Volltreffer für SciSports: Sports Analytics mit SAS

Analytics im KI-Kontext kommt bereits für zahlreiche Business-Aufgaben zum Einsatz – von der Kundeninteraktion per Chatbot über Schadenbeurteilungen per Bilderkennung bei Versicherungen bis hin zur prädiktiven Wartung von Maschinen. Ein Anwendungsgebiet, in dem die Technologie bereits signifikante Vorteile bringt, ist Sports Analytics.

Intelligenter Fußball – mit KI und Analytics

Wie das geht, macht ein Start-up aus den Niederlanden vor. SciSports wurde 2012 von zwei Data Geeks gegründet, die sich selbst als „Fußballsüchtige“ bezeichnen – und hat sich komplett der Innovation in Sachen Sportanalysen verschrieben. Das Unternehmen entwickelt Lösungen, um den Einfluss einzelner Spieler auf das Mannschaftsergebnis zu bestimmen, die Entwicklung von Spielern zu verfolgen sowie deren potenziellen Marktwert zu berechnen und Spielergebnisse vorherzusagen. SciSports wertet dafür Streaming-Daten mittels Machine Learning, Deep Learning und künstlicher Intelligenz aus.

Realtime und 3-D

Herkömmliche Echtzeitanalysen im Fußball berücksichtigen ausschließlich Daten zum ballführenden Spieler. Das vermittelt jedoch ein unvollständiges Bild von der tatsächlichen Spielerqualität. Denn interessant ist auch und vor allem die Aktivität jenseits des direkten Ballumfelds – dafür hat SciSports das Kamerasystem BallJames entwickelt.

Dabei handelt sich um eine Echtzeit-Tracking-Technologie, die automatisch 3-D-Bilder aus Videoquellen generiert. 14 Kameras werden im Stadion aufgestellt und fangen jede Bewegung auf dem Feld ein. BallJames erzeugt dann Daten wie Präzision, Richtung und Geschwindigkeit eines Passes, Sprint- und Springstärke des Spielers.

Im Rahmen ihrer Zusammenarbeit kombinieren SciSports und Softwarehersteller SAS die Möglichkeiten der SAS Platform und des Kamerasystems. Während die Kameras Bilder in Echtzeit aufzeichnen, dienen die von SAS beigesteuerten KI-Funktionalitäten dazu, Spielerbewegungen in Modelle umzusetzen. Werden diese Modelle auf neue Daten angewandt, lassen sich vielversprechende und bisher unentdeckte Talente unter den Sportlern identifizieren. Und selbst für den Trainer, der das aktuelle Spiel auf der Bank mitverfolgt, liefert BallJames wichtige Informationen, sodass er frühzeitig erkennt, wenn ein Spieler müde wird und eine Auswechslung sinnvoll erscheint.

Who is who?

Eine besondere Herausforderung besteht darin, dass BallJames zwischen Spielern, Schiedsrichter und dem Ball unterscheiden muss, um präzise 3-D-Bilder zu erstellen. Die Voraussetzung dafür schafft SAS Event Stream Processing, das Bilderkennung in Echtzeit mithilfe von Deep-Learning-Modellen ermöglicht. Das Entscheidende dabei ist, dass die gesamte 3-D-Produktionskette über eine einzige Plattform verwaltet wird, die in alle Richtungen offen ist. Analystenteams können in der Programmiersprache ihrer Wahl arbeiten und unterschiedlichen Abteilungen im Unternehmen die analytischen Modelle gesammelt zur Verfügung stellen.

Fazit

SciSports ist inzwischen einer der am schnellsten wachsenden Anbieter für Sports Analytics. Und daran hat die Flexibilität der SAS Platform einen nicht unwesentlichen Anteil. Denn mit ihr ist das Unternehmen in der Lage, Rechenleistung ganz nach Bedarf nach oben oder unten zu skalieren, Modelle in Echtzeit in die Produktion zu bringen, alles innerhalb einer Plattform zu entwickeln und mit Open Source zu integrieren. Sports Analytics wird sicherlich in den nächsten Jahren noch weiter an Relevanz gewinnen – und die Spieleraufstellung am Reißbrett ablösen. Aussagekräftige Daten, Deep Learning und menschliche Erfahrung sind die Voraussetzung für die detaillierten Analysen, die SciSports bereits heute durchführt.

Autor:

Dr. Andreas Becks, Head of Business Analytics, SAS DACH