Wie KI und maschinelles Lernen derzeit im Fußball-Scouting eingesetzt werden

Veröffentlicht am 17.03.2026

Das Auge am Himmel: Der unsichtbare Einfluss von KI auf das Fußball-Scouting

Der Mythos vom wettergegerbten Scout, mit regennassem Notizblock in der Hand, der durch reinen Instinkt einen Rohdiamanten entdeckt? Das ist romantisch, klar, aber zunehmend ein Relikt. Heute hat dieser Scout wahrscheinlich einen KI-Assistenten, der ihm Wahrscheinlichkeiten ins Ohr flüstert. Maschinelles Lernen wird nicht nur im Fußball-Scouting "eingesetzt"; es verändert grundlegend, wie Vereine Talente identifizieren, bewerten und letztendlich akquirieren. Vorbei sind die Zeiten, in denen ein Highlight-Video eines Spielers der primäre Datenpunkt war. Jetzt durchforsten Algorithmen Hunderttausende Stunden an Spielmaterial und verfolgen jede Berührung, jeden Pass, jede Bewegung ohne Ball. Unternehmen wie SciSports beispielsweise nutzen proprietäre Modelle, um Spieler anhand ihres "Contribution to Team Success" (CYS)-Wertes zu bewerten, einer Metrik, die weit über einfache Tore und Assists hinausgeht. Man stelle sich die Herausforderung vor, einen bestimmten Typ von Mittelfeldspieler zu finden. Ein menschlicher Scout würde Dutzende von Spielen beobachten, in der Hoffnung, einen Spieler mit einer bestimmten defensiven Arbeitsrate und Passgenauigkeit unter Druck zu entdecken. Eine KI hingegen kann jede Profiliga weltweit scannen und nach Spielern filtern, die konstant eine bestimmte Anzahl erfolgreicher Pressingaktionen pro 90 Minuten und eine Passquote von über 85 % im letzten Drittel erreichen, selbst wenn sie gedoppelt werden. Dies reduziert den anfänglichen Kandidatenpool drastisch und spart unzählige Stunden. Vereine nutzen KI zunehmend auch für prädiktive Analysen. Über die aktuelle Leistung hinaus analysieren diese Systeme die physischen Daten eines Spielers, seine Verletzungshistorie und sogar seine psychologischen Profile (sofern Daten verfügbar sind), um zukünftiges Potenzial und Risiko zu prognostizieren. Hier geht es nicht darum, das menschliche Urteilsvermögen vollständig zu ersetzen, sondern es zu erweitern. Ein Scout mag ein "Gefühl" für ein junges Talent haben, aber die KI kann dies mit Daten untermauern, die eine konstant aufsteigende Entwicklung seines xG-Kettenbeitrags in den letzten beiden Saisons zeigen, selbst in einem schwächelnden Team. Das schiere Datenvolumen ist der Bereich, in dem KI wirklich glänzt. Ein Mensch kann nur eine begrenzte Anzahl von Spielen sehen. Eine Maschine kann jede einzelne Aktion von jedem einzelnen Spieler in jeder einzelnen Top-Liga gleichzeitig verarbeiten. Dies ermöglicht die Identifizierung von unterbewerteten Talenten in obskuren Ligen oder Spielern, die in spezifischen, oft übersehenen statistischen Kategorien herausragen. Nehmen wir Brighton & Hove Albion, bekannt für ihre kluge Rekrutierung; ihre Datenabteilung ist Berichten zufolge umfangreich und konzentriert sich darauf, Spieler zu finden, deren zugrunde liegende Zahlen darauf hindeuten, dass sie über ihrem aktuellen Marktwert liegen. Es geht auch nicht nur darum, das nächste Wunderkind zu finden. KI ist entscheidend für den Kaderaufbau, indem sie Spieler identifiziert, deren Fähigkeiten die bestehenden Kadermitglieder ergänzen. Wenn ein Team einen Linksverteidiger benötigt, der sich beim Einrücken und bei der Überladung des Mittelfelds auszeichnet, kann eine KI bestehende Spielerdaten abgleichen, um die optimale Lösung zu finden, anstatt nur den "besten" verfügbaren Linksverteidiger. Es geht darum, das perfekte Puzzleteil zu finden, nicht nur ein gutes. **Die Zukunft des Scoutings ist kein Roboter an der Seitenlinie, sondern eine hocheffiziente Datenmaschine, die die Entscheidungen kluger menschlicher Köpfe antreibt. Jeder Verein, der derzeit nicht massiv in KI-gesteuerte Scouting-Lösungen investiert, fällt bereits zurück und wird sich bald auf dem Transfermarkt immer wieder ausmanövriert sehen.**