Apples Sports-App und der stille Streit um Sportdaten
Apples bewusst schlichte Sports-App kommt auf den Markt, während der Markt für KI im Sport laut MarketsandMarkets bis 2030 auf 2,61 Milliarden Dollar wachsen soll. Der Streit darüber, welche Zahlen Fans zu sehen bekommen, wird lauter.

Apples Sports-App macht fast nichts, und genau das ist der Punkt. Der Rezensent von Slate hat am 10. Juni 2026, als die Weltmeisterschaft in Gang kam, aufgelistet, was sie bietet. Teamnamen und Logos, Bilanzen, Spielzeiten, Live- und Endstände, eine Tabelle und einen Schalter, der die Wettquoten auf der Anzeigetafel ausblendet. Keine Schlagzeilen. Kein Streaming-Leitfaden, außer man tippt auf ein Spiel. Kein Gestaltungselement, das zum Weiterscrollen verleiten soll.
Diese Zurückhaltung ist ungewöhnlich genug, um eine Meldung wert zu sein. Sie fällt außerdem mitten in eine viel größere Auseinandersetzung über Sportdaten. Wer sammelt sie, wer bezahlt dafür, und wer entscheidet, welche Version einer Zahl die richtige ist?
Eine minimale App in einem maximalen Markt
Apple kündigte Sports im Winter 2024 an. Laut Slate bestand der Werbesatz aus einem einzigen Satz eines Apple-Managers: „We created Apple Sports to give sports fans what they want, an app that delivers incredibly fast access to scores and stats.“ Die App deckt WM-Spiele ab, dazu Fußball in der MLS, der NWSL und rund 30 weiteren Ligen, darunter die ecuadorianische Serie A und die zweite Bundesliga. Sie ergänzt Herren- und Damentennis sowie die LPGA Tour. Tippt man auf ein Spiel, erscheinen ein einfacher Spielbericht, eine Rangliste oder die Kader. Live Activities können die Ergebnisse einer Mannschaft auf den Sperrbildschirm schicken.
Der größere Markt um diese Einfachheit herum ist alles andere als ruhig. MarketsandMarkets beziffert den Markt für KI im Sport in einem Bericht, den Yahoo Finance am 22. September 2026 aufgriff, bis 2030 auf 2,61 Milliarden Dollar, bei einer durchschnittlichen jährlichen Wachstumsrate von 16,7%. In denselben Zeitraum fallen eine Partnerschaft von Databricks mit Cal Athletics, ein Sportzentrum des Atlantic Council und ein Bericht der New York Post, wonach DraftKings KI eingesetzt haben soll, um auf verlierende Wettkunden zu zielen. Nichts von diesen Reibungen taucht in Apples App auf. Genau deshalb gefiel sie dem Rezensenten.
Der Gegenargument lautet, dass das Abrufen von Ergebnissen nie der interessante Teil war. Interessant ist, was mit den Daten darunter passiert: die Ereignis-Feeds, die Tracking-Systeme, die Integritätsprüfungen. Dort sitzen das Geld und die Kontroversen.
Woher die Daten tatsächlich kommen
Sean Ingle vom Guardian formulierte diese Sicht am 15. Juli 2025, nachdem Wimbledon im zweiten Jahr auf elektronische Linienausrufung setzte. Die Schlagzeilen jener zwei Wochen drehten sich um Fehler. Das System übersah einen Ball von Sonay Kartal, der gegen Anastasia Pavlyuchenkova ins Aus ging, in einem Fall, in dem ein Offizieller das System versehentlich abgeschaltet hatte. Eine Vorhand von Taylor Fritz wurde als out gewertet, obwohl sie vier Fuß innerhalb der Grundlinie landete. Ein Balljunge stand noch auf dem Platz, als der Amerikaner aufschlug.
Ingles Punkt war, dass die Empörung die Basisrate verdeckte. Wimbledon setzte eine leistungsfähigere Version von Hawk-Eye ein, die dort seit 2007 läuft. Forscher haben geschätzt, dass Linienrichter bei knappen Entscheidungen rund 8% falsch liegen. Spieler schneiden schlechter ab. Von den 1.535 Challenges im Herren- und Dameneinzel in Wimbledon 2024 wurden nur 380, also weniger als 25%, korrigiert. Wenn ein Spieler den Ball im Aus sah, lag er in drei von vier Fällen daneben.
„No system is 100% perfect, but they are demonstrably more accurate than relying purely on human decision-making“, sagte Matt Drew, der die Integritätsabteilung bei StatsPerform aufbaute, in Äußerungen, die der Guardian veröffentlichte.
Ingle nannte außerdem zwei Studien zu menschlicher Voreingenommenheit. In der einen sollten 40 qualifizierte Fußballschiedsrichter 47 Szenen aus einem Spiel zwischen Liverpool und Leicester bewerten; die Hälfte sah sie mit Stadiongeräuschen, die Hälfte in Stille. Die Gruppe mit Geräuschen verhängte deutlich weniger Fouls gegen Liverpool, nämlich 15,5% weniger. Eine andere Studie aus Norwegen ergab, dass erfolgreiche Teams eher günstige Strafstoß-Entscheidungen bekamen. Psychologen nennen das Konformität.
Das ist das Argument für die Maschinen, und es ist ein Datenargument, kein sentimentales. Genauigkeit lässt sich messen. Voreingenommenheit lässt sich messen. Beides kann man vergleichen.
Die Analytics-Rechnung, die niemand einkalkuliert
Dann gibt es die Ebene, die die meisten Fans nie sehen: die Leitungen, die aus rohen Ereignissen eine Zahl machen, der jemand vertraut. Ein Beitrag im Cassis-Blog vom 23. August 2026 argumentiert, dass billigeres SQL Analytics nicht billig macht. Jede Antwort trägt menschliche Kosten, die umverteilt und nicht beseitigt werden. Der Beitrag teilt diese Kosten in drei Teile. Indexierung ist die Vorarbeit, Metriken zu definieren und Logik zu dokumentieren. Abfrage ist der Aufwand beim Abrufen. Zuverlässigkeit fragt, ob die zurückkommende Zahl semantisch stimmt, auch wenn das SQL sauber läuft.
Das Beispiel ist ein CFO, der fragt, wie viele aktive Unternehmenskunden im letzten Quartal verlängert haben. Bevor jemand antwortet, muss jemand entscheiden, welche Tabelle Kundendaten enthält, was „aktiv“ bedeutet, was als „Unternehmen“ zählt und was „letztes Quartal“ im Geschäftsjahrskalender heißt. Cassis beschreibt einen leitenden Datenmanager, der eine wöchentliche Rotation fährt, bei der eine einzige Person Ad-hoc-Fragen bearbeitet. Das bindet dauerhaft etwa 20% eines Teams von fünf oder sechs Leuten.
Sportorganisationen haben dasselbe Problem mit anderen Substantiven. Was zählt als angekommener Pass? Ein Ballbesitz? Ein Tackling? Die Sitzung eines Fans in der Vereins-App? Die Definitionen sind das Produkt. Sind sie falsch, rendert das Dashboard trotzdem.
Entwickler liefern die langweiligen Teile aus
Zwei Open-Source-Projekte aus September 2026 zeigen, wie viel dieser Arbeit inzwischen gängige Infrastruktur ist. Adaca Analytics ist ein selbst gehostetes Dashboard für Google Analytics 4 auf Basis von Cloudflare Workers. Es speichert tägliche Rollups aus der GA4 Data API oder einem BigQuery-Export in einer D1-Datenbank, die der Betreiber besitzt, und lässt Echtzeit bei Google. Es bringt sechs Dashboards und einen vierstufigen Builder mit, dazu Drill-down-Seiten für Quellen, Seiten und Länder. Es bietet außerdem schreibgeschützte Freigabelinks, die einen Filter festhalten können, sowie wöchentliche oder monatliche Zusammenfassungen per E-Mail oder Slack. Es steht unter MIT-Lizenz und kommt von Adaca, einer Softwareberatung.
Plainoldanalytics, am 13. September 2026 auf Hacker News vorgestellt, geht den umgekehrten Weg. Es ist eine nachrüstbare Analytics-Middleware für Go-Anwendungen, im Geist ähnlich zu Umami, Plausible oder PostHog, aber in die App eingebettet. Das Kernpaket ist speicherunabhängig, mit Backends wie DuckDB und einem In-Memory-Speicher. Es ergänzt ein eingebautes Dashboard unter einem Pfad eigener Wahl, Sitzungsaufzeichnung, eigene Events und Key-Value-Eigenschaften. Der Verkehr wird etwa einmal pro Sekunde auf die Platte geschrieben.
Keines der beiden Projekte sagt einem, wer gestern Abend gewonnen hat. Aber sie sind die Ebene, die entscheidet, ob die Zahl, die man sieht, die Zahl ist, die man meint.
Die Weltmeisterschaft wird weiter Streit über Entscheidungen produzieren. Die NFL ersetzt ab September ihre Chain Gang durch Hawk-Eye-Technologie, wie der Guardian berichtete. Die Bildschirme werden weiter schneller. Die Definitionen darunter sind der Ort, an dem der Streit wirklich stattfindet.
Quellen
5- 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
- 02Rage against the machines: ignore the fury at Wimbledon, AI in sport worksEN
- 03We rebuilt the old Google Analytics on top of GA4's dataEN
- 04Show HN: Plainoldanalytics: Analytics Middlware for GoEN
- 05Why cheaper SQL doesn't make analytics cheapEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.