Data Analytics im Fussball: Methoden, Modelle und Praxis
- footballytics
- 14. März 2021
- 7 Min. Lesezeit
Aktualisiert: vor 7 Tagen
Data Analytics im Fussball beschreibt den datenbasierten Einsatz von Algorithmen, Metriken, Event Daten und Scouting Modellen, um Spielanalyse, Recruiting und Entscheidungen im modernen Fussball zu verbessern. Er erklärt die verschiedenen Arten von Daten, ordnet diese ein und veranschaulicht ihren Einsatz anhand konkreter Praxisbeispiele.
Inhalt
Evolution der Fussballdatenanalyse
Datenarten im Fussball
Advanced Metrics (xG, xT, PPDA)
Wahrnehmungsfehler im Fussball
Data Scouting im modernen Fussball
Zukunft von Football Analytics
Wie Liverpool Data Analytics zum Wettbewerbsvorteil machte
Die moderne datengetriebene Fussball-Ära begann im Jahr 2012, als Ian Graham, ein walisischer Physiker der Universität Cambridge, als Director of Research zum Liverpool FC kam. Er baute eine eigene Forschungs‑ und Analyseabteilung auf, die mithilfe fortschrittlicher statistischer Modelle und Datenanalysen Spielerleistungen bewertete, Transfers vorbereitete und taktische Entscheidungen unterstützte. Jürgen Klopp verband die Datenebene mit seiner emotionalen Führung und eilte von Titel zu Titel.
Im Jahr 2018 ereignete sich auf dem Transfermarkt etwas Erstaunliches. Es gab einen Transfer vom europäischen Kernforschungszentrum CERN in Genf zum FC Liverpool. William Spearman, ein US‑amerikanischer Physiker stiess dazu, der zuvor in der Teilchenforschung tätig gewesen war. Mit seiner Expertise in Physik und Modellierung entwickelte er innovative Kennzahlen wie sogenannte Pitch‑Control‑Modelle. Dadurch brachte Spearman die Nutzung von raum‑ und zeitbezogenen Tracking‑Daten auf ein neues Niveau.
Daten helfen, das Rauschen zu unterdrücken, um das Signal zu erkennen.
Die Evolution von Data Analytics im Fussball
Die Analytik im Fussball ist gar keine so junge Disziplin. Schon nach dem Zweiten Weltkrieg begann man Daten über Fussballspiele zu sammeln und damit zu "spielen". Dies natürlich mit Bleistift und Papier. Erst die Veröffentlichung von "Moneyball" im Jahr 2003 : The Art of Winning an Unfair Game' war die eigentliche Einführung Sport-Analytik im Baseball für ein breiteres Publikum. "Spielt es eine Rolle wie er auf Base kommt?" Nein.
„It’s about getting things down to one number. Using stats the way we read them, we’ll find value in players that no one else can see.” Billy Beane
Einfache Quantitative Analyse
Vor ca. zehn Jahren beschränkten sich die verfügbaren Daten auf rudimentäre Statistiken über Tore, Schüsse, Anzahl der Ecken, Ballbesitz, Pässe usw. Da kann man von der Ära der Quantitativen Analyse sprechen. Diese Daten haben nur einen begrenzten Wert für den Trainerstab. Es mag zwar besorgniserregend sein, wenn ein Team zu viele Schüsse kassiert oder zu wenig Ballbesitz hat. Das Wissen um diese Tatsache liefert aber noch keine unerwarteten Erkenntnisse, um besser zu werden und mehr Spiele zu gewinnen.
Performance Analyse
Die zweite Phase kam in Form von Leistungsdaten. Dabei kommen verschiedene Tracking Technologien zum Einsatz. Die Athleten tragen einen Transponder, der ein bestimmtes Signal an die Basis Stationen rund um das Spielfeld sendet. Die empfangenen Daten werden dann in Echtzeit ausgewertet. Dabei werden u.a. die Laufleistung, Sprints und die Geschwindigkeit ausgewertet. Diese Leistungsdaten zielen darauf ab, die Sportleistung im Wettkampf zu verbessern. Auch Trainingseinheiten werden analysiert, wobei die kontinuierliche Überwachung der Spieler auch zur Belastungssteuerung und Verletzungsprävention eingesetzt wird.
Statistische Daten (Advanced)
Unterdessen werden für jedes Spiel und für jeden Spieler zahlreiche statistische Daten erhoben. Zum Beispiel Wyscout bietet eine preiswerte Plattform mit weltweiten Daten inkl. Video an.
Pro Spieler werden mehr als 100 individulle Metriken erfasst. Aus diesen Daten wie Tore, Schüsse, Duelle, Pässe, Erfolgsquoten etc. können bereits detaillierte Analysen, vor allem zur Leistungsbeutrteilung und für das Scouting erstellt werden.
Beispielanalysen aus statistischen Daten:
Datenprofile werden von Vereinen und Agenturen für eine qualitative und schnelle Spieler Ersteinschätzung genutzt. Und auch für das Coaching der Spieler und oder die Definition von Entwicklungsschwerpunkten. Bei uns können Sie alle Spielerprofile pro Liga zu günstigen Preisen bestellen. >Services
Advanced Metrics: Expected Goals, PPDA, Expected Threat
Mit der Expected goals (xG) Metrik (Ursprung ist umstritten) gelang ein Quantensprung in der Datenanalyse. Fussball ist und bleibt ein Sport mit wenigen Toren. Darum entspricht das Resultat oft nicht dem effektiven Spielverlauf bzw. den herausgespielten Chancen. Expected Goals macht die Leistung der Teams und Spieler vergleichbarer, da die Anzahl und Qualität der Torchancen pro Spieler gemessen wird. Danach folgten viele weitere Metriken auf die wir in späteren Beiträgen eingehen werden. Unter anderem sind dies, Expected Assists (xA), Expected Threat (xT), Expected Goal Chains(xGC) und Passes Allowed per Defensive Action (PPDA) und einige mehr.
Match Events (Event Data)
Ein weiterer Quantensprung in der Datenerhebung waren die Spiel-Ereignisdaten. Spezialisierte Unternehmen kategorisieren und quantifizieren pro Spiel, mit sehr viel Handarbeit abertausende Ereignisse. Zu jedem Spielevent werden auch die dazugehörigen (x,y)-Koordinaten erfasst. Pro Spiel werden so mehrere tausend Ereignisse erfasst. Diese Ereignisdaten sind für die Vereine wertvoll, da man in der Analyse zusätzlich zum quantitativen Aspekt für jede Aktion auch Raumgewinn und Wichtigkeit der Aktion mit einbeziehen kann. Die Interpretation der Analyse wird in der Spielanalyse, Gegneranalyse, Scouting und im Trainer-Scouting eingesetzt. So ist man mit Data Analytics in der Lage, auf Knopfdruck abertausende Spiele gleichzeitig zu analysieren.
Beispielreport basiert auf Event Daten
Beispiel Artikel basierend auf Event Daten: Mit Daten Schlüsselzonen identifizieren und Angriffe verbessern
Tracking Data
Das höchste der Gefühle sind Tracking Daten. Im Unterschied zu Event Daten, die alle Ballaktionen beinhalten, umfassen Tracking Daten die Positionsdaten ALLER Spieler und des Balls. Diese Daten werden mehrmals pro Sekunde erfasst (in der Regel 10 bis 25 Bilder pro Sekunde oder mehr) und liefern kontinuierliche Informationen über die Position der einzelnen Spieler und des Balls.
Hochauflösende Kameras rund um das Stadion zeichnen die Bewegungen der Spieler und des Balls auf. Eine Bildverarbeitungssoftware verarbeitet diese Daten, um die Positionen in Echtzeit zu verfolgen.
Weil wir jederzeit über Informationen aller Spieler verfügen, sind tiefere, ja fast unlimitierte Analysen in Bezug auf Laufwege, Geschwindigkeit, Räume und Spielerpositionierung, Spielerlinien und Bewegungsmustern möglich.
Die Nachteile sind die grosse Datenmenge und die limitierte Verfügbarkeit.
Wahrnehmungsfehler im Fussball
Bei der Interpretation der Daten müssen wir oft auch unsere eigene Wahrnehmung ausdribbeln.
Beim Confirmation Bias (Bestätigungsfehler) handelt es sich um eine Verzerrung der Wahrnehmung. Der menschliche Verstand neigt dazu unkritisch nach Beweisen zu suchen, die sein Weltbild bestätigen. Die wenigen markanten Ereignisse werden tendenziell überbewertet, sind aber weniger aussagekräftig, als die vielen vielen anderen Ereignissen. Oft vergessen wir auch, nach Evidenzen zu suchen, die unsere Hypothese widerlegt.
Daten können Deine Wahrnehmung bestätigen oder auch nicht. Dies ist in beiden Fällen ein Mehrwert. Entweder bekräftigen sie Deine Meinung, oder sie zwingen Dich die Dinge aufmerksamer zu betrachten.
Datenscouting - data driven scouting
Der weltweite Fussball verfügt über einen enorm grossen Talentpool an Spielern, die potenziell einen Klub verstärken könnten. Dabei gilt grundsätzlich: Je kleiner ein Klub, desto grösser ist der Kreis an möglichen Kandidaten. Umgekehrt haben Spitzenklubs aufgrund ihres hohen Leistungsniveaus nur eine sehr begrenzte Auswahl an Spielern, die sie tatsächlich weiterbringen. Während kleinere Vereine aus einem breiten Markt schöpfen kann, ist der Pool an realistischen Verstärkungen für Real Madrid Football Club deutlich kleiner.
Traditionelles Scouting allein kann diesen grossen Markt nicht vollständig abdecken, da eine flächendeckende menschliche Beobachtung finanziell und organisatorisch kaum umsetzbar ist. Dadurch bleiben viele talentierte Spieler unentdeckt. Ein datengetriebener Ansatz ermöglicht es hingegen, grosse Talentpools systematisch zu analysieren, relevante Profile zu identifizieren und die Auswahl auf eine fokussierte Kandidatenliste zu reduzieren. So können Scouts gezielter arbeiten und fundiertere Entscheidungen treffen.
Unterdessen datenscouten wir für zahlreiche Vereine in verschiedenen Ligen Europas. Alle Vereine nutzen unterdessen Daten, um Spieler zu vergleichen und zu scouten. Aber nur wenige Vereine schöpfen bezüglich Knowhow, Fähigkeiten und Prozess das ganze Potential aus.
Im Primärmarkt sind die Spieler bekannt.Daten werden hier verwendet, um Scouting Eindrücke zu validieren. Im Sekundärmarkt werden Daten genutzt,um aus tausenden Profilen gezielt die besten und passendsten Spieler zu selektieren.Diese werden anschliessend von Scouts weiter analysiert.
Je nach Markt übernehmen Daten unterschiedliche Aufgaben, sind aber immer Teil des Scouting-Prozesses.
Hier unser erprobtes datengestützes Datenscouting:
Es ist mit Daten nicht möglich, auch nicht sinnvoll, den besten Spieler finden zu wollen. Daten helfen aus Zehntausenden von Spielern die passendsten 50 zu identifizieren (Pre-Scouting), unter denen die besten 10 mit grosser Wahrscheinlichkeit enthalten sind. Die allerbesten aus den Kandidaten zu bestimmen, bleibt weiterhin Aufgabe der Scouts mit ihrer Expertise und Erfahrung
Als Beispiel auch unser Billy Beane Moneyball like Similarity Algorithmus.
Lennart Karl zeigte schon Top-Indikatoren in der U17 des FC Bayern München. Der Similarity Score zu Ousmane Dembélé lag bei 89.45%.
So können wir die Stars von morgen schon frühzeitig erkennen.
Unser Alleinstellungsmerkmal ist die Kombination von fundiertem taktischen Wissen und Know-how im Bereich Innovationmethoden, Design Thinking und systemischer Betrachtung.
Es geht nicht nur darum, die ausgefeiltesten Tools oder die genauesten Daten zu besitzen, sondern auch darum, die richtigen Prozesse zu schaffen und eine Kultur zu fördern, die an die Vorteile der Nutzung von Daten glaubt. Ohne diese Grundlage kann auch die fortschrittlichste Technologie keinen echten Vorteil bringen.
«Es genügt für einen Verein nicht, nur gute Daten und Tools einzukaufen. Das tun alle - Damit bleiben Sie in der Masse. Investieren Sie in Daten, Software UND in Experten mit #DataAnalytics Knowhow.» .
Lerne Analytics – entdecke unsere kostenlosen Podcasts und Videos
Erfahre wie Daten, Taktiken und KI zusammenkommen. Jeder Learncast ist kurz, praxisnah und voller echter Einblicke.
footballytics – we know how to make the data talk
Wir unterstützen Vereine, Trainer, Agenturen und Spieler mit Analyse- und Beratungsdienstleitungen beim Nutzen und Interpretieren von Daten. Um im Scouting, in der Spielanalyse und auf dem Spielfeld die besseren Entscheidungen zu treffen.
Arbeiten Sie mit einem Partner, nicht nur mit einer Plattform.
Finden Sie hier eine Beschreibung unserer Dienstleistungen
Blog von www.footballytics.ch Über Data Analytics Themen im Fussball - improve the game - change the ǝɯɐƃ
Teilen Sie diesen Beitrag
