Die Vorstellung klingt verlockend: Ein Algorithmus identifiziert den perfekten Spieler – jung, günstig, leistungsstark. Einige Vereine glauben daran, andere hoffen darauf. Clubs wie Liverpool, Brighton und Brentford zeigen, dass datenbasiertes Scouting tatsächlich funktioniert. Trotzdem bleibt eine Lücke, die keine Statistik schliessen kann.
Wie moderne Clubs Daten im Scouting nutzen
Liverpool war einer der Vorreiter im datengestützten Scouting. Analysten wie Ian Graham nutzten Modelle wie Expected Goals (xG) Ballprogressionsdaten und Pressingmetriken, um Spieler zu finden, die statistisch stark performen, aber sportlich noch nicht als Stars galten. Transfers wie Salah oder Robertson wurden erst durch Datenmodelle sichtbar, bevor der Markt sie entdeckte.
„Data allows us to see players who are invisible to the traditional scouting eye“
Ian Graham, Interview mit The Athletic
Brentford geht noch radikaler vor. Der Club orientiert sich stark am datengetriebenen Moneyball-Ansatz (Money ball) und analysiert Profile aus über hundert Ligen. Entscheidend sind nicht grosse Namen, sondern Muster, die statistisch aus dem Rahmen fallen, wie etwa effiziente Aktionen unter hohem Druck oder wiederholbare, stabile Entscheidungsprozesse.
„Talent is not something you find. It’s something you look for in the right way.“
Rasmus Ankersen, Co-Director of Football bei Brentford (bis 2021) Ted Talk
Dieser Ansatz prägt Brentfords Transferstrategie bis heute: Das Scouting zielt nicht darauf ab, offensichtlich starke Spieler zu entdecken, sondern solche, deren Fähigkeiten in traditionellen Märkten unterbewertet sind.
Brighton wiederum kombiniert datenbasierte Vorarbeit mit intensiver Detailanalyse. Spieler wie Kaoru Mitoma oder Moisés Caicedo fielen zuerst in grossen Datensätzen auf, sei es durch ungewöhnlich hohe Dribblingeffizienz, Pressingresistenz oder wiederholbare Aktionen unter Druck. Dass Mitoma bereits in der japanischen Universitätsliga auffiel, ist kein Zufall: Brighton scannt bewusst Märkte, die viele andere Clubs gar nicht beobachten. Viele öffentlich verfügbare Analysen, etwa von StatsBomb (statsbomb.com), zeigen, wie solche Muster früh sichtbar werden können. Doch die finale Entscheidung basiert nicht allein auf Zahlen, denn Brighton investiert enorm viel Zeit in Video-Scouting, Kontextbewertung und Persönlichkeitsabklärung.
„We try to find value in places where others aren’t even looking.“
Sam Jewell, Head of Recruitment Brighton Interview mit The Athletic
Was Daten nicht erfassen können
So aussagekräftig Metriken geworden sind – sie erklären nicht alles. Ein Spieler kann statistisch hervorragend passen und trotzdem scheitern. Gründe dafür gibt es viele:
- Anpassungsfähigkeit: Eine neue Liga, ein neues Land oder ein neues Umfeld wirken stärker als jede Kennzahl.
- Druck & Mentalität: Daten messen Aktionen, aber nicht, wie ein Spieler auf Stress reagiert.
- Teamchemie: Manche Spieler funktionieren nur in bestimmten Systemen oder mit bestimmten Persönlichkeiten.
- Spielintelligenz ohne Ball: Viele der besten Entscheidungen passieren vor der Aktion – und bleiben unsichtbar.
Diese menschlichen Faktoren sind schwer messbar. Sie entscheiden aber oft über Erfolg oder Misserfolg eines Transfers. Gerade deshalb bleibt der menschliche Blick im Scouting unersetzlich.
Daten + Menschen = nachhaltiger Erfolg
Die erfolgreichsten Clubs haben verstanden, dass Daten kein Ersatz, sondern ein Werkzeug sind. Modelle filtern die vielversprechendsten Spieler heraus, aber danach beginnt die eigentliche Arbeit: Persönlichkeit einschätzen, Lernbereitschaft prüfen, Verhalten im Training beobachten, Gespräche führen.
Viele Analysten sehen darin den entscheidenden Vorteil:
„Daten zeigen dir, wen du übersehen würdest – nicht, wen du kaufen sollst.“
Dieser hybride Ansatz verhindert Fehlentscheidungen und ermöglicht Clubs mit kleineren Budgets, Spieler zu finden, die noch unterschätzt werden.
KI im Fussball – Fortschritt mit Grenzen
KI-gestützte Tools werden in Zukunft noch mehr Aufgaben übernehmen: automatische Video-Analysen, Mustererkennung, Prognosen für Entwicklungskurven. Einige Ligen wie die Bundesliga arbeiten bereits mit KI-gestützten Match-Facts (budesliga.com).
Doch auch KI kann nur dokumentierte Informationen verarbeiten. Unsichtbare Faktoren wie Teamdynamik, Motivation oder soziale Integration bleiben schwer messbar. Fussball bleibt ein Spiel, das sich nicht vollständig in Zahlen fassen lässt.
Oder anders gesagt: Daten liefern den Rahmen – Menschen füllen ihn aus.
Dieser Blogbeitrag wurde mit Unterstützung von KI erstellt.
