Die Bedeutung von Standardsituationen im Fußball (bzw. Soccer in den USA) hat in den letzten Jahren zugenommen: Mittlerweile werden mehr als ein Viertel aller Tore durch Standardsituationen erzielt. Freistöße und Eckbälle schaffen im Allgemeinen die aussichtsreichsten Situationen, und einige Profiteams haben sogar spezielle Trainer für diese Teile des Spiels engagiert.
In diesem Beitrag teilen wir mit, wie die Bundesliga-Match-Fakten Bedrohung durch Standardsituationen dabei helfen, die Leistung in Standardsituationen zu bewerten. Da Teams immer mehr aus diesen toten Bällen Kapital schlagen wollen, hilft Set Piece Threat dem Zuschauer zu verstehen, wie gut Teams diese Situationen nutzen. Darüber hinaus wird dem Leser erklärt, wie AWS-Dienste zur Berechnung von Statistiken in Echtzeit verwendet werden können.
Bundesliga-Union Berlin ist ein gutes Beispiel für die Relevanz von Standardsituationen. In nur 2 Jahren gelang dem Team der Aufstieg aus der 2. Bundesliga in die Qualifikation für einen europäischen Wettbewerb. In der Saison 2/18 belegten sie in der 19. Bundesliga den dritten Platz und sicherten sich damit den Einzug in die Relegationsspiele der Bundesliga. In dieser Saison erzielten sie 28 Tore aus dem offenen Spiel und belegten damit nur den neunten Platz in der Liga. Bei den durch Standardsituationen erzielten Toren belegten sie jedoch den zweiten Platz (16 Tore).
Bezeichnenderweise sicherte sich Union im ersten Relegationsspiel gegen den VfB Stuttgart ein 2:2-Unentschieden und erzielte nach einer Ecke einen Kopfball. Und im Rückspiel wurde Stuttgart wegen eines passiven Abseits ein Freistoßtor aberkannt, wodurch Union mit einem 0:0 in die Bundesliga einziehen konnte.
Die Bedeutung von Standardsituationen für den Erfolg von Union endet hier nicht. Union beendete die ersten beiden Bundesliga-Saisons mit den starken Plätzen elf und sieben und landete damit auf den Plätzen drei und eins bei der Anzahl der Standardtore (15 Tore nach Standardsituationen in beiden Saisons). Zum Vergleich: Der FC Bayern München – der Meister der Liga – schaffte es in beiden Saisons nur, 10 Tore nach Standardsituationen zu erzielen. Der Erfolg, den Union Berlin mit seinen Standards hatte, ermöglichte es ihnen, sich in der Saison 20/21 der Bundesliga den siebten Platz zu sichern, was die Qualifikation für die UEFA Europa Conference League bedeutete und nur 2 Jahre nach dem Aufstieg von der 2. Bundesliga nach Europa aufstieg. Wenig überraschend erzielten sie im entscheidenden Spiel eines ihrer beiden Tore nach einer Ecke. Zum Zeitpunkt des Schreibens dieses Artikels belegt Union Berlin den vierten Platz in der Bundesliga (20. Spieltag) und den ersten Platz in der Eckenleistung, eine Statistik, die wir später erläutern.
Der Weg von Union Berlin nach Europa zeigt deutlich die einflussreiche Rolle der Offensiv- und Defensivleistung bei Standardsituationen. Bisher war es jedoch für Fans und Sender schwierig, diese Leistung richtig zu quantifizieren, es sei denn, sie wollten riesige Tabellen auf Analyse-Websites sezieren. Bundesliga und AWS haben zusammengearbeitet, um die Bedrohung zu veranschaulichen, die ein Team erzeugt, und die Bedrohung, die von Standards gegen das Team ausgeht, und haben den neuen Bundesliga Match Fact: Set Piece Threat entwickelt.
Wie funktioniert Set Piece Threat?
Um die Gefährlichkeit einer Mannschaft mit ihren Standardsituationen zu bestimmen, berücksichtigen wir verschiedene Facetten ihrer Standardleistung. Es ist wichtig zu beachten, dass wir Ecken und Freistöße nur als Standardsituationen betrachten und die Bedrohung für jede Kategorie unabhängig voneinander berechnen.
Facette 1: Ergebnis einer Standardsituation: Tore, Schüsse oder nichts
Zunächst betrachten wir die Ergebnis eines Versatzstückes. Das heißt, wir beobachten, ob es zu einem Ziel führt. Das Ergebnis wird jedoch im Allgemeinen von feinen Margen beeinflusst, z. B. einer großartigen Abwehr des Torhüters oder wenn ein Schuss den Pfosten berührt, anstatt ins Tor zu gehen, sodass wir auch die Qualität eines Schusses kategorisieren, der aus der Standardsituation resultiert. Aufnahmen werden in mehrere Kategorien eingeteilt.
Kategorie | Erläuterung |
Ziel | Ein erfolgreicher Schuss, der zu einem Tor führt |
Hervorragend | Schüsse, die fast zu einem Tor geführt haben, wie zum Beispiel ein Schuss auf den Pfosten |
anständig | Andere bemerkenswerte Torszenen |
Durchschnittlich | Der Rest der Chancen, die in ein Chancenverhältnis mit relevanter Torgefahr eingehen würden |
Andere | Keine echte Torgefahr, sollte nicht als echte Chance gewertet werden, wie z. B. ein Kopfball, der den Ball kaum berührt, oder ein geblockter Schuss |
Kein Schuss | Es wurden überhaupt keine Aufnahmen gemacht |
Das obige Video zeigt Beispiele für Schussergebniskategorien in der folgenden Reihenfolge: hervorragend, anständig, durchschnittlich, keine.
Facette 2: Potenzial eines Schusses
Zweitens berücksichtigt unser Algorithmus das Potenzial eines Schusses. Dies beinhaltet, wie wahrscheinlich es zu einem Tor hätte führen sollen, wobei die tatsächliche Leistung des Torschützen aus der Gleichung herausgerechnet wird. Mit anderen Worten, wir beziffern das Torpotenzial der Situation, in der der Schuss abgegeben wurde. Dies wird durch die erfasst erwartetes Tor (xGoals) Wert des Schusses. Wir entfernen nicht nur das Auftreten von Glück oder dessen Fehlen, sondern auch die Qualität des Schlags oder Kopfballs.
Facette 3: Menge der Versatzstücke
Als nächstes betrachten wir den reinen Aspekt Menge von Standardsituationen, die ein Team bekommt. Unsere Definition von Set Piece Threat misst die Bedrohung pro Set-Piece. Anstatt alle Ergebnisse und xGoal-Werte eines Teams im Laufe einer Saison zu summieren, werden die Werte so aggregiert, dass sie die durchschnittliche Bedrohung pro Standardsituation darstellen. Auf diese Weise repräsentiert beispielsweise die Eckengefahr die Gefahr der Mannschaft für jede Ecke und hält eine Mannschaft nicht für gefährlicher, nur weil sie mehr Ecken als andere Teams hat (und daher möglicherweise mehr Schüsse oder Tore hat).
Facette 4: Entwicklung im Laufe der Zeit
Der letzte zu berücksichtigende Aspekt ist die Entwicklung der Bedrohung eines Teams Zeit. Stellen Sie sich zum Beispiel eine Mannschaft vor, die an den ersten drei Spieltagen drei Eckballtore erzielt hat, aber an den nächsten 15 Spieltagen keine nennenswerte Bedrohung darstellt. Diese Mannschaft sollte am 19. Spieltag trotz dreier Tore, die immer noch eine gute Rendite sein könnten, nicht als ernsthafter Eckballgefährder angesehen werden. Wir tragen dieser (positiven oder negativen) Entwicklung der Standardqualität eines Teams Rechnung, indem wir jedem Standardfehler einen Rabatt zuweisen, je nachdem, wie lange er zurückliegt. Mit anderen Worten, ein Freistoß, der vor 10 Spieltagen ausgeführt wurde, hat weniger Einfluss auf die berechnete Bedrohung als ein Freistoß, der während des letzten oder sogar aktuellen Spiels ausgeführt wurde.
Wertung: Aggregation pro Versatzstück
Alle vier beschriebenen Facetten werden zu je zwei Werten je Team aggregiert, einem für Eckbälle und einem für Freistöße, die die Gefahr beschreiben, die eine entsprechende Standardsituation dieser Mannschaft aktuell darstellen würde. Der Wert ist definiert als der gewichtete Durchschnitt der Punktzahlen jeder Standardsituation, wobei die Punktzahl einer Standardsituation definiert ist als (0.7 * shot-outcome + 0.3 * xG-value)
wenn die Standardsituation zu einem Schuss führte, andernfalls 0. Die shot-outcome
ist 1, wenn das Team ein Tor erzielt hat, und niedriger für andere Ergebnisse, wie z. B. ein Schuss, der ins Aus geht, je nach Qualität. Das Gewicht für jedes Set-Piece hängt davon ab, wie lange es her ist, wie zuvor beschrieben. Insgesamt sind die Werte zwischen 0–1 definiert, wobei 1 die perfekte Punktzahl ist.
Drohung mit Standardstück
Als nächstes werden die Werte für jedes Team mit dem Ligadurchschnitt verglichen. Die genaue Formel ist score(team)/avg_score(league) - 1
. Diesen Wert nennen wir Set Piece Threat Value. Ein Team hat einen Bedrohungswert von 0, wenn es genau so gut ist wie der Ligadurchschnitt. Ein Wert von -1 (oder -100%) beschreibt ein Team, das überhaupt keine Bedrohung darstellt, und ein Wert von +1 (+100%) beschreibt ein Team, das doppelt so gefährlich ist wie der Ligadurchschnitt. Mit diesen Werten berechnen wir eine Rangliste, die die Teams von 1–18 entsprechend ihrer offensiven Gefahr von Eckbällen bzw. Freistößen ordnet.
Wir verwenden dieselben Daten und ähnliche Berechnungen, um auch eine defensive Bedrohung zu berechnen, die die defensive Leistung eines Teams im Hinblick darauf misst, wie es Standardsituationen verteidigt. Anstatt nun eine Punktzahl pro eigener Standardsituation zu berechnen, berechnet der Algorithmus eine Punktzahl pro gegnerischer Standardsituation. Genau wie bei der offensiven Bedrohung wird die Punktzahl mit dem Ligadurchschnitt verglichen, aber der Wert ist umgekehrt: -score(team)/avg_score(league) + 1
. Auf diese Weise wird eine Bedrohung von +1 (+100 %) erreicht, wenn das Team dem Gegner überhaupt keine Schüsse zulässt, während ein Team mit einer defensiven Bedrohung von -1 (-100 %) doppelt so anfällig für Standardsituationen des Gegners ist wie die Liga Durchschnitt. Auch hier ist ein Team mit einer Bedrohung von 0 so gut wie der Ligadurchschnitt.
Erkenntnisse zu Set Piece Threats
Ein wichtiger Aspekt von Set Piece Threat ist, dass wir uns auf eine Einschätzung der Bedrohung konzentrieren, anstatt auf Tore, die durch Standardsituationen erzielt und kassiert werden. Nehmen wir als Beispiel den SC Freiburg und Union Berlin am 21. Spieltag, so erzielte Freiburg im Laufe dieser Saison sieben Eckballtore im Vergleich zu vier von Union Berlin. In unserer Bedrohungsrangliste sind beide Teams immer noch ziemlich gleich. Tatsächlich prognostizieren wir eine Ecke von Freiburg (Rang 3) sogar um 7 % weniger bedrohlich als eine Ecke von Union Berlin (Rang 1). Das liegt vor allem daran, dass Union Berlin ähnlich viele Großchancen aus ihren Eckbällen herausspielte, diese aber nicht in Tore umwandelte. Freiburg ging dagegen deutlich effizienter mit seinen Chancen um. Eine solche Diskrepanz zwischen Zufallsqualität und tatsächlichen Zielen kann in einer Sportart mit hoher Varianz wie dem Fußball vorkommen.
Die folgende Grafik zeigt Union Berlins Rangliste der offensiven Ecke bei Standardsituationen (blau) und das Ergebnis (rot) von den Spieltagen 6 bis 21. Am 12. Spieltag erzielte Union ein Tor aus einer Ecke und hatte zusätzlich eine große Chance aus einer zweiten Ecke, die nicht zu einem Tor führte, aber von unserem Algorithmus als hohe Bedrohung eingestuft wurde. Zudem hatte Union am 12. Spieltag bei fünf von sieben Eckbällen einen Torschuss. Union sprang dadurch im Ranking sofort vom zwölften auf den fünften Platz, der Score-Wert für Union stieg ebenso wie der Liga-Durchschnitt. Da Union in den späteren Spieltagen immer mehr gefährliche Chancen aus Eckbällen sah, eroberten sie Schritt für Schritt den ersten Platz im Ranking der Eckbockgefährdung. Die Punktzahl ist immer relativ zum aktuellen Ligadurchschnitt, was bedeutet, dass Unions Torgefährlichkeit am 21. Spieltag bei Eckbällen um 50 % höher ist als die durchschnittliche Torgefährlichkeit aller Mannschaften der Liga.
Implementierung und Architektur
Bundesliga Match Facts laufen unabhängig voneinander AWS Fargate Behälter drin Amazon Elastic Container-Service (Amazon ECS). Frühere Bundesliga-Match-Fakten verwenden rohe Ereignis- und Positionsdaten, um erweiterte Statistiken zu berechnen. Dies ändert sich mit der Veröffentlichung von Set Piece Threat, das Daten analysiert, die von einem bestehenden Bundesliga Match Fact (xZiele), um seine Rankings zu berechnen. Daher haben wir eine Architektur geschaffen, um Nachrichten zwischen verschiedenen Bundesliga Match Facts während Live-Spielen in Echtzeit auszutauschen.
Um sicherzustellen, dass die aktuellsten Daten in den Bedrohungsberechnungen für Standardsituationen berücksichtigt werden, verwenden wir Amazon Managed Streaming für Apache Kafka (Amazon MSK). Dieser Message-Broker-Service ermöglicht es verschiedenen Bundesliga Match Facts, die neuesten Ereignisse und Updates in Echtzeit zu senden und zu empfangen. Durch die Nutzung eines Spiel- und Bundesliga-Spielfakten-spezifischen Themas von Kafka können wir die aktuellsten Daten von allen beteiligten Systemen erhalten und gleichzeitig die Möglichkeit behalten, früher gesendete Nachrichten abzuspielen und erneut zu verarbeiten.
Das folgende Diagramm veranschaulicht die Lösungsarchitektur:
Wir haben Amazon MSK in dieses Projekt eingeführt, um generell die gesamte interne Nachrichtenübermittlung für die Bundesliga Match Facts-Plattform zu ersetzen. Es übernimmt die Einspeisung von Positions- und Ereignisdaten, die sich zu über 3.6 Millionen Datenpunkten pro Spiel summieren können. Mit Amazon MSK können wir die zugrunde liegende dauerhafte Speicherung von Nachrichten verwenden, wodurch wir Spiele zu jedem Zeitpunkt wiederholen können. Bei Set Piece Threat liegt der Fokus jedoch auf dem spezifischen Anwendungsfall der Weitergabe von Ereignissen, die von Bundesliga Match Facts produziert wurden, an andere Bundesliga Match Facts, die parallel laufen.
Um dies zu erleichtern, unterscheiden wir zwischen zwei Arten von Kafka-Themen: global und spielspezifisch. Erstens hat jeder Bundesliga Match Fact ein eigenes spezifisches globales Thema, das alle Nachrichten verarbeitet, die von den Bundesliga Match Fact erstellt wurden. Darüber hinaus gibt es ein zusätzliches spielspezifisches Thema für jeden Bundesliga Match Fact für jedes Spiel, das alle Nachrichten verarbeitet, die von einem Bundesliga Match Fact für ein bestimmtes Spiel erstellt wurden. Wenn mehrere Live-Spiele parallel laufen, wird jede Nachricht zuerst produziert und an dieses Bundesliga Match Fact-spezifische globale Thema gesendet.
Ein Disponent AWS Lambda Funktion wird zu jedem Bundesliga Match Fact-spezifischen globalen Thema abonniert und hat zwei Aufgaben:
- Schreiben Sie die eingehenden Daten in eine bereitgestellte Datenbank Relationaler Amazon-Datenbankdienst (Amazon-RDS).
- Verteilen Sie die Nachrichten, die von anderen Bundesliga Match Facts konsumiert werden können, an ein Bundesliga Match Fact-spezifisches Thema.
Die linke Seite des Architekturdiagramms zeigt die verschiedenen Bundesliga Match Facts, die für jedes Spiel unabhängig voneinander laufen und Botschaften zum globalen Thema produzieren. Der neue Bundesliga Match Fact Standardbedrohung kann jetzt die neuesten xGoal-Werte für jeden Schuss für ein bestimmtes Spiel (rechte Seite des Diagramms) verwenden, um sofort die Bedrohung zu berechnen, die durch den Standardfehler verursacht wird, der zu einem oder mehreren Schüssen geführt hat.
Zusammenfassung
Wir freuen uns über den Start von Set Piece Threat und die Muster, die Kommentatoren und Fans anhand dieser brandneuen Erkenntnisse entdecken werden. Da die Teams immer mehr aus diesen toten Bällen Kapital schlagen wollen, hilft Set Piece Threat dem Zuschauer zu verstehen, welches Team dies erfolgreich macht und welches Team noch einiges zu tun hat, was zusätzliche Spannung vor jeder dieser Standardsituationen hinzufügt. Der neue Bundesliga Match Fact steht den Bundesliga-Sendern zur Verfügung, um neue Perspektiven und Geschichten eines Spiels aufzudecken, und die Mannschaftsrangliste kann jederzeit in der Bundesliga-App eingesehen werden.
Wir sind gespannt, welche Muster Sie entdecken werden. Teilen Sie Ihre Erkenntnisse mit uns: @AWScloud auf Twitter, mit dem Hashtag #BundesligaMatchFacts.
Über die Autoren
Simon Rolfes 288 Bundesligaspiele absolvierte er als zentraler Mittelfeldspieler, erzielte 41 Tore und bestritt 26 Länderspiele für Deutschland. Derzeit ist Rolfes Sportdirektor bei Bayer 04 Leverkusen, wo er den Kader der Profispieler, die Scouting-Abteilung und die Nachwuchsförderung des Vereins betreut und weiterentwickelt. Simon schreibt außerdem wöchentliche Kolumnen auf Bundesliga.com über die neuesten Bundesliga-Spielfakten powered by AWS
Luuk Figdor ist Senior Sports Technology Specialist im AWS Professional Services-Team. Er arbeitet mit Spielern, Vereinen, Ligen und Medienunternehmen wie der Bundesliga und der Formel 1 zusammen, um ihnen dabei zu helfen, mithilfe von maschinellem Lernen Geschichten mit Daten zu erzählen. In seiner Freizeit lernt er gerne alles über den Verstand und die Schnittstelle zwischen Psychologie, Ökonomie und KI.
Jan Bauer ist Cloud Application Architect bei AWS Professional Services. Seine Interessen sind Serverless Computing, maschinelles Lernen und alles, was mit Cloud Computing zu tun hat. Er arbeitet mit Kunden aus verschiedenen Branchen zusammen, um ihnen zu helfen, auf ihrem Weg in die Cloud erfolgreich zu sein.
Pascal Kuhner ist Cloud-Anwendungsentwickler im AWS Professional Services Team. Er arbeitet branchenübergreifend mit Kunden zusammen, um ihnen dabei zu helfen, ihre Geschäftsergebnisse durch Anwendungsentwicklung, DevOps und Infrastruktur zu erreichen. Er liebt Ballsportarten und spielt in seiner Freizeit gerne Basketball und Fußball.
Uwe Dick ist Data Scientist bei der Sportec Solutions AG. Er arbeitet daran, Bundesliga-Klubs und -Medien in die Lage zu versetzen, ihre Leistung mithilfe fortschrittlicher Statistiken und Daten zu optimieren – vor, nach und während der Spiele. In seiner Freizeit gibt er sich mit weniger zufrieden und versucht einfach, die vollen 90 Minuten für sein Freizeit-Fußballteam durchzuhalten.
Javier Poveda-Panter ist Data Scientist für EMEA-Sportkunden im AWS Professional Services-Team. Er ermöglicht es Kunden im Bereich des Zuschauersports, innovativ zu sein und aus ihren Daten Kapital zu schlagen, indem er durch maschinelles Lernen und Data Science qualitativ hochwertige Benutzer- und Fanerlebnisse liefert. In seiner Freizeit geht er seiner Leidenschaft für ein breites Spektrum an Sport, Musik und KI nach.
- Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
- CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
- Quelle: https://aws.amazon.com/blogs/machine-learning/bundesliga-match-fact-set-piece-threat-evaluating-team-performance-in-set-pieces-on-aws/
- "
- 28
- 7
- Über uns
- Nach
- Konto
- erreicht
- über
- Zusätzliche
- advanced
- AI
- Algorithmus
- Alle
- Zulassen
- bereits
- Amazon
- Analytik
- App
- Anwendung
- Architektur
- Bereich
- verfügbar
- durchschnittlich
- AWS
- Basketball
- Bayer
- Makler
- Geschäft
- rufen Sie uns an!
- Chancen
- Cloud
- Cloud Computing
- Kommen
- Unternehmen
- verglichen
- Wettbewerb
- Berechnen
- Computing
- Konferenz
- überlegt
- verbrauchen
- Container
- Behälter
- Strom
- Kunden
- technische Daten
- Datenwissenschaft
- Datenwissenschaftler
- Datenbase
- tot
- liefern
- Trotz
- Entwickler:in / Unternehmen
- Entwicklung
- anders
- Direktor
- Rabatt
- Tut nicht
- Wirtschaftskunde
- Europa
- Europäische
- Event
- Veranstaltungen
- alles
- Beispiel
- Austausch-
- Erfahrungen
- Ende
- Vorname
- Setzen Sie mit Achtsamkeit
- Folgende
- Fußball
- Formula 1
- Frei
- voller
- Funktion
- Spiel
- Games
- Deutschland
- Global
- Kundenziele
- Ziele
- gehen
- gut
- groß
- Handling
- mit
- Höhe
- Hilfe
- hilft
- High
- Ultraschall
- HTTPS
- Bedeutung
- wichtig
- In anderen
- inklusive
- hat
- Branchen
- beeinflussen
- Infrastruktur
- Einblicke
- Interessen
- beteiligt
- IT
- neueste
- starten
- führen
- Ligen
- LERNEN
- lernen
- geführt
- Lang
- Maschine
- Maschinelles Lernen
- Spiel
- Bedeutung
- Medien
- Million
- Geist / Bewusstsein
- vor allem warme
- Musik
- XNUMXh geöffnet
- Auftrag
- Bestellungen
- Andere
- Andernfalls
- Leistung
- Perspektiven
- Stück
- Plattform
- Play
- Spieler
- Pro
- Produziert
- Professionell
- Projekt
- Förderung
- Psychologie
- Qualität
- Quartal
- Angebot
- Roh
- Leser
- Echtzeit
- erhalten
- FREIZEIT
- Release
- representiert
- REST
- Die Ergebnisse
- Führen Sie
- Laufen
- Wissenschaft
- Wissenschaftler
- Verbindung
- Serverlos
- Leistungen
- kompensieren
- siedelt sich an
- Teilen
- signifikant
- ähnlich
- So
- Fußball
- Lösungen
- Sport
- Sports
- Statistiken
- Statistik
- storage
- Geschichten
- Streaming
- stark
- Erfolg
- erfolgreich
- Erfolgreich
- Systeme und Techniken
- Target
- und Aufgaben
- Team
- Technologie
- Durch
- Zeit
- gemeinsam
- Themen
- aufdecken
- verstehen
- Gewerkschaft
- Updates
- us
- -
- Wert
- Video
- Webseiten
- wöchentlich
- Was
- .
- Worte
- Arbeiten
- gearbeitet
- Werk
- Schreiben
- Jahr