Pünktlich zum Start der Playoffs in der nordamerikanischen NFL hat Amazon Web Services im Rahmen einer Kampagne auf die seit 2017 bestehende und sich seitdem ständig weiter entwickelnde Kooperation mit der National Football League aufmerksam gemacht und verschiedene Details veröffentlicht. Kernstück der Kooperation ist die NFL-Software Next Gen Stats (NGS), die auf Amazon Web Services läuft und mithilfe von KI und cloudbasiertem Machine Learning zuständig für zahllose Entwicklungen innerhalb der NFL ist. Durch Simulationen in der Cloud lässt sich beispielsweise das Training der Mannschaften optimieren und auch die Verletzungsgefahr verringern. Gleichzeitig dienen die Daten von AWS, die durch Analysen von in Spielen gewonnenen Datenpunkten gewonnen werden, der Entwicklung neuer, besserer Ausrüstung. Doch das ist noch längst nicht alles.
AWS ist als offizieller Technologieanbieter der NFL in allen Phasen der Entwicklung und Implementierung von Next Gen Stats involviert. Die Datenerfassung geschieht dabei über ID-Tags auf den Schulterpolstern der Spieler und auf dem Ball, alle Daten werden automatisch in die AWS-Cloud gesendet. Pro Saison werden auf diese Weise während der Spiele nahezu 300 Millionen Datenpunkte generiert, die AWS speichert und weiterverarbeitet. Dabei kommen Tools wie Amazon SageMaker zum Einsatz, um ML-Modelle schnell zu entwickeln, zu trainieren und die analysierten Ergebnisse bereitzustellen. Ein weiteres Werkzeug, Amazon QuickSight, wird für die Analyse und Visualisierung der statistischen Daten verwendet.
Herausforderungen und Lösungen im maschinellen Lernen
Ein interessantes Anwendungsfeld der NGS ist das sogenannte "Defender Ghosting". Dabei geht es um die Vorhersage der Laufwege von Verteidigern, sobald der Ball den Quarterback verlässt. Diese Vorhersagen sind nicht nur für die Analyse der Entscheidungsfindung eines Quarterbacks wichtig, sondern auch zur Entwicklung neuer Spielzüge. So lässt sich beispielsweise errechnen, wie sich ein Spielzug entwickelt hätte, wenn der Quarterback den Ball an einen anderen Receiver weitergegeben hätte.
Mithilfe von Amazon SageMaker hat das NGS-Team der NFL darüber hinaus ein Machine Learning Modell entwickelt, bei dem es um die Wahrscheinlichkeit geht, dass ein Pass erfolgreich beim gewünschten Receiver ankommt. Dieses Modell berücksichtigt zehn Messungen auf dem Spielfeld wie etwa die Distanz eines Passes oder die Abstände des Quarterbacks zu den verschiedenen Gegenspielern und den eigenen Mitspielern. Außerdem bezieht es Wahrscheinlichkeiten aus vergangenen Spielzügen mit ein sowie Vorhersagen zum Flugverhalten des Balles und des Verhaltens der Defensivspieler. Letzteres ändert sich im Spielverlauf je nach Spielstand und den bisherigen Ereignissen auch noch ständig.
Um äußerst komplizierte Modelle wie dieses zu entwickeln, hat sich das NFL-Team mit verschiedenen AWS-Wissenschaftlern zusammengeschlossen. Sie filterten Anomalien aus den Trainingsdaten und konzentrierten sich auf die wichtigsten Merkmale (Features) für ihre Vorhersagemodelle. Durch die Kombination von NFL-Expertise und AWS-Fachwissen konnten sie so präzise Modelle zum Beispiel für das Defender Ghosting entwickeln.
Ein anderes Gebiet, auf dem AWS für die NFL tätig ist, betrifft das Erstellen des Spielplans der Liga. Früher wurde das manuell gemacht, was mehrere Monate in Anspruch genommen hat. Heute simuliert AWS für die NFL eine Billion verschiedener Kombinationen und ermittelt daraus den perfekten Spielplan in einem Bruchteil der Zeit.
Die Zukunft der Sportstatistik
Die Ergebnisse der Zusammenarbeit von NFL und AWS ermöglichen eine detailliertere und präzisere Analyse von Football-Spielen. Unterm Strich bieten diese fortschrittlichen Statistiken nicht nur Einblicke in tatsächlich stattgefundene Spielzüge, sondern ermöglichen auch die Bewertung hypothetischer Szenarien. Dadurch können Entscheidungen der Spieler besser verstanden und analysiert werden.
Mit NGS, unterstützt durch AWS, öffnet sich also ein neues Kapitel in der Sportstatistik, das nicht nur die Art und Weise verändert, wie Spiele analysiert werden, sondern auch die Diskussionen unter Fans und Experten bereichern kann. Außerdem tragen die technologischen Fortschritte dazu bei, das Verständnis des Spiels zu vertiefen und neue Perspektiven auf die Leistungen der Spieler zu werfen.
Geschäftsprobleme lösen mit „The Machine Learning Pipeline on AWS“
Erfahre im Kurs „The Machine Learning Pipeline on AWS“, wie Du mithilfe von Amazon SageMaker konkret Projekte zur Lösung von Geschäftsproblemen wie etwa zur Betrugserkennung oder Empfehlungssysteme umsetzen kannst. Du lernst über vier Tage und in acht Modulen, Machine Leaning-Modelle mit Amazon SageMaker zu erstellen, zu trainieren, zu bewerten, zu optimieren und zu natürlich auch zu implementieren.
