NBA-Teams nutzen Datenwissenschaft, um das perfekte Team zu entwickeln
Wenn ein Nerd vom Kapitän des Highschool-Basketballteams in seinen Spind geschoben wird, denkt wahrscheinlich keiner von beiden daran, dass sie eines Tages Kollegen sein werden. Aber Nerds haben diesen Sportlern entscheidend dabei geholfen, NBA-Meisterschaften zu gewinnen, und das dank neuer Technologien und Datenwissenschaft. "Moneyball" ist sehr real, und es verändert sowohl die NBA als auch die Produktion.
Wie nutzen die NBA-Teams neue Technologien und Datenwissenschaft?
Im Jahr 2020 eröffneten die Phoenix Suns ein 45 Millionen Dollar teures, 53.000 Quadratmeter großes Trainingszentrum, das mit 150 Kameras, Knotenpunkten und Sensoren ausgestattet ist, um alle Daten zu verfolgen, einschließlich der Ballbewegung während bestimmter Spielzüge und Veränderungen in der Bewegung der Spieler, die auf Ermüdung hinweisen. Die NBA-Teams suchen ständig nach neuen Wegen, um die Leistung ihrer Spieler zu verbessern, und dieser Wettbewerbsdrang hat sie zu neuen Technologien geführt, die Informationen wie nie zuvor sammeln.
Um das Jahr 2013 begannen mehrere NBA-Teams mit dem Einsatz von Kameras, um Spieler- und Ballbewegungen zu verfolgen und komplexere Daten zu sammeln. Als sie begannen, dem Computer einige grundlegende Spielzüge und Begriffe beizubringen, entdeckten sie etwas Faszinierendes: Sie konnten sehen, welche Würfe statistisch gesehen am wertvollsten waren, und lernen, welche Würfe den besten ROI erbrachten. Danach gingen sie noch weiter in die Tiefe.
Als sie den Computern immer mehr über Basketball beibrachten, wuchsen die Maschinen von der Kenntnis der Grundlagen zu einem Wissen auf professionellem Niveau und verstanden das Spiel besser als jeder einzelne Mensch. Die Kameras beobachten jede Sekunde eines jeden Spiels und nutzen maschinelles Lernen, um die Beziehungen und Muster in Zeit, Raum und Geschwindigkeit zu verstehen, auch bekannt als räumlich-zeitliche Mustererkennung. Die Kamera und die Computer können jeden Ball und jede Spielerbewegung verfolgen, um den Teams zu helfen, bessere Strategien zu entwickeln.
Anfangs nutzte nur die Hälfte der Liga die Videoverfolgung zur Datenerfassung. Inzwischen ist die Videoüberwachung bei allen 30 NBA-Teams Standard, und die NBA bietet seitenweise kostenlose Online-Statistiken an.
Die Teams haben sogar mit Geräten in den Trikots der Spieler experimentiert, um die Bewegungen besser verfolgen und Verletzungen verhindern zu können.
Viele der heutigen Daten unterscheiden sich von den alten Daten, weil sie messen, was früher qualitativ war: Was macht ein Spiel zu einem Pick-and-Roll oder nicht zu einem Pick-and-Roll? Was macht einen guten Schuss oder Schützen aus? Die Teams können diese Fragen mit Gewissheit und nicht nur auf der Grundlage ihrer Intuition beantworten, weil sie über die Daten verfügen, die dies belegen, und dieses Wissen hat die Offensiv- und Defensivstrategien revolutioniert.
Wie hat die Datenwissenschaft die NBA verändert?
Die Daten zeigen, dass Dreipunktwürfe zu den wertvollsten Würfen gehören; sie sind aufgrund der geringen Trefferwahrscheinlichkeit mit dem höchsten Risiko verbunden, aber auch mit der höchsten Belohnung, da sie die meisten Punkte einbringen.
In der Vergangenheit versuchten die Spieler viele Schüsse aus der mittleren Distanz, direkt von der Drei-Punkte-Linie. Die Daten haben gezeigt, dass diese Schüsse den schlechtesten ROI bringen. Sie sind fast genauso weit vom Korb entfernt wie Drei-Punkte-Würfe (ungefähr das gleiche Risiko), aber sie sind nur zwei Drittel so viele Punkte wert (geringere Belohnung).
Die Teams haben dies schnell erkannt und zu ihrem Vorteil genutzt.
In den letzten 20 Jahren ist die Zahl der versuchten Dreipunktewürfe in der NBA stetig gestiegen, während die Zahl der Mitteldistanzwürfe abgenommen hat.
Die roten Punkte in der Abbildung unten zeigen die meisten Schussversuche in den Spielzeiten '01-02 und '19-20 an (dunklere Farbtöne bedeuten mehr Versuche):
Vor ein paar Jahrzehnten standen die Spieler oft eng um den Korb herum:
Jetzt sind sie um die Dreipunktelinie herum verteilt:
Diese neue Sicht auf das Spiel hat nicht nur die Strategien, sondern auch die Rekrutierung und die Gehälter verändert. Tobias Harris war einst eine ungeahnte Bedrohung in der Liga, aber die Dinge änderten sich, als die Teams sich die Daten ansahen. Das Ergebnis war, dass er einen Vertrag über 64 Millionen Dollar erhielt.
Neben der Offensive und der Rekrutierung haben sich auch die Verteidigungen der Teams angepasst. Die Teams wissen, dass Schüsse aus der Mitteldistanz ineffizient sind, daher zwingt die moderne Verteidigung die Schützen oft dazu, den Schuss aus der Mitteldistanz zu nehmen (AKA Drop Coverage).
All dies scheint ganz einfach zu sein, aber die Teams drücken nicht einfach "Enter" auf einem Computer, um diese Entdeckungen zu machen. Sie haben Büros voller Datenwissenschaftler und Statistiker, die forschen und programmieren, und obwohl die NBA öffentliche Statistiken veröffentlicht, halten die Teams ihre spezifischen Strategien gerne geheim. Wie alles im Profisport ist auch dieser extrem wettbewerbsintensiv.
Können NBA-Teams Daten nutzen, um perfekte Teams zu entwickeln?
Die kurze Antwort: Nicht ganz.
Selbst mit dem Wettbewerbsvorteil der Datenwissenschaft ist das Rezept zum Gewinnen nicht schwarz-weiß.
Teams können den ganzen Tag lang Kameras und Computer einsetzen, um Daten und Bewegungen zu verfolgen, aber der Computer kann die realen Faktoren, die ein Spiel beeinflussen, nicht immer erkennen. Die Unzulänglichkeiten des Lebens können immer noch einen Einfluss haben.
Die Teams müssen sowohl die Qualität der Schüsse als auch die des Schützen berücksichtigen. Sie können einen schwachen Schützen haben, der viele gute Schüsse abgibt (Schüsse mit einem hohen ROI), oder einen starken Schützen, der viele schlechte Schüsse abgibt (Schüsse mit einem niedrigen ROI). Die Strategien ändern sich je nach den Spielern des Teams und dem Gegner, gegen den sie spielen.
Den Daten zufolge sind beispielsweise Schüsse aus der Mitteldistanz ineffizient. Was aber, wenn jemand ein guter Schütze aus der Mitteldistanz ist, wie Kawhi Leonard?
Wenn die Verteidigung alle ihre Ressourcen einsetzt, um die effizientesten Stellen zu bewachen (die Drei-Punkte-Linie und direkt unter dem Korb), dann kann ein starker Mitteldistanzschütze wie Leonard davon profitieren. Einige der besten Spieler der NBA - Kawhi Leonard, Kyrie Irving und, ja, sogar Stephen Curry - sind tödliche Mitteldistanzschützen:
Mitteldistanzwürfe sind im Metaspiel wertvoll, also in dem Teil des Spiels, der über das Lehrbuch und den Computer hinausgeht.
Spieler und Trainer treten nicht in einem Vakuum an. Sie müssen ihre eigenen Entscheidungen auf der Grundlage der Echtzeit-Aktionen ihrer Gegner treffen und nicht nur auf der Grundlage dessen, was sie auf dem Papier sehen. Glücklicherweise kommen die Daten heute schneller als je zuvor, und in Zukunft könnten Trainer und Teams möglicherweise Daten und Echtzeitbedingungen kombinieren, um Entscheidungen mitten im Spiel zu treffen.
Können Daten und Perfektion auch außerhalb des Spielfelds genutzt werden?
Die Errungenschaften der Datenwissenschaft sind nicht auf die NBA oder gar den Sport beschränkt. Die Datenwissenschaft und das Studium der Bewegung haben sich rasch auf alle Lebensbereiche ausgeweitet, auch auf die Fertigung.
So wie NBA-Teams die Bewegungen von Spielern und Bällen verfolgen können, können Hersteller und Ingenieure hochwertige Daten nutzen, um die Bewegungen von Maschinen durch digitale Zwillinge zu verfolgen:
Mithilfe dieser hochwertigen Daten können Ingenieure Komponenten schnell entwerfen und die Bewegung und Funktionalität von Maschinen virtuell testen, bevor die Entwürfe in die reale Welt gelangen. Sie können auch Produktdaten von Komponenten verwenden, um komplexe automatisierte Aufgaben zu programmieren (z. B. um automatisierte Arme in Fabriken zu programmieren), ein Prozess, der unter Industrie 4.0 fällt.
Computer in Fabriken können mithilfe von maschinellem Lernen Bewegungsdaten sammeln (z. B. Höchstgeschwindigkeit und Bewegungsbereich) und vorhersagen, wann eine Maschine ausfallen wird. Architekten können sogar mithilfe von Daten vorhersagen, wie die Teile eines Bauwerks zusammen funktionieren werden.
Schlussfolgerung: Perfektion ist nicht alles... im Sport
Die Datenwissenschaft kann nicht alles vorhersagen, aber die NBA-Teams sollten das auch nicht wollen. Die Unvorhersehbarkeit des Spiels verkauft Eintrittskarten und Werbespots. Wenn wir jedes Detail eines Spiels genau vorhersagen könnten, was wäre dann der Sinn des Zuschauens? Vielleicht sollten wir dieses Streben nach Perfektion aus dem Sport heraushalten und stattdessen andere Ziele anstreben, wie unsere Autos und Gebäude.
Auch wenn das Streben nach Perfektion im Sport schwer zu erreichen ist, bieten die Fortschritte in der Datenwissenschaft, die die NBA verändert haben, wertvolle Lektionen für andere Bereiche, einschließlich Technik und Fertigung.
So wie NBA-Teams Daten nutzen, um Strategien zu verfeinern und die Leistung der Spieler zu verbessern, können Ingenieure Plattformen wie 3Dfindit nutzen, um auf präzise, hochwertige Komponentendaten zuzugreifen und Konstruktionen zu optimieren. Dies steigert nicht nur die Effizienz, sondern erweitert auch die Grenzen dessen, was in der Produktentwicklung möglich ist.
Ganz gleich, ob Sie einen Basketball oder die Bewegung einer Maschine verfolgen, die Integration von Daten und Technologie verschafft Ihnen einen Wettbewerbsvorteil und fördert Innovation und Spitzenleistungen in allen Branchen.
