Carnegie Mellon revolutioniert Sportanalytik: Datengestützte Einblicke für Wettbewerbsvorteile

Mehr und bessere Daten als je zuvor

Heutige Sportanalysten haben Zugriff auf mehr und qualitativ hochwertigere Daten als je zuvor. Experten der Carnegie Mellon University (CMU) wandeln diese Daten in Erkenntnisse um – mithilfe von Statistik und Data Science, um Profiteams einen Wettbewerbsvorteil zu verschaffen.

NFL Next Gen Stats: Jeder Zehntelsekunde

„Alle zehn Sekunden liefern die NFL Next Gen Data Chips Positionsdaten für jeden einzelnen Spieler auf dem Feld – Bewegungsrichtung, Geschwindigkeit“, sagt Ron Yurko, Assistant Teaching Professor am Department of Statistics & Data Science der CMU und Direktor des Carnegie Mellon Sports Analytics Center.

Tracking über alle Ligen hinweg

Spielertracking geht weit über die NFL hinaus: Die MLB erfasst jeden Schlag im Baseball, und in Basketball und Baseball gibt es „Pose Skeletal Data“ – die dreidimensionale Position von Ellbogen, Schulter, Kniescheibe bei jedem Bruchteil einer Sekunde.

Die entscheidende Frage: Was tun mit all den Daten?

Teamowner, Manager, Trainer, Analysten, Wettende und Fans wollen alle dasselbe wissen: Wie lassen sich diese Daten nutzen? Im exklusiven Tech Briefs-Interview erklärt Yurko, wie CMU diese Daten in handlungsrelevante Erkenntnisse verwandelt.

Datenerfassung: Chips, Kameras und Computer Vision

Tech Briefs: Welche Technologie nutzen Sie zur Datenerfassung?

Yurko: Wir sammeln die Daten nicht selbst; sie kommen von der NFL. RFID-Chips in den Schulterpolstern erfassen Position, Geschwindigkeit, Richtung und Beschleunigung aller zehn Sekunden. Als Forscher erhalten wir Zugriff – durch Kooperationen oder Datveröffentlichungen – und arbeiten damit. Unsere Studierenden nehmen am jährlichen NFL Big Data Bowl teil, was zu Jobangeboten führt.

Auf College-Ebene gibt es keine Chips, aber riesige Videomengen. Mit Computer-Vision-KI wandeln wir Video in ähnliche Tracking-Daten um. NFL-Teams nutzen diese reichen Tracking-Daten nun auch für College-Football, um Draft-Entscheidungen zu treffen.

Die Chips im Detail

Tech Briefs: Können Sie über die Chips sprechen?

Yurko: In der NFL sind es RFID-Chips – Infrarotsignale, die von lokalen Positionierungssystemen in den Stadien erfasst werden. Hinzu kommen nun Kamerasysteme (wie Hawkeye) rund um das Stadion, die den Ball tracken (First-Down-Markierung) und nun auch die Skelettdaten der Spieler – Hände, Ellbogen, Knie – bei jedem Bruchteil einer Sekunde erfassen. Diese Technologie, in MLB und NBA seit Jahren etabliert, hält nun auch in anderen Sportarten Einzug.

Welche Liga hat die fortschrittlichste Technologie?

Yurko: Major League Baseball. „Moneyball“ (Oakland A's, frühe 2000er) ist die berühmte Geschichte über Datennutzung. MLB-Teams waren die frühesten Anwender statistischer Modellierung und Machine Learning zur Spielerbewertung – nicht nur durch Teams, sondern auch durch Spieler selbst, die in Pitching-Labs mit Highspeed-Kameras Griffe, Kräfte und Flugbahnen analysieren und neue Würfe entwickeln.

In der NFL startete das Chip-Tracking 2017 einen „Wettrüsten“-Effekt: Teams stellen nun Data Scientists und ML-Engineers ein, um die Informationsflut zu bewältigen.

Die Antwort: Was tut man mit all den Daten?

Tech Briefs: Sie sagten: „Die Frage ist jetzt, was man mit all den Daten macht.“ Was ist die Antwort?

Yurko: Wir erforschen, wie man beobachtete Bewegungen charakterisiert und hochwertige Bewegungen und Positionierungen identifiziert – etwa welche Verteidiger die beste Coverage gegen Receiver spielen. Solche Statistiken gab es in traditionellen Box Scores nicht. Ein Verteidiger, der so gut deckt, dass der Quarterback nie in seine Richtung wirft, bekommt keine Interceptions, keine Tackles, keine Zählstatistiken – und bleibt unsichtbar.

Transkript-Auszug: Sportanalytik als „Kartoffelpüree und Soße“

Yurko vergleicht Football mit einem Dinner: Scouting und Coaching sind das Steak, Sportanalytik das Kartoffelpüree und die Soße – sie machen ein gutes Essen zu einem großartigen. Das Carnegie Mellon Sports Analytics Center (CMSAC) ist der Forschungshub. CMU-Studierende sind zum Standard geworden, den Profiteams und Ligen suchen. Mit Chips in den Schulterpolstern kennen wir alle zehn Sekunden Position, Geschwindigkeit, Schulterausrichtung jedes Spielers. Der Fokus liegt auf statistischer Methodik, Machine Learning und KI-Tools für actionable Insights: Vorhersage von Spielerpositionen, Yards, Touchdown-Wahrscheinlichkeiten – wozu anspruchsvolle Methodik nötig ist. Daten geben eine weitere Verbindung zum Sport. Unstrukturierte Daten zu analysieren und eine Geschichte zu erzählen, ist extrem lohnend. Es ist beeindruckend, CMU-Studierende ihre Leidenschaft in Karrieren umsetzen zu sehen, die die Zukunft des Profi-Footballs prägen.