Einleitung
Im Reha-Raum lief die Spielaufnahme ohne Ton. Niklas Rademacher hatte den Laptop auf einen Stapel Handtücher gestellt, das operierte Knie in einer Schiene, und hielt dieselbe Szene immer wieder an. Ein Außenverteidiger startete zu früh, der Pass kam zu spät, in der Statistik blieb nur ein Ballverlust.
Niklas lebt in Köln und arbeitet heute als KI-Sportanalyst für Nachwuchsteams. Seine Stärke ist, dass er Bewegungsdaten liest, ohne die Körper im Spiel zu vergessen: Müdigkeit, Angst vor dem Zweikampf, ein Trainerblick von der Seitenlinie.
Geschichte des Weges in die KI
Nach der Knieverletzung endete seine Profikarriere leiser, als er es sich vorgestellt hatte. Keine große Abschiedsrede, eher ein Kalender voller Arzttermine und die Frage, was von all den Jahren Fußball übrig bleibt. Beim Schneiden alter Spielszenen merkte Niklas, dass viele Muster sichtbar waren, aber schlecht beschrieben wurden.
Der technische Einstieg war sperrig. Er hatte kein abgeschlossenes Studium, Statistik klang zunächst nach einer Sprache für andere Leute, und manche Analysten behandelten ihn wie einen ehemaligen Spieler, der nette Anekdoten liefern darf. Niklas begann mit Videoanalyse, einfachen Tabellen und kurzen Kursen zu Mustererkennung. Sein erstes Projekt bewertete Laufwege vor einem Pass: nicht nur Geschwindigkeit, auch Timing, Blickrichtung und die Frage, ob ein Lauf einen Gegner bindet. Ein Modell lobte anfangs stumpf jeden Sprint. Erst als Niklas Spielsituationen markierte, in denen ein langsamer Schritt die bessere Entscheidung war, wurde die Analyse brauchbarer.
Aktuelle Arbeit
Heute erstellt Niklas Trainingsberichte als Vorbereitung für Gespräche mit Trainerinnen. Bei einem Jugendspieler zeigte das System wiederholt Positionsfehler. Niklas stoppte die automatische Bewertung und ergänzte Videoausschnitte: Der Spieler wich aus, weil seine Mitspieler kaum anspielbar waren. Aus einer vermeintlichen Schwäche wurde eine Übung zu Passwinkeln im ganzen Team.
Der Nutzen ist bodenständig. Trainer erkennen Muster schneller, junge Spieler bekommen konkretere Rückmeldungen, und Rankinglisten werden vermieden. Niklas nennt die Grenze offen: Wer Daten ohne Spielsinn auswertet, sortiert Talente zu früh in Schubladen.
Persönlicher Rat
„Daten sollen das Spiel langsamer machen, nicht kälter“, sagt Niklas. Wer in Sport-KI einsteigt, sollte eine Szene so lange anschauen, bis die Zahl wieder einen Körper bekommt. Erst dann lohnt sich das Modell.
Schlüsselfakten
Alter und Ort: 34, Köln.
Hintergrund: Verletzung, Karriereende, informelles Expertenwissen aus dem Profisport.
Einstieg in KI: Analyse von Laufwegen und Entscheidungsmomenten vor dem Pass.
Schwerpunkt heute: KI-gestützte Trainingsberichte für Nachwuchsteams.
Typische Werkzeuge: Videoanalyse, Bewegungsdaten, Mustererkennung.
Werkstattnotiz
Niklas führt eine Liste mit Szenen, in denen das Modell zu selbstsicher war. Darunter steht ein Clip, bei dem ein Spieler laut Daten „passiv“ blieb, tatsächlich aber einen Pressingweg zustellte. Solche Fälle bleiben im Training liegen wie schmutzige Leibchen: unscheinbar, aber jeder merkt, ob sie ignoriert wurden.