Apples Sport-App ist kaum ein Datenprodukt. Genau darum geht es

Der Markt für Sporttechnologie wird als Datenproblem verkauft. Schlagzeilen der letzten Zeit handeln von Leistungsverfolgung, Ticketing-Analytik und KI im Sport. Alles verweist auf größere Pipelines und klügere Modelle. Eines der meistgenutzten Sportprodukte der vergangenen zwei Jahre geht den umgekehrten Weg.

Slate hat Apples Sport-App im Juni getestet, unter der Überschrift, sie "mache fast nichts". Der Beitrag beschreibt eine App ohne Nachrichtenüberschriften, ohne Streaming-Hinweise und ohne Gestaltungselemente, die Nutzer im Inneren halten sollen. Was sie hat: Teamnamen und Logos, Bilanzen, Spielzeiten und Ergebnisse laufender oder beendeter Spiele, dazu eine Tabelle. Das ist das Produkt.

Die Kosten liegen in der Abfrage, nicht im Index

Der Gegensatz zu der Art, wie Analytikanbieter das Problem darstellen, ist scharf. Ein im August veröffentlichter Beitrag von Cassis, einem Anbieter von Datenwerkzeugen, legt ein einfaches Raster vor, wo die menschlichen Kosten beim Beantworten einer Datenfrage anfallen. Er teilt diese Kosten in Indexierung und Abfrage. Indexierung ist die Vorarbeit beim Strukturieren von Informationen, damit sie später gefunden werden können. Abfrage ist der Aufwand in dem Moment, in dem jemand tatsächlich eine Antwort braucht. Der Beitrag leiht sich eine Schrank-Analogie von Hrishi Olickel: Schema-on-Write heißt, Kleidung direkt in einen Schrank zu räumen, nach Funktion sortiert. Schema-on-Read heißt, einen unordentlichen Haufen zu durchwühlen, wenn man etwas braucht.

Apples App ist eine extreme Wette auf die Indexierung. Jemand musste entscheiden, welche Ligen zählen, wie Tabellen aufgebaut sind, wie Spielberichte gestaltet werden und wie schnell ein Ergebnis auf dem Sperrbildschirm erscheint. Der Nutzer zahlt zum Zeitpunkt der Abfrage fast nichts. Der Rezensent von Slate bemerkt, die App habe während der Stanley-Cup-Playoffs wiederholt Entwicklungen bei den Pittsburgh Penguins angezeigt, bevor die Streaming-Übertragung nachzog. Das passierte so oft, dass automatische Aktualisierungen abgeschaltet werden mussten.

"We created Apple Sports to give sports fans what they want, an app that delivers incredibly fast access to scores and stats."

Dieses Zitat eines Apple-Managers, das im Slate-Beitrag angeführt wird, ist der ganze Werbespruch. Keine Aussagen über irgendetwas Agentisches. Der Rezensent listet die Abdeckung der App auf: WM-Spiele plus MLS, die NWSL und rund 30 weitere Ligen, darunter die ecuadorianische Serie A und die zweite Bundesliga, dazu Herren- und Damentennis und die LPGA Tour.

Agenten verschieben die Kosten, sie löschen sie nicht

Der größte Teil des aktuellen Vorstoßes in der Sportanalytik geht vom umgekehrten Tausch aus: ein schwereres Produkt akzeptieren und mehr zurückbekommen. Diese Annahme gerät in der Datenwerkzeugbranche insgesamt unter Druck. Der Cassis-Beitrag argumentiert, KI-Agenten beseitigten die menschlichen Kosten nicht, Daten nutzbar zu machen, sie verteilten sie um. Diese Umverteilung sei leicht zu übersehen. Ein im Beitrag zitierter leitender Datenmanager beschreibt eine wöchentliche Rotation, in der eine Person ausschließlich für Ad-hoc-Fragen abgestellt ist. Das bindet dauerhaft etwa 20% eines Teams von fünf oder sechs Personen.

Starburst veröffentlichte im September eine eigene Analyse agentischer Datenanalyse, und sie kommt von einer anderen Richtung zum selben Punkt. Das Unternehmen beschreibt eine Option, die es bewusst "Option 0" nennt: Rohdaten aus Quellsystemen extrahieren und als Dateien oder über eine direkte Leitung an einen Agenten schicken. Starbursts Einwand sind die Kosten. Terabytes an Daten an einen Agenten zu senden, kann unbezahlbar werden, wenn der Agent pro verarbeitetem Element abrechnet. Die bevorzugte Option des Unternehmens ist, dem Agenten Zugangsdaten zur Datenbank zu geben und ihn eigenes SQL schreiben zu lassen. So erledigt die Datenbank-Engine die Arbeit, für die sie gebaut wurde.

Starburst benennt auch das Betriebsrisiko dieses Ansatzes. Agenten, so heißt es in dem Beitrag, können weit anspruchsvoller sein als Menschen und eine Datenbank mit spekulativen Abfragen überlasten, während sie iterieren. Das Unternehmen rahmt dies als Arbeitslastproblem, an dem die Datenbankbranche aktiv arbeitet, nicht als gelöstes Problem.

Kleine Werkzeuge, kleine Oberflächen

Dieselbe Haltung zeigt sich in kleineren Open-Source-Veröffentlichungen. Adaca Analytics, ein selbst gehostetes Dashboard-Projekt für Google Analytics 4, im September auf GitHub veröffentlicht, läuft auf Cloudflare Workers mit täglichen Rollups aus der GA4 Data API oder einem BigQuery-Export. Diese landen in einer D1-Datenbank, die der Betreiber besitzt. Echtzeit bleibt bei Google. Das Repository bewirbt sechs Dashboards ab Werk, einen vierstufigen Builder und vorberechnete Detailseiten, damit ein Klick auf eine Zahl in einem einzigen Roundtrip zurückkommt. Es steht unter MIT-Lizenz.

DataZen, Ende August auf Hacker News gezeigt, vertritt eine vergleichbare Linie beim Umfang für Datenbankarbeit: ein Desktop-Client unter 15 MB, GPLv3, kein Konto, Zugangsdaten AES-256-GCM-verschlüsselt im Schlüsselbund des Betriebssystems. KI-Anfragen gehen nur an den Anbieter, den der Nutzer konfiguriert. Plainoldanalytics, im September veröffentlicht, ist eine Go-Middleware, die ein Dashboard auf einem bestehenden HTTP-Router einhängt und den Verkehr etwa einmal pro Sekunde auf die Festplatte schreibt.

Keines dieser Produkte verspricht, die Frage des Finanzchefs zu beantworten, welche Unternehmenskunden verlängert haben. Sie versprechen, dass die Antwort, sobald jemand sie definiert, günstig abzurufen ist. Cassis benennt den nicht eingeplanten Teil klar: Vier Teams dazu zu bringen, sich zu einigen, was "aktiver Kunde" heißt, ist Indexierungsarbeit. Sie verschwindet nicht, weil nun ein Agent das SQL schreibt.

Für Sportprodukte gilt die Analogie mit einem Unterschied. Fans sind sich bereits einig, was ein Ergebnis ist. Die Definitionsdebatte, die Analytikbudgets auffrisst, existiert nicht. Genau das ist womöglich der Grund, warum fast nichts zu tun funktioniert.