«Daten sind weit vor dem Match wichtig»

Fussball-WM, Eishockey-WM: Der Sommer 2026 ist geprägt von einer Abfolge von Sportereignissen und ihren Live-Matches. Was in den 60 oder 90 Minuten auf dem Platz passiert, wird heute akribisch geplant und hinterher intensiv analysiert. Unzählige Sensoren und Kameras erzeugen von jeder Spielsekunde riesige Datenmengen. Doch was macht die Teams damit? Mit dieser Frage befasst sich die neue Studienrichtung «Data Science & AI for Sports».

Studienrichtungsverantwortlicher Martin Rumo, der diesen Schwerpunkt betreut, erklärt, wie KI und Technologie den Sport beeinflussen – und warum Sport am Ende doch unerklärlich bleibt.

Martin Rumo, wie verfolgen Sie aktuelle Sport-Events wie die Eishockey- und Fussball-WM. Als Fan oder als Wissenschaftler?

Sowohl als auch. Aber in all den Jahren, in denen ich mich mit der Frage beschäftigt habe, wie man Leistungsfähigkeit im Sport messen und verbessern kann, habe ich viel über die Sportarten gelernt. Ich sehe Spiele schon etwas mit einem analytischeren Blick, das hält mich aber nicht davon ab, mich auch als Fan begeistern zu können.

Wird Technologie wie KI und Data Science aktuell schon von den Teams bei einem Turnier wie der Fussball-WM eingesetzt? Haben alle Teams eine Fachperson für Datenanalyse im Staff oder wie funkioniert das während eines Turniers?

In jedem Spiel an der kommenden WM wird die Position der Spieler und des Balles genau getrackt, Geschwindigkeiten, Laufwege, Zweikämpfe, Pässe, Schüsse, alles wird erfasst. Die Daten stehen den Teams mit einigen Sekunden Verzögerung zur Verfügung, es sind aber nur wenige Verbände, die diese Daten auch wirklich nutzen können. Die die entsprechende Tools und das Personal dazu haben, schauen sich wiederkehrende Muster an: Einstudierte Laufwege, Passentscheide und auch nur wie viele Sprints ein Spieler gemacht hat im Vergleich zu der Anzahl die er üblicherweise macht.

Die entscheidende Rolle von Daten ist dagegen weit vor dem Match: Verbände müssen Talente früh erkennen, sie gezielt fördern können: Welche Spielertypen mit welchen Eigenschaften brauchen wir für unsere Spielidee? Welche Stärken hat ein Spieler, welche Schwächen und wie kann er daran arbeiten?

Der Schweizer Fussballverband (SFV) hat die Relevanz der Datenanalyse vor Längerem erkannt. Wir sondieren gerade, wie wir im Bereich Data Science & AI zusammenarbeiten können. Wir möchten eine Plattform entwickeln, um Studenten und Clubs zusammenzubringen, um das gegenseitige Verständnis zu fördern.

Der Studienschwerpunkt «Data Science & AI for Sports» soll Kompetenzen in KI, Machine Learning mit Fokus auf den Sport vermitteln. Was lernen Studierende konkret?

Im Sport geht es um Leistungsfähigkeit. Die Studierenden lernen, Leistung formal zu beschreiben, diese messbar machen und zu bewerten: Welche Technologien stehen dafür zur Verfügung? Wie sammelt man Daten, speichert sie und bereitet sie für die Auswertung? Am Ende können Studierende sogenannte Daten-Pipelines für den Sport bauen

Kann man die Inhalte des Studiums auf mehrere Sportarten übertragen? Sind Team-Sportarten wie Fussball oder Eishockey etwa mit der Leichtathletik vergleichbar?

Im Studiengang lernt man generelle Methoden, um Leistung zu messen und zu optimieren. Es ist mir sehr wichtig, dass diese Kompetenzen dann in verschiedenen Sportarten oder im Bereich Fitness und Gesundheit anwendbar sind.

Die Studierenden haben oft bereits eine Leidenschaft für eine Sportart und sollen diese auch vertiefen können – denn um das Wissen aus dem Studiengang anwenden zu können, braucht es ein tiefes Verständnis für die jeweilige Sportart.

Ich kann das an den Unterschieden zwischen Fussball und Eishockey erklären: Während ein Spieler im Fussball während 90 Minuten ständig in Bewegung ist, also ständig zwischen Schlendern, Joggen und Sprinten abwechselt, wird ein Eishockeyspieler während eines zweieinhalbstündigen Spiels bloss während circa 20 Minuten belastet. Andere sogar noch weniger. Die einzelnen Belastungsmomente sind wiederum nur zwischen 45–60 Sekunden lang, dafür sind sie hochintensiv. In jeder Sportart muss man Belastung also unterschiedlich messen. Dafür muss man die Sportart sehr gut kennen.

Lässt sich das Wesentliche des Sports überhaupt messen und in Zahlen ausdrücken?

Nun was ist das Wesentliche des Sports? Für mich ist es der Wettkampf: Sport ist für Menschen, die sich gerne mit anderen messen. Das Wesentliche, der Erfolg im Wettkampf, lässt sich also messen und in Zahlen ausdrücken.

Wenn man aber darüber nachdenkt, warum der eine Athlet in einer Sportart besser ist als der andere, dann stellt sich doch die Frage, ob sich das in Zahlen ausdrücken lässt. Das sagen mir oft auch Trainer*innen, wenn sie ihre Entscheide reflektieren. Subjektive Eindrücke, Erfahrung und Gefühl für Athlet*innen und Situationen sind für sie wichtig.

Genau darum habe ich angefangen mich mit qualitativen Methoden zu beschäftigen, um eben auch die Dinge zu erfassen, die sich nicht in Zahlen ausdrücken lassen. Mit Sprachmodellen wie ChatGPT können wir auch grosse Mengen an qualitativen Daten analysieren.

Für gute Ergebnisse müssen aber auch die qualitativen Daten gut sein. Das heisst sie müssen Ereignisse und Einschätzungen einheitlich beschreiben und von Expert*innen verfasst sein. Während des letzten Spengler-Cups konnte ich etwa mit dem Nachwuchs-Chef des HC Davos ein Spiel kommentieren und so qualitative Daten zu den Spielern sammeln.

Durch KI kommen wir also dahin, dass auch nicht-messbare Dimensionen des Sports systematischer ausgewertet können. Aber es bleibt dabei, dass diese Daten vor allem im Vorfeld wichtig sind. Im Wettkampf, während des Spiels entstehen immer unvorhersagbare Momente, in denen Intuition und Tagesform entscheidend sind.