Intel demonstriert Anwendungen für Big-Data-Analysen im Fußball

Intel hat gemeinsam mit seinem Partner – dem Beratungsunternehmen Scout7 – gezeigt, wie sich die Analyse großer Datenmengen (Big Data) im Fußball mithilfe seiner Technologie vorantreiben lässt. Letztere soll unter anderem die Videoanalyse von Fußballspielen sowie die Auswertung umfangreicher Datensätze beschleunigen. Das sogenannte Scout7 Intelligent Sports Framework (ISF) umfasst dabei die Plattform Scout7.tv zur Videoaufzeichnung und -Analyse der Spiele sowie die Datenbanklösungen ProScout7 für das Scouting und Scout7 Training Ground für das Kader-Management, das Coaching sowie die individuelle Entwicklung und Förderung der Spieler.

Scout7-Lösungen werden im Profifußballbereich von vielen Vereinen für die datengestützte Entscheidungsfindung bei der Zusammenstellung und Entwicklung ihres Spielerkaders genutzt. Die Analyse großer Datenmengen habe vor allem das Scouting der Fußballclubs erheblich verändert. So können diese nun beispielsweise auf die für Xeon-Prozessoren optimierte Scout7-Datenbank zugreifen, die Informationen zum Werdegang sowie statistische Daten und Leistungswerte von mehr als 135.000 aktiven Profifußballern weltweit enthält. Die Talentspäher der Vereine seien somit in der Lage, ihren subjektiven Eindruck eines Spielers mit umfangreichen statistischen Informationen aus der Datenbasis zu unterfüttern und dadurch fundiertere Entscheidungen zu treffen.

Die Big-Data-Analyse bietet beim Scouting laut Intel noch weitere Optionen. So könnten die Vereine etwa die künftige Entwicklung von Spielern anhand von Mustern in bestehenden Datensätzen vorhersagen (Predictive Analytics). Die dafür benötigten Benchmark-Daten stammen beispielsweise aus Karriere-Meilensteinen eines aktuellen Fußballers wie Bastian Schweinsteiger. Konkret werden hierfür dessen Leistungswerte von der U16-Nachwuchsmannschaft bis heute nach bestimmten Kriterien gefiltert sowie Rückschläge wie zum Beispiel Verletzungen einbezogen und daraus dann Trends oder wiederkehrende Muster im Laufe einer zukünftigen Profi-Karriere herausgefiltert. Das Profil eines vielversprechenden Nachwuchsfußballers wird dann mit der Situation und den Leistungswerten des Profis in der gleichen Altersstufe verglichen, um so Prognosen für dessen fußballerische Zukunft zu treffen.

Predictive Analytics wird nach Angaben von Intel auch schon bei der Trainingssteuerung eingesetzt, um Verletzungen der Spieler bei großer Belastung etwa durch zusätzliche internationale Wettbewerbe oder Länderspiele zu vermeiden. Hierfür werden die Daten zu Verletzungen von Spielern mit Daten zum Trainingsumfang und der Zahl der Spiele verknüpft, um die Wahrscheinlichkeit künftiger Verletzungen zu bestimmen. Auf diese Weise könnten Vereine ihre Trainings- und Ernährungsprogramme optimieren.

Im Hinblick auf die Videoanalyse der Mannschaftsleistung nach dem Spiel ist laut Intel vor allem die Geschwindigkeit bei der Video-Transkodierung für Fußballvereine entscheidend, da die Trainer bereits kurz nach dem Spiel die entsprechenden Videoaufnahmen bräuchten. Scout7 benötige für die Verarbeitung solcher Videos dank Intels Xeon-Prozessor E3-1285 v3 sowie der hauseigenen QuickSync-Videotechnologie inzwischen nur noch rund 30 bis 45 Minuten. Vor dem Einsatz der beiden Intel-Technologien habe dieser Vorgang zwischen zwei und vier Stunden gedauert.

Nach der Transkodierung werden schließlich die Ereignisdaten des Spiels hinzugefügt, sodass die Vereine bereits vier Stunden nach dem Spiel bis zu 2000 Einzelaktionen – etwa Pässe, Eckbälle oder Zweikämpfe – auswerten und nach bestimmten Kriterien filtern können. Eine spezielle erweiterte Analyse-Engine sowie spezielle Algorithmen bilden laut Intel dabei die Grundlage für eine effiziente Auswertung solch großer Datenmengen. Das Intel Media-SDK für Server diene Scout7 zudem als Framework für den geplanten Umstieg auf den neuen Video-Codec H.265, der wiederum in Ultra-HD auflösende Videos unterstützt. Ziel ist es, künftig auch Live-Videos nach bestimmten Kriterien zu analysieren.

Intel zufolge sind in den kommenden zehn Jahren noch einige weitere Big-Data-Anwendungen im Profifußballbereich denkbar. Beispielsweise könnten unstrukturierte respektive nicht verknüpfte Informationen in Zukunft verstärkt für die Spielanalyse genutzt werden. Die automatische Auswertung großer Datenmengen und Video-Spielstatistiken könnten künftig ohne Nutzereingabe erfolgen. Laut dem Chiphersteller werden entsprechende Plattformen in zehn Jahren zudem soweit ausgereift sein, dass sie während einer Live-Spielanalyse „alternative Szenarien“ zeigen, die eingetreten wären, wenn etwa ein Spielzug nicht durch ein Foul gestoppt worden wäre.

Wie groß ist Ihr Wissen über Big Data? Machen Sie den Test mit 15 Fragen auf silicon.de.