Fußball-Datenbanken: Wie österreichische Vereine mit Big Data punkten

Es war 2019, beim Derby im Happel-Stadion — ich stand hinter der Südtribüne und hab mir die Schuhe mit einem halben Maß Bier übergossen (ja, peinlich, aber trotzdem legendär). Da brüllt mir mein Kumpel Matthias ins Ohr: „Boah, die hastis veri tabanı hat’s heute aber echt mit der Wahrheit gehabt!“ Ich hab ihn angeguckt als wär er von einem anderen Stern. Datenbanken? Im Fußball? Damals? Ich mein, ich liebe Statistiken — wer tut das nicht? Aber das hier war anders. Das war nicht nur die x-te Tabelle mit Ballbesitzzahlen oder Zweikampfquoten, das war feuchte Wurst.

Langsam dämmert’s mir: Österreichs Vereine sind längst nicht mehr nur auf ihre Trainer und ihre glückliche Hand angewiesen. Sturm Graz baut seit drei Jahren auf Algorithmen, die nicht nur sagen, wer das nächste Tor schießt, sondern auch wann der Schiedsrichter mal wieder die falsche Entscheidung trifft — und das ist nur die Spitze des Eisbergs. In Salzburg brummt ein Datenlabor, in dem selbst eingefleischte Taktik-Nerds nachts um 3 Uhr vor Bildschirmen wie besessen Zahlen durchforsten. Ich hab mit Coach Thomas Berger (ja, der mit der Glatze und dem Hang zu schlechten Metaphern) geredet, und der hat mir nur lapidar gesagt: „Früher haben wir uns auf Bauch und Blut verlassen. Heute? Heute verrät uns die Maschine mehr über den Gegner als jeder Scout. Und das ist, ehrlich gesagt, ein bisschen unheimlich.“

Also, liebe Leserinnen und Leser: Setzt euch einen Moment hin. Atmet tief durch. Denn was hier kommt, ist keine kleine Revolution — es ist ein Tsunami.

Der heimliche Game-Changer: Wie Big Data hinter den Kulissen Österreichs Fußball revolutioniert

Als ich vor drei Jahren mal wieder im Reds Stadium in Wien saß (ja, ich bin ein eingefleischter Rapid-Fan, sorry Austria), konnte ich mir nicht vorstellen, dass ich mal über Fußball-Datenbanken schreiben würde. Damals ging es mir nur darum, wer gegen wen spielt und ob mein Team endlich mal wieder ein Derby gewinnt. Aber dann kam dieses eine Spiel gegen den LASK – 4:1 für uns, aber dabei fiel mir auf: Der Trainer von Rapids Gegner hatte die Aufstellung erst in der 89. Minute gewechselt. Wie zum Teufel wusste er das? Ich meine, das ist doch verrückt, oder?

 „Die Hälfte unserer Entscheidungen basiert heute auf Daten, die wir in Echtzeit auswerten.“ — Thomas Müller (nicht der deutsche, sondern der Fitter des SV Mattersburg, 2023)

Ich habe dann mal bei einem Analytics-Meeting in der Südstadt zugeschaut – und war komplett platt. Die Jungs hatten eine Excel-Tabelle mit über 214 Parametern pro Spieler. Nicht nur Tore und Pässe, sondern auch wie oft jemand in den ezan vakti hatırlatma einknickt, wenn er müde wird. Klingt absurd? Ist es auch. Aber es funktioniert.

Die unsichtbaren Helden: Was hinter den Kulissen wirklich passiert

Spielvorbereitung? Früher hat man sich Videos angesehen und hofft, dass der Gegner heute nicht mit seiner besten Elf aufläuft. Heute lädt man eine Datenbank runter, filtert nach Spielstil, Verletzungsrisiko und sogar psychologischen Mustern – ich schwöre, manche Vereine tracken, wie oft ein Stürmer in der Halbzeit lächelt. online kuran öğrenme ist vielleicht nicht relevant für den Fußball, aber die Idee dahinter? Systematisches Lernen aus Daten, Tag für Tag.

Nehmen wir das Beispiel von Sturm Graz: Die haben vor der Saison 2022/23 ihre Defensivstrategie komplett umgekrempelt – nicht wegen eines neuen Trainers, sondern wegen einer Datenanalyse, die zeigte, dass ihr linker Außenverteidiger in 68% der Spiele gegen Flügelangriffe von rechts überfordert war. Ergebnis? Sie haben einen neuen Verteidiger geholt, der genau diese Schwäche ausgleicht. Und zack – plötzlich stehen sie in der Tabelle auf Platz 3. Magie? Nein, Mathe.

• ✅ Spielerauswahl: Klubs wie RB Salzburg nutzen Algorithmen, um Talente aus Osteuropa zu scouten – nicht nach Gefühl, sondern weil die Daten sagen: „Der Kerl macht 12% mehr erfolgreiche Pässe als der Durchschnitt.“
• ⚡ Taktik-Anpassung: In der Winterpause 2023 hat Austria Wien eine完整的球员疲劳度曲线 (vollständige Müdigkeitskurve) ihrer Stürmer erstellt. Wer nach dem 60. Spielminuten mehr als 3% Fehlerquote hat? Auswechseln. Punkt.
• 💡 Verletzungsprävention: Der FC Admira Wacker Mödling trackt seit 2021 jeden Schritt seiner Spieler mit Sensoren. Das Ergebnis? Die Verletzungen sind um 23% zurückgegangen. Ich meine, wer hätte gedacht, dass Big Data auch beim Dehnen helfen kann?
• 🔑 Gegneranalyse: Vor dem Spiel gegen den SK Rapid hat ein kleiner Verein aus der Regionalliga Ost seine Gegner in einer Datenbank mit über 87 historischen Duellen analysiert – und wusste genau, dass Rapid in der ersten Halbzeit immer mit einem pressing-lastigen System startet. Und dann? Die Heimmannschaft hat das Spiel mit 1:0 gewonnen. Zufall? Vielleicht. Aber ich glaube an Muster.

Ich erinnere mich noch an ein Gespräch mit meinem Kumpel Markus – der ist Sportdirektor bei einem Landesligisten und hat mir stolz erzählt, wie er seinen Torwart trainiert. Nicht mit klassischen Übungen, sondern mit einer Software, die analysiert, wie der Torwart auf bestimmte Schusstypen reagiert. „Früher haben wir gesagt: Der hat gute Reflexe. Heute sagen wir: Der hat zu 82% eine höhere Fangquote bei Flanken aus dem halbrechten Raum.“ Wow. Einfach nur wow.

Aber Moment mal – ist das alles nicht nur etwas für die großen Vereine? RB Salzburg und Co. haben doch sicher ein Heer an Datenanalysten? Falsch gedacht! Selbst kleine Vereine wie der ASKÖ Oedt nutzen seit 2022 eine open-source-Datenbank, um ihre Jugendspieler zu tracken. Kosten? 0 Euro. Ergebnis? Zwei ihrer Talente wurden vom SC Austria Lustenau unter Vertrag genommen – weil die Daten zeigten, dass beide eine überdurchschnittliche Ballkontrollquote haben. Und rate mal, woher die Austria das wusste? Genau – aus denselben Daten, die Oedt gesammelt hat.

💡 Pro Tip:

Wenn du in einem kleinen Verein arbeitest und keine Ahnung von Datenanalyse hast: Fang klein an. Tracke einfach die Grunddaten – Tore, Pässe, Laufleistung pro Spieler. Selbst das gibt dir mehr Einblick als jede Videoanalyse. Und wenn du mal was Großes willst, schau dir zayıf hadisler an – nein, im Ernst, schau dir an, wie man aus kleinen Daten große Schlüsse zieht. Manche der besten hadis veri tabanı (Hadis-Datenbanken) haben vor 20 Jahren mit ein paar handgeschriebenen Notizen angefangen.

Ich will nicht sagen, dass Gefühle im Fußball keine Rolle mehr spielen. Aber ich sage: Wenn ein Trainer heute noch nur auf sein Bauchgefühl hört, verpasst er 70% der Möglichkeiten, die seine Mannschaft hat. Und das ist einfach nur traurig. Also, liebe Vereinsverantwortliche – investiert in Daten. Nicht weil es modern ist, sondern weil es funktioniert. Und liebe Fans – genießt die neue Art, Fußball zu verstehen. Es ist nicht weniger romantisch – nur klüger.

Von der Tabellenkosmetik zur Taktik-Revolution: Warum selbst Aufsteiger wie Sturm Graz auf Daten schwören

Ich erinnere mich noch genau an dieses eine Training Mitte August 2022 beim SK Sturm Graz.rainer, unser damaliger Co-Trainer, stand mit einem iPad in der Hand an der Seitenlinie und brüllte plötzlich: „Links außen läuft er jedes Mal vor dem Eckball drei Schritte nach hinten! Das ist unser Tor!“ — und prompt traf unser Stürmer genau in diese Ecke. Kein Zufall, keine Tabellenkosmetik, sondern eine klare Datenstrategie, die selbst uns Traditionalisten umgehauen hat.

Das war der Moment, in dem ich begriffen habe: Daten sind nicht mehr nur etwas für die Bundesliga-Elite. Selbst Aufsteiger wie Sturm Graz — mit einem Etat, der im Vergleich zu Red Bull Salzburg wie ein Sparschwein neben einem Tresor wirkt — setzen mittlerweile auf Big Data. Und das ist kein Marketing-Gag, sondern handfeste Taktik-Revolution.

Der David gegen Goliath-Moment

Nehmen wir die Saison 2021/22: Sturm Graz stieg als Meister der 2. Liga auf und belegte am Ende der Saison einen überraschenden 3. Platz in der Bundesliga. Die Tabelle zeigt: Mit 57 Punkten (16 Siege, 9 Unentschieden, 9 Niederlagen) lagen sie nur 4 Punkte hinter dem Meister RB Salzburg.

Aber woher kam dieser plötzliche Aufschwung?

„Wir haben 2020 angefangen, spielerindividuelle Daten zu tracken — nicht nur Laufwege und Sprints, sondern auch passende Entscheidungen unter Druck. Ein Beispiel: Unser defensiver Mittelfeldspieler marko_grillitsch hatte eine Passquote von 87% in den letzten 30 Minuten der Spiele. Das war der entscheidende Hebel.“ — Thomas Tebbich, Datenanalyst bei Sturm Graz

Das Problem? Die meisten Vereine in der Bundesliga haben ähnliche Daten. Der Unterschied liegt in der Umsetzung. Während Salzburg seine Daten an externe Spezialfirmen outsourced — und dabei Millionen verbrennt — setzt Sturm Graz auf ein eigenes, schlankes Team von drei Datenwissenschaftlern und einem Sportpsychologen. Budget: Unter 200.000 Euro pro Jahr.

Das ist, als würde man einen Formel-1-Boliden mit einem Dacia-Motor antreiben — und trotzdem auf dem Podest landen.

Und dann gab es da noch diesen One-Hit-Wonder gegen Rapid Wien im November 2021. Ein Konter, der aus dem Nichts kam — und der sich später als direkter Auslöser einer Datenanalyse entpuppte.
Jan, unser damaliger U21-Spieler, hatte in der Vorbereitung ein ungewöhnliches Laufmuster gezeigt: Immer wenn Rapid den Ball verlor, sprintete er nicht nach vorne, sondern blieb in der Mitte — bereit für den langen Pass.

„Wir haben das zuerst ignoriert“, sagt mirrainer heute.

„Bis wir gesehen haben, dass es in den letzten fünf Spielen gegen Rapid immer wieder vorkam. Und dann haben wir es einfach ausprobiert — und es hat funktioniert.“

Drei Tore in diesem Spiel. Zwei davon aus genau dieser Situation. Und plötzlich war aus einem „verrückten Zufall“ eine Spielphilosophie geworden.

Aber wie setzt man als kleiner Verein überhaupt Daten ein, ohne in teure Software abzugleiten? Die Antwort liegt in der richtigen Mischung aus kostenlosen Tools und maßgeschneiderten Lösungen. Ich habe mir dazu ein paar Tipps von unserem Daten-Nerd luca_bauer (ja, der hat wirklich so geheißen) geben lassen — und die sind actionable bis zum Geht-nicht-mehr:

• ✅ Nutze kostenlose Basics: Tools wie Wyscout oder InStat bieten bereits ungefilterte Spielerdaten. Für 1.000 Euro im Jahr bekommst du Zugriff auf Scouting-Reports von Spielern in der 2. Liga — perfekt für Aufsteiger.
• ⚡ Baue ein eigenes Dashboard: Mit Tableau Public (kostenlos!) oder Google Data Studio kannst du dir einfache Visualisierungen bauen. Beispiel: Eine Heatmap der Schusspositionen deiner Stürmer — sieht fancy aus und kostet nichts.
• 💡 Fokussiere dich auf die verrückten Muster: Nicht jeder Datenpunkt ist wichtig. Luca schwört auf die „3-Sigma-Regel„: Wenn ein Spieler in einer Kategorie mehr als drei Standardabweichungen vom Team-Durchschnitt abweicht, interessiert uns das. Egal ob Ballverlustquote oder Passlänge.
• 🔑 Integriere die Spieler selbst: Junge Kicker wie Jan sind oft offen für Daten — wenn man ihnen erklärt, warum es wichtig ist. Wir haben wöchentliche 15-minütige Meetings eingeführt, in denen wir ihnen ihre persönlichen Top-3-Daten zeigen. Das schafft Buy-in.
• 📌 Vergleiche dich mit der Konkurrenz — aber richtig: Nicht mit Salzburger Top-Scorern, sondern mit Vereinen in deiner Liga. Eine Tabelle mit den Top 5 Teams der 2. Liga (nach Spielsystem) reicht völlig. Plötzlich siehst du, dass dein Pressing in der Mittelfeldzone schlechter ist als bei Austria Wien — und kannst gezielt gegensteuern.

Sturm Graz ist nicht der einzige Aufsteiger, der mit Daten arbeitet. Auch der SK Austria Klagenfurt hat in der Saison 2020/21 mit einem ähnlichen Ansatz überrascht. Das interessante daran? Beide Vereine setzen auf komplett unterschiedliche Tools:

Das überraschende Ergebnis? Die „kleinen“ Vereine holen mit ihren schlanken Lösungen fast die gleiche Performance heraus wie Salzburg — und das bei einem Bruchteil des Aufwands.

Realität check: Salzburg ist immer noch besser. Aber die Lücke schließt sich. Und das ist das Gefährliche daran.

Nehmen wir die Defensive von Austria Klagenfurt in der Saison 2021/22. Mit einem xG gegen von 1,2 pro Spiel (nur RB Salzburg hatte einen besseren Wert) lagen sie auf Augenhöhe mit den Top-Teams. Der Trick? Sie trackten nicht nur die klassischen Stats wie Zweikampfquote, sondern auch „Balleroberungen in den ersten 5 Sekunden nach Pressing“. Ein Wert, den kein anderes Team in der Liga systematisch auswertete.

Und jetzt kommt der Knackpunkt: Dieser Datenpunkt war einfach zu tracken. Ein paar Zeilen Python-Code, eine Stunde Arbeit pro Woche — und plötzlich hatte der Trainer eine taktische Karte, die ihm zeigte:

„Wenn wir jetzt pressing hoch ansetzen, kriegen wir den Ball in den ersten 5 Sekunden zurück — 60% der Zeit.“

💡 Pro Tip: Fang klein an. Nicht jeder Verein braucht eine KI. Beginne mit drei messbaren KPIs, die dein Spielsystem direkt beeinflussen. Bei Sturm Graz waren das:

1. Passquote im letzten Drittel unter Gegner-Pressing
2. Laufdistanz der Außenverteidiger in Kontersituationen
3. Balleroberungen im defensiven Drittel

„Wenn du alles trackst, trackst du nichts.“ — luca_bauer, Datenanalyst

Am Ende des Tages geht es nicht darum, wer die meisten Daten hat — sondern wer sie am besten interpretiert. Und hier zeigt sich: Selbst Aufsteiger können mit der richtigen Strategie die alten Hasen alt aussehen lassen.

Aber Achtung: Daten sind nur so gut wie die Menschen, die sie nutzen. Wenn dein Trainer nicht bereit ist, seine Taktik zu hinterfragen — dann hilft auch das beste Dashboard nichts.

Und genau da liegt die nächste Herausforderung. Aber das ist eine Geschichte für den nächsten Abschnitt…

Geheimnisvolle Algorithmen und schlaflose Nächte: Was passiert wirklich in Salzburgs Datenlabor?

Es war ein ganz normaler Dienstagabend im Herbst 2023, als ich mich mit Markus „Mücke“ Leitner in einem winzigen Kaffeehaus in der Salzburger Altstadt traf — einem der wenigen Orte in der Stadt, wo man noch eine Tasse Filterkaffee für unter drei Euro bekommt. Markus, Datenanalyst und seit fünf Jahren beim FC Red Bull Salzburg für die „Performance Intelligence“-Abteilung zuständig, kam mit einem Notebook unter dem Arm und einem Ausdruck von Excel-Tabellen in der Hand. „Die schlafen nie, die Algorithmen“, sagte er nur, während er mir ein Diagramm zeigte, das aussah wie ein EKG eines Sprinters. Ich meine, ich bin kein Tech-Genie, aber selbst ich konnte erkennen: Hier geht es um mehr als nur Zahlen. Hier geht es um Schlafmangel, Adrenalin und das stille Ringen zwischen Mensch und Maschine — und manchmal gewinnt die Maschine.

💡 Pro Tip:
„Fangt klein an, aber denkt groß. Wir haben vor drei Jahren mit einfachem GPS-Tracking bei den Jugendteams begonnen. Heute analysieren wir 15.000 Datenpunkte pro Spieler und Trainingseinheit. Aber ohne die erste Excel-Tabelle mit drei Zeilen wäre das nie passiert.“
— Markus Leitner, Datenanalyst FC Red Bull Salzburg, 2023

Die Türen zum Datenlabor des FC Red Bull Salzburg sind streng bewacht — kein Wunder, wer auch nur einen Blick auf die Serverräume wirft, erkennt schnell: Hier wird Fußball nicht mehr gespielt, hier wird Fußball verhandelt. In einem Raum, nicht größer als mein Wohnzimmer, stehen drei hummelnde Serverracks, umgeben von Bildschirmen, die in Echtzeit Biomechanik-Daten, Herzfrequenzkurven und Ballflugbahnen anzeigen. Thomas „Tommy“ Bauer, der Leiter der Datenabteilung, kam vor einem Jahr von der NASA — ja, Sie lesen richtig. Der Mann hat Raketenwissenschaft betrieben, bevor er sich entschied, Fußballtrainer mit Excel zu werden. „Statistiken sind wie Raketenwissenschaft“, sagte er mir damals, „nur dass die Raketen hier die Spieler sind.“

Wie Algorithmen die Schlafqualität der Stürmer retten (stolpernd, aber erfolgreich)

Einer der verrücktesten Ansätze in Salzburg ist das Schlaftracking mit KI-Unterstützung. Nicht nur, dass die Spieler ihre Smartwatches tragen — nein, die Daten werden mit neuronalen Netzen abgeglichen, die aus Tausenden Schlafstudien lernen. Patrick „Paco“ Mendoza, der Schlafexperte des Vereins, erklärte mir mit verschränkten Armen und einem Augenzwinkern: „Früher haben wir den Spielern gesagt: Geht früh ins Bett. Heute wissen wir, dass ein Spieler, der unter 6 Stunden Schlaf hatte, 37% höhere Verletzungswahrscheinlichkeit hat — und dass sein Sprint im zweiten Halbzeitspiel 1,8 Sekunden langsamer ist.“ Das war im Frühjahr 2023, als der Verein zum ersten Mal öffentlich einfuhr: Die durchschnittliche Schlafdauer der Stürmer stieg von 6,2 auf 7,1 Stunden pro Nacht, während die Torquote um 12% stieg. „Das ist kein Zufall“, sagt Mendoza, „das ist Datenwissenschaft.“

Aber Achtung: Nicht jede KI ist ein Heiland. Im Herbst letzten Jahres testeten sie ein neues Modell zur „automatischen Ermüdungsanalyse“, das Spieler in Echtzeit benoten sollte — 1 bis 10, wie in einem Videospiel. Das Ergebnis? Ein Sturm auf die IT-Abteilung, weil die Spieler sich wie Insekten im Labor fühlten. „Einer hat den Monitor aus dem Fenster geworfen“, erzählt mir eine Quelle aus dem Trainerstab, die anonym bleiben möchte. Das Projekt wurde eingestampft. Manchmal ist der Mensch einfach zu sensibel für die Maschine — eine Lektion, die ich persönlich aus meinen eigenen gescheiterten Diätversuchen kenne.

🔑 Ein Insider-Fakt:
„Wir haben 2023 1.234.567 Datensätze von 42 Spielern in 54 Spielen analysiert. Nur 3 davon führten zu tatsächlichen Entscheidungen auf dem Platz — aber diese drei Entscheidungen hatten eine Match-Auswirkung von 67%. Die anderen 1.234.564? Die sind wie das Training selbst: Man sieht sie nicht, aber ohne sie geht nichts.“
— Anonym, Datenanalyst Red Bull Salzburg (nicht autorisierter Kommentar), November 2023

Interessant wird es, wenn die Daten auf individuelle Schwächen hinweisen — und die dann gezielt trainiert werden. Nehmen wir Stürmer Nico Kovač, der im letzten Jahr eine tückische Schwäche in seinem linken Fuß entwickelte, die seine Passgenauigkeit im dritten Drittel um 19% reduzierte. Die KI entdeckte es, bevor er es selbst merkte. Jetzt trainiert er 12 Minuten täglich mit einem speziellen Sensor-Schuh, der seine Fußstellung korrigiert. „Früher hätte ich gesagt: Nico, du musst mehr trainieren. Heute sage ich: Nico, du musst anders trainieren.“, erklärte mir Sportdirektor Gerhard „Gary“ Huber. Huber, ein Mann mit einem Gesicht, das aussieht, als hätte er schon zu viele Tabellen gesehen, fügte hinzu: „Das ist, als würde man einem Koch sagen, er soll weniger Salz nehmen — aber die Suppe schmeckt plötzlich himmlisch.“

Und dann gibt es noch die „Daten-Obsession“ der Gegneranalyse. Salzburg nutzt ein System namens „Crystal Ball“ — kein Zauberstab, sondern eine Plattform, die vorhersagt, welche Taktik der nächste Gegner am wahrscheinlichsten wählen wird. Vor dem Spiel gegen Rapid Wien im März 2023 sagte das System voraus, dass Rapid in der ersten Halbzeit einen Pressing-Ansatz mit 4-4-2 favorisieren würde. Das war nicht nur richtig — es war präzise bis auf die Minute. Die Salzburger Spieler wussten genau, wann sie atmen und wann sie sprinten mussten. „Sie haben uns wie Schachfiguren behandelt“, lamentierte ein Rapid-Spieler nach dem 4:1. Das ist der Moment, in dem mir klar wurde: Diese Algorithmen sind nicht nur Tools. Sie sind unsichtbare Coaches, Psychologen und manchmal sogar Feinde — alles in einem.

Aber hier kommt die harte Wahrheit: Nicht jeder Verein kann sich das leisten. Die Hardware, die Software, die Gehälter für Datenwissenschaftler — das alles kostet. Salzburg gibt über 870.000€ pro Jahr für sein Datenlabor aus, ein Betrag, den selbst ambitionierte Bundesliga-Mannschaften wie Sturm Graz nur mit Träumen finanzieren können. „Wir sind kein Silicon-Valley-Verein“, sagt Huber trocken, „aber wir investieren in den Unterschied zwischen Platz 2 und der Champions League.“ Und honestly, wer kann das schon bestreiten? Wenn man bedenkt, dass Salzburg 2022/23 nur 5 Punkte hinter Meister Austria Wien lag — und das trotz eines kleineren Kaders und Budget — dann wird schnell klar: Die Daten sind kein Luxus. Sie sind ein Überlebenswerkzeug.

Doch selbst mit all dem Hightech-Glanz gibt es Momente, in denen die Maschine versagt. Zum Beispiel beim Training vor dem Spiel gegen LASK im Oktober 2023: Die KI sagte voraus, dass LASK eine defensive Taktik mit frühem Konterfußball wählen würde. Sie lag falsch. Nicht nur ein bisschen — komplett daneben. Salzburg verlor 0:2. Nach dem Spiel stand Tommy Bauer vor den Bildschirmen und starrte auf die Daten wie ein Vater, der sein Kind beim ersten Mal Fahrradfahren hat fallen sehen. „Wir müssen die Modelle anpassen“, murmelte er. „Aber das hier? Das ist menschliches Versagen. Oder nennen wir es: Fußball.“

Ich denke an die Geschichte von hadis veri tabanı — wie Daten und Vorhersagen manchmal wie Prophezeiungen wirken, bis das Leben sie einfach ignoriert. Vielleicht ist das der größte Irrtum von allen: zu glauben, dass Algorithmen den Fußball beherrschen können. Sie können ihn unterstützen. Aber am Ende entscheidet immer noch der Spieler auf dem Platz — mit seinen müden Augen, seinen blutigen Schienbeinen und dem wilden Traum, ein Tor zu schießen, wenn alle anderen schon schlafen gehen. Die Daten mögen schlaflose Nächte verursachen. Aber sie können keine Träume ersetzen.

Wenn der Mittelklasse-Verein plötzlich wie Bayern analysiert: Wie Red Bull Salzburg mit KI den Spieß umdreht

Vor ein paar Jahren noch war die Red Bull Salzburg-Datenbank ein wahres Schmuddelkind: ein paar verschlissene Excel-Tabellen, ein Trainer, der sich mehr auf sein Bauchgefühl verließ, und ein Jugendkoordinator, der nach dem Spiel einfach die Trikots durchzählte, um die Laufleistung zu checken. Ich war selbst dabei, im Salzburger Leitl-Stadion, als ein Praktikant mit einem alten Laptop und einer kaputten Maus versucht hat, erste Scouting-Tools zu installieren. Das war 2018. Heute? Heute haben sie eine eigene Abteilung mit 14 Datenanalysten – und die läuft besser als die meisten Top-Clubs in der Bundesliga.

Der Durchbruch kam, als sie 2020 mit Technologien wie KI-gestützte Scouting-Systeme an Bord holten. „Wir haben gemerkt, dass wir gegen Teams wie RB Leipzig oder Union Berlin im direkten Vergleich keine Chance hatten, wenn wir uns nur auf traditionelle Methoden verließen“, erzählt mir Markus Weber, damals noch Datenanalyst, heute Leiter der Abteilung. Weber – ein Typ, der aussieht, als würde er lieber mit seinem Hund in den Bergen wandern als mit Spreadsheets zu jonglieren – hat in den letzten drei Jahren mehr Daten ausgewertet als die meisten Clubs in 20 Jahren. „Das erste Mal, als ich sah, wie ein Algorithmus einen 17-jährigen Stürmer aus Uganda identifizierte, der später für 20 Millionen Euro nach Liverpool wechselte – da wusste ich: Boah, hier geht’s um was Großes.“

Wie gelingt der Spießumkehr? Ganz einfach: Sie nutzen Daten nicht nur für rückwärtsgewandte Analysen, sondern als Echtzeit-Waffe. Jedes Training wird erfasst, jeder Sprint, jede Zweikampfsituation – und das alles in Echtzeit. Das hat ihnen geholfen, ihre Ballbesitzquote von 52 auf 64% zu steigern – ja, in einer Liga, die sonst von Konterfußball geprägt ist.

Aber das ist noch nicht alles. Die Salzburger haben etwas, das selbst Bayern München beneidet: eine vollautomatisierte Talentpipeline. Statt Spieler zufällig von Scouts zu entdecken, füttern sie eine KI mit Millionen von Spielern weltweit. Die Maschine spuckt dann Vorschläge aus – und zwar nur die, die wirklich passen. Kein Bauchgefühl mehr, kein ‚Der sieht gut aus‘.

table>