Carnegie Mellon revolutioniert Sportanalysen:Wegweisende datengesteuerte Erkenntnisse für Wettbewerbsvorteile

Andrew Corselli

(Bild:StockSnap über Pixabay)

Heutige Sportanalysten haben Zugang zu mehr – und besseren – Daten als je zuvor. Experten der Carnegie Mellon University verwandeln diese Daten in Erkenntnisse und nutzen Statistiken und Datenwissenschaft, um professionellen Teams dabei zu helfen, sich einen Wettbewerbsvorteil zu verschaffen.

„Jede Zehntelsekunde liefern die Next-Gen-Datenchips der NFL Informationen darüber, wo sich jeder einzelne Spieler auf dem Spielfeld befindet – die Richtung, in die er sich bewegt, die Geschwindigkeit, mit der er sich bewegt“, sagte Ron Yurko, Assistenzprofessor am Department of Statistics &Data Science der CMU und Direktor des Carnegie Mellon Sports Analytics Center.

Die Verfolgung von Spielern auf dem Spielfeld geht über die NFL hinaus.

Ron Yurko (Bild:CMU)

„Die MLB verfügt über Informationen zu jedem einzelnen Schlag in der Major League Baseball“, sagte Yurko, der auch akademischer Partner der NFL ist. „Im Baseball und Basketball gibt es sogenannte ‚Skeletthaltungsdaten‘, anhand derer wir in jedem Bruchteil einer Sekunde wissen, wo sich der Ellenbogen, die Schulter, die Kniescheibe und im dreidimensionalen Raum befinden.“

Die Frage, die jeder beantworten möchte – von Teambesitzern, Managern und Trainern bis hin zu Analysten, Wettenden und Fans – ist natürlich, was mit all diesen Daten geschehen soll. Lesen Sie weiter für einen exklusiven Tech Briefs Interview, aus Gründen der Länge und Klarheit bearbeitet, mit Yurko, der genau weiß, was er mit den Daten zu tun hat.

Technische Kurzinformationen :Welche Art von Technologie verwenden Sie, um diese Daten zu sammeln? Und können Sie bitte in einfachen Worten erklären, wie das alles funktioniert?

Yurko :Wir erfassen die Daten bei Carnegie Mellon nicht persönlich; Diese Daten stammen von der NFL.

Die NFL hat Chips in den Schulterpolstern jedes Spielers auf dem Spielfeld. Diese machen jede Zehntelsekunde dort weiter, wo sie sich auf dem Spielfeld befinden; wie schnell sie sich bewegen; die Richtung, in die sie sich bewegen und verändern; wie sie sich im Laufe des Spiels beschleunigen. Dann erhalten wir als Forscher Zugang zu diesen Daten – sei es durch Kooperationen mit der NFL oder durch die Veröffentlichung der von ihnen bereitgestellten Daten – und wir werden daran arbeiten. Welche neuen Erkenntnisse können wir daraus gewinnen? Und unsere Studenten werden an diesen Projekten arbeiten, sie werden am jährlichen Big Data Bowl-Wettbewerb der NFL teilnehmen, und daraus ergeben sich dann Beschäftigungsmöglichkeiten.

Und was auf College-Ebene passiert, ist, dass sie nicht die Chips in den Schulterpolstern von College-Football-Spielern haben, aber es gibt eine erstaunliche Menge an Videos. Und mithilfe der Computer-Vision-KI-Technologie können wir dieses Video in sehr ähnliche Daten umwandeln, die von den Chips in der NFL stammen. Was die NFL-Teams derzeit nutzen, ist die gleiche Art von umfangreichen Tracking-Daten im gesamten College-Football; Sie nutzen das, um herauszufinden, welche Spieler sie verpflichten sollten.

Technische Kurzinformationen :Können Sie etwas über die Chips sagen, die sie verwenden?

Yurko :Bei der NFL handelt es sich um RFID-Chips – Infrarotsignale, die in NFL-Stadien erfasst werden. Es sind die lokalen Positionierungssysteme, die der NFL wirklich äußerst umfangreiche Daten liefern. Darüber hinaus hat sich die NFL nun mit Größen wie der Major League Baseball und der NBA zusammengeschlossen, wo sie über komplette Kamerasysteme rund um das Stadion verfügen. Und die NFL hat im vergangenen Jahr dieses Kamerasystem, ich glaube es ist Hawkeye, verwendet, um zu erfassen, wo der Ball das First Down markieren soll – überquert der Ball die First Down Line –, anstatt sich mit den altmodischen Ketten zu befassen. Das kann jetzt automatisiert werden, da sie den Fußball aufnehmen können.

Mithilfe derselben Technologie hat die NFL jetzt Zugriff darauf, wo sich buchstäblich die Hände, die Ellbogen und die Knie der Athleten befinden – eine vollständige Skelettdarstellung der Footballspieler auf dem Spielfeld in Bruchteilen einer Sekunde. Diese Technologie existiert mittlerweile und wird in der NFL eingesetzt. Es wird schon seit einigen Jahren von Major-League-Baseball-Teams und NBA-Teams verwendet, aber wir sehen es jetzt auch in anderen Sportarten.

Technische Kurzinformationen :Welche Liga hat Ihrer Meinung nach die fortschrittlichste Technologie?

Yurko :An dieser Stelle würde ich sagen:Major League Baseball. Es ist wahrscheinlich das am weitesten fortgeschrittene in Bezug auf den Einsatz von Technologie und Statistik – „Moneyball“ ist die berühmte Geschichte aus den frühen 2000er Jahren über die Datennutzung der Oakland A.

Die Teams der Major League Baseball waren also definitiv die ersten, die darüber nachgedacht haben, wie wir Technologie integrieren und statistische Modelle und maschinelles Lernen nutzen, um zu verstehen, wie man Spieler bewertet. Das sieht man nicht nur bei den Teams, sondern auch bei den Spielern selbst.

Die Spieler werden in diese Pitching-Labore gehen – sie verwenden Hochgeschwindigkeitskameras, um zu verstehen, was passiert, wenn sie den Griff des Baseballs verändern; wie sich dadurch die Kräfte, die Flugbahn und die Bewegung verändern; Gestaltung neuer Stellplätze. Und sie nutzen buchstäblich all diese Technologien und Daten selbst, um bessere Spieler zu werden. Baseball hat also im Vergleich zu anderen Sportarten die Nase vorn.

Als in der NFL 2017 damit begonnen wurde, Daten von den Chips zu verfolgen, führte das zu einem kleinen Wettrüsten, bei dem NFL-Teams nun damit begannen, Datenwissenschaftler und Ingenieure für maschinelles Lernen einzustellen, um wirklich herauszufinden, wie man mit all diesen Informationen umgeht.

Technische Kurzinformationen :In dem Artikel, den ich gelesen habe, werden Sie mit den Worten zitiert:„Buchstäblich jede Zehntelsekunde liefern die Datenchips der nächsten Generation der NFL Informationen über die Position, Geschwindigkeit und Richtung jedes Spielers. Die Frage ist nun, was mit all diesen Daten geschehen soll.“ Nun, meine Frage ist:Was ist die Antwort? Was machen Sie mit all diesen Daten? Was sind Ihre nächsten Schritte? Wohin gehst du von hier aus?

Yurko :Das ist eine gute Frage. Woran wir als Forscher gearbeitet haben und von dem wir wissen, dass es von NFL-Teams verwendet wird, ist die Frage, wie wir die Bewegung, die wir beobachten, charakterisieren und verstehen, was eine hochwertige Art von Bewegung und eine hochwertige Positionierung ist – zum Beispiel, welche Verteidiger die beste Deckung gegen Receiver spielen, während sie Routen laufen. Hierbei handelte es sich um eine Art von Statistik, auf die wir in herkömmlichen Box-Scores zuvor keinen Zugriff hatten. Wenn Sie einen Verteidiger hätten, der einen Receiver deckt, und wenn er dieser erstaunliche Verteidiger wäre, den ein Quarterback nie in seine Richtung zu werfen versucht, würde er nie eine Interception bekommen, er würde nie einen Tackle bekommen, er hätte nie Zählstatistiken.

Transkript

00:00:02 Wenn Sie Fußball als Abendessen, Scouting, Coaching betrachten, dann ist das das Hauptaugenmerk. Sportanalysen zum Thema Kartoffelpüree. Es ist die Soße. Es ist etwas, das eine gute Mahlzeit zu einer großartigen Mahlzeit machen kann. Sie sind seit 40 Jahren auf der Suche nach dem Mähdrescher. Wie weit kannst du springen? Wie groß bist du? Was können wir Neues herausfinden? Wann rechnen wir mit der Einberufung dieser Person? Die Analysen stecken hinter praktisch jedem Aspekt des Spiels. CMSAC ist das CarnegieMellon Sports Analytics Center,

00:00:28 Das ist unser Zentrum für Forschung und Bildung sowie verschiedene Veranstaltungen, die wir an der Carnegie Mellon University veranstalten. Unsere Studenten entsprechen mittlerweile genau dem Standard, nach dem professionelle Sportmannschaften und Ligen suchen. Wir haben jetzt Zugriff auf Sekundenbruchteile, in denen sich jeder Spieler auf dem Fußballfeld befindet, dank Chips, die sich in seinen Schulterpolstern befinden. Wir wissen also buchstäblich jede Zehntelsekunde, wie schnell sie sich bewegen, in welche Richtung sie sich bewegen und welche Ausrichtung ihre Schultern haben. Als Gruppe haben wir uns also auf den Aufbau statistischer Methoden konzentriert,

00:01:02 Methoden des maschinellen Lernens, KI-Tools, die zu umsetzbaren Erkenntnissen führen können. Können wir angesichts dieses Datensatzes bei unserer Analyse kreativ genug sein, um nützliche Erkenntnisse zu gewinnen, um einem Team Wettbewerbsvorteile zu verschaffen? Innerhalb eines Spielzugs können wir buchstäblich vorhersagen, wo sie auf dem Spielfeld landen werden und wie viele Yards sie gewinnen werden. Wie hoch ist die Wahrscheinlichkeit, dass sie einen Touchdown bekommen? Rechts. Das alles erfordert eine ziemlich ausgefeilte Methodik. Sport bedeutet so vielen Menschen so viel. Daten bieten nur eine weitere Möglichkeit, sich mit dem Sport zu verbinden.

00:01:35 Die Fähigkeit, unstrukturierte Daten zu nutzen, in sie einzutauchen und eine Geschichte zu erzählen, ist äußerst lohnend. Es ist erstaunlich zu sehen, wie CMU-Studenten ihre Leidenschaften in Berufe verwandeln, die, wie Sie wissen, die Zukunft des Profifußballs mitgestalten. Wenn man Fußball als Abendessen, Scouting und Coaching betrachtet, dann ist das genau das Richtige. Sportanalysen zum Thema Kartoffelpüree. Es ist die Soße. Es ist etwas, das eine gute Mahlzeit zu einer großartigen Mahlzeit machen kann. Sie sind seit 40 Jahren auf der Suche nach dem Mähdrescher. Wie weit kannst du springen?

01:00:19 Wie groß bist du? Was können wir Neues herausfinden? Wann rechnen wir mit der Einberufung dieser Person? Die Analysen stecken hinter praktisch jedem Aspekt des Spiels. CMSAC ist das CarnegieMellon Sports Analytics Center, das unser Zentrum für Forschung und Bildung sowie verschiedene Veranstaltungen an der Carnegie Mellon University ist. Unsere Studenten entsprechen mittlerweile genau dem Standard, nach dem professionelle Sportmannschaften und Ligen suchen. Wir haben jetzt Zugriff auf Sekundenbruchteile, in denen sich jeder Spieler befindet

01:00:51 auf dem Fußballplatz wegen Chips, die sich in ihren Schulterpolstern befinden. Wir wissen also buchstäblich jede Zehntelsekunde, wie schnell sie sich bewegen, in welche Richtung sie sich bewegen und welche Ausrichtung ihre Schultern haben. Als Gruppe haben wir uns also darauf konzentriert, statistische Methoden, Methoden des maschinellen Lernens und KI-Tools aufzubauen, die zu umsetzbaren Erkenntnissen führen können. Können wir angesichts dieses Datensatzes bei unserer Analyse kreativ genug sein, um nützliche Erkenntnisse zu gewinnen, um einem Team Wettbewerbsvorteile zu verschaffen? Innerhalb eines Spiels können wir buchstäblich vorhersagen, wo sie auf dem Spielfeld landen werden, wie viele Yards sie gewinnen werden.

01:01:25 Wie groß ist die Wahrscheinlichkeit, dass sie einen Touchdown bekommen. Rechts. Das alles erfordert eine ziemlich ausgefeilte Methodik. Sport bedeutet so vielen Menschen so viel. Daten bieten nur eine weitere Möglichkeit, sich mit dem Sport zu verbinden. Die Fähigkeit, unstrukturierte Daten zu nutzen, in sie einzutauchen und eine Geschichte zu erzählen, ist äußerst lohnend. Es ist erstaunlich zu sehen, wie CMU-Studenten ihre Leidenschaften in Karrieren verwandeln, die, wie Sie wissen, die Zukunft des Profifußballs mitgestalten.