Tagging) von Spiel-Highlights zu automatisieren. Das manuelle Tagging ist im Vergleich zum KI-Einsatz extrem aufwendig, fehleranfällig und langsam. Andererseits sind für ein korrektes automatisches Erkennen von Inhalten sehr große Mengen von Trainingsdaten vonnöten. Daher die Angabe von „Informationen aus über 10.000 Bundesligaspielen“ und „Frames aus den mehr als 150.000 Stunden Video“.

SAS Analytics

Wie das konkret aussehen und welche Vorteile solche Innovation auch wirtschaftlich bringen, demonstriert der NBA-Verein The Orlando Magic in Florida, USA. Basketball-Vereine müssen in diesem hart umkämpften Markt ihre Fans loyal an sich binden, am besten durch ein Gewinner-Team, aber auch durch Mehrwert-Services. Durch Personalisierung seines Sporterlebnisses soll jeder Fan noch loyaler – und damit lukrativer – gemacht werden. Je lukrativer der Verein, desto attraktiver ist er für Sponsoren, die beispielsweise Werbung schalten. Der Verein nutzt dafür in erster Linie eine mobile App, denn schließlich verfügen schon die jüngsten Fans über ein eigenes Handy.

Zwei Drittel der US-Amerikaner haben laut dieser Statistik kein Interesse an (europäischem) Fußball.
Zwei Drittel der US-Amerikaner haben laut dieser Statistik kein Interesse an (europäischem) Fußball.
(Bild: Exasol)

„Wir nutzen so viel wie möglich die technologischen Möglichkeiten aus, um das Fanerlebnis zu verbessern und neue und verbesserte Produkte herzustellen“, berichtet Jay Riola, Senior Vice President of Strategy. Mithilfe von SAS Analytics ist es ihm seit 2010 gelungen, die Single-Ticket-Verkäufe signifikant zu erhöhen: seit der Saison 2013/14 um etwa 91 Prozent. Riola schreibt einen großen Teil dieses Erfolgs der verbesserten Preisgestaltung zu, dem Umsatz-Management und den gesamten Marketingstrategien, die größtenteils auf Analytik basieren. Orlando Magic verwendet die SAS-Produkte Visual Analytics, Visual Statistics und „Visual Data Mining and Machine Learning powered by SAS Viya”, die allesamt auf Amazon Web Services ausgeführt werden.

(ID:46458449)

Über den Autor