Weitere Fußballbereiche

aiMOOC

Datenanalyse als Berufsfeld - Fußballwissen

QR-Code

Einleitung

Wer erkennt, ob eine Mannschaft viele gute Chancen herausspielt oder nur häufig aufs Tor schießt? Wie werden aus Spielbeobachtungen faire, nachvollziehbare Empfehlungen? In diesem aiMOOC lernst du das Berufsfeld der Datenanalyse im Fußball kennen. Du arbeitest wie ein kleines Analyse-Team: Frage formulieren, Daten erheben, prüfen, berechnen, erklären und Ergebnisse verständlich präsentieren. Du brauchst keine teure Software. Alle Übungen funktionieren auch mit Papier und Taschenrechner.

Textalternative: Ein Fußballfeld mit Mittellinie, Mittelkreis, Strafräumen und Toren. Die Zeichnung zeigt, warum Orte und Richtungen bei Spielanalysen wichtig sind.

Lernziele: Du unterscheidest Beobachtungen von Vermutungen, berechnest einfache Kennzahlen, erklärst das Modell Expected Goals, beurteilst kleine Stichproben, entwirfst einen Trainingsvorschlag und erstellst ein eigenes Medienprodukt. Der Kurs richtet sich an Fußballinteressierte ab etwa zehn Jahren. Fachbegriffe werden erklärt; anspruchsvollere Vertiefungen sind freiwillig. Die Beispiele sind unabhängig von einem bestimmten Verein oder einer aktuellen Mannschaft.

Wichtig: Die im Modellfall genannten Teams, Schüsse und Werte sind vollständig erfunden. Sie sind keine aktuellen Spieler- oder Leistungsdaten.

Berufsbilder: Wer analysiert Fußball?

Von der Frage zur Entscheidung

Ein Sportdatenanalyst stellt zunächst eine konkrete Frage: „Wo entstehen unsere Abschlüsse?“, „Unter welchem Gegnerdruck gelingen Pässe?“ oder „Wie verändern sich Laufwege nach einer Auswechslung?“ Erst danach entscheidet er oder sie, welche Daten dafür sinnvoll sind. Eine Zahl ohne Frage ist noch keine Erkenntnis.

Im Verein arbeiten unterschiedliche Personen zusammen: Videoanalystinnen und Videoanalysten markieren Spielszenen; Datenanalystinnen und Datenanalysten prüfen Tabellen und Muster; Scouts beobachten mögliche Neuzugänge; Trainerinnen und Trainer übersetzen Erkenntnisse in Übungen; Medienredaktionen erklären Kennzahlen verständlich. Technisches Wissen ersetzt weder Spielverständnis noch Gesprächsfähigkeit. Ein Trainerteam kann eine Empfehlung ablehnen, wenn Kontext fehlt.

Ein anschaulicher Einblick in die Arbeitsrealität findet sich im Vereinsbericht An eye on everything – How the Werkself analyst duo work von Bayer 04 Leverkusen. Dort wird beschrieben, wie Spielanalyse und Kommunikation mit dem Trainerteam zusammenwirken. Der Bericht ist ein Beispiel für einen Verein und kein Beleg dafür, dass überall dieselben Arbeitsabläufe gelten.

Typischer Arbeitsprozess

Auftrag klären: Eine Frage formulieren, die sich anhand von Beobachtungen beantworten lässt.
Erheben: Öffentliche Ereignisdaten, eigene anonymisierte Strichlisten oder mit Berechtigung aufgezeichnete Spielszenen nutzen.
Prüfen: Spielzeit, Definitionen, fehlende Werte, Zählfehler und Herkunft kontrollieren.
Auswerten: Anteile, Vergleiche, räumliche Muster oder Modellwerte berechnen.
Besprechen: Fakten und Deutungen trennen, Unsicherheiten offenlegen und Rückfragen zulassen.
Handeln und überprüfen: Eine Trainingseinheit planen und erst mit weiteren Beobachtungen bewerten, ob sich etwas verändert.

Berufsbeispiel: Eine Analystin beobachtet zehn Spielsituationen, markiert die Stelle des Ballverlusts und zeigt zwei kurze Sequenzen. Ihre begründete Empfehlung lautet: „Wir könnten das Freilaufen unter Druck üben.“ Ob das wirksam ist, muss später überprüft werden.

Welche Fähigkeiten und Lernwege helfen?

Hilfreich sind Mathematik und Statistik für Prozentrechnen, Informatik für Tabellen und Programmierung, Sport für Taktik, Deutsch für verständliche Berichte und Medienbildung für kritische Quellenarbeit. Mögliche Wege führen über Schule, Verein, Praktika, sportwissenschaftliche oder technische Ausbildungen beziehungsweise Studiengänge und eigene dokumentierte Projekte. Es gibt keinen einzigen vorgeschriebenen Ausbildungsweg. Bezahlte Datenbanken sind für den Einstieg nicht nötig.

Aufgaben können im Amateur- und Profifußball, bei Verbänden, in Datenfirmen, Forschungseinrichtungen und Redaktionen entstehen. Ein Portfolio mit einer ehrlichen Analyse, eigener Visualisierung, sauberer Quellenliste und dokumentierten Grenzen ist eine gute Lernübung, aber keine Berufsgarantie.

Spieldaten: Erfassen, verstehen und prüfen

Ereignisdaten, Positionsdaten und Video

Ereignisdaten beschreiben einzelne Aktionen wie Pass, Torschuss, Ballgewinn, Zweikampf oder Foul einschließlich Zeitpunkt und oft Ort. Positions- oder Trackingdaten beschreiben die Bewegung von Ball und Spielenden über die Zeit. Videodaten zeigen Zusammenhänge, die eine nackte Zählliste häufig nicht enthält, etwa Gegnerdruck oder den Laufweg vor einem Pass. Verschiedene Anbieter verwenden unterschiedliche Definitionen. Darum gehören Einheit, Zeitraum, Erhebungsmethode und Quellenangabe zu jeder Tabelle.

Beispiel: Die Aussage „35 erfolgreiche von 50 gezählten Pässen“ ist eine dokumentierbare Zahl. „Das Team hat gut kombiniert“ ist eine Deutung; dafür sollten Passrisiko, Gegnerdruck und Spielsituation mitbeachtet werden. Ein abgeschnittener Videoclip kann das Urteil verzerren. Eine unklare Passdefinition kann die Quote verändern.

Textalternative: Eine schematische Anordnung von Torwart, Viererabwehr, drei Mittelfeld- und drei Angriffsspielenden. Die Skizze ist keine Momentaufnahme einer bestimmten Mannschaft.

Heatmaps, Positionsmittel und ihre Grenzen

Eine Heatmap färbt Felder entsprechend einer erfassten Häufigkeit oder Dauer. Die Legende verrät, was gemessen wurde: Ballkontakte, Aufenthaltszeit und Laufstrecke sind nicht dasselbe. Eine Durchschnittsposition kann mehrere weit auseinanderliegende tatsächliche Positionen verdecken. Die Frage „Wie kam diese Form zustande?“ beantwortet man mit Videosequenzen und zeitlich getrennten Daten besser als mit einem einzelnen Punkt.

Textalternative: Auf einem Fußballfeld sind Zonen unterschiedlich stark markiert. Eine stärkere Markierung weist in diesem historischen Beispiel auf längere Aufenthaltsdauer hin; sie bewertet nicht automatisch die Spielqualität.

Video: Das fachlich überprüfte Erklärvideo von Amazon Web Services zeigt das Konzept „Average Positions“ im Bundesliga-Kontext. Es stammt vom 25. Juni 2020 und ist keine aktuelle Kaderanalyse.

Textalternative zum Video: Anhand von Positionsdaten werden durchschnittliche Aufenthaltsorte visualisiert. Betrachte, was eine solche Darstellung zeigt und welche Laufwege sie nicht einzeln abbildet. Bei gesperrter Einbettung nutze die schriftliche Erklärung; ein YouTube-Konto wird für den Kursinhalt nicht benötigt.

Datenqualität und freie Übungsdaten

Ein guter Datensatz hat nachvollziehbare Regeln: Was zählt als Passversuch? Welche Spielminuten sind enthalten? Sind beide Teams nach denselben Regeln gezählt? Fehlen Szenen? Wurde ein Ereignis doppelt markiert? Werden Daten als Prozent, Anzahl oder Meter angegeben? Erst wenn die Erhebung vergleichbar ist, sollte man Teams oder Personen gegenüberstellen.

Für Fortgeschrittene bietet StatsBomb Open Data frei zugängliche Datensätze ausgewählter Wettbewerbe als JSON-Dateien mit Ereignissen, Spielen und teilweise Positionskontext. „Frei zugänglich“ bedeutet dabei nicht automatisch, dass alle Bilder, Texte oder Datensätze ohne Bedingungen weiterverbreitet werden dürfen; die Veröffentlichungs- und Namensnennungsvorgaben des Projekts sind zu beachten. Für die Aufgaben dieses Kurses genügen synthetische Daten.

Kennzahlen: Was können Zahlen sagen?

Quoten, Verteilungen und Vergleiche

Eine Passquote ist die Zahl erfolgreicher Pässe geteilt durch alle gezählten Passversuche. Bei 35 erfolgreichen von 50 Versuchen ergibt sich 35 : 50 = 0,70, also 70 Prozent. Ein Team mit wenigen einfachen Pässen kann eine hohe Quote haben; riskante Pässe in die Tiefe sind schwieriger. Deshalb beantwortet eine Passquote nicht allein die Frage nach Spielqualität.

Eine Schussquote kann sehr unterschiedlich definiert sein, etwa Schüsse aufs Tor pro allen Schüssen. Deshalb musst du die Definition stets nennen. Gleiches gilt für Zweikampfquote, Ballbesitz oder Ballgewinnrate. Vergleiche am besten ähnliche Spielphasen und erkläre die Stichprobengröße. Ein Spiel ist oft zu wenig für starke Urteile.

Expected Goals verständlich erklärt

Expected Goals (xG) ist die modellierte Wahrscheinlichkeit eines Tores bei einem bestimmten Schuss. Ein Schusswert von 0,25 bedeutet: In vielen vergleichbaren Situationen würden nach dem jeweiligen Modell ungefähr 25 von 100 Versuchen zu Toren führen. Das ist keine Zusage für einen konkreten Schuss. Die Summe der Schusswerte ist der erwartete Torwert einer Serie. Typische Modellmerkmale sind Entfernung, Winkel, Abschlussart sowie – je nach Modell – Gegner- und Torwartposition.

Textalternative: Eine vereinfachte Zeichnung verdeutlicht Schussort, Abstand und Winkel zum Tor sowie weitere situationsbezogene Merkmale; die Illustration liefert selbst keine offiziellen Bundesliga-xG-Zahlen.

Video: Amazon Web Services erläutert xGoals als Bundesliga Match Fact in einem Video vom 25. Juni 2020. Die konkrete Modellarchitektur und Datenbasis können sich später ändern.

Textalternative zum Video: Aus historischen Schussdaten und Merkmalen aktueller Abschlüsse wird eine geschätzte Torwahrscheinlichkeit gebildet. Das Video vermittelt ein Modellprinzip, kein sicheres Torurteil.

Die offizielle Bundesliga-Match-Facts-Übersicht und der AWS-Fachbeitrag zum xG-Modell beschreiben die Erfassung und Berechnung. Die DFL erläuterte am 18. September 2025 außerdem den Kennwert „Match Momentum“. Solche Werte sind Modelle und nicht automatisch Ursachen für Siege oder Niederlagen.

Fakten, Deutungen und offene Fragen

Fakt: Fünf im Modellfall registrierte Schüsse haben zusammen den rechnerischen xG-Wert 1,00.
Deutung: Der Mannschaft könnten zentrale Abschlüsse mit hoher Chancenqualität helfen.
Offene Frage: Würde dieselbe Beobachtung auch in weiteren Spielen gelten, und wie gut wurden Chancen vor den Schüssen vorbereitet?

Gute Analysen benennen, was sie nicht wissen. Ein xG-Wert von Anbieter A lässt sich wegen möglicherweise anderer Modelle nicht bedenkenlos mit dem von Anbieter B vergleichen. Auch Korrelation bedeutet nicht automatisch Ursache: Wenn eine Mannschaft häufig hohe Passquoten und Siege hat, kann der Spielkontext beide Werte beeinflussen.

Vollständiger Modellfall: Ein Spiel, fünf Abschlüsse

Auftrag und erfundene Datentabelle

Du bist Teil des Analyse-Teams des frei erfundenen Jugendvereins SC Morgenstern. Der Verein möchte wissen, aus welchen Zonen die Abschlüsse in einem Übungsspiel entstehen und welche Trainingsidee man vorsichtig daraus ableiten darf. Die Spielenden sind nicht identifizierbar; alle Zahlen sind eigens für dieses Lernbeispiel festgelegt. Es handelt sich nicht um echte Profi-, Vereins- oder Schülerdaten.

Synthetische Abschlüsse des SC Morgenstern
Nr.	Halbzeit	Zone	Modell-xG	Ergebnis	Beobachtung
A	Erste	Rechts	0,10	Kein Tor	Abschluss aus engem Winkel
B	Erste	Links	0,25	Kein Tor	Abschluss nach Rückpass
C	Erste	Rechts	0,05	Kein Tor	Weitschuss
D	Zweite	Mitte	0,40	Tor	Abschluss aus zentraler Nähe
E	Zweite	Rechts	0,20	Kein Tor	Abschluss nach Flachpass

Zusätzliche Strichliste: 50 Passversuche, davon 35 erfolgreich. Von den fünf Schüssen wurden zwei aufs Tor gezählt; einer davon war der Treffer. Die Werte sind didaktisch gewählte Modellzahlen, nicht Ergebnis eines trainierten xG-Systems. Sie sollen das Addieren und Interpretieren veranschaulichen, nicht die Genauigkeit einer echten Prognose vortäuschen.

Eigene Taktikskizze und Diagramm

Eigene Schemazeichnung in Tabellenform – Blick in Richtung gegnerisches Tor. Die Zuordnung zeigt ausschließlich die fünf erfundenen Schusszonen. Sie ist eine Kursgrafik, keine Aufnahme realer Menschen.

Angriffsrichtung zum Tor oben
Linke Abschlusszone	Zentrale Abschlusszone	Rechte Abschlusszone
B: 0,25 xG	D: 0,40 xG	A: 0,10 xG; C: 0,05 xG; E: 0,20 xG
Ein Abschluss	Ein Abschluss	Drei Abschlüsse
Summe 0,25 xG	Summe 0,40 xG	Summe 0,35 xG

Textalternative zur Skizze: Links und zentral entstand jeweils ein Abschluss, rechts drei. Die Summe der xG-Werte beträgt links 0,25, zentral 0,40 und rechts 0,35. Wo ein Schuss stattfindet, ist nicht automatisch der Weg des Angriffs.

Eigenes Balkendiagramm der Schusswahrscheinlichkeiten; ein Block entspricht 0,05 xG. Die Balken sind eine manuell erstellte Textvisualisierung und keine Messung aus einem Profispiel.

Schuss	xG	Darstellung
A	0,10	██
B	0,25	█████
C	0,05	█
D	0,40	████████
E	0,20	████

Textalternative zum Diagramm: Der höchste Einzelwert liegt bei D mit 0,40, der niedrigste bei C mit 0,05; die Werte A, B und E betragen 0,10, 0,25 und 0,20. Alle fünf Balken zusammen entsprechen 1,00 xG.

Musterlösung mit Rechenweg

Anzahl und Verteilung: Es gab fünf Abschlüsse. Rechts liegen A, C und E; das sind 3 von 5 oder 60 Prozent. Links liegt B und zentral D, jeweils 1 von 5 oder 20 Prozent.
Gesamt-xG: 0,10 + 0,25 + 0,05 + 0,40 + 0,20 = 1,00 xG.
Halbzeitvergleich: Erste Hälfte A+B+C = 0,10+0,25+0,05 = 0,40 xG. Zweite Hälfte D+E = 0,40+0,20 = 0,60 xG. Daraus lässt sich bei dieser winzigen Stichprobe keine gesicherte Leistungssteigerung ableiten.
Zonen: Rechts 0,10+0,05+0,20 = 0,35 xG. Links 0,25 xG. Mitte 0,40 xG. Mehr Schüsse rechts bedeuten in diesem Beispiel nicht automatisch die höchste erwartete Trefferzahl.
Passquote: 35 : 50 = 0,70 = 70 Prozent. Ohne Angaben zu Passdruck und Passrichtung ist die Bewertung offen.
Schüsse aufs Tor: 2 : 5 = 0,40 = 40 Prozent. Torquote pro Schuss: 1 : 5 = 20 Prozent; das sind andere Größen als xG.
Tore gegenüber xG: Tatsächlich ein Tor, rechnerisch 1,00 xG; die Differenz beträgt 0,00. Daraus folgt weder, dass das Modell fehlerfrei ist, noch, dass die Abschlussqualität der Spielenden dauerhaft genau so hoch ist.
Vorsichtiger Trainingsvorschlag: Unter vereinfachten Bedingungen Freilaufen im Zentrum und Rückpässe üben, danach über mehrere Trainingsspiele dieselben Ereignisse einheitlich erfassen. Das ist eine Hypothese für das Training und keine bewiesene Ursache.
Offene Fragen: Welche Gegnersituationen gab es? Wie zuverlässig wurden Schüsse als „aufs Tor“ markiert? Warum kamen wenige zentrale Schüsse zustande? Sind fünf Abschlüsse repräsentativ? Wurde die Qualität des Zuspiels bewertet?

Bewertungsraster für eine Auswertung

Kriterium	Volle Leistung	Teilweise Leistung	Noch zu bearbeiten	Punkte
Datentreue	Alle Werte und Definitionen korrekt	Ein kleiner Zuordnungsfehler	Mehrere Werte unbelegt	0–4
Rechenweg	xG, Zonen und Quoten richtig und nachvollziehbar	Einzelner Rechenfehler	Rechenweg fehlt	0–4
Interpretation	Fakten, Deutungen und Grenzen klar getrennt	Einige Grenzen genannt	Unzulässige sichere Aussagen	0–4
Visualisierung	Beschriftet, lesbar und textlich zugänglich	Teilweise beschriftet	Irreführend oder unlesbar	0–4
Empfehlung und Quellen	Vorsichtige Idee mit Prüfschritt und Quellenhinweis	Idee ohne Prüfschritt	Unbegründete Empfehlung	0–4

Bewertung: Maximal 20 Punkte. Als Orientierung können 17–20 Punkte eine sehr sichere, 13–16 eine weitgehend sichere, 9–12 eine teilweise und 0–8 eine noch zu entwickelnde Leistung anzeigen. Die Rückmeldung erklärt immer konkret, was verbessert werden kann. Bei einer anderen Aufgabenstellung darf das Raster angepasst werden.

Verantwortung, Berufszukunft und Medienarbeit

Faire Aussagen über Menschen

Ein einzelner Schuss beweist keine Qualität einer Spielerin oder eines Spielers. Für Vergleiche braucht man passende Spielzeiten, Rollen, Altersstufen, Wettbewerbsbedingungen und transparent erhobene Werte. Jugendliche dürfen nicht allein nach Zahlen öffentlich beurteilt werden. Verwende für Lernprojekte bevorzugt erfundene oder zulässig veröffentlichte Datensätze; veröffentliche keine Namen, Gesichter, Gesundheitsdaten oder Bewegungsprofile von Minderjährigen ohne geklärte Rechte. Datenschutz, Zweckbindung, Zugangsbeschränkung und Einwilligung beziehungsweise eine andere tragfähige Rechtsgrundlage müssen vor echter Datenerhebung geprüft werden.

Textalternative: Historische Aufnahme von Alexia Putellas in einem Fußballspiel 2018. Das Foto ist keine Darstellung ihrer gegenwärtigen Vereinszugehörigkeit oder ihrer Leistungsstatistik.

Lionel Messi bei der WM 2022 für Argentinien; historische Fotografie.

Textalternative: Lionel Messi im argentinischen Trikot bei der Fußball-Weltmeisterschaft 2022. Aus dem Bild lässt sich weder seine heutige Mannschaft noch ein statistischer Leistungswert ablesen.

Analyseauftrag zu den Bildern: Die Bekanntheit von Alexia Putellas und Lionel Messi hilft, Fragen zur medialen Wahrnehmung zu stellen: Welche Schlagzeilen wären ohne überprüfbare Zahlen nur Meinungen? Welche Ereignis- und Positionsdaten bräuchte man für einen fairen Vergleich von verschiedenen Rollen, Wettbewerben und Zeiträumen? Die Bilder sind historische Illustrationen, keine Datenbelege und keine persönliche Empfehlung oder Mitwirkung der Abgebildeten.

Künstliche Intelligenz und menschliches Urteil

Maschinelles Lernen kann Muster in vielen Spielsituationen finden, zum Beispiel die Wahrscheinlichkeit eines Tores bei bestimmten Schussmerkmalen schätzen. Doch Trainingsdaten können lückenhaft sein, Messungen verzerrt und Prognosen unsicher. Bei einem Modell muss man nach Datenherkunft, Fehlerraten, Vergleichbarkeit, Testdaten und möglichen Benachteiligungen fragen. Automatisierte Auswertung ist kein Ersatz für fachliche Prüfung.

Ein konkretes Beispiel für die öffentliche Vermittlung sind „Shot Efficiency“ und „Passing Profile“ der Bundesliga. Die DFL und AWS stellten diese Werte für 2021/22 vor. Das Video erklärt Zusammenhänge, zeigt aber nicht, dass ein einzelner Zahlenwert allein das Verhalten oder Talent eines Menschen erklärt.

Textalternative zum Video: Ein Modell vergleicht erzielte Tore mit kumulierten xG-Werten und betrachtet Merkmale von Pässen. Welche Bewertung daraus folgt, hängt von Kontext und Fragestellung ab. Video von Amazon Web Services, veröffentlicht am 9. September 2021.

Eigenes barrierearmes Medienprodukt

Erstelle eine kleine Datenstory als Plakat, Audiobeitrag, Präsentation, Erklärgrafik oder kurzes eigenes Video: (1) Forschungsfrage, (2) Datenherkunft und Zeitraum, (3) ein lesbares Diagramm, (4) zwei geprüfte Fakten, (5) eine vorsichtige Deutung mit offener Frage und (6) Quellen-/Rechtenachweis. Gib jeder Grafik eine Textalternative. Ein Audiobeitrag braucht ein schriftliches Transkript, ein Video Untertitel oder verständliche Ersatztexte. Veröffentliche keine fremden Spielszenen ohne Rechteklärung; eigene Tabellen mit erfundenen Zahlen genügen vollständig.

Werkzeuge: Papier und Stifte, lokale Tabellenkalkulation oder freie Programme. Gebührenpflichtige Anbieter sind nicht nötig. Eingebettete YouTube-Videos bleiben fremde Inhalte im Originalplayer. Respektiere die datenschutzbezogene Entscheidung deiner Schule, einschließlich einer möglichen VIDIS-Freigabe oder einer videofreien Alternative. Es werden keine Schutzmechanismen umgangen.

Praxis-Check: Stelle das Medienprodukt einer Person vor, die den Modellfall nicht kennt. Kann sie die Zahlen erklären, ohne ein Video öffnen zu müssen? Erkennt sie den Unterschied zwischen Beobachtung und Vermutung? Überarbeite unklare Beschriftungen.

Interaktive Aufgaben

Multiple-Choice: Prüfe dein Wissen

Was ist der erste sinnvolle Schritt einer Fußball-Datenanalyse? (Eine konkrete überprüfbare Frage formulieren) (!Zuerst die größte Tabelle herunterladen) (!Ohne Prüfung ein Ergebnis veröffentlichen) (!Eine Lieblingsmannschaft auswählen)

Was beschreibt ein Ereignisdatensatz typischerweise? (Die Art und den Zeitpunkt eines einzelnen Passes oder Schusses) (!Die vollständigen Gedanken einer Spielerin) (!Die Zuschauerstimmung ohne Messung) (!Die sichere Entwicklung eines Talents)

Was ist eine Passquote bei 35 erfolgreichen von 50 Versuchen? (70 Prozent) (!35 Prozent) (!50 Prozent) (!85 Prozent)

Was bedeutet ein xG-Wert von 0,25 für einen Schuss? (Eine modellierte Torwahrscheinlichkeit von 25 Prozent bei vergleichbaren Abschlüssen) (!Dass dieser Schuss ein Vierteltor erzielt hat) (!Dass nach genau vier Schüssen ein Tor sicher fällt) (!Dass die schießende Person die beste des Spiels ist)

Was ist die Summe von 0,10 und 0,40 xG? (0,50 xG) (!0,04 xG) (!4,00 xG) (!0,14 xG)

Was zeigt eine Heatmap nur dann zuverlässig? (Die Häufigkeit oder Dauer einer zuvor klar definierten Messgröße) (!Die Motivation aller Personen im Bild) (!Die sichere Ursache eines Gegentors) (!Die künftige Kaderplanung)

Welche Aussage ist eine überprüfbare Beobachtung im Modellfall? (Drei von fünf Abschlüssen erfolgten aus der rechten Zone) (!Die rechte Angriffsseite ist dauerhaft die beste) (!Das Team wird sein nächstes Spiel gewinnen) (!Eine einzelne Person ist schuld an jedem Fehlschuss)

Weshalb sind xG-Werte verschiedener Anbieter nicht immer identisch? (Weil Datenquellen und Modellmerkmale unterschiedlich sein können) (!Weil jeder Schuss immer genau denselben Wert hat) (!Weil Tore nicht gezählt werden dürfen) (!Weil die Stadionfarbe den xG-Wert festlegt)

Wie sollen Daten Minderjähriger in einem öffentlichen Lernprojekt behandelt werden? (Möglichst durch erfundene oder rechtmäßig öffentliche Beispiele ersetzen) (!Mit Klarnamen und Profilbild veröffentlichen) (!Ohne Zweckprüfung sammeln) (!In soziale Medien kopieren)

Was gehört zu einer fachlich guten Datenstory? (Eine Quelle und eine als Deutung erkennbare Schlussfolgerung) (!Nur ein möglichst buntes Bild) (!Nur ein unkommentierter Zahlenwert) (!Nur die persönliche Meinung ohne Daten)

Memory: Begriffe zuordnen

Ereignisdaten	Zeitlich zugeordnete Einzelaktionen wie Pass oder Schuss
Trackingdaten	Erfasste Positionen und Bewegungen im Spielverlauf
xG	Geschätzte Torwahrscheinlichkeit je Abschluss
Stichprobe	Untersuchte Auswahl aus einer größeren möglichen Menge
Datenquelle	Nachvollziehbare Herkunft einer Information
Datenethik	Verantwortlicher Umgang mit Erhebung und Nutzung

Drag-and-drop: Analyseschritte zuordnen

Passender Fachbegriff	Erklärung
Fragestellung	Legt fest, was untersucht werden soll
Datenerhebung	Dokumentiert ausgewählte Aktionen nach festen Regeln
Datenprüfung	Erkennt fehlende Werte und Zählfehler
Visualisierung	Zeigt Muster in einer verständlichen Grafik
Interpretation	Deutet Ergebnisse und benennt Unsicherheiten

Kreuzworträtsel: Sechs Fachwörter

Ereignis	Einzelne gezählte Aktion auf dem Spielfeld
Heatmap	Farbige Verteilung einer Häufigkeit oder Aufenthaltsdauer
Stichprobe	Ausgewählte Menge untersuchter Beobachtungen
Passquote	Anteil erfolgreicher Zuspiele an den Passversuchen
Tracking	Erfassung sich verändernder Positionen
Prognose	Unsichere Aussage über ein mögliches späteres Ereignis

LearningApps

Suche hier nach passenden ergänzenden Übungen; die Suchergebnisse sind externe Angebote, keine von diesem Kurs verifizierte Einzelaufgabe. Die Lernkontrolle unten funktioniert unabhängig davon.

Lückentext: Von Rohdaten zu Erkenntnissen

Zu Beginn einer Analyse formuliere ich eine konkrete

.

Eine zeitlich markierte Aktion wie ein Torschuss gehört zu den

.

Die erfassten Orte einer Person über die Spielzeit gehören zu den

.

Ein Modellwert für die Torwahrscheinlichkeit heißt

.

Eine farbige räumliche Häufigkeitsdarstellung nennt man

.

Im Modellfall gab es insgesamt

Abschlüsse.

Die Summe aller fünf Modellwerte beträgt

xG.

Bei 35 gelungenen Pässen von 50 Versuchen liegt die Passquote bei

Prozent.

Eine kleine

erlaubt keine sichere Aussage über eine ganze Saison.

Eine überprüfbare Angabe unterscheide ich von einer bloßen

.

Bei jedem Medienprodukt nenne ich die

.

Bei Bildern gehört auch eine verständliche

dazu.

Offene Aufgaben

Leicht

Beobachten: Erstelle eine Strichliste mit sechs erfundenen Fußballaktionen und erkläre dein Zählsystem. Musterlösung: Drei Pässe, zwei Schüsse und ein Ballgewinn mit einer eindeutigen Definition je Ereignis.
Prozentrechnen: Berechne die Passquote für acht erfolgreiche von zehn Versuchen. Musterlösung: 8 : 10 = 0,8 = 80 Prozent; die Quote sagt ohne Kontext wenig über Passschwierigkeit.
Balkengrafik: Zeichne die fünf xG-Balken des Modellfalls auf Papier und beschrifte die Achse. Musterlösung: A 0,10; B 0,25; C 0,05; D 0,40; E 0,20, jeweils mit Wert und Legende.
Fakt oder Meinung: Schreibe zwei Fakten und zwei Deutungen zum Modellfall. Musterlösung: Fakt sind fünf Schüsse und drei von rechts; Deutungen sind ein angeblich besserer Flügel und eine vermutete Trainingswirkung.

Standard

xG-Vergleich: Summiere die Werte nach Halbzeiten und formuliere eine vorsichtige Aussage. Musterlösung: Erste 0,40, zweite 0,60 xG; zwei Phasen eines Übungsspiels beweisen keine dauerhafte Verbesserung.
Zonenanalyse: Vergleiche Anzahl und xG-Summe der drei Abschlusszonen. Musterlösung: Rechts drei und 0,35; links einer und 0,25; Mitte einer und 0,40 xG. Häufigkeit ist nicht dasselbe wie Chancenqualität.
Infokarte: Erstelle eine Infokarte über die Arbeit einer Videoanalystin mit Quelle und Alternativtext. Musterlösung: Die Karte nennt Aufgabe, Datentyp, Gespräch mit Trainerteam, Quelle und eine textlich beschriebene Grafik.
Schutzkonzept: Formuliere fünf Regeln für ein schulisches Analyseprojekt. Musterlösung: Nur erforderliche Daten, bevorzugt synthetisch, keine Klarnamen, Rechte vor Veröffentlichung klären, Löschung und Zugriffe regeln.

Schwer

Kritik am Modell: Erkläre drei Gründe, warum 1,00 xG kein sicheres Tor verspricht. Musterlösung: Wahrscheinlichkeit statt Garantie, kleine Stichprobe, Modellabhängigkeit und zufälliger Spielverlauf.
Prüfdesign: Plane, wie du den Vorschlag zu zentralen Abschlüssen über mehrere Trainingseinheiten prüfen würdest. Musterlösung: Gleiche Definitionen, mehrere Einheiten, vergleichbare Übungsbedingungen, Vorher-nachher-Werte und Grenzen dokumentieren.
Modellfairness: Entwirf Fragen an einen Anbieter von xG-Software. Musterlösung: Welche Trainingsdaten, welche Wettbewerbe und Geschlechter, welche Merkmale, welche Fehlerraten und welche Datenschutzmaßnahmen?
Datenstory: Produziere ein eigenes barrierearmes Analyseprodukt aus den erfundenen Daten und präsentiere es. Musterlösung: Forschungsfrage, Tabelle, korrektes Diagramm, zwei Fakten, eine begrenzte Interpretation, offene Frage, Quellen und Textalternativen.

Lernkontrolle

Kombinieren: Rechne die xG-Summe aus Schuss B und D und erkläre sie. Lösung: 0,25 + 0,40 = 0,65 xG; das ist ein addierter Erwartungswert, kein sicheres Tor.
Transfer: Begründe, warum drei rechte Abschlüsse trotz der Häufigkeit weniger Gesamt-xG als Mitte und Links zusammen liefern. Lösung: Rechts 0,35; Mitte und Links 0,65. Unterschiedliche Qualität der Chancen ist entscheidend.
Verifizieren: Ein Onlinebeitrag nennt einen xG-Wert ohne Anbieter, Datum und Spiel. Was fehlt? Lösung: Prüffähige Quelle, Kontext, Modelldefinition und Vergleichsrahmen; eine Schlussfolgerung wäre voreilig.
Entscheiden: Du sollst die Laufprofile eines Jugendteams öffentlich zeigen. Welche Alternative ist geeignet? Lösung: Fiktive, aggregierte oder rechtmäßig freigegebene Daten; zunächst Notwendigkeit und Rechte prüfen.
Fehler finden: Jemand behauptet, 35 von 50 erfolgreichen Pässen seien 35 Prozent. Korrigiere. Lösung: 35 geteilt durch 50 sind 0,70 beziehungsweise 70 Prozent.
Grafik prüfen: Beschreibe zwei Anforderungen an ein faires Diagramm. Lösung: Einheiten und Achsen klar beschriften; gleiche Skalen, Legende, Zeitraum und Textalternative verwenden.
Praxisübertragung: Welche Aufgabe erledigt eine Analystin nach dem Rechnen, bevor sie eine endgültige Trainingsidee empfiehlt? Lösung: Video- und Spielkontext prüfen, Unsicherheit nennen, mit Trainerteam besprechen und später erneut beobachten.

Lernnachweis

Du kannst deine Lernfortschritte durch einen kurzen Lernnachweis dokumentieren: eine richtig beschriftete Datentabelle, den Rechenweg zu Gesamt-xG und Passquote, eine eigene barrierearme Grafik, eine nachvollziehbare Trennung von Beobachtung und Interpretation und ein konkretes, überprüfbares Trainingsexperiment.

Portfolio-Vorschlag: Sammle deine Strichliste, eine korrigierte Grafik, deine Quellen-/Lizenzliste und eine einseitige Reflexion. Beantworte darin: Was kann ich sicher belegen? Welche Frage bleibt offen? Wie schütze ich die Daten anderer? Welche Berufe nutzen ähnliche Fähigkeiten?

Selbsteinschätzung: Leicht: Ich kann Zahlen korrekt lesen. Standard: Ich kann sie ausrechnen und fair darstellen. Schwer: Ich kann ein Analysekonzept kritisch beurteilen und seine Grenzen erklären. Für einen vollständigen Lernnachweis überprüft eine Lehrkraft oder eine andere fachkundige Person die begründete Arbeit; automatische Aufgaben allein sind keine Berufsqualifikation.

OER und Wikipedia

Fachquellen und transparente Weiterarbeit:

Bundesliga Match Facts, offizielle BMF-Zone – Definitionen und aktuelle Übersicht; abgerufen am 3. November 2026.
DFL/Bundesliga, Match Momentum, 18. September 2025 – Beispiel für eine datengestützte Spielverlaufsgröße.
AWS, Technik hinter xGoals, 2020 – Datengewinnung, Modell und menschliche Ereignisannotation.
Bayer 04 Leverkusen, Arbeit eines Analyseteams – Einblick in die Berufspraxis.
Hudl/StatsBomb Open Data – ausgewählte frei lesbare Fußballdaten und eigene Nutzungsbedingungen; Quellenkennzeichnung erforderlich.
Wikipedia: Soccer Analytics und Wikipedia: Datenanalyse – Überblick und weiterführende Literatur, Inhalte jeweils kritisch gegenprüfen.

Wikipedia-Artikel im eingebetteten Original:

Bildnachweise und Textalternativen

Die eingebetteten Dateien stammen von ihren jeweiligen Commons-Dateiseiten. Es wurden keine fremden Dateien verändert oder heruntergeladen. Die hier genannten Lizenzen beziehen sich auf die Bilddateien, nicht pauschal auf den gesamten Kurs. Abruf und Rechteprüfung: 3. November 2026.

Datei	Genaue Commons-Dateiseite	Urheber und Datum	Lizenz und Nutzung	Textalternative
Football Field Schematic.svg	Commons-Dateiseite	Henrbjor; 10. Mai 2014	CC BY-SA 3.0; unveränderte Dateieinbindung	Schematisches Feld mit Linien und Strafräumen
Association football 4-3-3 formation.svg	Commons-Dateiseite	Mario Ortegon; Vektorbearbeitung Rumpelstilzchen 666; 20. November 2022	CC BY-SA 4.0; unveränderte Einbindung	Schema mit vier Personen in Abwehr, drei im Mittelfeld und drei im Angriff
Heatmap fussball.svg	Commons-Dateiseite	Karsten Adam; 26. August 2011	GFDL; historische unveränderte Darstellung mit Quellennachweis	Feldzonen mit unterschiedlich ausgeprägten Aufenthaltswerten
XG calculation activity.jpg	Commons-Dateiseite	Craftsoft; 13. Februar 2022	CC BY-SA 4.0; unveränderte Einbindung	Skizze zu Schussabstand, Winkel und Spielsituation
Alexia Putellas 20181311.jpg	Commons-Dateiseite	Sven Beyrich / El Loko Foto; November 2018	CC BY 4.0; historische Aufnahme, Persönlichkeitsrechte beachten	Alexia Putellas im Länderspiel 2018
Lionel Messi playing in Argentina 2022 FIFA World Cup.jpg	Commons-Dateiseite	Hossein Zohrevand / Tasnim News Agency; 26. November 2022	CC BY 4.0; historische Aufnahme, Urhebernennung	Lionel Messi bei der WM 2022 für Argentinien

Videonachweise und Alternativen

Alle drei Videos sind Veröffentlichungen des verifizierten Kanals Amazon Web Services über die technischen Bundesliga Match Facts. Sie werden ausschließlich über die normale YouTube-Einbettungsfunktion eingebunden, nicht als frei lizenzierte Kopie ausgegeben. Urheber-/Kanalrechte verbleiben bei den Berechtigten; die jeweilige Originalplattform kann die Wiedergabe, Einbettung und Datenerhebung einschränken. In Unterrichtsumgebungen gilt die dort getroffene VIDIS- und Datenschutzentscheidung. Für alle Inhalte gibt es oben eine ausgeschriebene Lernalternative.

Video und Quelle	Urheber	Datum	Lizenz-/Einbettungsgrund	Textalternative
Bundesliga Match Facts: Average Positions	Amazon Web Services	25. Juni 2020	Nur Originalplayer via YouTube, keine freie Bearbeitungslizenz behauptet	Durchschnittspositionen zeigen räumliche Muster, aber nicht alle Laufwege
Bundesliga Match Facts: xGoals	Amazon Web Services	25. Juni 2020	Nur Originalplayer via YouTube, keine freie Bearbeitungslizenz behauptet	Geschätzte Torwahrscheinlichkeit aus Schussmerkmalen und historischen Daten
Shot Efficiency and Passing Profile	Amazon Web Services	9. September 2021	Nur Originalplayer via YouTube, keine freie Bearbeitungslizenz behauptet	Tore und xG werden verglichen und Passmerkmale eingeordnet

Eigene Kursgrafiken: Das Zonenraster, die fünf Schussbalken und alle Modellzahlen wurden eigens als synthetische Lehrbeispiele für diesen Kurs formuliert (3. November 2026). Sie behaupten keine echte Messung. Textalternativen stehen jeweils unmittelbar darunter. Eine zusätzliche separat hochgeladene Animation wurde nicht erstellt; die vorhandenen erklärenden Videos, Schemata und Tabellen erfüllen unterschiedliche Lernzwecke. Bestehende Fußballkurse wurden nicht kopiert.

Verknüpfte Lernbereiche

Fußball und Fußballtraining: Daten verstehen

Datenanalyse – Fragen, Erhebung und Qualität
Statistik – Häufigkeiten, Quoten und xG
Fußballtaktik – Raum, Passspiel und Chancen
Medienbildung – Quellen, Diagramme und kritisches Urteil
Datenschutz – Schutz und faire Veröffentlichung
Berufsorientierung – Berufsbilder und Lernwege

Die neue Fußballwelt verbindet Fußball und Fußballtraining mit Mathematik, Informatik, Ethik, Mediengestaltung und Berufsorientierung. Die Links dienen der Orientierung im Bildungsnetz; sie bedeuten nicht, dass bestehende ältere Kurse kopiert oder in diesen neuen Lernbereich übernommen wurden. Das grundlegende Lernangebot bleibt kostenlos.