Forscher entschlüsseln den Erfolg im Fussball

Die Spielanalyse hat ein neues Level erreicht: Big Data ermöglicht komplexe und spielentscheidende taktische Aussagen – und Vorhersagen von Ranglisten.

Grafik: Klaudia Meisterhans. Klicken zum Vergrössern.

Grafik: Klaudia Meisterhans. Klicken zum Vergrössern.

Feedback

Tragen Sie mit Hinweisen zu diesem Artikel bei oder melden Sie uns Fehler.

Ballbesitzstatistik, Passquoten, Laufdistanzen oder Heatmaps mit den Aufenthaltsorten der Spieler – heute vergeht kein professioneller Fussballmatch, bei dem das Geschehen nicht haufenweise mit Daten aufbereitet wird. Auch bei der WM-Barrage der Schweiz gegen Nordirland heute Abend und am Sonntag werden diverse Statistiken wohl zur Bewertung der jeweiligen Mannschaft herangezogen. Dabei ist aus Studien längst bekannt, dass diese einfachen Indikatoren kein Erfolgskriterium darstellen.

Exemplarisch dafür steht das Champions-League-Spiel Celtic Glasgow gegen FC Barcelona vom 7. November 2012. Barcelona dominierte die Partie scheinbar nach Belieben: 84 Prozent Ballbesitz, 25:5 Torschüsse, 955 Pässe und eine überragende Passquote von 91 Prozent. Celtic brachte es gerade mal auf 166 Pässe und lieferte 38 Prozent Fehlpässe ab. Doch Celtic gewann 2:1, wobei der Anschlusstreffer von Barcelona erst in der Nachspielzeit fiel. Ähnlich war es beim WM-Halbfinal in Brasilien 2014: Die Gastgeber hatten die bessere Passquote, mehr Torschüsse und waren häufiger im Angriffsdrittel. Aber Deutschland gewann mit 7:1.

Natürlich ist es von Vorteil, wenn ein Spieler seine Pässe an den Mitspieler bringt. Aber es macht einen Unterschied, ob es sich dabei um kurzes Sicherheitsgeschiebe im hinteren Mittelfeld handelt oder um riskante, aber womöglich spielentscheidende Steilpässe in den Lauf der Stürmer. «Ähnlich verhält es sich mit der Ballbesitzquote», sagt Daniel Memmert, geschäftsführender Institutsleiter und Professor am Institut für Trainingswissenschaft und Sportinformatik an der Deutschen Sporthochschule Köln. «Diese sagt durchaus einiges über die Dominanz einer Mannschaft aus, aber selten etwas über ihre Siegeschancen.»

In den letzten Jahren hat Memmert gemeinsam mit dem Sportinformatiker Jürgen Perl von der Johannes-Gutenberg-Universität Mainz ein Analysetool entwickelt, das über die heute übliche und noch etwas naive Datenanalyse hinausgeht. Mit Soccer, wie das Tool heisst, lassen sich aus den laufend gesammelten Positionsdaten der Spieler taktisch relevante Aspekte ermitteln, sogenannte Key-Performance-Indikatoren (KPI), die erheblich mehr über die Qualitäten einer Mannschaft aussagen als die Frage, ob ein Spieler 9,4 oder 10,3 Kilometer weit gelaufen ist.

Ein solcher KPI ist der Pressingindex. Er besagt, wie schnell eine Mannschaft nach Ballverlust den Gegner attackiert. Ein anderer Indikator ist die Raumkontrolle. Sie beschreibt die Herrschaft einer Mannschaft über die Räume auf dem Fussballfeld und ist durch jene Rasen­fläche definiert, die Spieler einer Mannschaft vor den Spielern der gegnerischen Mannschaft erreichen können. Ein dritter KPI ist der Pass-Effektivitätsparameter. Er beschreibt im Wesentlichen, wie effizient Gegenspieler durch einen Pass in Vorwärtsrichtung ausgeschaltet werden.

310 Millionen Datenpunkte

In einer grossangelegten Studie, finanziert durch die Deutsche Fussball Liga, hat Memmert 50 Spiele der Bundesligasaison 2014/15 mit Soccer analysiert. Das waren 310 Millionen Datenpunkte aus über 4200 gespielten Minuten. Demnach entscheiden die drei erwähnten Indikatoren – Raumkontrolle, Pressingindex und Pass-Effektivitätsparameter – über Sieg und Niederlage. «Anhand dieser Parameter kann man die oberen und unteren Tabellendrittel vorhersagen», sagt Memmert.

«Anhand der Parameter kann man die Tabelle vorhersagen.»Sportinformatiker Daniel Memmert

Es gibt diverse Tools, mit denen sich die Positionsdaten der Spieler verarbeiten lassen. Dazu zählen etwa InStat Scout, Wyscout, Scout 7 und OptaPro. Eine Besonderheit von Soccer ist jedoch die Verwendung künstlicher neuronaler Netze. Das sind dem menschlichen Gehirn nachempfundene Computeralgorithmen. Ein entsprechend programmiertes digitales Neuron reagiert zum Beispiel wie ein geschultes Auge auf eine bestimmte Spielsituation, etwa auf einen Pass vom Mittelfeld in den Strafraum, der über mindestens fünf Gegenspieler hinweg geht. Mithilfe dieses speziellen Neurons können die Forscher in Sekundenschnelle zahlreiche Spiele auf die gesuchte Spielsituation hin scannen. Der Vergleich hilft, die Bedeutung dieser Spielsituation einzuschätzen. Entsprechend lassen sich mit anders programmierten Neuronen andere Formationen oder Aktionen aus diversen Spielen herauslesen und vergleichen.

Soccer eignet sich somit laut Memmert bestens für internationales Scouting. «Angenommen ein Scout möchte wissen, welcher Linksaussen den besten Pressingindex hat. Dann kann er anhand der Positionsdaten aus den entsprechenden Ligen mit einem Klick die Rangliste der zehn besten Pressing-Linksaussen vom letzten Wochenende zusammenstellen.» Kein Scout sei in der Lage, so viele Spiele anzuschauen, wie das Tool sekundenschnell analysiere. «So kann ein Scout in Zukunft aus einem viel grösseren Datenpool vorselektieren.»

Natürlich lassen sich die Daten auch für die Spielvorbereitung nutzen. «Wenn ich mehr über den Gegner weiss, wenn ich besser weiss, wie meine eigene Mannschaft spielt, dann habe ich auch mehr Informationen, um Training und Taktik adäquat zu steuern», sagt Memmert. In der Praxis macht der Wissenschaftler das bereits bei der Jugend von Red Bull Salzburg. «Diese Mannschaft hat die Uefa Youth League 2017 gewonnen», sagt Memmert. Natürlich sei es schwierig, zu sagen, welcher Anteil am Erfolg auf das Konto der Big-Data-Analyse gehe. Aber immerhin. Eine Zusammenarbeit in der Schweiz gebe es indes nicht.

Big Data bei der Schweizer Nati

Doch auch der Schweizerische Fussballverband (SFV) setzt auf Big Data. Erst kürzlich hat der SFV dafür einen neuen Posten geschaffen: Seit August ist Sascha Stauch für die Spielanalyse und Spielentwicklung des SFV verantwortlich. Auf diesem Posten soll er versuchen, «für den SFV und damit verbunden für sämtliche Nationalteams die wichtigsten Aspekte aus Big Data herauszufiltern», sagt Stauch. «Vorgängig gilt es natürlich, zu erarbeiten, welche Daten man überhaupt eruieren möchte.»

Wie Stauch sagt, beschränkt man sich beim SFV bislang auf quantitative Daten wie Ballbesitz, Anzahl Pässe, Schüsse aufs Tor, Laufdistanz oder Anzahl Sprints. «Taktische Daten oder Parameter wie ein Offensiv- oder ein Defensivindex wurden bisher noch keine erhoben.» Aktuell würden die Daten vor allem genutzt, um zu prüfen, ob und wie gut ein Spieler eine Aufgabe umgesetzt habe. Aber künftig möchte man «aus diesen Daten heraus auch taktische Schlüsse ziehen können», sagt Stauch.

Ganz einfach ist das nicht. Ein Schwachpunkt von Analysetools wie Soccer ist laut Memmert, dass es informatische Grundkenntnisse braucht, um die Daten gut aufzubereiten. «Man muss die wichtigen von den unwichtigen Parametern trennen», sagt Memmert. «Da kann man sich ziemlich leicht verzetteln.» Das dürfte umso mehr der Fall sein, wenn künftig weitere Daten einfliessen, etwa die Blickrichtung oder die Hirnaktivität der Spieler. «Die Wissenschaft steht vor der Aufgabe, Modelle dafür zu entwickeln, wie diese Daten miteinander zusammenhängen», sagt Memmert.

Für ihn ist die Spielanalyse auf Basis von Big Data aus dem modernen Profifussball nicht mehr wegzudenken. «Aber das wird den Trainer nie ersetzen. Es braucht immer noch sein Gehirn, um geeignete Schlüsse aus den Indizes zu ziehen.» Das sieht Stauch ähnlich: «Viel wichtiger als die Positionsdaten sind immer noch das Geschick und das Bauchgefühl des Trainers, welcher die entsprechenden taktischen Massnahmen ausarbeitet.» An Geschick dürfte es Nationaltrainer Vladimir Petkovic nicht mangeln. Bleibt zu hoffen, dass sein Bauchgefühl auch ohne taktische Big-Data-Analyse gegen Nordirland richtig liegt.

Weiterführende Infos im Buch von Memmert/Raabe: «Revolution im Profifussball, mit Big Data zur Spielanalyse 4.0». Springer. 286 S., 29.90 Fr. (Tages-Anzeiger)

Erstellt: 08.11.2017, 17:54 Uhr

Artikel zum Thema

Das Volk entscheidet zum dritten Mal über ein Fussballstadion

Private Investoren treiben das Stadionprojekt auf dem Hardturm-Areal voran. Für die Umsetzung ist eine Abstimmung nötig – allerdings frühestens im Herbst 2018. Mehr...

In der neuen Big-Data-Welt

Die Scientifica an Uni und ETH zeigte anschaulich, dass heute alle Forschungszweige mit grossen Datenmengen arbeiten. Mehr...

Klinkenputzen trotz Facebook und Big Data

Zürich wählt in vier Monaten. Kommt es zu hässlichen Auswüchsen im Internet? Wahrscheinlicher sind Genossen vor der Wohnungstür. Mehr...

So werden die Daten gesammelt

Aktuell gibt es drei verschiedene Systeme, die jeweils gewisse Vor- und Nachteile haben:

GPS-Tracker

Die meist an einem Brustgurt angebrachten Transponder sammeln neben den Positionsdaten auch Fitnessparameter wie Herz- und Atemfrequenz. Daraus lässt sich ablesen, wie gross die körperliche Belastung eines Sportlers ist. Oft kommen zusätzlich Beschleunigungssensoren, Kreiselinstrumente und Kompasse zum Einsatz, um die Bewegungsabläufe der Spieler zu beschreiben. Nachteil: Die Positionsbestimmung mittels GPS ist nicht so genau wie bei anderen Systemen.

Video

Videobasierte Systeme kommen ohne zusätzliche Elektronik an den Spielern aus. Sie können daher problemlos im Wettkampf eingesetzt werden. Nachteil: Die Systeme funktionieren eher halb automatisch. Werden Spieler etwa bei einem Torjubel verdeckt, geht die Zuordnung der Spieler verloren, da deren Identifikation meist nicht möglich ist. Daher muss die Zuordnung manuell wiederhergestellt werden.

Radar- oder Mikrowellen

Ähnlich wie beim GPS werden Transponder am Körper getragen – etwa in einem Brustgurt oder im Schienbeinschoner. Die Ortung erfolgt direkt im Stadion mithilfe mehrerer Empfänger am Spielfeldrand. Das System liefert die Positionsdaten in Echtzeit und ist sehr präzis. Nachteil: Im Gegensatz zum GPS-Tracking braucht es aufwendige Installationen im Stadion oder auf dem Trainingsplatz. (TA)

Die Redaktion auf Twitter

Stets informiert und aktuell. Folgen Sie uns auf dem Kurznachrichtendienst.

Abo

Abo Digital Light - 18 CHF im Monat

Unbeschränkter Zugang auf alle Inhalte und Services (ohne ePaper). Flexibel und jederzeit kündbar.
Jetzt abonnieren!

Kommentare

Die Welt in Bildern

Wer wird Präsident? Ein traditionell gekleideter Chilene, ein sogenannter Huaso, verlässt nach seiner Stimmabgabe in Santiago die Wahlkabine. (19. November 2017)
(Bild: Esteban Felix/AP) Mehr...