Wie Sportfans von Machine Learning profitieren

0
Share.

Nationalheld Federer in Action, im Hintergrund der aktuelle Stand der Resultate (Quelle: unsplash.com).

Egal wie sehr die Emotionen im Sport hochkochen und eine Sportart prägen, kommt kein Sport kommt ohne Daten aus.

Denkt man an Sport, denkt man erstmal an grosse Emotionen. Was wurde der letzte Grand-Slam-Titel der lebenden Tennislegende Roger Federer in den Medien gefeiert oder wie wurde die Schweizer (Fussball-)Welt im Sommer 2018 durch den Doppeladler erschüttert.

Kein Sport ohne Resultate

Direkt nach den Emotionen geht es um Zahlen: Beim medial aufbereiteten Sport geht es ums Gewinnen, es geht um den ersten Platz, um die grösste Höhe oder um die höchste Geschwindigkeit. Jede Disziplin unterliegt hierbei ihren eigenen Regeln, doch allen gemein ist: Der oder die Gewinner:innen werden aufgrund von Fakten (Tore, Punkte, Sekunden) für alle transparent nachvollziehbar ernannt. Somit liegt es auf der Hand, dass eingefleischte Sportfans nicht nur ein Faible für den Inhalt mitbringen müssen, sondern auch mit den Fakten oder Resultaten umzugehen haben. Je nach Sportart in unterschiedlichem Ausmasse. Gut bedient werden unter anderem die Fans der NBA, siehe auch «NBA League Pass».

Salopp kann man sagen, Sportfans sind Daten-Nerds. So behalten sie spielend den Überblick über laufende und vergangene Spiele und können nebenher mit der Fülle an Daten umgehen, die ihnen entgegengeschleudert wird. Gerade Fans von US-Sportarten sind gefordert. Die durchschnittliche Anzahl der im US-Sport dargestellten Daten ist ein Vielfaches der Menge, die europäischen Fans zugemutet wird.

Dazu kommt, dass die Menge an Daten längst die kritische Schwelle überstiegen hat, die noch von einer Sportjournalistin oder einem Sportjournalisten manuell verarbeitet werden kann.

Sportdaten sind mehr als nur Resultate

Diese Sportdaten müssen verwaltet werden, so gibt es im Hintergrund Datenbanken und ein entsprechendes Datenmanagement. Deren Logiken wurden in ihrer Anfangszeit von Menschen geschrieben, doch gerade diese repetitiven Abfolgen können von Maschinen übernommen werden.

Als Sportdaten sind aber nicht nur die blossen Resultate zu verstehen, sondern alle Daten, die rund um ein Sportevent und dessen Akteure erhoben werden. So helfen z.B. entsprechende Systeme Highlights in Tennis-Spielen zu erurieren wie IBMs Watson im Video.

Hierbei orientiert sich das System am Gesichtsausdruck des Spielers oder der Geräuschkulisse der Zuschauer um zu entscheiden, ob zum Beispiel eine Szene für eine Zusammenfassung berücksichtig werden soll oder nicht. Der Anbieter Wildmoka steuert in ähnliche Richtung und verspricht „Generate near-live highlights & personalized summaries for your fans.“ sowie unlimitiertes «digital broadcasting» in Sekunden.

Die Sportfans profitieren von den Lösungen, sodass ihnen beispielswiese viel schneller Zusammenfassungen und Highlights von einem Spiel zu Verfügung stehen, als dass dies der Fall ist, wenn diese eine Redaktion händisch erstellt.

Mittels der entsprechenden Verwertung der Daten lassen sich aber nicht nur vergangene Events scannen oder laufende Spiele bewerten. Bereits 2014 wurde z.B. die WASP- Lösung (winning and scoring prediction) im Cricket in Neuseeland eingesetzt, um dem Fan eine Orientierungshilfe zu bieten, wie eine Partie wohl ausgehen könnte. Die Performance wird getrackt, ausgewertet und entsprechend optimiert – vor den Augen der ganzen Sportwelt.

Nicht alle Automatismen bringen dem User einen Mehrwert

So bleibt zum Schluss lediglich, den Sinn zu hinterfragen. Nicht alle Daten, die man erheben kann müssen erhoben und im Anschluss dem User um die Ohren gehauen werden. Auch hat kein Sportfan dieser Welt Zeit sich all die unzähligen Highlight-Clips der zahlreichen Sportarten und –events anzusehen.

Welche Daten für die User:innen spannend sind, hängen von der Sportart und dem individuellen Interesse ab: Bei einer Boxerin sind Grösse und Gewicht wichtig, beim Schwimmer kann es auch die Schuhgrösse sein (Michael Phelps, der erfolgreichste Schwimmer aller Zeiten trägt Schuhe in Grösse 47,5), bei einem Fussballer interessiert die Anzahl Pässe während eines Spiels –  nicht unbedingt seine Schuhgrösse – idealerweise schön zusammengefasst in einem gut geschnittenen Highlight-Video. Egal ob von Mensch oder Maschine erstellt, aber mit echten Emotionen.

Sportstadion aus der Vogelperspektive (Quelle: unsplash.com).

Weiterführende Links zum Thema

Buchtipps zu Sportdaten

Wie Machine Learning die Sportwelt verändert

Share.

About Author

Laura Pechlivanis ist Product Managerin Sport bei SRF Online und bloggt aus dem Unterricht des CAS Digital Business Innovation. Auch Laura Pechlivanis mag Daten.

Leave A Reply