Wie Machine Learning und Analytik die NFL verändern

Verwendung von KI zur Verbesserung des Fan-Erlebnisses

Im Jahr 2018 war das beliebteste TV-Programm der USA kein von der Kritik hochgelobtes Drama oder eine tolle neue Reality-Show. Es war American Football.


46 der 50 erfolgreichsten Fernsehsendungen des vergangenen Jahres waren NFL-Spiele, mit durchschnittlich 15,8 Millionen Zuschauern während der Saison. Für Fans mag der anhaltende Reiz des Sports viel mit der schachähnlichen Kombination von Strategie, Vorbereitung und Instinkt zu tun haben, die in jedes Spiel einfließt. Von Änderungen in den Mannschaftsaufstellungen bis hin zu den Bedingungen auf dem Feld (d. h. Innen vs. Außen, Tag vs. Nacht sowie Wind und Niederschlag) – kein Faktor kann wegen seiner potenziellen Auswirkungen auf den Ablauf der Spielzüge übersehen werden.

Seit ihrer Gründung hat die NFL zwar eine Vielzahl von Statistiken geschaffen, jedoch waren diese Metriken jahrzehntelang relativ rudimentär – einfache Zählstatistiken, die dem vollen Umfang des Geschehens während der Spiele nicht gerecht werden. Vor kurzem hat die NFL realisiert, dass sie ein fortgeschritteneres System benötigt, um Daten zu sammeln und zu verstehen. Ein solches System könnte sowohl für die Fans als auch für die Spieler Einblicke in die Spieldynamik liefern – zum Beispiel die Ergebnisse bestimmter Spieleraufstellungen oder die Faktoren, die die Leistung eines Spielers beeinflusst haben. Das Endziel: Kundenloyalität für die NFL schaffen und eingefleischten Fans helfen, das Spiel besser zu verstehen.

Heutzutage verwendet das Next Gen Stats (NGS)-Programm der NFL eine hochentwickelte Tracking-Technologie, die in allen Stadien installiert ist und für die Daten über RFID-Geräte in den Schulterpolstern der Spieler gesammelt werden. Diese Geräte erfassen Daten darüber, welche Spieler zu einem bestimmten Zeitpunkt auf dem Feld sind, ihre bis auf wenige cm genaue Position, sowie Geschwindigkeit und Richtung, in die sie sich bewegen. Dieser Datenschatz stellt eine enorme Ressource für die 32 Teams der Liga, mehrere Medienpartner und rund 180 Millionen Fans weltweit dar.

„Mit Machine Learning können wir zeitnah und mit einem hohen Maß an Selbstvertrauen mehr tun als jemals zuvor.“

Matt Swensson
Vice President of Emerging Products and Technology
NFL

„Mit Machine Learning können wir zeitnah und mit einem hohen Maß an Selbstvertrauen mehr tun als jemals zuvor.“

Matt Swensson
Vice President of Emerging Products and Technology
NFL


Als Partner von Amazon Web Services nutzt die NFL die Leistungsfähigkeit ihrer Daten mithilfe ausgefeilter Analysen und Machine Learning. „Mit Machine Learning können wir zeitnah und mit einem hohen Maß an Selbstvertrauen mehr tun als jemals zuvor“, erklärt Matt Swensson, Vice President of Emerging Products and Technology bei der NFL. „Wir hatten viele Statistiken und wollten den besten Weg finden, sie zu nutzen. Mit dem Tracking-System sammeln wir jetzt so viele Daten, dass wir mithilfe von Machine Learning verstehen können, welche Elemente relevant sind und welche nicht.“

Die NGS-Plattform basiert auf dem Machine-Learning-Tool Amazon SageMaker und ermöglicht der NFL, schnell und einfach Machine-Learning-Modelle zu erstellen und einzusetzen, die den Spielablauf interpretieren können. Ein Beispiel ist die Abschlusswahrscheinlichkeits-Metrik von NGS, die mehr als 10 Messungen integriert, von der Länge und Geschwindigkeit eines Passes bis zur Entfernung zwischen dem Receiver und den nächsten Verteidigern, oder die Entfernung zwischen dem Quarterback und den nächsten Pass Rushern.

Da diese Vorhersagemodelle mit Amazon SageMaker einfach zu erstellen, trainieren und auszuführen sind, wurde die Zeit bis zum Erhalt der Ergebnisse von 12 Stunden auf 30 Minuten reduziert. Und laut Swensson muss die NFL dank SageMaker auch keine Teams von Datenwissenschaftlern einstellen. Ihre eigenen Ingenieure können direkt loslegen. „Wir müssen das Rad nicht jedes Mal neu erfinden, wenn wir etwas tun wollen“, meint Swensson.

Die Ergebnisse helfen den Fans zu verstehen, warum einige Passspiele schwieriger als andere sind, und vermitteln ein besseres Verständnis des Spiels. Diese Erkenntnisse können von der NFL und ihren Medienpartnern schnell genutzt werden, um Ausstrahlungen und Online-Inhalte zu verbessern oder sogar Fans im Stadion Wissen zu vermitteln und sie zu begeistern. „Ich habe viele positive Rückmeldungen von Fans erhalten, die staunten: ‚Wow, wie haben sie den Pass bloß gemeistert?‘ Wir waren in der Lage, ihn zu quantifizieren und mit anderen Pässen zu vergleichen, und das war für die Fans ein echter Mehrwert, da es einen Kontext für das Geschehen im Spiel schafft“, meint Swensson.

Natürlich sind Daten nur dann sinnvoll, wenn auf sie schnell und einfach zugegriffen werden kann. Mit dem Business-Intelligence-Tool Amazon QuickSight kann die NFL intern größere Einblicke gewinnen und gleichzeitig Fans einen Weg eröffnen, sich mit diesen Daten zu beschäftigen. „Hierdurch können wir extrem schnelle Abfragen ausführen, um Fragen zu stellen und die Antworten in Dashboards anzuzeigen“, sagt Swensson. „Wir stellen unseren Clubs, unseren Sendern und Redakteuren sowie unseren Fantasy-Football-Autoren auf NFL.com Dashboards zur Verfügung.“

Diese Dashboards, deren Erstellung früher Stunden oder Tage gedauert hat, können jetzt in Minuten fertiggestellt werden und auch eine beliebige Anzahl relevanter Filter enthalten. „So müssen wir nicht einmal viel Code schreiben, wenn wir Informationen anzeigen wollen“, sagt Swensson. „Es ist viel effizienter.“

Darüber hinaus kann die NFL diese Erkenntnisse dann auf verschiedene Bereiche der Organisation übertragen und so die Trainer dabei unterstützen, bessere Spielpläne zu erstellen und sogar Möglichkeiten zur Verbesserung der Sicherheit der Spieler zu finden. „Je mehr Informationen Sie haben, desto besser können Sie Muster im Spiel erkennen“, stellt Swensson fest. Diese durch Machine Learning identifizierten Muster könnten der Schlüssel dafür sein, besser zu verstehen, in welchen Situationen sich Spieler eher verletzen, und Regeln zu entwickeln, die dieses Risiko mindern.

Das Endergebnis ist ein besseres Erlebnis für Fans, Spieler und Teams – alles in Echtzeit. Es ist nichts Geringeres als die nächste Generation des NFL Football, die auf der neusten Analytik und Machine-Learning-Technologie basiert.

Kia verwendet ML, um Todesfälle bei Verkehrsunfällen zu reduzieren

Weitere Informationen »

Capital One verwendet ML, um Kunden besser vor Betrug zu schützen

Weitere Informationen »

GE Healthcare ermöglicht bessere medizinische Ergebnisse mit ML

Weitere Informationen »

T-Mobile humanisiert den Kundenservice mit ML

Weitere Informationen »