{"id":165079,"date":"2022-11-18T10:51:08","date_gmt":"2022-11-18T09:51:08","guid":{"rendered":"https:\/\/liora.io\/de\/?p=165079"},"modified":"2026-02-06T07:07:36","modified_gmt":"2026-02-06T06:07:36","slug":"der-einfluss-von-big-data-auf-die-weltmeisterschaft","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/der-einfluss-von-big-data-auf-die-weltmeisterschaft","title":{"rendered":"Der Einfluss von Big Data auf die Weltmeisterschaft"},"content":{"rendered":"

Das gr\u00f6\u00dfte Fu\u00dfballturnier der Welt steht wieder in den Startl\u00f6chern. Mehr denn je verwenden Spieler und Verb\u00e4nde die Analyse gro\u00dfer Datenmengen<\/a>, um ihr Spiel auf das n\u00e4chste Level zu bringen.<\/p>\n

Wie wird Big Data heute eingesetzt?<\/h3>\n

Data Analysis hilft heutzutage alles zu steuern: Von Spielertransfers und der Intensit\u00e4t des Trainings bis hin zur gezielten Adaption auf Gegner<\/b> und der Empfehlung der besten Schussrichtung f\u00fcr jeden Punkt auf dem Spielfeld.<\/p>\n

Sensoren<\/b>, die am K\u00f6rper getragen werden, k\u00f6nnen jede Bewegung erfassen, die Position per GPS verfolgen und die Anzahl der Sch\u00fcsse pro Fu\u00df z\u00e4hlen. Kameras aus verschiedenen Blickwinkeln erfassen alles, von gewonnenen Kopfb\u00e4llen bis zu der Dauer, die der Spieler den Ball beh\u00e4lt. Um diese Informationen sinnvoll zu nutzen<\/b>, besch\u00e4ftigen die meisten internationalen Top-Mannschaften inzwischen Data Analysts<\/a> und Data Scientists<\/a>, darunter Mathematiker und Physiker, die von Spitzenunternehmen wie dem Tech-Giganten Microsoft oder dem CERN, dem europ\u00e4ischen Labor f\u00fcr Teilchenphysik in der N\u00e4he von Genf angeworben wurden.<\/p>\n

Die Erkenntnisse der Analysten ver\u00e4ndern<\/b> somit die Art und Weise<\/b>, wie das Spiel gespielt wird: St\u00fcrmer schie\u00dfen seltener<\/b> aus der Distanz, Fl\u00fcgelspieler passen h\u00e4ufiger<\/b> zu einem Mitspieler, anstatt selbst mit dem Ball in Richtung des 16 Meter Raums zu ziehen und Trainer sind darauf bedacht, dass der Ball m\u00f6glichst noch in der gegnerischen H\u00e4lfte des Spielfelds erobert<\/b> wird. All dies sind taktische Ver\u00e4nderungen, die alle durch harte Fakten untermauert werden, um den Trainer bei Entscheidungen zu unterst\u00fctzen. Selbst beim Scouting neuer Talente<\/b> wird Big Data<\/a> heute immer mehr eingesetzt.<\/p>\n

\"unnamed<\/p>\n

Die Urspr\u00fcnge der Prognosen<\/h3>\n

In einigen Sportarten ist es schon lange gang und g\u00e4be, dass gro\u00dfe Datenmengen<\/a> ausgewertet werden, um Vorhersagen treffen zu k\u00f6nnen und taktische Vorteile generieren zu k\u00f6nnen. Beispielsweise beschreibt das 2003 erschienene Buch \u201cM oneyball\u201d, wie mit Hilfe von Data Science, mit so wenig Budget wie m\u00f6glich ein m\u00f6glichst effektives Baseball Team<\/b> kreiert werden konnte. Es wurden besonders g\u00fcnstige Spieler auf der Grundlage detaillierter Daten \u00fcber ihre Leistung rekrutiert, mit einem besonderen Fokus auf bisher vernachl\u00e4ssigten Faktoren.<\/p>\n

Im Fu\u00dfball hingegen sind solche Analysen deutlich komplexer<\/b>. Baseball ist ein eher langsames Spiel, bei dem immer eine Mannschaft angreift und eine verteidigen muss. Fu\u00dfball hingegen ist ein deutlich vielf\u00e4ltiges und schnelleres Spiel<\/b>. Hierbei gibt es deutlich mehr Faktoren, welche das Ergebnis beeinflussen<\/b> k\u00f6nnten, sodass es schwerer ist einzusch\u00e4tzen, welche Faktoren letztlich in welchem Ma\u00dfe zu einem gewissen Spielausgang gef\u00fchrt haben. Somit konzentrierte man sich jahrzehntelang vor allem auf die Anzahl erzielter und kassierter Tore<\/b>, und weniger auf Spiel-interne Abl\u00e4ufe, um Vorhersagen zu treffen.<\/p>\n

Heutige Prognosen<\/h3>\n

Varianten dieser Methode werden auch heute noch zur Vorhersage von Spielergebnissen<\/b> verwendet. Ein statistisches Modell, das davon ausgeht, dass die geschossenen und kassierten Tore um einen Mittelwert herum verteilt<\/b> sind, wurde von Epidemiologen der Universit\u00e4t Oxford<\/b> entwickelt und sagte korrekt voraus, dass Italien England bei der Europameisterschaft 2020<\/b> schlagen w\u00fcrde. Au\u00dferdem wurden sechs der acht Viertelfinalisten richtig vorausgesagt.<\/p>\n

Zur Berechnung bewerten die Studenten f\u00fcr jedes Team die Offensiv- und Defensiv St\u00e4rke.<\/b> Hierf\u00fcr setzt man die Anzahl der erzielten und kassierten Tore<\/b> ins Verh\u00e4ltnis mit der relativen Schwierigkeit der jeweiligen Gegner<\/b>. Am Ende hat man eine ganze Reihe von Gleichungen, die sowohl f\u00fcr die Offensiv- als auch f\u00fcr die Defensivst\u00e4rke aufgel\u00f6st werden m\u00fcssen. Ist dieser Schritt erst einmal geschafft, ist es ganz einfach, jedes Spiel vorherzusagen. F\u00fcr die bevorstehende Weltmeisterschaft in Katar<\/b> zeigt das Modell, dass Belgien<\/b> die gr\u00f6\u00dfte Chance auf den Sieg hat, gefolgt von Brasilien<\/b>.<\/p>\n

\"Coup<\/p>\n

L\u00e4sst sich auch das Verhalten auf dem Platz vorhersagen?<\/h2>\n

Viel interessanter f\u00fcr die Trainer sind Informationen dar\u00fcber, wie die Analyse von Daten Einfluss auf das konkrete Geschehen auf dem Platz<\/b> haben kann.<\/p>\n

Dank moderner Technologie sind solche Daten immer einfacher zu beschaffen und zu analysieren, sodass die meisten Spitzenvereine<\/b> und viele Nationalmannschaften<\/b> bereits vor \u00fcber zehn Jahren damit begonnen haben, Datenanalysten<\/a> zu besch\u00e4ftigen.<\/p>\n

Experten sehen beispielsweise einen Algorithmus<\/b><\/a>, der Spieler in verschiedenen Ligen bewertet und dem Team hilft, unterbewertete Stars<\/b> zu rekrutieren f\u00fcr einen der Hauptgr\u00fcnde f\u00fcr den j\u00fcngsten 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<\/b> erh\u00f6hen. Und im Rahmen einer Partnerschaft zwischen dem spanischen Spitzenklub FC Barcelona und Sportwissenschaftlern der Universit\u00e4t Lissabon wurde im vergangenen Jahr eine Analyse dar\u00fcber ver\u00f6ffentlicht, wann der beste Zeitpunkt<\/b> ist, den Ball abzuspielen<\/b>, je nach Art von Pass.<\/p>\n

Das gr\u00f6\u00dfte Potenzial sehen Experten darin, den Spielern vor Spielbeginn Berichte vorzulegen, in denen die Spielweise des Gegners und typische Taktiken genauestens analysiert wurden. Somit k\u00f6nnen sich Mannschaften optimal auf den Gegner einstellen<\/b> und versuchen m\u00f6gliche St\u00e4rken im Voraus<\/b> schon zu erkennen.<\/p>\n

\"football<\/p>\n

Analyse von Bewegungen abseits des Balls<\/h3>\n

Heute wird immer mehr darauf geschaut, wie sich Spieler verhalten, wenn sie nicht am Ball<\/b> 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.<\/p>\n

F\u00fcr dieses Problem wurde eine auf KI<\/strong><\/a> basierende Technik entwickelt, welche Bewegungen von Spielern prognostizieren<\/b> kann, selbst wenn diese gerade nicht von den Kameras erfasst werden. Somit k\u00f6nnen f\u00fcr alle Spielsituationen alternative Spielz\u00fcge simuliert<\/b> werden und nach dem Spiel mit den Spielern evaluiert werden.<\/p>\n

\"football<\/p>\n","protected":false},"excerpt":{"rendered":"

Das gr\u00f6\u00dfte Fu\u00dfballturnier der Welt steht wieder in den Startl\u00f6chern. Mehr denn je verwenden Spieler und Verb\u00e4nde die Analyse gro\u00dfer Datenmengen, um ihr Spiel auf das n\u00e4chste Level zu bringen. Wie wird Big Data heute eingesetzt? Data Analysis hilft heutzutage alles zu steuern: Von Spielertransfers und der Intensit\u00e4t des Trainings bis hin zur gezielten Adaption auf […]<\/p>\n","protected":false},"author":60,"featured_media":165108,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-165079","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/165079","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/60"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=165079"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/165079\/revisions"}],"predecessor-version":[{"id":217759,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/165079\/revisions\/217759"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/165108"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=165079"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=165079"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}