Big Data im Fußball. Technische Grundlagen der Datensammlung und -analyse und ihre Auswirkungen auf den Fußball E-Book

Daniel Gramlich

• Herausgeber: Studylab
• Kategorie: Lebensstil
• Sprache: Deutsch

Seitenzahl: 82

Veröffentlichungsjahr: 2018

Beschreibung

Die Digitalisierung macht auch vor dem Fußball nicht halt. Dank Tracking-Systemen und Sensoren zur Datensammlung ist der Begriff Big Data im Fußball kein Fremdwort mehr. Aber wie können Vereine, Trainer und Spieler ihre Daten gewinnbringend nutzen? Dieser Frage geht Daniel Gramlich in seiner Publikation nach. Er erklärt, mit welchen Methoden im Fußball Daten erhoben werden und welche Vorschriften es gibt. Außerdem stellt Gramlich das In-Memory-System „Sports One“ von SAP vor, das die gewonnenen Daten zusammenführt, analysiert und verwaltet. Er untersucht dabei ebenfalls, wie das Analysesystem in Zukunft Anwendung finden kann. Big Data und technische Innovationen werden dem Sport weiterhin ihren Stempel aufdrücken. Daniel Gramlich gibt daran anschließend in seiner Publikation einen spannenden Ausblick auf den Fußball von morgen. Zum Inhalt: - Fußball; - In-Memory; - Big Data; - SAP Sports-One; - Sport

Leseprobe

Impressum:

Copyright (c) 2018 GRIN Verlag / Open Publishing GmbH, alle Inhalte urheberrechtlich geschützt. Kopieren und verbreiten nur mit Genehmigung des Verlags.

Bei GRIN macht sich Ihr Wissen bezahlt! Wir veröffentlichen kostenlos Ihre Haus-, Bachelor- und Masterarbeiten.

Jetzt beiwww.grin.com

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung

2 Big Data

2.1 Definition

2.1.1 Volume

2.1.2 Velocity

2.1.3 Variety

2.1.4 Veracity

2.2 Big Data im Fußball

2.3 Verschiedene Daten im Fußball

2.3.1 Positionsdaten

2.3.2 Packing-Rate

2.3.3 Einige „alte“ Statistiken

3 Datensammlung im Fußball

3.1 Regelungen der FIFA und der DFL

3.2 Trackingsysteme

3.2.1 GPS-Systeme

3.2.2 Videosysteme

3.2.3 Radar- bzw. mikrowellenbasierte Systeme

3.3 Sensoren

3.4 Zukunft und Innovationen aus anderen Sportarten

4 Cloud Computing

4.1 Definition und Eigenschaften

4.2 Cloud-Servicemodelle

4.3 Cloud Typen

4.4 Abgrenzung zu anderen Technologien

4.4.1 Applikations-Hosting

4.4.2 Application Service Providing (ASP)

4.4.3 Grid Computing

5 In-Memory-Systeme

5.1 Definition und Funktionsweise

5.2 Vorteile

5.2.1 Hauptspeicher

5.2.2 Datenstruktur

5.2.3 Datenkompression

5.3 Herausforderung

6 Analyse von In-Memory Systemen im Fußball

6.1 Aktuelle Situation

6.2 Vorgehensweise

6.3 Analyse

7 SAP Sports One

7.1 Systemgrundlage

7.2 Entwicklungshistorie

7.3 Anwendungen

7.3.1 Mobile Kommunikation

7.3.2 Scouting Insights

7.3.3 Training Planner

7.3.4 Match Insights

7.3.5 Fitness und Leistung der Spieler

7.3.6 Gesundheit der Spieler (Player Fitness)

7.3.7 Teamverwaltung

8 Fazit

Literaturverzeichnis

Anhang

Anlage A1: E-Mail von „Opta“ mit Definitionen für Fußballstatistiken

Abkürzungsverzeichnis

Abbildungsverzeichnis

Abbildung 1: Statistik WM-Halbfinal 2014. Quelle: Kicker.de (2014), eigene Darstellung

Abbildung 2: (b) X- und Y-Werte der Spieler; (c) Darstellung der Werte. Quelle: Memmert and Raabe (2017), S. 5

Abbildung 3: Spielszene aus dem Spiel Bremen gegen Köln. Quelle: Memmert and Raabe (2017), S. 162

Abbildung 4: Spielszene aus Abb. 3 im Voronoi Diagramm. Quelle: Memmert und Raabe (2017), S. 162; eigene Bearbeitung

Abbildung 5: GPS-Trackingsystem. Quelle: bvb.de (2017)

Abbildung 6: (a) Geteilter FSB, (b) QPI. Quelle: Plattner und Zeier (2012), S. 14

Abbildung 7: Entwicklung der Kosten von Speicherkapazität. Quelle: Plattner und Zeier (2012), S. 10

Tabellenverzeichnis

Tabelle 1: Tab. 1: Zugriffszeiten verschiedener Arten von Speichern. Quelle: o. V. (2017): „Zugriffszeit“; eigene Darstellung

1 Einleitung

 „Der Ball ist rund und das Spiel dauert 90 Minuten“[1], so beschrieb der ehemalige Bundestrainer Sepp Herberger einst das „Lieblingsspiel“ der Deutschen.

„Geht’s raus und spielt’s Fußball“[2], gab Franz Beckenbauer seiner Weltmeistermannschaft von 1990 mit auf den Weg.

Ganz so einfach stellt sich der Fußball in der heutigen Zeit aber nicht mehr dar. Heute bestimmen Taktikdebatten oder Diskussionen über den „Laptop-Trainer“[3] den Fußball. Auch die Digitalisierung macht vor dem Fußball nicht halt. Tracking-Geräte, Sensoren und Ähnliches haben schon lange den Weg in den Fußball geschafft. Es werden viele Daten gesammelt und somit ist auch der Begriff „Big Data“ im Fußball kein Fremdwort mehr. Stellt sich nur die Frage: Wie soll mit all diesen Daten umgegangen werden? Eine Möglichkeit dafür liefert die SAP mit ihrem Produkt „Sports One“. Dies ist ein In-Memory-System auf Grundlage von SAP HANA und ermöglicht die Analyse von Daten in Echtzeit. Außerdem hilft es beim Zusammentragen der Daten in einem System.[4]

Außerdem besteht noch eine zweite Frage: Wie können die Daten gewinnbringend genutzt werden? Um dieser Fragestellung auf den Grund zu gehen, folgt ein kurzer Exkurs in eine andere Sportart, den Baseball. Dort spielen Statistik und Daten mittlerweile eine große Rolle. Dort ist oft von „Moneyball“ die Rede. Dieses Prinzip beruht auf den Lehren von Bill James, einem großen Baseballfan und Statistiker. Umgesetzt wurde es sehr erfolgreich vom Team der „Oakland Athletic’s“ (kurz: „A’s“) und ihrem Manager Billy Beane. Eigentlich ist das Prinzip relativ einfach, denn es geht darum sich auf statistische Auswertungen zu verlassen und sich so Vorteile gegenüber anderen Teams zu schaffen. Dies half dem Team der A’s dabei sich Vorteile auf dem Transfermarkt zu schaffen. Sie konnten so ein Team aus Spielern zusammenstellen, die von allen anderen Teams unterschätzt und übergangen wurden, alles nur mithilfe von Statistik und Daten. Damit schafften die A’s es den finanziellen Nachteil gegenüber Schwergewichten, wie z. B. den „New York Yankees“ oder den „Bosten Red Sox“, auszugleichen. Nun könnte man denken: Schön und gut sie haben ein Team aus statistisch gleichwertigen Spielern aufgestellt, aber das bringt noch lange keinen Erfolg. Aber dem war nicht so. Die Oakland A’s schafften es zwischen 2000 bis 2003 drei Mal in die Play-offs und damit nicht genug. Im Jahr 2002 schafften es die A’s die längste Siegesserie der Baseballgeschichte aufzustellen. Sie blieben 20 Spiele am Stück ungeschlagen. Man sieht also im Baseball kann diese Strategie von Erfolg gekrönt sein. Die Thematik hat sogar so viel Aufsehen erregt, dass die Geschichte der Oakland A’s verfilmt wurde.[5] „Moneyball“ ist der Titel des Films und er ist mit bekannten Schauspielern, wie Brad Pitt und Jonah Hill, besetzt.[6]

Natürlich erfuhren durch diesen Film Sportfans auf der ganzen Welt von der Erfolgsstory der A’s und begaben sich auf die Suche nach der Umsetzung dieser Idee in ihrer Sportart. So auch im Fußball und die Suche brachte einen Treffer: Den FC Midtjylland, der wohl aktuell interessanteste Verein im europäischen Fußball. Der Verein ist in der dänischen Stadt Herning beheimatet und wurde 2014 vom englischen Geschäftsmann Matthew Benham übernommen. Benham gehören ein Unternehmen, das aufgrund statistischer Analysen auf Fußballspiele wettet, und der englische Verein FC Brentford. Er verpasste dem FC Midtjylland eine komplett neue Strategie. Diese besteht darin Daten zu nutzen, sowohl im Scouting-Bereich, als auch bei der Vor- und Nachbereitung von Spielen und dem Training. Es wird also versucht die Vorgänge innerhalb des Vereins durch statistische Analysen und mathematischen Methoden zu verbessern. Ein Beispiel dafür ist ein internes Ranking, das alle europäischen Mannschaften miteinander vergleicht und dadurch eine Tabelle erstellt. Dabei werden Wettbewerbe und Spielklassen ausgeklammert und nur die Spielstärke der Mannschaften bewertet. So ist beispielsweise ein Verein, wie der niederländische Erstligist FC Utrecht, unter den ersten fünf in diesem Ranking zu finden. Dieses Ranking hilft auch bei Transferfragen. Beispielsweise verpflichtete der FC Midtjylland in der Saison 2014/15 den Spieler Tim Sparv vom deutschen Zweitligisten Greuther Fürth. Warum gerade dieser Transfer? Die Antwort ist statistisch gesehen ziemlich simpel. Das Ranking zeigte, dass Greuther Fürth von der Spielstärke auf einem Level mit Vereinen aus dem unteren Drittel der englischen Premier League spielte. Weiter wurde mit diesem System herausgefunden, dass Tim Sparv als defensiver Mittelfeldspieler einen großen Anteil an dem Platz im Ranking hatte. So wurde der Spieler für nur 300.000 € verpflichtet und schlug sehr erfolgreich ein. Wie schon erwähnt spielen Daten auch bei Trainingseinheiten und Spielen eine große Rolle. So werden oft Standardsituationen, wie Ecken und Freistöße, trainiert. Auch hier die Frage: Warum? Wieder ist die Antwort ziemlich einfach. Aus einem Standard kann mit wenig Aufwand viel Ertrag, also ein Tor, erzielt werden. Auch hier zahlt sich diese Überlegung aus. In der Saison 2014/15 erzielte die Mannschaft mehr als ein Tor pro Spiel nach Standards. Bleibt nun die Frage nach dem Erfolg zu beantworten. Die Antwort: Ja. In der Saison 2014/15 wurde der FC Midtjylland zum ersten Mal in seiner Geschichte dänischer Meister.[7] In der aktuellen Saison 2017/18 steht der Verein auf dem zweiten Platz der Tabelle.[8] Natürlich bleibt die Frage nach dem langfristigen Erfolg, welche sich aber erst im Laufe der Zeit beantworten wird. Es wird sich also noch zeigen, ob dieser Ansatz wirklich revolutionär ist.

2 Big Data

2.1 Definition

Grundsätzlich ist die Verarbeitung von großen Datenmengen nichts Neues, denn sie existierte schon lange bevor die breite Öffentlichkeit davon erfahren hat. Durch Open Source-Komponenten (wie z. B. Hadoop oder MapReduce) ist die grundlegende Technologie der IT-Gemeinschaft schon einige Jahre zugänglich.[9]

Die am häufigsten verwendete Definition ist aber die der drei bzw. vier V’s (Volume, Velocity, Variety und Veracity).[10] Bei dieser Definition wird allerdings von Einigen die zu Informatik lastige Sichtweise kritisiert. Diese Kritiker sehen dabei die Sichtweise der Nutzer als wichtiger an und definieren diese bspw. über die 3 F‘s: Fast (schnell), flexibel und focused (fokussieren).[11]

Bei dieser Arbeit steht aber die weiter verbreitete Definition der drei bzw. vier V’s im Vordergrund. Diese V‘s beziehen sich auf die Eigenschaften von Big Data. Im Folgenden werden diese nun einzeln erklärt.

2.1.1 Volume

Die Eigenschaft Volume (deutsch: Volumen) assoziiert man wohl als erstes mit dem Begriff Big Data. Dabei geht es darum, dass es immer mehr erzeugte Daten gibt. Diese entstehen durch die steigende Rechenleistung, welche das Mooresche Gesetz