Voetbal op tv:Een pass naar links, een gat in de verdediging, een open spits aan de rand van het strafschopgebied. Plotseling, het beeld bevriest. Lijnen en diagrammen verschijnen tussen de spelers. Een pijl geeft het traject aan van een veilige pass naar de open spits, anderen markeren mogelijke scoringstrajecten. Dergelijke grafische analyses zijn onmisbaar geworden voor professionele voetbalzenders. Ze helpen kijkers de dynamiek en tactiek van de wedstrijd te begrijpen, evenals de beslissingen die door de spelers worden genomen.

Achter de schermen, echter, dit alles brengt veel werk met zich mee. De televisieploeg moet deze graphics live en onder enorme druk genereren naarmate de wedstrijd vordert. Als ze klaar zijn, de wedstrijd is allang verder gegaan, zodat de graphics meestal worden weergegeven tijdens actieherhalingen. Hoe geweldig zou het zijn als dit allemaal vanzelf zou gaan, d.w.z. als het tv-toestel deze grafieken in realtime en zonder tussenkomst van het televisieteam kon weergeven? Computerwetenschappers van de Universiteit van Konstanz hebben een manier gevonden om dit mogelijk te maken:ze ontwikkelen software die alle stappen in het proces automatiseert. Het analyseert de wedstrijd tot 30 keer per seconde en kan beslissende diagrammen live en zonder de gebruikelijke vertraging weergeven. Onder andere, deze software kan gebieden van teamdominantie op het veld markeren, evenals passeeropties in realtime. Het is verder in staat om het niveau van druk aan te geven dat door individuele spelers wordt ervaren en kan zelfs wat-als-scenario's van alternatieve matchplay-variaties uitvoeren.

Manuel Stein, een computerwetenschapper en doctoraal onderzoeker die werkzaam is in het onderzoeksgebied "Collectief gedrag, " is de man achter deze software. Hij ontwierp deze software niet alleen om het werk van de voetbalanalisten gemakkelijker te maken, maar hij is ook van plan het voor kijkers gemakkelijker te maken om de patronen van het spel te zien - de interacties tussen spelers en hele teams en de invloed die ze op elkaar uitoefenen. "Iedereen in het voetbal probeert data te verzamelen, maar weinigen weten wat ze ermee aan moeten. We proberen uit deze data kennis te genereren, ", legt Manuel Stein uit.

Computers voetbal leren

Om van een computer een matchplay-analist te maken, Manuel Stein moet hem eerst enkele basisfeiten over voetbal bijbrengen. Niet noodzakelijk de regels, de namen van de teams of waar ze staan ​​in de competitie of ranglijst, maar iets veel belangrijkers:wat is de speler op het scherm, en waar is de bal? In welke richting kijken individuele spelers, hoe snel gaan ze, hoe snel zullen ze de bal waarschijnlijk bereiken? De computer kan de positie bepalen, snelheid en bewegingsrichting van elke individuele speler en van de bal tot 30 keer per seconde. Op basis van deze metingen, het berekent vervolgens welke speler elke vierkante meter van het veld als eerste kan bereiken en hoeveel spelers van elk team een ​​bedreiging vormen voor dat deel van het veld. Het duurt niet meer dan een fractie van een seconde om de resultaten van deze berekening op het tv-scherm te plaatsen:een dynamische, voortdurend veranderende kaart van de invloedszones van elk team. Met behulp van eenvoudige kleuraanwijzingen, De software van Manuel Stein kan tv-kijkers dergelijke factoren laten zien die matchplay beïnvloeden, zoals de mate van druk die tegenstanders op individuele spelers uitoefenen, de vrije ruimtes en veilige inhaalstroken. Voor dit alles, de software vereist geen GPS-trackers die aan de shirts van de spelers zijn bevestigd, noch ingewikkelde camera-trackingtechnologie. Het enige dat Manuel Stein nodig heeft, is het tv-beeld.

Al deze tinten op het tv-scherm kunnen zorgen voor een zeer kleurrijk voetbalveld. Om verwarring te voorkomen, de verschillende analysefuncties van de software kunnen naar behoefte worden in- en uitgeschakeld en als filters worden gestapeld. Verder, de software doet suggesties over welke filters in een bepaalde situatie moeten worden gebruikt en kan ze naar wens in- of uitschakelen om onnodige visuele rommel te verminderen.

Echter, het zijn niet in de eerste plaats de kijkers thuis waar de software voor is ontwikkeld. De echte doelgroep zijn voetbalanalisten en sportverslaggevers. Met de software kunnen ze in een fractie van een seconde diagrammen maken van matchplay-situaties en deze in realtime uitzenden.

Manuel Stein ontwikkelt momenteel een 'wat-als'-analyse - een voorspelling van hoe de matchplay onder verschillende omstandigheden zou zijn geëvolueerd - op basis van zijn software. Hier, belangrijke matchplay-situaties kunnen worden geopend en opnieuw gespeeld met behulp van alternatieve scenario's. Op basis van de locatiegegevens en invloedsfactoren van de individuele spelers, de computer berekent een coherente, realistische gang van zaken. Wat zou er gebeurd zijn als de speler de bal naar rechts had gepasseerd in plaats van naar links? Hoe zou de dynamiek van het spel zijn veranderd als een verdediger vijf meter meer naar rechts had gestaan? Hoe had het team zich moeten positioneren om te voorkomen dat het andere team terrein wint? Deze analysetools zijn ook waardevol voor voetbalcoaches, bijvoorbeeld tijdens debriefing na de wedstrijd.

Hoe meer gegevens de software van Manuel Stein heeft, hoe nauwkeuriger het de situatie op het veld kan beoordelen. Echter, momenteel is de informatie die het kan gebruiken beperkt tot die op het tv-scherm. De computer weet niet wat er buiten het gezichtsveld van de camera gebeurt en kan slechts vage voorspellingen doen. De computerwetenschappers van de Universiteit van Konstanz werken daarom heel graag samen met teams en omroepen die tijdens voetbalwedstrijden beelden en locatiegegevens van spelers vastleggen. Als zij de onderzoekers toegang geven tot deze informatie, zij kunnen op hun beurt nauwkeurigere analyses leveren. Maar voetbal is niet de enige sport waarvoor deze software relevant is. Het kan worden gebruikt om alle teamsporten te analyseren.

Collectief gedrag

Manuel Stein's voert zijn onderzoek uit als lid van het onderzoeksinitiatief 'Collective Behaviour' van de Universiteit van Konstanz. Deze relatief jonge discipline onderzoekt de wederzijdse invloeden en interacties tussen leden van een collectief. De onderzoekers zijn vooral geïnteresseerd in de besluitvormingsprocessen binnen groepen en de vraag hoe individuele leden van een collectief hun bewegingen coördineren, beslissingen, enz. met elkaar. Voorbeelden hiervan zijn het gedrag van dierenzwermen en zwermintelligentie, de coördinatie van zelfrijdende auto's, maar ook economische netwerken of het gedrag van menselijke collectieven. In de sport, deze wetenschappelijke methoden worden vooral gebruikt bij de analyse van teamdynamiek:welke soorten patronen weerspiegelen de tactieken van een team? Hoe reageren twee teams op elkaar en hoe beïnvloeden de spelers elkaar bij hun beslissingen?