Wenn Sie in den 1990er Jahren behaupteten, dass der Drei-Zeiger-Eckball der beste Schlag im Basketball sei, wurden Sie möglicherweise aus dem Fitnessstudio gelacht.
Das Spiel wurde immer noch weitgehend von einer Flotte von 7-Fuß-Centern dominiert, von denen die meisten nicht weiter als ein paar Meter vom Korb entfernt schießen konnten. Selbst der beste Spieler des Spiels, Michael Jordan, war ein Mittelklasse-Spezialist, der in seiner Karriere im Durchschnitt weniger als zwei Drei-Punkte-Versuche pro Spiel erzielte.
Spulen wir bis heute vor, und die besten Spieler haben im Durchschnitt etwa ein Dutzend Versuche mit langen Bällen pro Spiel – typischerweise bevorzugen sie Schüsse aus der Ecke.
Was hat sich geändert? Analytik.
„Als ich vor 10 bis 12 Jahren mit dem Beruf anfing, war Datenanalyse in Trainingsräumen fast nicht vorhanden“, sagt Adam Petway, Direktor für Kraft und Kondition für Männerbasketball an der University of Louisville. „Heute haben wir Force-Platform-Technologie, wir haben geschwindigkeitsbasiertes Training, wir haben GPS-Tracking während der Spiele und im Training, alles um eine objektivere Analyse zu erhalten, um unseren Athleten zu helfen. Es ist also exponentiell gewachsen.“
Petway, der zuvor im Trainerstab der Philadelphia 76ers und der Washington Wizards der NBA arbeitete, hat einen Bachelor-Abschluss in Sportwissenschaft, einen MBA mit Schwerpunkt Sportmanagement und einen Doktortitel in Sportwissenschaft. Kürzlich erweiterte er seine Ausbildung durch MIT Professional Education Angewandtes Data Science-Programm (ADSP).
„Der Antrieb für die Anmeldung bei ADSP war in erster Linie die Neugier zu lernen und der Wunsch, besser zu werden“, sagt Petway. „In meiner Zeit im Profi- und Hochschulsport hatten wir ganze Abteilungen, die sich der Datenwissenschaft widmeten, daher weiß ich, dass ich diese Fähigkeiten in Zukunft brauchen werde.“
Anwendung neuer Fähigkeiten
Petway nahm Unterricht in einem Live-Online-Format. Obwohl er der einzige Kraft- und Konditionstrainer in seiner Kohorte war – der neben Anwälten, Professoren und Führungskräften lernte – sagt er, dass der Fokus auf Daten allen seinen Klassenkameraden eine Art gemeinsame Sprache gegeben hat.
„In den Köpfen vieler Menschen kreuzen sich die Welten der Datenwissenschaft und des Kraft- und Konditionstrainings der NCAA möglicherweise nicht. Wir stellen fest, dass es viele andere Berufs- und Branchenbereiche gibt, die von Data Science und Analytics profitieren können, was erklärt, warum sich eine ständig wachsende Zahl von Fachleuten aus der ganzen Welt für unser Applied Data Science-Programm einschreibt“, sagt er Bhaskar-Hose, Geschäftsführer von MIT Professional Education. „Es ist spannend zu hören, wie Change Maker wie Adam das Wissen, das sie aus dem Programm gewonnen haben, nutzen, um ihre dringendsten Herausforderungen mit Data-Science-Tools anzugehen.“
„Der Zugang zu solch hochrangigen Praktikern in der Datenwissenschaft war etwas, das ich als sehr, sehr hilfreich empfand“, sagt Petway. „Die Gelegenheit, mit meinen Klassenkameraden und in kleinen Gruppen mit den Fachleuten und den Professoren zu interagieren, war unglaublich. Wenn Sie Code in Python schreiben, vertauschen Sie vielleicht ein Semikolon und ein Komma und bekommen 200 Zeichen in den Code und stellen fest, dass es nicht funktionieren wird. Die Möglichkeit, innezuhalten und Fragen zu stellen und sich mit einer Kohorte von Kollegen aus verschiedenen Branchen wirklich in das Material einzuarbeiten, war wirklich hilfreich.“
Petway weist auf seine neu entdeckten Fähigkeiten hin, in Python zu programmieren und Daten durch künstliche Intelligenzprogramme laufen zu lassen, die unbeaufsichtigte Lerntechniken verwenden, als wichtige Erkenntnisse aus seiner Erfahrung. Sportteams produzieren eine Fülle von Daten, bemerkt er, aber Trainer müssen in der Lage sein, diese Informationen so zu verarbeiten, dass sie zu umsetzbaren Erkenntnissen führen.
„Jetzt kann ich Entscheidungsbäume erstellen, Daten visualisieren und eine Hauptkomponentenanalyse durchführen“, sagt Petway. „Anstatt mich also darauf zu verlassen, dass Drittanbieter hereinkommen und mir sagen, was zu tun ist, kann ich all diese Daten nehmen und die Ergebnisse selbst verbreiten, was mir nicht nur Zeit, sondern auch viel Geld spart.“
Die Fähigkeiten verliehen ihm nicht nur neue Fähigkeiten in seiner Trainerrolle, sondern waren auch entscheidend für die Recherche für eine Arbeit, die Petway und ein Team aus mehreren anderen Autoren erstellten veröffentlicht im Internationale Zeitschrift für Kraft und Konditionierung dieses Jahr. „Die Daten stammen aus meinem PhD-Programm vor etwa fünf Jahren“, bemerkt Petway. „Ich hatte die Daten bereits, aber ich konnte sie nicht richtig visualisieren und analysieren, bis ich den MIT Professional Education-Kurs belegte.“
„Das Motto des MIT lautet ‚mens et manus‘ (‚Geist und Hand‘), was übersetzt erfahrungsbasiertes Lernen bedeutet. Daher wurde viel über die Struktur des Applied Data Science-Programms nachgedacht. Es wird erwartet, dass jeder Teilnehmer nicht nur grundlegende Fähigkeiten erwirbt, sondern auch lernt, dieses Wissen in realen Szenarien anzuwenden. Wir sind begeistert zu sehen, dass das Lernen aus unserem Kurs auf College-Basketball auf höchstem Niveau angewendet wird“, sagt er Münther DahlehDirektor des Instituts für Daten, Systeme und Gesellschaft, William A. Coolidge Professor für Elektrotechnik und Informatik am MIT und einer der Ausbilder von ADSP.
Die wachsende Rolle von Daten im Sport
Analytik treibt den Bereich Kraft und Kondition weit über die Zeiten hinaus, in denen Trainer den Spielern einfach sagen würden, dass sie eine bestimmte Anzahl von Wiederholungen im Kraftraum machen sollen, sagt Petway. Tragbare Geräte helfen zu verfolgen, wie viel Boden Athleten während des Trainings zurücklegen, sowie ihre Durchschnittsgeschwindigkeit. Daten von einer Kraftplattform helfen Petway, die Kraft zu analysieren, mit der Basketballspieler springen (und landen), und sogar zu bestimmen, wie viel Kraft ein Athlet von jedem Bein erzeugt. Mit einem Werkzeug namens Linear Position Transducer kann Petway messen, wie schnell Athleten eine vorgeschriebene Last während Gewichtheberübungen bewegen.
„Anstatt jemandem zu sagen, er solle 90 Prozent seines Kniebeugenmaximums machen, sagen wir ihm, er soll 200 Kilo Kniebeugen machen und sich mit einer Geschwindigkeit von über einem Meter pro Sekunde bewegen“, sagt Petway. „Es ist also stärker kraft- und geschwindigkeitsgesteuert als Ihr traditionelles Krafttraining.“
Das Ziel ist nicht nur, die Leistung des Athleten zu verbessern, sagt Petway, sondern auch Trainingsprogramme zu erstellen, die das Verletzungsrisiko minimieren. Manchmal bedeutet das, von eingefahrenen Sportklischees wie „110 Prozent geben“ oder „alles auf dem Platz zu lassen“ abzuweichen.
„Es gibt ein Missverständnis, dass es immer besser ist, mehr zu tun“, sagt Petway. „Einer meiner Mentoren sagte immer: ‚Manchmal muss man den Mut haben, weniger zu tun.‘ Das Wichtigste für unsere Athleten ist, für den Wettkampf zur Verfügung zu stehen. Wir können jetzt Datenanalysen verwenden, um den frühen Beginn von Müdigkeit vorherzusagen. Wenn wir sehen, dass ihre Leistung im Kraftraum abnimmt, müssen wir möglicherweise mit Ruhe eingreifen, bevor sich die Dinge verschlimmern. Es geht darum, Informationen zu nutzen, um objektivere Entscheidungen zu treffen.“
Die Möglichkeit, Visualisierungen aus Daten zu erstellen, hat laut Petway seine Fähigkeit, mit Athleten und anderen Trainern darüber zu kommunizieren, was er in den Zahlen sieht, erheblich verbessert. „Es ist ein wirklich leistungsstarkes Tool, das in der Lage ist, eine Reihe von Datenpunkten zu nehmen und zu zeigen, dass die Dinge nach oben oder unten tendieren, zusammen mit den Interventionen, die wir basierend auf den Datenangaben vornehmen müssen“, sagt er.
Letztendlich, so Petway, interessieren sich Trainer in erster Linie nur für einen Datenpunkt: Siege und Niederlagen. Aber da immer mehr Sportprofis erkennen, dass Data Science zu mehr Gewinnen führen kann, wird die Analytik weiter in der Branche Fuß fassen, sagt er. „Wenn man zeigen kann, dass eine bestimmte Vorbereitung zu einer höheren Wahrscheinlichkeit führt, dass die Mannschaft gewinnt, spricht das wirklich die Sprache der Trainer“, sagt er. „Sie wollen nur Ergebnisse sehen. Und wenn die Datenwissenschaft dabei helfen kann, diese Ergebnisse zu liefern, werden sie eingekauft.“