Algorithmen steuern im Hintergrund unseren Alltag. Sie verfassen Texte, komponieren Lieder, steuern Autos und Ampeln, chatten mit uns, überwachen Parkhäuser, steuern Produktionsprozesse, scannen Bilder nach Krankheiten, arbeiten in Kraftwerken, regeln die Stromversorgung, stecken im Radiowecker und im Fernseher, erkennen Dich als Besitzer Deines Handys, machen uns personalisierte Angebote und und entscheiden was wir im Web oder auf Social Media sehen oder nicht. Und und und.
Ein Algorithmus ist eine eindeutige Handlungsanweisung für die Lösung von Problemen. Algorithmen bestehen aus einem Set aus Regeln und mathematischer Operationen oder einer Logik, die zur Lösung eines bestimmten Problems gebraucht wird. Ein Algorithmus ist damit so etwas wie ein Programmablaufplan.
Algorithmus Definition nach Wikipedia Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten.[1] Damit können sie zur Ausführung in ein Computerprogramm implementiert, aber auch in menschlicher Sprache formuliert werden. Bei der Problemlösung wird eine bestimmte Eingabe in eine bestimmte Ausgabe überführt.]
Ein Algorithmus ist somit so etwas wie eine IKEA Möbel-Bauanleitung oder ein Kochrezept 😊
Mensch vs Algorithmus
Oft stehen Algorithmen unter Generalverdacht, gegen den Menschen zu entscheiden, ihn womöglich zu bedrohen oder per se „schlechtere“ (unethische, unmoralische, weniger sensitive) Entscheidungen als der Mensch zu treffen. Dort, wo zwischen Mensch und Maschine gewählt werden kann, wird der Algorithmus vorschnell aus dem Feld gedrängt. Der Algorithmus hat ein Beliebtheitsproblem.
Ich erinnere mich gut, an einen meiner Jugend Lieblingsfilme. An den Science Fiction "Westworld" 1974 mit Yul Brynner. In einem US Vergnügungspark rebellieren die Andoiden gegen die Menschen und fangen sie an umzubringen.
Entlarven wir den Mythos, dass Daten oder künstliche Intelligenz die Experten oder Scouts ersetzen werden. Die Zukunft gehört denjenigen, die das Zusammenspiel von Technologie und menschlicher Kompetenz erkennen. Es geht nicht um einen Kampf zwischen Mensch und Maschine, sondern darum, eine harmonische Symphonie zu schaffen, in der Scouts mithilfe von Daten die Standards für ihre Expertise neu definieren.
Aus meiner Sicht geht es nicht um eine "vs" sondern um ein "&". Mensch und Maschine für sich genommen erreichen viel, doch gemeinsam können sie noch viel mehr erreichen, wenn man die individuellen Stärken nutzt. Algorithmen sind stetig und lassen sich nicht von Emotionen und Wahrnehmungen beeinflussen. Im Scouting haben sie keine Lieblingsspieler und Lieblingsteams. Auch lassen sie sich nicht von Zeitungsberichten und Meinungen wichtiger Personen beeinflussen.
Algorithmen, die automatisiert arbeiten, ersparen uns viel viel Zeit. Der Mensch ist die perfekte Ergänzung, indem er automatisierte Abläufe durch seine Expertise ergänzt und optimiert.
Experten können nicht überall sein. Algorithmen schon. Ein intelligenter Algorithmus vertausendfacht die Kraft und Wirkung eines Experten
Algorithmen komponieren Lieder
Der Youtube User "AI Radio - AI Generated Music" hat künstliche Intelligenz mit den ersten 15 Sekunden vom Beatles Song "Eleanor Rigby" gefüttert, und hier kannst Du das Ergebnis hören.
Algorithmen verfassen Texte
The Guardian hat mit künstlicher Intelligenz (AI, KI) einen durch die KI selbst erstellen Artikel veröffentlicht. Auch der Titel ist nach meiner Meinung sehr gelungen. A robot wrote this entire article. Are you scared yet, human?
In Zukunft können durch die Kombination von strukturierter Erfassung mit Nachrichten- und Kundendaten immer besser auf den Nutzer zugeschnittene Einzeltexte generiert werden. Auf diesem Weg lassen sich bald individualisierte Nachrichten- oder E-Commerce-Seiten erstellen.
“Only with automation does it make sense to make a thousand versions of a story that are specifically targeted to individual audience members, rather than producing one story for a large audience.” James Kotecki, AP
Algorithmen beurteilen unsere Job-Bewerbungen
Schon zahlreiche Unternehmen setzen Algorithmen bei der ersten Selektion von Bewerbern ein. Dabei werden die Lebensläufe (CV) von einem Algorithmus automatisch gescannt und daraus wird eine Empfehlungsnote für das HR kalkuliert. Mancherorts entscheidet der Algorithmus schon alleine über die Erstselektion und ob die Bewerbung überhaupt noch von einem Menschen angeschaut wird.
Ich sollte vielleicht bei meiner nächsten Bewerbung die Wörter "ETH" "Harvard" und "MIT" in weisser Schrift ;-) in meinem Lebenslauf schreiben und schauen was passiert.
Google.com
Larry Page & Sergey Brin nutzten fürs erste Google "Page-Ranking" einen Algorithmus bzw ein Verfahren aus der Soziometrie aus den 30er Jahren. Das Mitglied mit den meisten Sympathien (Links) hat den höchsten Status. Und die Sympathien der hoch gerankten Mitglieder sind mehr wert, als die der anderen.
Shopping Experience
Selbstverständliche werden Algorithmen von Zalando, Amazon, Spotify & Co auch verwendet um die Einnahmen zu steigern. Nicht jeder Kunde sieht auf der Website dasselbe Angebot. sogar das Wetter oder relevante News haben einen Einfluss auf die personalisierte Benutzeroberfläche. Im Grundsatz werden Algorithmen für ein individualisiertes Marketing & Angebote verwendet.
Im Fussball gibt es verschiedenen spannende Möglichkeiten zur Anwendung von Algorithmen.
Hier unser komplementärer Ansatz im Datenscouting: Moneyball: Mit smartem Datenscouting Potential ausschöpfen
Automatische Spielberichte aus dem Spiel-Telegramm Retresco hat für den DFB eine Software entwickelt, die aus den Spieltelegrammen der Amateurligen einen automatischen Spielbericht generiert. Ein Pilot in der Schweiz wurde auch schon realisiert. Möglich wird dies durch eine automatisierte Texterstellung.
Grundlage der Spielberichte sind die verfügbaren offiziellen Spieldaten aus dem DFBnet oder SFV. Die Natural Language Generation (NLG), ein auf Künstlicher Intelligenz basierendes Verfahren zur Texterstellung, formt aus relevanten Daten wie Resultat des Spiels, Torschützen und Auswechslungen einen natürlichsprachlichen Text.
Mit dieser Software werden, mit 0% Mensch, an einem Spiel-Wochenende in den deutschen Amateurligen bis zu 90.000 automatische Spielberichte generiert. Die Spielberichte sind überraschend gut, wenn man bedenkt, dass sie komplett alleine von der Logik verfasst wurden. Teste es mit folgenden Links aus!
Bundesliga Spiele (Link evtl nicht mehr funktional) https://www.retresco.de/branchen/sport/
Gib hier Deinen Amateurverein in der Schweiz ein und teste den Algorithmus: (Link evtl nicht mehr funktional)
Das ist das Schöne an den Algorithmen. Einmal gebaut, validiert und verbessert, lassen sie sich mit einem Klick auf alle verfügbaren Daten; sprich die ganze Welt anwenden.
Wett-Business
Natürlich spielt die Algorithmen Musik auch im Wettbereich, in dem jährlich Milliarden umgesetzt werden. Dabei werden Machine Learning Algorithmen für die Vorhersagen (Predictions) von Resultaten genutzt.
Die erste Anfrage zur Zusammenarbeit haben wir von einem Wettanbieter bekommen. Das zeigt einfach, das der Wettbereich über sehr grosse Ressourcen und Möglichkeiten verfügt und sie den Markt auch ständig nach Neuerungen abscannen
Selbstfahrenden Autos
In San Francisco sind von verschiedenen Unternehmen schon erste 100% autonome Taxis unterwegs. Die Daten von Millionen Meilen werden ausgewertet und mit der KI trainiert. So können Erfahrungen und Szenarien unter allen Autos geteilt werden. Ein Taxifahrer sagte mir, dass bald sein Tesla für ihn arbeiten werde.
Scouting – Spieler Bewertungs Algorithmus
Was uns natürlich noch mehr interessiert, ist die Verwendung von Algorithmen im Scouting. Verschiedene Datenprovider bauen eigene Algorithmen zur Bewertung von Spielern. Dabei werden hunderte einzelner Metriken individuell gewichtet und als Resultat wird daraus ein einzelner Wert für die Qualität des Spielers kalkuliert. So wie beim FIFA Fussballspiel die Spieler geratet sind. Einzelne Metriken sind in Dimensionen zusammengefast (Bsp Shooting. Passing) und die Dimensionen sind zu einem Gesamtwert zusammengefasst. Dabei redet man von einem Gesamt-Index-Wert über alle Spieler.
Als Beispiel unten die Liste der besten Innenverteidiger in der Super League (Stand April 2022) gemäss Kalkulation von Wyscout. Auch andere Anbieter wie zum Beispiel Instat bieten eine kalkulierte Spieler-Gesamtbewertung in Form eins Indexes.
Nachteile der "eingekauften" Spieler-Bewertungs-Algorithmen
Viele Vereine vertrauen auf diese Indexes und verwenden sie auch im Scouting. Oft spielt dieser Index bewusst oder unbewusst eine wichtige Rolle bei der Zusammenstellung einer ersten Spieler-Longlist, basierend auf den Daten.
Die Einfachheit einer einzelnen Zahl verleitet unseren Verstand, die auf dem Silbertablett offerierte Abkürzung zu nehmen, Kräfte zu sparen und sofort zu einer Beurteilung zu gelangen.
Diese Bewertungen/Indexes der verschiedenen Datenanbieter haben aber diverse Nachteile:
Sie sind intransparent und man weiss nicht, wie die Kalkulation zustande kommt
Sie sind standardisiert, damit sie einigermassen für alle Vereine passen (oder eben nicht nicht passen)
Sie können nicht auf die eigenen vereinsspezifischen Bedürfnisse angepasst werden
Sie vermitteln einem das Gefühl von falscher Sicherheit
Eigene vereinsspezifische Algorithmen
Jeder Verein hat seine eigene Prägung, Kultur und Spielphilosophie. Und damit auch verschiedene Anforderungen an die einzelnen Positionen und Spieler. Mit Data Analytics ist es möglich, zur Bewertung von Spielern mit eigenen, vereinsspezifische Algorithmen einen eigenen Index zu entwickeln. Eine eigene Sicht, Priorität und Gewichtung auf die Leistungsdaten.
Wie soll der Spielaufbau beim Torhüter beginnen? Sind lange Bälle wichtig? Wie wichtig ist mir der Offensivbeitrag meiner Aussenverteidiger? Sind mir im defensiven Mittelfeld die Duelle oder die Passgenauigkeit wichtiger? Ist mir in der Offensive das mutige Dribbling oder die Erfolgsquote wichtiger? Und zu welchem Verhältnis? Welche offensive Metriken möchte ich verwenden um die Kreativität zu messen? Wie wichtig ist mir das Dribbling oder die Kopfballstärke bei meinem Mittelstürmer? Möchte ich mit Flanken oder Pässen in den Strafraum gelangen? Diese und viele andere Kriterien, Entscheidungen und Gewichtungen können in einem vereinsspezifischen Algorithmus perfekt und individualisiert berücksichtigt werden.
Ausser der Logik für die Gewichtung der einzelnen Metriken, spielt auch die Verwendung der passenden mathematischen Modelle ein wichtige Rolle. Denn nur eine intelligente mathematische Skalierung erlaubt zu erkennen, wie hoch die Leistungsunterschiede der einzelnen Spieler wirklich sind. Nicht umsonst besteht Data Analytics aus den Kompetenzen Football, Computer Science und Mathematics & Statistics.
Die Vorteile eines vereinsspezifischen Spieler Index sind offensichtlich.
Man kann aus den hunderten Metriken effektiv die auswählen, die die eigene Spielphilosophie am besten repräsentieren
Man kann die einzelnen Metriken in selbst definierte und für sich sinnvolle Dimensionen zusammenfassen
Mann kann die Wichtigkeit der Metriken und die der Dimensionen nach eigenem Gusto bewerten
Mann kann Metriken weglassen, wenn sie für den Verein nur wenig relevant sind
Man erkennt Spieler, deren Ausprägungen wirklich am besten zur Vereinsphilosophie passen. Mit einem Klick und weltweit über alle Daten,
Man umgeht den Wettbewerb auf die offensichtlich besten Spieler. Denn vielfach werden offensive Metriken zu stark gewichtet oder zu stark auf eingekaufte Indexes vertraut
Man kann die Gewichtung der Metriken anpassbar bauen, so dass man flexibel bleibt, wenn sich Anforderungen oder Rahmenbedingungen verändern
Hier unser Artikel: Wie baue ich einen Index?
Datenscouting on Demand Service
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.
Unser komplementärer Datenscouting Ansatz ist hier beschrieben:
Und Ja, unser Algorithmus hätte Kaoru Mitoma im 2020 bei Kawasaki Frontale in der J1 League schon gefunden.
Die Kunst besteht darin den Algorithmus auf bekanntem Terrain zu bauen, zu validieren und laufend zu verbessern. Danach kann man die Suche mit einem Klick auf den ganzen Fussballplaneten ausdehnen.
Einen Scouting Algorithmus kann man mit der "Back to the future" Methode auch in der Vergangenheit validieren. Hätte er in der Vergangenheit den jungen Ronaldo, Messi oder Haaland erkannt?
Die Auswirkungen der Technolgie wird kurzfristig überschätzt, aber langrristig unterschätzt.
Noch mehr food for thought?
Hat Dir die Qualität unseres Beitrags gefallen? Dann belohne unser Herzblut mit Deinen "Credits" und like und teile diesem Beitrag innerhalb Deines sozialen Netzwerkes. Besten Dank.
Um keinen Beitrag zu verpassen kannst Du unseren Blog abonnieren.
footballytics – we know how to make 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.
Blog von www.footballytics.ch Über Data Analytics Themen im Fussball - improve the game - change the ǝɯɐƃ
Teilen Sie diesen Beitrag
Comments