05.09.2023

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

Fußball ist ein Sport, der eine riesige Datenflut produziert. Im Training und am Feld. Da reichen heutzutage handschriftliche Erkenntnisse nicht mehr aus bzw. verschlingen sie zu viel an Zeit und Kosten. Das Wiener Startup zone14 hat daher eine Lösung entwickelt.
/artikel/zone14-wiener-fussball-startup-launcht-umfassenden-ki-algorithmus-fuer-videoanalyse
zone14, Fußball-Analyse
(c) zone14 - Tobias Gahleitner, Lukas Grömer und Simon Schmiderer (v.l.n.r.) von zone14.

Künstliche Intelligenz ist spätestens seit ChatGPT in aller Munde. Auch im Sport gewinnt KI immer stärker an Bedeutung. Das Wiener Startup zone14 (der brutkasten berichtete) hat es sich zum Ziel gesetzt, diese Technologie zu nutzen, um die Arbeit von Fußballtrainer:innen zu erleichtern. Und launcht jetzt einen neuen Tracking-Algorithmus.

Zone14: Zeitersparnis bei der Analyse

Bereits 2021 wurde in einem ersten Schritt ein eigenes KI-Kamerasystem auf den Markt gebracht. Mit der Hilfe von „zone14 Replay“ sollten sich Trainer:innen wertvolle Zeit sparen, denn die Aufzeichnung der Spiele wird hierbei gänzlich durch eine KI übernommen und Analysen, die früher sechs bis acht Stunden dauerten, seien in unter 30 Minuten erledigt.

„Zone14 Stats“ indes sei nun der nächste Schritt, um die Tools der Profis für alle zugänglich zu machen. Erstmals werden hier gelaufene Kilometer, Anzahl von Sprints sowie auch team-taktische Elemente wie wahre Positionen, Abstände zwischen den Linien und mehr auf Knopfdruck direkt aus dem Video ermittelt, heißt es laut Mit-Gründer Simon Schmiderer.

Er weiß, dass Fußballdaten immer noch zum größten Teil per Hand erhoben werden. Ob durch Videoanalysten in Profiklubs oder günstige „Video Annotation Services“ in Niedriglohn-Ländern. Selbst GPS-Tracker bräuchten eine Person, die sie verteilt, auswertet und wieder auflädt. Am Schluss bleibe es ein Mensch, der jeden Pass und Schuss in mühsamer Kleinstarbeit markiere.

Dies mag für den Profifußball leistbar sein, aber nicht für die restlichen 99,9 Prozent des Fußballs, so Schmiderer. Deshalb begann er mit zwei Partnern Ende 2019 an der Datenerhebung mittels Computer Vision im Fußball zu tüfteln.

„Bei einem Afterwork-Bier mit einem gemeinsamen Freund der damals im TV arbeitete, kam das Thema Fußball Statistiken auf, und dass der Großteil diese Daten von sogenannten Daten-Scouts per Hand erhoben werden. Für uns war das damals unglaublich, aber auch schnell klar, dass das besser gehen muss“, erläutert Lukas Grömer, Co-CEO und zuständig für Produkt und AI bei zone14.

Neuer Algorithmus

Dank Förderungen der Wirtschaftsagentur Wien und des Austria Wirtschaftsservice wurde infolge und in enger Zusammenarbeit mit Trainer:innen aus allen Spielklassen der neue Spieler-Tracking-Algorithmus entwickelt.

„Wir sind im engen Austausch mit anderen Firmen, die an ähnlichen Tools forschen. Der größte Unterschied ist, dass diese meist auf Videomaterial aus Profiligen mit perfekten Bedingungen basieren und daher bei schlechteren Kamerapositionen, Wetter-, Licht- oder Platzbedingungen nicht mehr funktionieren“, sagt Gahleitner, COO und verantwortlich für Hardware und Operations.

Der neue Algorithmus berge laut Foundern nicht nur zahllose Möglichkeiten für Amateurtrainer:innen, sondern verspreche außerdem eine Kostenersparnis bei der Erhebung sämtlicher Sportdaten. Vor allem in der Trainingsanalyse für Akademien und Profimannschaften schlummere noch viel ungenutztes Potenzial.

„Auf diesem Niveau hast du vier bis fünf Mal die Woche Training und dann am Wochenende ein Spiel, bei dem nie alle zum Einsatz kommen. Irgendwann wird es aber unmöglich, diese schiere Flut an Daten zu erheben und dann auch zu verarbeiten. Da kommen wir ins Spiel“, betont Schmiderer.

Mit zone14 aus den Videos Daten ziehen

Konkret sei es mit der zone14-Software nun möglich, gelaufene Kilometer, Top-Speed oder Anzahl von Sprints ohne zusätzliche Tracker direkt aus den Videos zu berechnen. Zusätzlich ließen sich Rückschlüsse auf taktische Elemente ziehen: Informationen, wie die wahre Formation, Durchschnitts-Positionen sowie Abstände und Lücken zwischen den Spieler:innen.

So geht’s: Das gesamte Spiel (oder die Trainingseinheit) wird aufgezeichnet. Der Trainer muss aktuell noch die einzelnen Spieler mit Namen nennen, danach agiert der Algorithmus selbstständig. Er erkennt Spieler, selbst wenn sie mal „verloren“ gehen, und die Struktur des Spiels. Und kann bei allen 22 Spielern am Feld zu jedem Zeitpunkt die Koordinaten ausweisen, Heat Maps erstellen und Geschwindigkeiten messen.

„Wir wollen mit zone14 eine Marke aufbauen, die für innovative und unkomplizierte Video- und Datenanalyse steht. Immerhin opfern Trainer:innen oft Teile ihrer Freizeit, da ist es nur fair, ein Tool in der Hand zu haben, mit dem Analysen ohne viel Mehraufwand möglich sind“, erklärt Schmiderer. „Unser nächstes Ziel ist ganz klar Events wie Tore, Schüsse, Pressingverhalten und Pässe direkt aus den Videos zu erkennen. Das spart allen Beteiligten nochmals Zeit und Analysen können so noch schneller und umfassender erledigt werden.“

Ein Wandel in der Szene

Österreichs Fußballszene galt ja Beobachter:innen lange Zeit als eine, die sich gegen technische Neuerungen wehrt. Von Aussagen, wie Taktik sei überbewertet bis hin zur negativen Assoziation zum Begriff „Laptop-Trainer“, scheint sich Schmiderer nach, die Lage etwas verändert zu haben.

„Es gab tatsächlich eine Veränderung“, sagt der Gründer. „Man merkt über die letzten drei Jahre ein Umdenken; eine neue innovativ denkende Trainergeneration nimmt mehr Fahrt auf. Jene, die früher abgeneigt waren, greifen zwar nicht mehr selber zu den neuen technologischen Möglichkeiten, aber sie sind nicht mehr verpönt. Die Spieler selbst fordern das ja, auch in den unteren Ligen. Aber es gibt noch viel zu tun, vergleicht man den heimischen Fußball mit Sportarten aus den USA.“

Zone14 mit internationalen Partnern

Mittlerweile arbeiten über 50 Vereine aus vier verschiedenen Länder mit den Lösungen von zone14. Zu den Partnern des Startups zählen hierzulande u.a. die Wiener Austria, die Akademien von St. Pölten und von Sturm Graz, sowie der Wiener Sportclub. Das Startup befindet sich zudem noch mit zwei Bundesligisten in Verhandlungen. International kooperiert man mit dem VFB Friedrichshafen, dem Ausbildungsverein des Bundesligisten VFB Stuttgart, sowie einem Team aus Südamerika. Der Launch von „zone14 Stats“ startet heute.

Deine ungelesenen Artikel:
vor 17 Stunden

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
vor 17 Stunden

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Zone14: Wiener Fußball-Startup launcht umfassenden KI-Algorithmus für Videoanalyse