Kann KI ein Amateurspiel analysieren?

Die automatische Analyse gibt es, und sie funktioniert, auf Fernsehbildern: hohe Einstellungen, mehrere Kameras, Profispieler in kontrastreichen Trikots. Die Modelle wurden darauf trainiert. Ein Vereinsvideo, aus vier Metern Höhe von der Seitenlinie aufgenommen, mit Trainingstrikots und einem Ball, der zweimal pro Minute hinter einem Spieler verschwindet, ist ein anderes Problem. Hier steht, was heute jedes Versprechen bei dieser Art Bild ergibt.

Spieler erkennen: ja

Zu erkennen, dass an einer Stelle des Spielfelds eine Person steht, funktioniert gut, auch auf einem Amateurvideo, auch auf sechzig Meter. Das ist die Grundlage von allem anderen, und sie ist solide. Die Fehler kommen von Zuschauern, die hinter der Linie stehen, von Ersatzspielern, die sich aufwärmen, und vom Schiedsrichter: Das Modell zählt sie als Spieler, und man muss ihm sagen, wo das Spielfeld endet.

Den Ball verfolgen: zur Hälfte

Der Ball ist klein, oft verdeckt, und er sieht aus wie ein heller Schuh, ein Kopf oder der Aufwärmball hinter dem Tor. Auf einer Amateur-Totale verliert die Verfolgung ihn regelmässig und findet ihn einige Sekunden später wieder, manchmal an einem anderen Ball. Der darauf beruhende automatische Bildausschnitt kommt durch Glätten zurecht: Verliert er den Ball, folgt er der Spielergruppe, und das fällt kaum auf. Eine auf dieser Verfolgung aufgebaute Ballbesitzstatistik hingegen ist falsch, ohne dass man es sieht.

Erkennen, wer wer ist: nein

Das ist das zerbrechlichste Versprechen. Eine Trikotnummer in zwanzig Pixeln Höhe, von hinten, in Bewegung zu lesen, funktioniert nicht zuverlässig. Systeme, die „Ihrem Kind folgen“, verlangen im Allgemeinen, dass man es zu Beginn bezeichnet, und verlieren es bei der ersten Gruppenbildung, oder sie stützen sich auf Gesichtserkennung. Bei minderjährigen Spielern wirft Letztere eine Frage auf, die über die Technik hinausgeht und in Minderjährige Spieler filmen behandelt wird: Fragen Sie, auf welcher Rechtsgrundlage sie funktioniert, bevor Sie fragen, ob sie funktioniert.

Die Statistiken: die richtige Zahl und die plausible Zahl

Ballbesitz, erfolgreiche Pässe, zurückgelegte Distanz, Heatmaps: Auf einem Amateurvideo werden diese Zahlen erzeugt, und sie sehen richtig aus. Sie stammen aus einer unsicheren Ballverfolgung und einer ungefähren Spieleridentifikation, und der Fehler summiert sich. Gefährlich ist, dass sie plausibel wirken. Ein Trainer, der einen „Ballbesitz von 38 %“ korrigiert, korrigiert vielleicht eine Zahl, die es nicht gibt.

Der Test, der entscheidet, braucht ein Spiel: einen einzigen einfachen Indikator von Hand zählen, die verlorenen Anspiele oder die Schüsse, und mit der automatischen Zahl vergleichen. Liegt die Abweichung über einem Viertel, taugt das System nicht zum Messen; es taugt zum Ansehen. Wie man von Hand zählt, ist beschrieben in Braucht man Statistiken im Amateurbereich.

Was KI auf einem Amateurvideo gut kann

• Spielphasen wiederfinden. Anpfiffe, Spielunterbrechungen, Halbzeit, Auszeiten: Eine anderthalbstündige Datei in Spielphasen zu zerlegen ist zuverlässig und spart Zeit.
• Zuschneiden zum Ansehen. Der Schnitt, der dem Spiel folgt, ist für Eltern und Spieler angenehm und gibt nicht vor, etwas zu messen.
• Tore und Paraden finden. Das Publikum reagiert, das Spiel stoppt, das Modell sieht es.
• Zwei Bilder zusammensetzen. Zwei Geräte zu einem Panorama zusammenzunähen und die Verzerrung zu korrigieren ist ein gelöstes Problem, das mit dem Verständnis des Spiels nichts zu tun hat.

Was das für den Trainer ändert

Nichts von dem Vorigen ersetzt die Handlung, die zählt: entscheiden, was man sucht, und drei Situationen wiederfinden. KI hilft beim Wiederfinden; sie weiss noch nicht, was es in einem Vereinsspiel wert ist, wiedergefunden zu werden, denn das hängt vom Thema der Woche und von der Mannschaft ab. Ein Tool, das den Trainer den Moment bestimmen lässt und den Rest übernimmt, ist heute nützlicher als ein Tool, das errät.