Lesestoff: Revolution im Profifußball

In der Urlaubswoche zuletzt mal wieder ein bisschen Zeit zum Lesen gehabt. Nicht nur, aber auch fußballbezogene Lesezeit. Von meiner Amazon-Wunschliste hatte mir dankensweiter ein Leser eines der dortigen Bücher zukommen lassen.

Revolution im Profifußball“* ist das Buch von Daniel Memmert und Dominik Raabe betitelt. Unter Revolution macht man Fortschritte in welchem Bereich des Fußballs auch immer ja nicht gern. Im konkreten Fall geht es bei der radikalen Veränderung (=Revolution) des Fußballs um die Nutzung von Big Data, also die sinnvolle Nutzung und Interpretation von immer mehr und neuen Daten, wie zum Beispiel Positionsdaten.

Ziel dessen ist, dass “taktische und technische Komponenten des Spiels derart analysiert werden können, dass relevante Schlüsse für das Coaching gezogen werden können”. Es wird also bei der Erhebung und Analyse von Daten vor allem auch auf Prognosen und nicht auf nachträgliche Beschreibungen gezielt. Dabei geht es dann vor allem darum, dass dem Coaching Informationen zur Verfügung stehen, die die Wahrscheinlichkeit auf Erfolge erhöhen und nicht nur nachträglich Spielverlaufe beschreiben können. Tatsächlich dürfte dieser Schritt die Königsklasse der Datenanalyse sein.

Dem Buch geht es nun darum, einen Einblick in das Themenfeld zu liefern. “Wir möchten Ihnen zeigen, wie verschiedene taktische Aspekte modelliert, einzelne Spiele oder gar ganze Saisons per Mausklick analysisert und  anschließend interpretiert werden können”, so der Anspruch, den die Revolutionsschrift erhebt. “Spannende Einblicke” werden versprochen. Vorstellungen und Überzeugungen sollen hinterfragt werden.

Nun, der Anspruch des Buches ist ein sehr hoher. Gemessen daran fällt das Lesevergnügen und der Erkenntnisgewinn dann vielleicht doch etwas ab. Ändert aber nichts daran, dass sich für an Statistik und Daten interessierte Personen interessante Passagen und Darstellungen in dem Buch verbergen.

Los geht das Büchlein unter anderem mit einem Vorwort von RB-Sportdirektor Ralf Rangnick, der den Autoren offenbar als Experte zur Verfügung stand und sich in seinen Geleitworten als Freund “digitaler Trends” outet und hofft, dass die Erkenntnisse aus der weiterführenden Analyse von Daten und insbesondere Positionsdaten Wissen filtern lässt, das “systematisch in die Trainingsarbeit einfließen” kann.

Etwas mühselig sind die Interviews in dem Buch. Das geht vorn bei einem der Welt entrückt scheinenden Urs Siegenthaler los und geht dann damit weiter, dass einige spannende Menschen aus der Praxis genau an den Stellen, an denen es interessant werden würde, weil sie über ihre Arbeit reden, mit einem ‘dazu kann ich nicht ins Detail gehen’ antworten.

Das liegt vor allem daran, dass es für das Feld der Auswertung großer Datenmengen und sehr unterschiedlicher Daten im Fußball keine vorgefertigten Lösungen gibt. Das meiste erschließen sich kleinere Personenkreise in ihrer täglichen Arbeit mit Kreativität selbst, sodass das offene Sprechen darüber auch immer damit verbunden ist, den Wettbewerbern eventuell Informationen an die Hand zu geben, mit denen man einen eigenen Wettbewerbsvorteil aus der Hand gibt. Entsprechend verständlich ist es, wenn man zu bestimmten Details der eigenen Arbeit keine Auskunft geben will. Entsprechend frustrierend ist das dann aber auch als Leser, wenn man in der dunklen Ecke stehengelassen wird.

Das ist aber vielleicht das einzige große Ärgernis eines Buches, das mit der Revolution auf dem Titel etwas dick aufträgt, aber ansonsten einen ganz guten Überblick über den Stand der Dinge und über die Potenziale des Arbeitens mit großen Datenmengen gibt. Und gleichzeitig auch auf Probleme verweist.

Wie zum Beispiel beim Feld der Erfassung von Tracking- und Positionsdaten, wo es unterschiedliche Modelle gibt, die in Sachen Aufwand, Kosten und Genauigkeit alle so ihre eigenen Macken haben. Wenn aber Trackingdaten für viele Dinge in der Trainingssteuerung herangezogen werden, dann ist es elementar wichtig dort verlässliche Daten zu kriegen und nicht erst zeitaufwändig Daten nachbereiten zu müssen.

Das Buch trägt gut zur Verfestigung des Gefühls bei, dass Zahlen und Statistiken im Bereich des Scoutings und der Beurteilung der individuellen Qualitäten von Spielern bereits in weit fortgeschrittener Art da sind. Das einstige Lieblingskind Packing war eine der Kennzahlen, die schon vor Jahren Aufschluss gaben über den Einfluss eines Spielers auf das Spiel seiner Mannschaft. Im Buch wird eine Kennzahl vorgestellt, mit der das bloße Überspielen von Gegenspielern verfeinert wird. Dabei wird mit einbezogen, wie stark der Druck auf den Passgeber war und mit wie wenig Druck der Passempfänger den Ball annehmen konnte. Dadurch bekommt man einen guten Eindruck, wie Spieler in der Lage sind, unter Gegnerdruck, ohne den man nur noch selten Fußball spielt, zu agieren und wie effizient dann das Passspiel ist.

Neben vielen anderen Individualstatistiken, mit denen man Spielertypen und deren Qualitäten beschreiben kann, geht es in diesen und anderen Kennzahlen oft vor allem darum, wie groß der Einfluss des einzelnen Spielers auf das Spiel seiner Mannschaft ist. Dabei nimmt man gern vor allem die Qualitäten im offensiven Bereich in den Blick. Wissen will man oft gern, welche Spieler mehr als andere in der Lage sind, die Wahrscheinlichkeit von Torerfolgen zu erhöhen. Packingdaten helfen dafür nur bedingt weiter. Im Fall der Fälle kann es sogar ein kurzer Rückpass am Strafram sein, der für die Entwicklung eines Angriffs wichtiger ist als das Überspielen von Gegenspielern.

Dafür stellt das Buch ein schönes Modell vor, bei dem es darum geht, wie viel Raum ein Team im Angriffsdrittel und vor allem im Strafraum besetzt. Dabei geht es um die Positionen der Spieler auf dem Feld und welchen Raum sie mit ihrer Positionierung abdecken. Wenn ich ein Tor erzielen will, dann ist es von Vorteil möglichst viel Raum im gegnerischen Angriffsdrittel und vor allem im gegnerischen Strafraum zu besetzen. Mit jeder Aktion wie einem Pass oder einem Dribbling verändern sich nun die Raumverhältnisse und dank Positionsdaten und der Analyse dieser kann man für jeden Spieler bestimmen, wie sich durch seine Aktionen die Besetzung von Räumen verändern (genauso kann man das natürlich auch für Laufwege ballferner Spieler bestimmen).

Gute Mannschaften gewinnen durch ihr Passspiel eher viel Raum in der Offensive, schlechte Mannschaften weniger. Das ist dann einerseits ein gutes Analysetool für die Effizienz des Positions- und Passspiels als Team, aber auch auf individueller Ebene und für das Erarbeiten von Mustern, welche Aktionen in welchen Situationen welche Raumgewinne mit sich brachten.

Eher beschreibender Natur sind Daten, die zeigen, wie schnell Teams nach Ballverlusten verdichten. Das ist für die Aufbereitung von Spielen und für das Fernsehen perspektivisch sicher interessant und für Trainer, wenn sie nach dem Spiel in der Pressekonferenz ein paar gute Daten brauchen. Auf Ebene der Analyse, die Ansätze für Veränderungen eigener taktischer Maßnahmen und des Trainings liefern soll, ist das eher vernachlässigbar, abgesehen von einem ersten Scouting-Eindruck in Bezug auf Schemata und Eckpfeiler im Spiel des künftigen Gegners.

Interessanter sind da schon Modelle, die das Aufeinanderwirken unterschiedlicher System analysieren. Gerade durch die neuen Möglichkeiten, von der Tribüne über technische Hilfsmittel mit der Bank zu kommunizieren, sind da Erkenntnisse denkbar, mit denen man die Trainerbank füttern könnte. So man dafür praktisch anwendbare Analysen entwickelt, kann man auf der Basis großer Datenmengen aus einer Vielzahl an Spielen Interaktionsanalysen durchführen, mit denen man quasi berechnen kann, welche Offensivformation gegen welche Defensivformation besonders erfolgreich waren und daraus sowohl Ableitungen vor Spielen ziehen, als auch während der Spiele prüfend eingreifen bzw. bei Formationsumstellungen auf der Basis von historischen Daten Ideen für Reaktionen entwickeln. Kombinieren ließe sich das sicherlich auch mit oben genannten Modellen der Raumbesetzung, sodass man dann Muster erkennen könnte, mit welchen Formationen sich gegen welche Formationen am besten Räume besetzen lassen, ohne selbst große Räume abzugeben.

Das Ganze wird im Fußball natürlich durch die Komplexität der aufeinander abgestimmten Ereignisse verkompliziert. Um es anschaulich zu machen: Ob ein Halstenberg links hinten spielt oder ein Klostermann macht für die Formation keinen Unterschied, für das Geschehen auf dem Feld aufgrund der unterschiedlichen Profile der Spieler aber schon. Entsprechend heißt es im Ausblick des Buches auch, dass es in der Weiterentwicklung von Datenanalysen auch um die sinnvolle Verknüpfung von taktischen Gruppenformationen und individuellen Fähigkeiten gehen muss. Denn zur sinnvollen Analyse von Interaktionen gehört es zwingend dazu, dass man die eingesetzten Spielertypen dabei berücksichtigt.

Es dürfte auf der Hand liegen, dass es dann schnell sehr komplex wird. Aufgrund der Masse an Zahlen und Daten, die man über die Jahre sammeln kann, klingt es aber auch nicht aussichtlos, Muster zu zeigen, wenn man denn einen sinnvollen Weg der Datenverarbeitung gefunden hat.

So einfach wie im Baseball wird es jedenfalls nicht. Aufgrund der dort statischen Spielsituation mit Werfer und Schläger, die es allein in einem Spiel meist deutlich über 100mal auf beiden Seiten gibt, kann man dort relativ schnell wichtige Informationen generieren, die dazu führen, dass sich eine Defensive (also die Leute, die im Feld den Ball fangen sollen) so aufstellt, dass sie dem Schlagmuster des Schlägers am besten gerecht wird.

Diese statischen Varianten, was Wurf und Schlag und Schlagrichtung angeht, gibt es im Fußball gar nicht, entsprechend braucht man andere Herangehensweise an statistische Analysen (auch im Baseball gibt es komplexere, statistische Kennzahlen) und aufgrund der fehlenden standardisierten Vorgehensweisen auch ein Stückweit vereinsinterne Bereitschaft zu Investitionen und Kreativität.

Vielleicht nicht ganz uninteressant in dem Zusammenhang, dass RB Leipzig in der kommenden Saison einen Trainer haben wird, der zuvor in einem Umfeld arbeitete, das in Sachen Innovation und Wissenschaft zu einem der Vorzeigestandorte im deutschen Fußball gehört (über die Arbeit in Hoffenheim in Sachen Innovation und Datensammeln gibt es einen ganz hörenswerten Sponsors-Podcast mit TSG-Geschäftsführer Peter Görlich). Durchaus wahrscheinlich, dass das beim Aufeinanderprall von Nagelsmann und dem detailverliebten Rangnick auch noch mal Synergieeffekte und Wissenstransfers gibt, die Leipzig in diesem Bereich einen Schub geben. Zumal ja Rangnick seine Bereitschaft zum Aufgreifen digitaler Trends im Buch selbst erklärt hat.

Ob das ganze dann eine Revolution für den Fußball darstellt, sei mal dahingestellt. Fakt ist, dass sich in Daten auch ein kleiner Baustein für den Teamerfolg versteckt (ein Verein wie Midtjylland in Dänemark lebt ein ganzes Stück vom Vorsprung, den man im Bereich der Datenanalyse hat) und man ein paar Prozent liegen lässt, wenn man diese Potenziale nicht nutzt. Das wird dann nicht dazu führen, dass einem eine Maschine ansagt, was wie zu tun ist, aber aus der Arbeit mit erkannten Mustern oder Spielerdaten kann man sich wichtige Erkenntnisse holen, die man nicht nur in das Scouting von Spielern, sondern auch in die Ausrichtung auf dem Spielfeld oder im Training einfließen lassen kann.

————————————————————————————

Daniel Memmert/ Dominik Raabe: “Revolution im Profifußball” (286 Seiten – Springer Verlag – 19,90 Euro)

*Affiliate-Link: Beim Kauf des Buches über die Amazon-Seite gehen ein paar Prozent des Verkaufspreises an diesen Blog hier.

————————————————————————————

Revolution im Profifußball.

————————————————————————————

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert