Das Geheimnis erfolgreicher Fußballmannschaften
Was zeichnet ein erfolgreiches Fußballteam aus? Mit Methoden der Kollektivforschung kann ein Forschungsverbund unter Beteiligung der Universität Konstanz neue Antworten auf diese Frage geben. Die Wissenschaftlerinnen und Wissenschaftler untersuchten die Bewegungsmuster von Fußballteams – mit einem Ansatz, der nicht etwa einzelne Athleten in den Fokus nimmt, sondern das kollektive Zusammenspiel des gesamten Teams auswertet. Ihre Analysemethode, die ursprünglich aus der statistischen Physik stammt und erstmals auch für Sportanalysen eingesetzt wurde, stellt deutliche Unterschiede in der kollektiven Dynamik von Gewinner- und Verlierermannschaften fest – und kann sogar den Marktwert der Spieler bestimmen. Die Ergebnisse sind in der Online-Ausgabe des Wissenschaftsjournals „Chaos, Solitons & Fractals“ nachzulesen.
Die Studie wurde von einem internationalen und disziplinübergreifenden Forschungsteam durchgeführt, unter Beteiligung des Research Center in Sports Sciences, Health Sciences and Human Development in Portugal, des Exzellenzclusters „Centre for the Advanced Study of Collective Behaviour“ der Universität Konstanz sowie des Konstanzer Max-Planck-Instituts für Verhaltensbiologie. Die Studie, die in der Zeitschrift Chaos, Solitons & Fractals veröffentlicht wurde, kann Fußballmannschaften bei der Suche nach Talenten unterstützen und gibt Trainern neue Anhaltspunkte zur Beurteilung der Leistung.
Datengestützte Sportanalyse
Durch die Lockerungen der Corona-Regelungen finden nun wieder Fußballspiele statt: Fans können es sich endlich wieder vor ihrem Fernseher bequem machen und ihr Lieblingsteam anfeuern – wenngleich die Spiele in leeren Stadien stattfinden. Die Frage lautet wie immer: Welche Mannschaft wird gewinnen?
Das Aufkommen der Sportanalyse hat die Beantwortung dieser Frage ein ganzes Stück leichter gemacht. Im Lauf der letzten Jahre haben hochentwickelte Technologien und die Datenrevolution es möglich gemacht, Informationen über Sportlerinnen und Sportlern in bisher noch nie dagewesenem Umfang zu erfassen und zu analysieren. Dazu zählen beispielsweise Kennzahlen wie die Anzahl an Toren, Pässen und Schüssen pro Spiel, ebenso wie Ernährung, Herzfrequenz, allgemeine Stärke und Ausdauer der
Spielerinnen und Spieler.
Erstaunlicherweise konzentrierten sich die meisten Analysen beim Fußball jedoch auf einzelne Spieler. „Dies mag bei Individualsportarten wie Laufen ausreichen, aber für Teamsportarten fehlt die entscheidende Information über das Zusammenspiel der Mannschaft“, sagt Rui Marcelino vom Research Center in Sports Sciences, Health Sciences and Human Development (CIDESD), Portugal, der die Studie leitete.
Das Bewegungsprofil in der Analyse
Ein internationales Wissenschaftsteam aus Sportwissenschaftlerinnen und -wissenschaftlern aus Portugal sowie Verhaltensforschenden aus Deutschland führte die Studie durch, die einen völlig neuen, systematischen Ansatz zur Analyse von Fußballspielen vorstellt. „Uns ist es gelungen, eine Methode zu entwickeln, die den einzigartigen ‚Fingerabdruck‘ der Spieler in Bezug auf ihre Bewegungsmuster auf dem Spielfeld erfasst“, sagt Erstautor Marcelino. „Dieses individuelle Bewegungsprofil könnte ein wertvolles Instrument zur Unterstützung der Trainerentscheidungen bei Übungsspielen und echten Turnieren sein.“
Die Bewegungen von Fußballspielern mit Ansätzen aus der Kollektivforschung zu analysieren gibt Aufschluss darüber, wie das Team als Ganzes zusammenspielt. Diese Illustration zeigt, wie in der Studie Ähnlichkeiten bei den Bewegungsmustern von Spielern korreliert werden. Die Bewegungsrichtungen der Spieler (rot und gelb für die beiden Mannschaften) und des Balles (schwarz) sind über einen Schnappschuss aus der Videoaufzeichnung eines Bundesligaspiels gelegt worden. Die Kästen zeigen Beispiele der neuen Kennzahl – HCS („highly correlated segments“) – für vier Spieler (in der Grafik durch gestrichelte Linien miteinander verbunden). Besonders hochkorrelierte Bewegungssegmente sind zwischen den Spielern Y1-R2 (blau) und Y2-R3 (türkis) zu sehen. Y1-R2 beispielsweise gehören verschiedenen Mannschaften an. Die Grafik zeigt die Position der Spieler auf dem Feld, ihre Bewegungskurven und – anhand des Diagrammes – wie stark diese korrelieren.
Der neue Ansatz kombiniert neueste Methoden der automatischen Spielerkennung und der Aufzeichnung ihrer Bewegungen mit Analysen des Gruppenverhaltens, die aus dem Forschungsbereich Kollektivverhalten stammen. „Unsere Forschung erlebte einen Paradigmenwechsel, von der Konzentration auf das Individuum hin zur Untersuchung des Kollektivs,“ schildert Prof. Dr. Iain Couzin, einer der Autoren der Studie, der Sprecher des Exzellenzclusters „Centre for the Advanced Study of Collective Behaviour“ der Universität Konstanz sowie Direktor der Abteilung Kollektivverhalten am Konstanzer Max-Planck-Institut für Verhaltensbiologie ist. „Wir haben also Erfahrung in der Analyse kollektiver Bewegungen, wie wir sie beim Fußball sehen.“
Richtungskorrelation von Fußballmannschaften
Die Wissenschaftler und Wissenschaftlerinnen analysierten fünf Spiele, die neun Mannschaften in der deutschen Bundesligasaison absolvierten. Mithilfe eines Ansatzes aus der statistischen Physik, der Richtungskorrelation („directional correlation technique“), konnten sie erfassen, „wie stark die Bewegungen der Spieler in Hinsicht auf ihre Richtungen übereinstimmen“, erklärt Mate Nagy, Leiter der MTA-ELTE Collective Behaviour Forschungsgruppe (Ungarn) und Hauptautor der Studie. „Wenn zum Beispiel zwei Spieler in eine ähnliche Richtung rennen und sich dann beide um 30 Grad nach links drehen, sind ihre Bewegungsmuster sehr ähnlich, auch wenn einer von ihnen etwas früher abdreht“. Daraus erstellten die Forschenden eine Kennzahl – die HCS („highly correlated segments“) –, als Maß des Zusammenspiels der Spieler innerhalb ihrer Mannschaft und ihrer Koordination gegenüber dem gegnerischen Team. Anstatt nur Leistungskennzahlen einzelner Spieler zu analysieren – beispielsweise, wie schnell ein Spieler in einem Spiel rennt – untersucht die Studie Faktoren wie das Zusammenspiel und die Abstimmung der Spieler untereinander, um auf diese Weise kollektive Strategien zu entdecken, die für die Performance der ganzen Mannschaft maßgeblich sind.
Die beteiligten Wissenschaftlerinnen und Wissenschaftler forschen am Research Center in Sports Sciences, Health Sciences and Human Development in Portugal, am Exzellenzcluster „Centre for the Advanced Study of Collective Behaviour“ der Universität Konstanz sowie am Konstanzer Max-Planck-Institut für Verhaltensbiologie.
„Wir können aufzeigen, warum Stürmer und Verteidiger ganz unterschiedlich spielen müssen: Während Stürmer sich unkorreliert und ‚überraschend‘ bewegen müssen, damit der Gegner sie nicht so leicht verfolgen kann, müssen Verteidiger sich gut als Einheit abstimmen und sehr organisiert spielen, was eine ganz andere Art von Talent erfordert“, so Marcelino. Die HCS-Kennzahl erweist sich auch bei der Einschätzung der Spieler als aussagekräftig, da die Studie einen Zusammenhang zwischen der Kennzahl und dem Marktwert der Spieler feststellte.
Die Studie ist sowohl für den Bereich der Wissenschaft als auch des Sports vielversprechend. Mithilfe der in der Studie verwendeten Kennzahl können Mannschaften Talente identifizieren und Trainer erhalten einen zusätzlichen Anhaltspunkt für die Beurteilung der Leistung. Wissenschaftlich gesehen zeigen die Ergebnisse, dass Mannschaftssportarten als Beispiel für menschliches Kollektivverhalten betrachtet und entsprechend untersucht werden können. „Zur Untersuchung von Kollektivverhalten wählen wir bevorzugt lenkbare Systeme, da sie leichter zu analysieren sind“, sagt Guy Amichay, Doktorand am Max-Planck-Institut für Verhaltensbiologie und Mitautor der Studie. „Das Gruppenverhalten des Menschen ist für uns natürlich von großem Interesse, aber oft sind die Mechanismen, die ihm zugrunde liegen, schwer zu erfassen. Wenn wir aber im Bereich der Sportwettkämpfe mit bekannten Grundregeln forschen, haben wir eine gute Ausgangslage.“
Originalveröffentlichung: Marcelino R, Sampaio J, Amichay G, Gonçalves B, Couzin ID, Nagy M (2020) Collective movement analysis reveals coordination tactics of team players in football matches. Chaos, Solitons & Fractals. URL: https://doi.org/10.1016/j.chaos.2020.109831