KI im Fußball: Datenanalyse, Scouting und Taktik

Algorithmen auf dem Rasen — das klingt nach Zukunftsmusik, ist aber längst Gegenwart. Wenn der VAR bei einem knappen Abseits entscheidet, arbeitet im Hintergrund ein System, das 21 Punkte auf dem Körper jedes Spielers in Echtzeit verfolgt. Wenn ein Bundesliga-Klub in der Transferperiode innerhalb von Stunden eine Shortlist mit 15 Innenverteidigern aus drei Kontinenten erstellt, hat kein Scout die Welt umrundet — sondern ein Algorithmus hat Tausende Spielerprofile gegen ein Anforderungsprofil abgeglichen.

KI im Fußball ist nicht mehr eine Frage des Ob, sondern des Wie und Wie viel. Die Technologie durchdringt inzwischen nahezu jede Ebene des Profifußballs: vom Scouting über die Taktikanalyse bis zur Kommunikation mit Fans. Und die Entwicklung beschleunigt sich. Seit 2024 experimentieren Ligen und Verbände mit generativer KI — Chatbots, die Statistikfragen in natürlicher Sprache beantworten, und Systeme, die Spielerberichte automatisch formulieren.

Gleichzeitig wächst die Skepsis. Können Algorithmen den Instinkt eines erfahrenen Scouts ersetzen? Macht automatisierte Taktikanalyse Trainerteams überflüssig? Und was passiert, wenn alle Vereine dieselben Tools nutzen — verschwindet dann der Wettbewerbsvorteil? Diese Fragen sind berechtigt und die Antworten weniger eindeutig, als es die Technologie-Euphorie mancher Anbieter suggeriert.

Dieser Artikel ordnet ein, was KI im Fußball heute konkret leistet, welche Tools und Anbieter den Markt prägen und wo die Technologie an ihre Grenzen stößt. Nicht als Werbebroschüre für die nächste Software-Generation, sondern als nüchterne Bestandsaufnahme: Was funktioniert, was ist Hype, und was kommt als Nächstes? Die Antworten fallen differenzierter aus, als es die meisten Überschriften zum Thema vermuten lassen.

KI im Scouting: Spieler finden mit Algorithmen

Scouting war jahrzehntelang ein Handwerk, das auf persönlichen Netzwerken, Spielbesuchen und dem berühmten Bauchgefühl beruhte. Ein Scout reiste durch Europa, sah sich Spieler live an und bildete sich ein Urteil auf der Grundlage von Erfahrung und Intuition. Dieses Modell hat nicht ausgedient — aber es hat mächtige Konkurrenz bekommen.

Moderne Scouting-Abteilungen arbeiten mit KI-gestützten Plattformen, die in Sekunden leisten, wofür ein Mensch Wochen bräuchte: Tausende Spielerprofile nach dutzenden Parametern filtern, statistische Ähnlichkeiten zu einem Wunschprofil berechnen und Videosequenzen zu jeder einzelnen Aktion eines Spielers zusammenstellen. Die Datenbasis dafür ist gewaltig. Pro Bundesliga-Partie erfasst Sportec Solutions rund 3,6 Millionen Datenpunkte — Positionen, Laufwege, Ballkontakte, Passwinkel, Sprintgeschwindigkeiten. Aus diesem Rohmaterial extrahieren Machine-Learning-Modelle Muster, die dem menschlichen Auge verborgen bleiben.

Das prominenteste Beispiel aus der Bundesliga ist SAP Sports One. Die Plattform wird von 12 der 18 Erstliga-Klubs eingesetzt und verbindet Spielerverwaltung, medizinische Daten und Scouting-Funktionen in einem System. Seit 2024 integriert SAP generative KI in die Spielersuche: Scouts formulieren Anforderungen in natürlicher Sprache — etwa einen linksfüßigen Innenverteidiger mit starkem Spielaufbau und Erfahrung im europäischen Wettbewerb — und das System liefert eine Liste passender Spieler mit detaillierten Leistungsprofilen.

Markus Pilawa, Head of Scouting beim FC Bayern München, beschrieb die Erfahrung damit: „Wir waren beeindruckt von der hohen Qualität der Resultate, die mithilfe generativer KI automatisch in SAP Sports One erzielt wurden. Wir erwarten eine riesige Zeitersparnis für uns und gerade in der hektischen Transferperiode kann dies ein weiterer Vorteil für uns sein.“ — Markus Pilawa, Head of Scouting, FC Bayern München

Ein weiteres Beispiel liefert Plaier, eine KI-Scouting-Plattform, die sich auf Prognosen spezialisiert hat. Das System analysiert nicht nur, was ein Spieler bisher geleistet hat, sondern versucht vorherzusagen, wie er sich in einem neuen taktischen Umfeld entwickeln würde. CEO Jan Wendt beziffert die Trefferquote bei Transferprognosen auf rund 90 Prozent — eine Zahl, die beeindruckend klingt, aber auch Fragen aufwirft: Wie wird Erfolg definiert? Über welchen Zeitraum? In welcher Stichprobe? Die Versuchung, KI-Ergebnisse unkritisch zu übernehmen, ist gerade im Scouting groß, wo der Bestätigungsfehler ohnehin ein bekanntes Problem ist.

Was KI im Scouting tatsächlich verändert, ist weniger die Qualität der Endergebnisse als die Geschwindigkeit der Vorauswahl. Statt Wochen damit zu verbringen, mögliche Kandidaten zu sichten, können Scouting-Abteilungen ihre Longlist in Stunden erstellen und die gewonnene Zeit in tiefere Analyse der Topkandidaten investieren. Der Mensch wird nicht ersetzt, aber sein Radius wird enorm erweitert. Wo ein Scout früher drei Spiele pro Woche sehen konnte, kann er heute auf Basis einer algorithmisch erstellten Vorauswahl gezielt die entscheidenden Szenen analysieren — aus Ligen, die er nie persönlich besucht hätte.

Die Kehrseite: KI-Scouting kann nur finden, was in den Daten steckt. Spieler, die in schlecht erfassten Ligen spielen, fallen durch das Raster. Und Eigenschaften wie Führungsqualität, Mentalität oder die Fähigkeit, unter Druck zu wachsen, lassen sich aus Positionsdaten und Event-Logs nicht extrahieren. Die besten Scouting-Abteilungen der Bundesliga nutzen KI daher nicht als Ersatz für menschliche Einschätzung, sondern als Filter: Die Maschine erstellt die Shortlist, der Mensch trifft die Entscheidung. Wer dieses Zusammenspiel beherrscht, hat einen Vorteil. Wer der Maschine blind vertraut, riskiert teure Fehlgriffe.

Taktikanalyse per KI: Muster erkennen, Gegner lesen

Taktische Analyse war lange die Domäne von Trainerteams, die stundenlang Videomaterial studierten, Szenen markierten und manuell Muster identifizierten. KI hat diesen Prozess nicht abgelöst, aber radikal beschleunigt. Moderne Systeme können ein komplettes Spiel in wenigen Minuten in seine taktischen Bestandteile zerlegen: Pressingauslöser, Aufbaumuster, Raumbesetzung bei Standards, Umschaltverhalten nach Ballverlust.

Marco Otero, technischer Berater bei der FIFA, bringt es auf den Punkt: „KI gehört zu unserem Tagesgeschäft. Das steht außer Frage. Alles, was messbar ist, geht mit KI schneller als von Hand. Große und kleinere Vereine können so schneller agieren.“ — Marco Otero, Technischer Berater, FIFA

Die Technologie dahinter basiert auf Computer Vision und Machine Learning. Kamerasysteme erfassen die Positionen aller Spieler, des Balls und der Schiedsrichter — in der Bundesliga mit bis zu 25 Bildern pro Sekunde. Aus diesen Positionsdaten berechnen Algorithmen Formationen, Abstände, Laufwege und taktische Räume. Das Ergebnis: Trainerteams bekommen nicht nur Videoschnitte, sondern quantifizierte taktische Informationen. Wie hoch steht die Abwehrkette des Gegners im Durchschnitt? Wie verändert sich das Pressing nach der 70. Minute? Welche Räume öffnen sich, wenn ein bestimmter Spieler den Ball hat?

Eine systematische Einordnung dieser Entwicklung liefert die Studie des Büros für Technikfolgen-Abschätzung beim Deutschen Bundestag, veröffentlicht 2024 unter dem Titel „Big Data und KI im Fußball“. Das Papier analysiert, wie künstliche Intelligenz und große Datenmengen den Profifußball verändern — vom Scouting über die Taktik bis zum Zuschauerlebnis. Die Autoren identifizieren klare Effizienzgewinne in der Spielvorbereitung, warnen aber auch vor einer Homogenisierung des Spiels: Wenn alle Teams auf dieselben algorithmischen Erkenntnisse zugreifen, könnten taktische Vielfalt und Überraschungsmomente abnehmen.

In der Praxis zeigt sich dieser Effekt bisher nur ansatzweise. Zwar nutzen immer mehr Vereine ähnliche Tools, aber die Interpretation der Daten bleibt menschlich — und damit individuell. Ein Trainer, der aggressive Pressing-Taktiken bevorzugt, wird dieselben Daten anders lesen als einer, der auf kontrolliertes Ballbesitzspiel setzt. Die KI liefert das Rohmaterial; die taktische Philosophie bleibt Sache des Trainers.

Besonders im Bereich der Gegneranalyse hat KI einen messbaren Vorteil geschaffen. Vor wichtigen Spielen können Analysten heute innerhalb von Stunden ein vollständiges taktisches Profil des Gegners erstellen — inklusive situativer Muster, die bei manueller Analyse leicht übersehen werden. Die Herausforderung verlagert sich: vom Erkennen der Muster hin zum Ableiten der richtigen Schlüsse.

Ein konkretes Beispiel: Pressing-Analysen. Die Metrik PPDA — Passes Per Defensive Action — quantifiziert, wie intensiv ein Team den Gegner unter Druck setzt. Herkömmliche Analysen liefern einen Durchschnittswert pro Spiel. KI-gestützte Systeme gehen weiter: Sie zerlegen das Pressing in zeitliche Phasen und identifizieren, in welchen Spielminuten ein Team besonders aggressiv presst und wann die Intensität nachlässt. Trainerteams können daraus ableiten, wann der optimale Zeitpunkt für eigene Offensivphasen ist — eine Information, die aus einer einfachen Saisonstatistik nicht herauslesbar wäre.

Die Demokratisierung dieser Technologie schreitet voran, ist aber ungleich verteilt. Bundesliga-Klubs haben Zugang zu den besten Systemen und beschäftigen eigene Analyseteams. In der 3. Liga oder im Amateurfußball fehlen sowohl die technische Infrastruktur als auch das Personal, um KI-gestützte Taktikanalyse sinnvoll einzusetzen. Die Schere zwischen datenreichen und datenarmen Vereinen wird durch KI nicht geschlossen, sondern tendenziell vergrößert — eine Entwicklung, die auch das TAB-Papier des Bundestages thematisiert.

Generative KI: Der Bundesliga-Chatbot und was danach kommt

Seit 2024 hat eine neue Dimension der KI den Fußball erreicht: generative Modelle, die nicht nur Daten analysieren, sondern in natürlicher Sprache kommunizieren. Das prominenteste Beispiel ist der Bundesliga-Statistik-Chatbot, entwickelt von DFL, Sportec Solutions und Amazon Web Services.

Das System ist technisch bemerkenswert: Zwei Large Language Models arbeiten in Reihe. Das erste Modell nimmt eine Frage in natürlicher Sprache entgegen — etwa „Welcher Spieler hat in dieser Saison die meisten progressiven Pässe in der Bundesliga gespielt?“ — und übersetzt sie in eine strukturierte Datenbankabfrage. Das zweite Modell nimmt das Abfrageergebnis und formuliert daraus eine verständliche Antwort. Die Daten dahinter werden während laufender Spiele im Minutentakt aktualisiert, sodass auch Echtzeitfragen möglich sind.

Für den durchschnittlichen Fan bedeutet das: Der Zugang zu komplexen Statistiken wird radikal vereinfacht. Statt sich durch Tabellen und Filter zu arbeiten, kann man Fragen stellen, wie man sie einem sachkundigen Freund stellen würde. Die Einstiegshürde für Fußballanalytik sinkt damit erheblich.

Generative KI findet aber auch hinter den Kulissen Anwendung. Mehrere Bundesliga-Klubs experimentieren mit KI-gestützten Spielerberichten: Systeme, die auf Basis von Leistungsdaten automatisch Textbewertungen erstellen, die als Ausgangspunkt für Scouting-Diskussionen dienen. Die Qualität dieser generierten Berichte hat sich in den letzten zwei Jahren spürbar verbessert — von holprigen Textbausteinen hin zu Berichten, die zumindest als Entwurf brauchbar sind.

Auch im Bereich der Faninteraktion eröffnet GenAI neue Möglichkeiten. Personalisierte Spielzusammenfassungen, die automatisch die Aktionen des Lieblingsspielers hervorheben, oder Chatbots, die historische Statistikfragen beantworten — das sind keine Zukunftsvisionen mehr, sondern Pilotprojekte in der Umsetzung. Der Übergang von der Datenbank, die man aktiv durchsuchen muss, zum System, das proaktiv relevante Informationen liefert, ist eine Richtung, die die gesamte Branche beschäftigt.

Die Grenzen generativer KI im Fußball sind allerdings real. Halluzinationen — also faktisch falsche Antworten, die das Modell überzeugend formuliert — sind bei statistischen Fragen besonders problematisch. Ein falscher xG-Wert oder ein erfundenes Transferdatum kann sich in einer Debatte verselbstständigen. Die Qualitätssicherung bleibt daher entscheidend, und seriöse Implementierungen setzen auf enge Anbindung an verifizierte Datenbanken statt auf freie Textgenerierung.

Darüber hinaus stellt sich die Frage nach der Standardisierung. Wenn verschiedene Systeme unterschiedliche Datenquellen und Modelle nutzen, können sie auf dieselbe Frage verschiedene Antworten geben. Für den Endnutzer — ob Fan, Journalist oder Analyst — entsteht ein Transparenzproblem: Welche Antwort stimmt? Der Bundesliga-Chatbot hat den Vorteil, direkt auf die offizielle Sportec-Datenbank zuzugreifen. Andere Systeme, die auf weniger strukturierte Quellen zurückgreifen, liefern potenziell unzuverlässigere Ergebnisse. Die Herausforderung für die Branche wird sein, Standards zu etablieren, die generative Antworten überprüfbar und nachvollziehbar machen.

Tools und Anbieter: Wer liefert KI für den Fußball?

Der Markt für KI-gestützte Fußballanalyse ist fragmentiert. Kein einzelner Anbieter deckt alle Bereiche ab — von der Datenerfassung über die Taktikanalyse bis zum Scouting. Die wichtigsten Akteure lassen sich nach ihrem Schwerpunkt ordnen.

Sportec Solutions ist der zentrale Datenlieferant der Bundesliga. Das Unternehmen betreibt die Kamera- und Tracking-Systeme in allen Stadien der 1. und 2. Bundesliga und erfasst pro Spieltag rund 65 Millionen Datenpunkte. Ab der Saison 2025/26 kommt mit SAOT die Semi-Automated Offside Technology hinzu, die 21 Punkte auf dem Körper jedes Spielers trackt. Sportec liefert die Rohdaten, auf denen nahezu alle Bundesliga-Analysen basieren — ob von Vereinen, Medien oder Drittanbietern.

SAP Sports One ist die am weitesten verbreitete Enterprise-Plattform im deutschen Profifußball. Das System integriert Spielerverwaltung, medizinische Daten, Scouting und Taktikanalyse in einer Umgebung. Die KI-Funktionen, insbesondere das generative Scouting-Modul, sind ein Differenzierungsmerkmal gegenüber der Konkurrenz. SAP richtet sich ausschließlich an Vereine und Verbände — für Einzelnutzer ist die Plattform nicht zugänglich.

StatsBomb hat sich als einer der innovativsten Datenanbieter im internationalen Fußball etabliert. Das Unternehmen erfasst Event-Daten mit einer Granularität, die über den Industriestandard hinausgeht — unter anderem durch StatsBomb 360, das die Positionen aller Spieler zum Zeitpunkt jeder Aktion erfasst. Die Daten fließen unter anderem in FBref ein und sind teilweise über eine offene API für Forschungszwecke zugänglich. StatsBomb arbeitet mit Klubs, Medien und Wettanbietern zusammen.

Opta (Stats Perform) ist der traditionsreichste Datenanbieter im Fußball und liefert Event-Daten für mehr als 1 000 Wettbewerbe weltweit. Die Opta-Definitionen — etwa die Formel für PPDA oder die Klassifikation von Schusstypen — sind de-facto-Standards in der Branche. Plattformen wie WhoScored basieren auf Opta-Daten. Stats Perform hat zudem eigene KI-Produkte entwickelt, darunter Prognosemodelle für Spielausgänge und Spielerentwicklung.

Plaier ist ein deutsches Startup, das sich auf KI-gestütztes Scouting spezialisiert hat. Die Plattform analysiert Spielerdaten über mehrere Dimensionen — Technik, Athletik, taktisches Verhalten — und prognostiziert, wie ein Spieler sich in einem neuen Umfeld entwickeln würde. Das Geschäftsmodell richtet sich an Vereine der unteren Ligen, die kein Budget für Wyscout oder SAP Sports One haben, aber trotzdem datenbasiert arbeiten wollen.

Catapult kommt aus dem Bereich der physischen Leistungsanalyse. Die GPS-basierten Trackingsysteme des australischen Unternehmens werden von Vereinen weltweit eingesetzt, um Belastung, Sprintleistung und Verletzungsrisiken zu überwachen. KI-Modelle analysieren die Daten und warnen vor Überlastung — ein Bereich, in dem die Schnittstelle zwischen Sportwissenschaft und Technologie besonders eng ist.

Die Landschaft verändert sich schnell. Neue Anbieter drängen auf den Markt, etablierte Unternehmen erweitern ihr Portfolio um KI-Funktionen, und die Grenzen zwischen Datenlieferant, Analyseplattform und Beratungsdienstleistung verschwimmen zunehmend. Für Vereine stellt sich damit eine praktische Frage: Welche Kombination von Tools ergibt für das eigene Budget und den eigenen Bedarf den größten Nutzen?

Die Antwort hängt stark von der Ligaebene ab. Ein Champions-League-Teilnehmer, der SAP Sports One, Wyscout und eigene Data Scientists einsetzt, arbeitet in einer anderen Welt als ein Zweitligist, der mit begrenztem Budget eine Halbtagsstelle für Analyse finanzieren kann. KI-Tools können diese Kluft theoretisch verkleinern — indem sie teure manuelle Prozesse automatisieren. In der Praxis profitieren bisher aber vor allem die Vereine, die bereits über die Infrastruktur und das Know-how verfügen, um die Technologie sinnvoll einzusetzen.

Die Zukunft: Was KI im Fußball noch verändern wird

Wohin entwickelt sich KI im Fußball? Die Zahlen deuten auf explosives Wachstum hin. Der globale Markt für Sportanalytik, 2024 auf rund 4,8 Milliarden US-Dollar geschätzt, soll bis 2033 auf 41 Milliarden anwachsen. Fußball ist dabei das größte Einzelsegment. Über 75 Prozent der Sportverbände setzen bereits Echtzeit-Analysetools ein — und der Anteil wird weiter steigen.

Drei Entwicklungsrichtungen zeichnen sich besonders klar ab. Erstens: Echtzeit-Coaching-Unterstützung. Systeme, die nicht nur nach dem Spiel analysieren, sondern während des Spiels taktische Hinweise liefern. In Testumgebungen existieren solche Prototypen bereits — die Frage ist, wann und in welcher Form sie im regulären Spielbetrieb zugelassen werden. Die Regularien der meisten Verbände schränken die elektronische Kommunikation zwischen Coaching-Staff und Spielern derzeit stark ein.

Zweitens: Personalisierte Fan-Erlebnisse. Statt einer einheitlichen TV-Übertragung für alle Zuschauer könnten KI-Systeme individualisierte Streams anbieten — mit automatischen Kamerawinkeln, die dem bevorzugten Spieler folgen, und eingeblendeten Statistiken, die auf das Interesse des Zuschauers zugeschnitten sind. Die technischen Voraussetzungen dafür werden gerade geschaffen.

Drittens: Prävention und Gesundheitsmanagement. KI-Modelle, die aus Belastungsdaten, Schlafmustern und physiologischen Parametern Verletzungsrisiken vorhersagen, sind bereits im Einsatz. Die nächste Stufe wäre die Integration in die Spielplanung: automatische Empfehlungen, wann ein Spieler pausieren sollte, basierend auf einem Gesamtbild seiner physischen Verfassung.

Gegen diese Euphorie steht eine nüchterne Gegenposition. Damien Della Santa, ehemaliger Co-Trainer bei Olympique Lyon und OGC Nizza, formuliert es provokant: „Computer haben den Fußball nicht verändert, und KI wird das auch nicht tun. Das Geschäft mit dem Sport entwickelt sich weiter, doch sein Wesen bleibt unverändert.“ — Damien Della Santa

In dieser Spannung zwischen technologischem Fortschritt und dem Wesen des Spiels liegt die eigentliche Frage. KI kann Muster erkennen, Vorhersagen treffen und Prozesse beschleunigen. Aber Fußball lebt von dem, was Algorithmen nicht berechnen können: dem Moment, der Improvisation, dem Unvorhersehbaren. Die wertvollste Funktion von KI im Fußball wird am Ende vielleicht nicht sein, das Spiel vorherzusagen — sondern den Menschen die Freiheit zu geben, sich auf das zu konzentrieren, was nur Menschen können.

Eines steht fest: Die Vereine, die den größten Nutzen aus KI ziehen werden, sind nicht diejenigen mit dem größten Budget für Technologie. Es sind diejenigen, die am besten verstehen, wo die Maschine den Menschen ergänzt — und wo der Mensch weiterhin allein entscheiden muss. Dieses Gleichgewicht zu finden, ist keine technische Aufgabe, sondern eine strategische. Und sie wird den Profifußball der kommenden Dekade mindestens so stark prägen wie jeder einzelne Transfer.

Fazit: KI ergänzt den Fußball — ersetzt ihn nicht

KI im Fußball ist kein Zukunftsthema mehr — es ist eine Realität, die Scouting, Taktik und Statistik bereits fundamental verändert hat. 12 von 18 Bundesliga-Klubs nutzen SAP Sports One, der Bundesliga-Chatbot beantwortet Statistikfragen in Echtzeit, und Scouting-Algorithmen durchforsten globale Spielerdatenbanken in der Zeit, die ein Scout für eine einzige Reise bräuchte. Die Infrastruktur steht, die Anwendungsfälle sind erprobt, und die Investitionen steigen.

Gleichzeitig zeigen die Grenzen der Technologie, warum der Mensch im Mittelpunkt bleiben wird. KI kann Muster erkennen und Entscheidungen vorbereiten, aber sie kann nicht den taktischen Instinkt eines Trainers ersetzen, nicht die Menschenkenntnis eines Scouts und nicht das Unberechenbare, das ein Spiel entscheidet. Algorithmen auf dem Rasen — das bedeutet nicht, dass der Algorithmus spielt. Es bedeutet, dass die Menschen, die das Spiel gestalten, bessere Werkzeuge zur Verfügung haben als je zuvor.

Daniel Memmert, Sportinformatiker an der Deutschen Sporthochschule Köln, prognostiziert, dass sich der Mannschaftssport durch KI in den kommenden fünf Jahren massiv verändern wird. Die entscheidende Frage ist nicht, ob das passiert, sondern wer die Technologie am klügsten einsetzt — nicht als Ersatz für Erfahrung und Urteilsvermögen, sondern als deren Verstärker. Vereine, die dieses Prinzip verinnerlicht haben, werden profitieren. Vereine, die KI als Abkürzung betrachten, werden feststellen, dass Technologie ohne strategische Einbettung ihren Wert verliert.