Bei vielen Clubs hat es sich etabliert, dass sie Profile ihrer Spielerinnen und Spieler erstellen aus Daten, die aus Sensoren am Körper stammen. Sie messen etwa Beschleunigung, Anzahl Kilometer, die ein Spieler auf dem Eis zurückgelegt hat, Körpertemperatur und Puls. Der Trainer kann aus diesen Werten den sogenannten «Load» eines Trainings festlegen: Wie stark muss er einen Spieler im Training belasten, so dass er nicht überlastet, aber auch nicht unterfordert ist? Jede Trainingseinheit ist so auf den Spieler persönlich zugeschnitten.
Während eines Spiels tragen die Daten ebenfalls dazu bei, das Leistungs-Level der Spieler zu optimieren. Sieht ein Coach in Echtzeit auf seinem Tablet, dass bei einem Spieler der Puls in besorgniserregende Höhen schnellt, kann er ihn rechtzeitig aus dem Spiel nehmen und pausieren – um ihn später wieder «gewinnbringend» einsetzen zu können.
Sprint ist nicht gleich Sprint
Im Gegensatz zum Training sind die Korrelationen von Daten zu Handlungsanweisungen komplexer. Der Coach kann z.B. während eines Spiels sehen, ob ein Spieler viele Sprints macht auf dem Eis. Er könnte nun den Schluss ziehen, diesen Spieler möglichst oft im Spiel einzusetzen, da Sprints die Chance auf ein Goal erhöhen. Es könnte aber auch sein, dass der Spieler die vielen Sprints machen muss, weil er ständig Fehler begeht und diese ausbügeln muss. Das würde dafür sprechen, den Spieler eher aus dem Spiel zu nehmen.
Die reine Anzahl der Sprints sagt zwar etwas aus über die Fitness eines Spielers – aber nicht über dessen Spielqualität. Um die «Wertigkeit» eines Sprints herauszufinden, müssten Daten die Spielsituation und ein Team als Ganzes abbilden: Wo steht der Spieler vor einem Sprint, wie viele Gegner stehen um ihn herum, aus welcher Richtung kam der Puck?
Daten als unbestechliche Zweitmeinung
Genau daran tüfteln vor allem die Clubs der National League. Die Daten dazu stammen aus Kameras in der Arena. Künstliche Intelligenz und Menschen codieren die Aufnahmen, sodass ein Coach beinahe in Echtzeit einen Überblick über den Spielverlauf und auf die Tore, die sein Team rechnerisch erzielen müsste, hat.
Auch wenn der Ausgang eines Spiels von mehr abhängt als Daten, können solche Statistiken einem Coach nützlich sein, etwa, wenn eine negative Stimmung des Publikums ihn vermuten lässt, das eigene Team spiele schlecht, seine Erfahrung diesem Eindruck aber widerspricht. Mit den Daten kann sich der Coach eine unbestechliche Zweitmeinung einholen und sich so psychologisch dagegen stärken, wegen Buh-Rufen vorschnell die Strategie zu ändern, was dann tatsächlich zu einer Niederlage führen könnte.
Der Technologie-Podcast von SRF über Internet, Smartphones, soziale Netzwerke, Computersicherheit und Games.
Um diesen Podcast zu abonnieren, benötigen Sie eine Podcast-kompatible Software oder App. Wenn Ihre App in der obigen Liste nicht aufgeführt ist, können Sie einfach die Feed-URL in Ihre Podcast-App oder Software kopieren.
