Wie künstliche Intelligenz das Sportbusiness verändert

Sascha L. Schmidt / Johannes Fühner - 10. Januar 2022

Tipps für Praktiker

„Schlüsseltechnologie des Jahrhunderts“ prognostizieren die einen, Job- und Kontrollverluste fürchten die anderen. Kaum eine Technologie wird so kontrovers diskutiert wie künstliche Intelligenz (KI). Über kurz oder lang können schlaue Roboter und Computer unsere Autos steuern, den Chirurgen assistieren, neue Häuser bauen und Steuererklärungen prüfen. KI ist eine der spannendsten Entwicklungen der Digitalisierung und hat längst Einzug in den Alltag gehalten: Einer globalen Umfrage des MIT zufolge nutzten bereits im Jahr 2019 rund 90 Prozent der weltweiten Unternehmen KI. Heute ist allein der weltweite Markt für KI-basierte Software circa 23 Milliarden US-Dollar schwer und soll sich bis 2025 auf 126Milliarden mehr als verfünffachen. Somit befinden wir uns noch am Anfang des KI-Booms, der aber schon unaufhaltsam eingesetzt hat.

Spätestens seit den Aktivitäten der Oakland Athletics in den frühen 2000er-Jahren ist KI auch im Sport in aller Munde. Weil finanzielle Ressourcen fehlten, verfolgte das Team aus der Major League Baseball (MLB) unter dem damaligen Manager Billy Beane einen radikal analytisch getriebenen Ansatz für seine Kaderplanung, um unterbewertete Spieler zu identifizieren. Mithilfe dieser Strategie gelang es dem Außenseiterteam viermal in Folge, in die Play-offs einzuziehen. Sogar in Hollywood wurde man auf die Geschichte aufmerksam und gab im Jahr 2011 Brad Pitt die Hauptrolle für die Verfilmung von „Moneyball“.

Bei näherer Betrachtung fällt auf, dass es sich bei den bisherigen Anwendungen im Sport oftmals eher um Advanced Analytics als um KI im engeren Sinne handelt. Doch worin liegt der Unterschied? Dieser lässt sich gut am Beispiel von Schachcomputern verdeutlichen: Während IBMs DeepBlue mehrere Jahre brauchte, um den damals amtierenden Schachweltmeister zu besiegen, gelang Googles AlphaZero ein ähnliches Kunststück in weniger als einem Tag, indem das Programm unzählige Partien gegen sich selbst simulierte und danach den weltweit führenden Schachcomputer bezwang. Der nächste Quantensprung liegt also im Einsatz von Computersystemen wie Machine Learning oder Deep Learning, die in der Lage sind, eigenständig zu lernen und die vorhandenen Datenquellen auszuwerten, ohne explizite Anweisungen eines menschlichen Bedieners zu befolgen.

In der Folge werden einige ausgewählte Anwendungsfelder für Advanced Analytics und KI diskutiert und es wird ein Ausblick gegeben, welche Implikationen für Entscheidungsträger im Sportbusiness daraus resultieren.

Anwendungsfeld Spielanalyse: Kann KI den sportlichen Erfolg steigern?

Insbesondere in der Spielanalyse im US-Sport werden Advanced Analytics schon seit Langem angewendet. Nach Billy Beanes Pionierarbeit im Baseball sorgten beispielsweise die Philadelphia Eagles in der NFL für Aufsehen, als Head Coach Doug Pederson damit begann, sich während des Spiels Ratschläge von seinem Datenexperten Ryan Paganetti einzuholen. Offensichtlich mit Erfolg: Im Jahr 2018 gelang dem Duo Pederson-Paganetti sensationell der Gewinn des Superbowls.

Dass auch im Fußball solche Ansätze umsetzbar sind, stellt der dänische Verein FC Midtjylland unter Beweis. Um als kleiner Verein mit bescheidenen finanziellen Mitteln mithalten zu können, verwenden die Dänen schon seit Jahren eine datenbasierte Strategie für Transferentscheidungen und Spieltaktik. Das Modell verwendet Methoden der Entscheidungstheorie und beabsichtigt, irrationale menschliche Bewertungen auszublenden. Vielmehr werden objektive Leistungsdaten wie erarbeitete Torchancen, Passqualität oder Standardsituationen für die Spielbewertung herangezogen und es wird weniger auf subjektive Experteneinschätzungen vertraut. Unter der Führung des 37-jährigen Präsidenten Rasmus Ankersen wurde ein Algorithmus entwickelt, der ein europaweites Leistungsranking aller Vereine bestimmt und fortlaufend aktualisiert.

Als Grundlage für diese Strategien braucht es natürlich vor allem eins: Daten. Neue Technologien erleichtern im ersten Schritt zunehmend die Sammlung großer Mengen an Daten, zum Beispiel über Tracking-Systeme von Anbietern wie Kinexon oder Catapult. Laut Firmenangaben zählt das Unternehmen Kinexon bereits über 70 Prozent der NBA-Teams zu seinen Kunden. Auch in der Fußball-Bundesliga wurden bereits erste Partnerschaften geknüpft, etwa mit Bayer 04 Leverkusen oder der TSG Hoffenheim. Die Vereine nutzen die über Tracking-Systeme gesammelten Daten, um datengestützte Entscheidungen treffen zu können – zum Beispiel für die Taktik im nächsten Spiel.

Darüber hinaus stürmen zahllose Start-ups mit echten KI-Lösungen auf den Markt. Viele setzen technologisch auf das sogenannte Motion Tracking, also die automatisierte Erfassung exakter Bewegungsdaten mithilfe von Videomaterial. Unter anderem sind in diesem Bereich mit Sports Dynamics, das zum Beispiel bei der TSG Hoffenheim zum Einsatz kommt, und Skillcorner, das Teil des 1. FC Köln Hype Spin Accelerators ist, zwei französische Jungunternehmen aktiv. In der Tech-Hochburg Tel Aviv sitzt die Firma Track160, an der unter anderem die DFL beteiligt ist und die mit der TSG Hoffenheim ein Proof of Concept entwickelt hat. Deren Software ist in der Lage, sich auf Basis von Deep Learning eigenständig weiterzuentwickeln, und soll zunächst im Amateurbereich angeboten werden. Einer der größten Player in der Spielanalyse ist das kanadische Start-up Sportlogiq mit über 100 Mitarbeitern, die an KI-basierten Analysen im Eishockey, Fußball und American Football tüfteln.

Der Übergang von Advanced Analytics zu KI in der Spielanalyse verläuft fließend und ist längst im Gange. Langfristig könnte KI noch einen weitaus größeren Wettbewerbsvorteil verschaffen, indem sie beispielsweise unvorhersehbare Matchpläne entwickelt, die Taktik während des Spiels an den Gegner anpasst oder sogar Live-Feedback für einzelne Spieler gibt, um deren individuelles Spielverhalten zu verbessern. Hierbei wird KI immer eine Entscheidungshilfe bleiben – sie ersetzt nicht das menschliche Handeln, sondern unterstützt es.

Anwendungsfeld Scouting und Spielerentwicklung: Kann KI voraussagen, wer der nächste Lionel Messi wird?

Nur etwa fünf Prozent der Talente in den Nachwuchsleistungszentren der Fußball-Bundesligisten schaffen den Sprung in den Profibereich. Derzeit können selbst ausgewiesene Scouting-Experten nicht verlässlich vorhersagen, welcher Jugendliche den Durchbruch schaffen wird. Oftmals wird behauptet, es bedürfe vor allem der menschlichen Intuition, um eine solche Einschätzung zu treffen. Aber ist dies wirklich der Fall oder kann KI zumindest helfen, die vielversprechendsten Talente zu identifizieren?

Die TSG Hoffenheim ist schon länger dabei, riesige Datenmengen zu sammeln und auszuwerten, um das Potenzial von Nachwuchsspielern systematisch beurteilen zu können. Hierbei geht es nicht nur um sportliche und mentale Daten von Spielern, sondern auch um Persönlichkeitseigenschaften, Verletzungsdaten, Ernährung und vieles mehr. Trotz dieser vorhandenen Datenmenge ist aktuell noch keine valide Vorhersage über die Spielerentwicklung möglich, weil die Zusammenhänge von vielen Unwägbarkeiten im Heranwachsen eines Jugendlichen abhängen. Da die systematische Erhebung relevanter Daten im Jugendbereich erst vor wenigen Jahren begonnen hat, wird es noch einige Zeit dauern, bis KI hier verlässliche Vorhersagen liefern kann.

Klar scheint schon heute: KI wird im Scouting und in der Spielerentwicklung dann ihren Durchbruch schaffen, wenn die verschiedenen Datenpunkte über weitaus längere Zeiträume vorliegen und miteinander verknüpft werden können. Für die Vereine besteht eine Möglichkeit, den Prozess zu beschleunigen, indem sie Kooperationen vereinbaren, um die eigenen Daten miteinander zu teilen. Nichtsdestotrotz stoßen die Möglichkeiten von KI im Scouting an gewisse Grenzen. Auch in Zukunft wird es lediglich möglich sein, Wahrscheinlichkeiten für Spielerentwicklungen zu errechnen. Keine KI der Welt wird mit absoluter Sicherheit vorhersagen können, welcher Spieler den Durchbruch schaffen wird. Die Praxis zeigt bekanntlich: Eine schwere Verletzung oder eine private Krise können schnell Auslöser für das Ende einer vielversprechenden Karriere sein.

Anwendungsfeld Fans: Welche KI-basierten Erfahrungen entstehen für Fans?

Neben der Nutzung im sportlichen Bereich kann KI auch im Medienkonsum ein völlig neues Fan-Erlebnis schaffen. Längst ist klar, dass nicht nur verschiedene Sportübertragungen um die Aufmerksamkeit der Fans konkurrieren, sondern dass die gesamte Unterhaltungsbranche zum Wettbewerber geworden ist – also auch Streamingdienste wie Netflix oder Disney Plus. Aufgrund dieses steigenden Wettbewerbsdrucks ist die Weiterentwicklung des Medienangebots im Sport von großer Bedeutung. KI kann dazu in vielerlei Hinsicht beitragen.

Schon heute können mit KI automatisierte Highlight-Clips generiert werden, die spezifisch auf bestimmte Märkte zugeschnitten sind. So können beispielsweise japanische Fans automatisch erstellte Bundesliga-Clips mit Fokus auf Spielern wie Makoto Hasebe oder Wataru Endō genießen. Solche Ansätze sind besonders für Over-the-top-Player (OTT) wie Dazn oder Magenta Sport interessant, da diese über sehr detaillierte Daten über Kunden und Zielgruppen verfügen, die für individualisierte Angebote Voraussetzung sind. Außerhalb des Sports ist Netflix in dieser Disziplin ein Vorreiter. Mittels KI wird auf Basis der Nutzerdaten ermittelt, welche Serie einem Zuschauer gefallen könnte und wie gut einzelne Sequenzen ankommen.

Solche KI-basierten Lösungen setzen voraus, dass Sportorganisationen ihre Kunden und Fans sehr gut kennen. Hierfür sind moderne CRM-Systeme als Datenlieferanten unabdingbar. Auch CRM-Systeme profitieren wiederum von KI, indem sie eine maßgeschneiderte Kommunikation für die Bedürfnisse individueller Fans ermöglichen. Etablierte CRM-Anbieter wie Salesforce integrieren KI längst in ihre Software, um die Qualität eines Leads vorherzusagen und das richtige Timing für die Kundenansprache abzupassen. Für das Sportbusiness ist dieses Einsatzfeld hochinteressant, denn – egal ob Fan oder Partner – oft bestimmen die richtigen Angebote zur richtigen Zeit über den Erfolg.

Auch Live-Übertragungen von Sportveranstaltungen können mit KI-basierten Echtzeitanalysen angereichert werden. In der aktuellen Bundesliga-Saison sorgt etwa die Statistik „Expected Goals“, die die DFL in Zusammenarbeit mit Amazon Web Services (AWS) entwickelt hat, für Furore. Dabei werden die Potenziale von KI genutzt, um den Fans informative und stärker personalisierte Inhalte zu präsentieren. Beispielsweise wird die Torerzielungswahrscheinlichkeit für jeden Abschluss berechnet. Als Basis für das „Expected-Goals-Modell“ wurden über 47.000 Schüsse und Tore in der Bundesliga-Datenbank per Machine Learning ausgewertet. Auch Sportdatenanbieter wie Opta Sports beschäftigen sich längst damit, wie sie ihre vielfältigen Daten in innovative Visualisierungen übertragen können, und bieten ihren Kunden attraktive Infografiken zur Integration bei Übertragungen. Sogar Themen wie „Automated Storytelling“, also die Generierung von schnell auf den Punkt gebrachten Inhalten für eine junge Zielgruppe, bei denen verstärkt Algorithmen genutzt werden, dürften nur noch eine Frage der Zeit sein.

KI-basierte Lösungen bleiben übrigens nicht nur Fans der Fußball-Bundesliga vorbehalten. Aufgrund der hohen Kosteneffizienz von KI-Lösungen sind intelligente Kameras auch im Amateurbereich im Einsatz. Anbietern wie Sporttotal.tv ist es inzwischen möglich, verschiedenste Ballspiele mit intelligenter Kameraführung komplett automatisiert aufzunehmen. Es ist zu erwarten, dass die Qualität der automatisierten Videoproduktion weiter steigt, sodass eines Tages selbst Spiele der UEFA Champions League ohne Qualitätsverlust automatisiert produziert werden könnten.

Originalpublikation

• Detaillierte Informationen zu diesem Thema und weiteren Themen finden Sie in der Originalpublikation: Schmidt, S. L. (2020): 21st Century Sports – How Technologies Will Change Sports in the Digital Age, Springer Cham, September 2020. Doi.org/10.1007/978-3-030-50801-2