idw - Informationsdienst
Wissenschaft
Künstliche Intelligenz und Maschinelles Lernen können sehr hilfreich sein, wenn es darum geht, bei der Analyse von Fußballspielen taktische Muster zu erkennen. Das zeigt ein jetzt bei der MIT Sloan Sports Analytics Conference in Cambridge (Massachusetts) mit dem 1. Preis ausgezeichnetes Paper. Zu seinen Autoren gehören die Informatiker Prof. Dr. Ulf Brefeld und Dennis Faßmeyer von der Leuphana Universität Lüneburg.
Videoanalyseabteilungen sind ein etablierter Bestandteil des Profifußballs. Um aussagekräftige Erkenntnisse über die Taktik einer Mannschaft zu gewinnen, suchen Experten gewöhnlich bei der Auswertung von Videomaterial manuell nach taktischen Mustern und kommentieren sie. Das ist ein aufwändiger und sich immer wiederholender Vorgang. Die Idee der Wissenschaftler war es, dass sich viel Zeit sparen ließe, wenn man diesen Vorgang mit Hilfe künstlicher Intelligenz zumindest teilweise automatisiert.
Will man taktische Muster und Verhaltensweisen auf dem Fußballfeld anhand von Tracking Daten erkennen, braucht man dafür in der Regel sehr viele bereits klassifizierte Muster, die aus Videoanalysen entstanden sind. Gemeinsam mit zwei Kollegen vom Deutschen Fußballbund (DFB) und Hertha BSC Berlin haben Brefeld und Faßmeyer ein Verfahren entwickelt, das für die Analyse nur sehr wenige zuvor von Hand ausgewählte Szenen benötigt und auch unklassifizierte Situationen nutzen kann. Ihr sogenannter „Autoencoder“ kann mit Hilfe eines neuronalen Graphennetzwerks taktische Muster auf Team-, Gruppen- und Spielerebene erkennen und relevante Szenen eines Spiels automatisch finden.
Für ihre Arbeit haben sie das Beispiel des Überschneidungslaufs bei Spielen der deutschen Fußball-Nationalmannschaft genutzt. Das ist ein etabliertes taktisches Muster im Fußball, an dem zwei Spieler beteiligt sind: Der Ballträger dribbelt den Ball (in der Regel in der gegnerischen Hälfte nahe der Seitenlinie), ein Mitspieler läuft mit hoher Geschwindigkeit an ihm vorbei und schafft eine Passoption zum gegnerischen Tor. Solche Läufe sind oft schwer zu verteidigen, deshalb ist es ein Vorteil, bei der taktischen Spielvorbereitung zu wissen, welche gegnerischen Spieler typischerweise an einem solchen Muster beteiligt sind.
Mit der neuen Methode können entsprechende Informationen automatisch für jeden kommenden Gegner erstellt werden. Eine Übersicht zeigt dann, welche Spieler überschneiden und wer am meisten überschnitten wird. Auf diese Weise erfährt man auch etwas über die Präferenzen von Paarungen, die gemeinsam überschneidende Läufe durchführen.
Bei ihrer künftigen Arbeit wollen die Wissenschaftler sich mit der Erkennung einer Vielzahl weiterer Muster wie etwa Torschüssen, Gegenangriffen oder der Verteidigung von Eckbällen befassen und den Ansatz in andere Mannschaftssportarten wie z.B. Basketball übertragen.
Criteria of this press release:
Business and commerce, Journalists, Scientists and scholars, Students, Teachers and pupils, all interested persons
Information technology, Sport science
transregional, national
Scientific Publications, Transfer of Science or Research
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).