TacticAI: an AI assistant for football tactics
Zusammenfassung
Kurz
TacticAI soll Trainerinnen und Trainern bei Eckstößen helfen, indem es Spielverläufe vorhersagt, ähnliche frühere Situationen findet und alternative Aufstellungen vorschlägt. Laut den im Bericht beschriebenen Tests bevorzugten Fachleute die KI-Vorschläge in 90 Prozent der Vergleiche; die Untersuchung konzentrierte sich auf Eckstöße und Spielerpositionsdaten.
Mittel
Der Bericht beschreibt TacticAI, ein gemeinsam von Google DeepMind und dem FC Liverpool entwickeltes KI-System zur Unterstützung bei taktischen Entscheidungen rund um Eckstöße. Es soll vorhersagen, wer den Ball wahrscheinlich erhält und ob ein Schussversuch folgt, ähnliche vergangene Situationen auffinden und veränderte Spieleraufstellungen vorschlagen. Dafür bildet das Modell Spieler und ihre Beziehungen als Graph ab und nutzt vier gespiegelte Versionen einer Spielsituation, um die ungefähre Symmetrie des Spielfelds einzubeziehen. Das soll laut den Autorinnen und Autoren trotz begrenzter Eckstoßdaten zu besser verallgemeinerbaren Vorhersagen beitragen.
In den beschriebenen Auswertungen stuften Fachleute die oberste von TacticAI gefundene ähnliche Situation in 63 Prozent der Fälle als relevant ein; ein positionsbasierter Vergleichsansatz erreichte laut Bericht 33 Prozent. In einer verblindeten Fallstudie bevorzugten Liverpooler Fachleute die erzeugten taktischen Vorschläge in 90 Prozent der Vergleiche gegenüber den ursprünglichen Aufstellungen und konnten sie nicht von realen Eckstößen unterscheiden. Dies sind vom Bericht wiedergegebene Ergebnisse der dort beschriebenen Untersuchungen. Der Beitrag konzentriert sich auf Eckstöße und Spielerpositionsdaten; weitergehende Anwendungen werden als Möglichkeit für künftige Forschung dargestellt.
Ausführlich lesen
Der Bericht stellt TacticAI vor, ein von Google DeepMind und dem FC Liverpool entwickeltes KI-System zur Unterstützung von Fußballtrainerinnen und -trainern bei Standards, insbesondere Eckstößen. Es soll drei Fragen beantworten: Was dürfte bei einer bestimmten Aufstellung geschehen, welche ähnlichen Situationen gab es bereits, und wie lässt sich eine Aufstellung verändern, um ein gewünschtes Ergebnis wahrscheinlicher zu machen? Als Beispiel nennt der Bericht die Verringerung der Wahrscheinlichkeit eines Schusses durch eine angepasste Positionierung der Abwehr.
Die Schwierigkeit liegt laut den Autorinnen und Autoren in der Dynamik des Spiels und der begrenzten Zahl hochwertiger Eckstoßdaten: In einer Premier-League-Saison gibt es demnach pro Spiel nur etwa zehn Eckstöße. TacticAI bildet deshalb jeden Spieler als Knoten eines Graphen ab und erfasst Merkmale wie Position, Geschwindigkeit und Körpergröße sowie Beziehungen zwischen den Spielern. Das Modell verarbeitet außerdem vier gespiegelte Versionen einer Spielsituation und soll für alle dieselben Vorhersagen zu Passempfängern und Schussversuchen liefern. Die Autorinnen und Autoren schreiben, dieser Ansatz nutze die ungefähre Spiegelsymmetrie des Spielfelds und ermögliche dadurch verallgemeinerbare Modelle mit weniger Trainingsdaten.
Das System kombiniert Vorhersagen mit dem Abruf ähnlicher vergangener Situationen und der Erzeugung veränderter Aufstellungen. Laut Bericht können Fachleute damit passende frühere Routinen finden und alternative Positionierungen prüfen. In qualitativen Untersuchungen bewerteten Fußballfachleute die jeweils am höchsten eingestufte ähnliche Situation in 63 Prozent der Fälle als relevant. Der Bericht vergleicht dies mit 33 Prozent bei einem Ansatz, der Situationen anhand der Ähnlichkeit von Spielerpositionen auswählt.
Die Autorinnen und Autoren geben an, TacticAI sage Eckstoß-Empfänger und Schusssituationen genau voraus; die vorgeschlagenen Verschiebungen von Spielern ähnelten dem Verlauf realer Spielzüge. Zusätzlich wurde die Qualität der Vorschläge in einer verblindeten Fallstudie bewertet: Die Fachleute wussten dabei nicht, welche Aufstellungen aus realen Spielen stammten und welche vom System erzeugt worden waren. Laut Bericht konnten die Liverpooler Fachleute die erzeugten Situationen nicht von realen Eckstößen unterscheiden und bevorzugten TacticAIs Vorschläge in 90 Prozent der Vergleiche gegenüber den ursprünglichen Situationen.
Der Beitrag beschreibt TacticAI als Assistenz für menschliche Fachleute und als Ergebnis einer mehrjährigen Zusammenarbeit mit Liverpool FC. Die genannten Prozentwerte und Leistungsurteile stammen aus den im Bericht beschriebenen Auswertungen; der Text liefert hier keine vollständigen Studiendetails oder unabhängige Bestätigung. Er behandelt vor allem Eckstöße und Spieler- beziehungsweise Positionsdaten. Als mögliche künftige Erweiterung nennen die Autorinnen und Autoren zusätzliche multimodale Eingaben und weitere Formen der Unterstützung. Eine Übertragbarkeit auf andere Sportarten oder Einsatzbereiche wird als Potenzial angeführt, nicht als durch diese Untersuchung belegtes Ergebnis.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas zwei Zusammenfassungen (kurz und mittel) sind im Schema nur als eine Zusammenfassung abbildbar; ich habe die Gesamtheit beider bewertet. Beide sind sachlich korrekt, die kurze lässt jedoch wesentliche Ergebnisse und Methoden aus. Der Bericht ist eine Fachmeldung zu einem Sportanalyse-KI-System; die Sammelfragen zu KI-Sicherheit, Governance und Herkunft von Modellen lassen sich daraus kaum beantworten, weshalb die Einordnungen durchweg niedrig ausfallen. Lunas höhere Stufen bei den Sammelfragen sind damit durch den Bericht nicht gedeckt.
Im Bericht, aber nicht in der Zusammenfassung
- Die Veröffentlichung in Nature Communications wird in der Kurzfassung nicht genannt.
- Die Kurzfassung nennt weder den geometrischen Deep-Learning-Ansatz mit gespiegelten Spielsituationen noch die Vergleichswerte 63 zu 33 Prozent bei den ähnlichen Eckstoß-Situationen.
- Die Kurzfassung erwähnt nicht, dass Trainer ein Werkzeug zur Prüfung alternativer Aufstellungen erhalten.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Unabhängig prüfen
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 37 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 46 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 63 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 39 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 53 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 49 %einzelne zitierbare Belege
- JEV 33 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 27 %Hintergrund, keine Belege
- JEV 44 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen?
Weitere Berichte zu diesen Fragen
- Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv