LONDON (IT BOLTWISE) – Eine KI-Analyse rekonstruiert, warum Deutschland bei der WM in den USA, Mexiko und Kanada nur bis ins Sechzehntelfinale kam. Das Unternehmen Plaier bewertet die Kaderqualität über einen „N18 Nominal Score“ und misst die Einsatzwirksamkeit mit einem „Effective Score“. Laut den Ergebnissen fehlte der Mannschaft besonders in zentralen Rollen und in der passenden Positionierung. Gleichzeitig zeigt die Auswertung konkrete Spielerbeispiele, bei denen der Score je Rolle stark abweicht.
Jürgen Klopp startet im Amt des Bundestrainers mit einem Thema, das in der Fachwelt sofort Fragen aufwirft: Warum war die deutsche Nationalmannschaft bei der WM in den USA, Mexiko und Kanada so deutlich schwächer als erwartet? Der Ausgangspunkt der Debatte ist schnell erzählt – das frühe Ende im Sechzehntelfinale gegen Paraguay. Die technische Zuspitzung kommt allerdings von außen: Eine KI-Anwendung des Unternehmens Plaier soll nachvollziehbar machen, an welchen Stellschrauben es vor allem gehapert hat. Dabei geht es nicht um eine allgemeine „Leistungstendenz“, sondern um die Kombination aus Kaderstärke, Positionslogik und einer modellierten Wirksamkeit der eingesetzten Spieler.
Technisch betrachtet folgt die Auswertung einem methodischen Prinzip, das in Datenprojekten für Sport oft unterschätzt wird: Statt sich auf einzelne Kennzahlen zu verlassen, arbeitet das Modell mit einem Score-System, das Rollenunterschiede berücksichtigt. Plaier beschreibt den „Score“ als Ergebnis der Auswertung von mehr als zwei Millionen Spielen, mehr als 400.000 Spielern und Milliarden von Datenpunkten. Entscheidend ist die Idee dahinter: Ein Stürmer bekommt andere Bewertungskriterien als ein Innenverteidiger, weil die Anforderungen an Position und Spielverhalten nicht austauschbar sind. Solche modellbasierten Wertungen erinnern zwar konzeptionell an die Mustererkennung aus großen Sprachmodellen, werden aber explizit für den Fußball angepasst – also mit einer Architektur und Logik, die aus Spielhandlungen und Kontexten Muster ableitet.
Die Analyse setzt dann an zwei Ebenen an, die man im Management von Kaderprozessen gern getrennt betrachtet: „N18 Nominal Score“ und „Effective Score“. Der N18 Nominal Score soll die reine Kaderstärke abbilden; laut Plaier lag Deutschland damit bei dieser WM schwächer als ein Halbfinal-Teilnehmer. Der Effective Score geht einen Schritt weiter und fragt, wie stark die elf tatsächlich auf dem Rasen sind – also wie gut die gemeldeten Fähigkeiten in der konkreten Aufstellung und im Spielplan zur Geltung kommen. In diesem Punkt macht die Quelle eine klare Einschränkung: Emotionale und psychologische Faktoren, die in der Praxis Einfluss darauf nehmen können, wen ein Trainer nominiert oder wer startet, wurden nicht berücksichtigt. Genau das erklärt, warum die Interpretation im Kern an der Schnittstelle zwischen Nominierung und Einsatz hängt.
Die Zahlen illustrieren die Aussagekraft auf einer sportlichen Skala: Der Gesamtdurchschnitt des Team-Scores des deutschen WM-Kaders betrug 5082. Dem standen 5503 als Gesamtdurchschnitt eines bestmöglichen, realistischen Kaders gegenüber. Zur Einordnung nennt die KI-Auswertung auch Vergleichswerte: Spanien kommt auf 5666, Frankreich auf 5506 und England auf 5595. Aus Sicht der Modelllogik ist das damit weniger ein einzelnes Missgeschick als ein struktureller Abgleich-Fehler – und der zeigt sich im Text auch an konkreten Rollenbeispielen. Joshua Kimmich etwa erscheint als einer der wenigen Weltklasse-Spieler: Sein Score liegt laut Darstellung bei knapp 7000. Gleichzeitig betont Plaier, dass Kimmich bei der WM nicht im Zentrum als „Deep-Lying Playmaker“ gespielt habe, einer Rolle, die als besonders wichtig beschrieben wird. Als Rechtsverteidiger fällt sein Score demnach deutlich geringer aus. Ähnliches gilt für Florian Wirtz: Sein Score wird mit 5397 beziffert, aber zentral sei er in der WM offenbar nicht eingesetzt worden, wo sein Wert am höchsten wäre.
Auch an der Frage, warum bestimmte Spieler nicht in den Kader kamen, macht das Scoring-System den Ansatz deutlich. Maximilian Mittelstädt wird in der Darstellung mit einem sehr hohen Score geführt; als Vergleich werden sowohl Antonio Rüdiger (3819) als auch Mittelstädt (6816) gegenübergestellt. Trotzdem wurden im Spiel gegen Paraguay Rüdiger und Felix Nmecha von Borussia Dortmund (4265) zur Startelf gezählt, während Nadiem Amiri (6371) und David Raum von RB Leipzig (5484) zunächst draußen blieben. In der Positionslogik setzt Plaier besonders auf zentrale Mittelfeldräume und die „Außen“-Rollen, also die „Sechser“, „Achter“ und „Attacking Winger“. Eine Kernbotschaft daraus ist: Das Spiel wird im Maschinenraum gewonnen – und wer dort falsch platziert wird, verschenkt nicht nur individuelle Fähigkeiten, sondern die systemische Effizienz der Mannschaft.
Für Jürgen Klopp ergibt sich daraus ein Aufgabenprofil, das über „Einzeldiskussionen“ hinausgeht. Plaier beschreibt für die kommenden Monate eine gemischte Ausgangslage: Grundsätzlich seien genügend Spieler mit passenden Scores vorhanden, aber es gebe Kaderschwächen auf bestimmten Positionen. Zusätzlich wird ein Vergleich zwischen Ligen gezogen, der die Debatte in Richtung Pipeline und Breite schiebt: Der Schnitt eines Bundesliga-Spielers liege bei 4460 Punkten, der eines Profis aus der englischen Premier League bei 5400. Wenn die Scores in der Bundesliga aus Sicht des Modells weiter abnehmen, verliert die Liga im internationalen Vergleich an Qualität – nicht, weil es gar keine Top-Spieler mehr gäbe, sondern weil der Pool und damit die Kombinations- und Positionsflexibilität abnehmen. Gleichzeitig betont die Darstellung, dass sich die K.o.-Logik anderer Turniere theoretisch kompensieren lassen kann, weil einzelne Formphasen und taktische Anpassungen stärker durchschlagen.
Die praktische Bedeutung dieser Art KI-Analyse liegt aus Unternehmenssicht vor allem in zwei Punkten: Erstens kann sie die Kommunikation zwischen Trainerteam, Scouting und Datenabteilung entkoppeln. Wenn ein Modell wie Plaier die Kaderstärke über definierte Scores quantifiziert, lässt sich leichter argumentieren, warum bestimmte Positionen in der Breite schwerer zu besetzen sind. Zweitens verschiebt sich der Blick von „Bauchgefühl versus Statistik“ hin zu „welche Statistik für welche Rolle“. Damit wird KI im Sport weniger zum Orakel und mehr zum Werkzeug für systematische Hypothesenbildung. Für den DFB bedeutet das konkret: Die nächsten Testläufe Richtung EM in Großbritannien werden wahrscheinlich stärker daran gemessen, ob sich die Aufstellungspraxis enger an die modellierte Positionswirksamkeit angleicht – und ob daraus in entscheidenden Spielen ein messbarer Effekt entsteht.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Analyse zeigt Schwächen des deutschen WM-Kaders: Positionen, Kaderstärke und Scores" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Analyse zeigt Schwächen des deutschen WM-Kaders: Positionen, Kaderstärke und Scores" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Analyse zeigt Schwächen des deutschen WM-Kaders: Positionen, Kaderstärke und Scores« bei Google Deutschland suchen, bei Bing oder Google News!