Apples leise Anzeigetafel und die neuen Open-Source-Werkzeuge für Analysen
Slate hat Apples im Winter 2024 gestartete Sport-App als bestes Verbraucherprodukt der letzten zwei Jahre bezeichnet. Gleichzeitig füllt sich GitHub mit selbst gehosteten Analysewerkzeugen, die den großen Anbietern Konkurrenz machen.

Zwei Dinge sind in diesem Jahr in der Sporttechnologie passiert, die man nebeneinander legen sollte. Apple brachte eine Sport-App heraus, die genau eine Sache tut. Eine Gruppe von Entwicklern, Beratungen und Datenbankanbietern brachte Werkzeuge heraus, die Analysen weniger abhängig von einer Handvoll Cloud-Anbieter machen sollen.
Slate veröffentlichte am 10. Juni einen Beitrag mit dem Argument, Apple Sports, im Winter 2024 gestartet, sei ein seltener Fall einer App, die genau das tut, was sie verspricht. Der Beitrag listet auf, was die App nicht hat: keine Schlagzeilen, keine Streaming-Hinweise, kein Scrollen im TikTok-Stil. Der Autor schreibt, er nutze sie für NHL, NFL, College Football und College Basketball. Während der Stanley-Cup-Playoffs, so merkt er an, musste er die automatischen Updates zu den Pittsburgh Penguins abschalten. Die App war schneller als sein Streaming-Paket.
Die Daten hinter der Einfachheit
Die Mechanik lohnt es sich auszubuchstabieren. Sie erklärt, warum sich eine App zum Abrufen von Spielständen anders anfühlt als das, was aus ESPN oder MLB geworden ist. Apple Sports zeigt Teamnamen, Logos, Bilanzen, Anstoßzeiten und Spielstände, dazu Tabellen. Tippt man auf ein Spiel, bekommt man einen Box Score, eine Rangliste oder die Kader. Die App deckt MLS, NWSL und rund 30 weitere Fußballligen ab, darunter die ecuadorianische Serie A und die zweite Bundesliga, dazu Herren- und Damentennis und die LPGA Tour. Live Activities können Spielstände auf den Sperrbildschirm schicken. Wettquoten erscheinen auf der Anzeigetafel, lassen sich aber in den Einstellungen abschalten. Die Werbung wird als gelegentlich beschrieben, meist Banner mit Verweis auf Apple TV.
Slate zitiert den ursprünglichen Ankündigungstext eines Apple-Managers von 2024: „We created Apple Sports to give sports fans what they want, an app that delivers incredibly fast access to scores and stats." Das ist die ganze Produktbeschreibung. Es gibt keine agentische Ebene, keinen Zusammenfasser-Bot, keine Bilderzeugung.
Ob diese Zurückhaltung trägt, ist eine andere Frage. Die App konsumiert Sportdaten, statt sie zu produzieren. Ihr Wert hängt an Lizenzverträgen mit Ligen und Datenanbietern, die Slate nicht behandelt. Er hängt auch daran, ob Apple ein Produkt ohne erkennbaren Umsatz weiterlaufen lässt. Beides ist nicht garantiert.
Die andere Seite des Markts
Unterdessen wird die Werkzeugebene unter Sport- und Unternehmensanalysen voller. Am 13. September erschien auf GitHub unter dem Namen poundifdef ein Projekt namens plainoldanalytics. Es ist ein selbst gehostetes Webanalyse-Paket zum Andocken für Go-Anwendungen. Der Autor beschreibt es als im Geist ähnlich zu Umami, Plausible oder PostHog, aber in die App selbst eingebettet. Das Kernpaket ist speicherunabhängig: Wer es importiert, zieht weder DuckDB noch ein anderes Backend mit herein. Entwickler wählen ein Speicherpaket oder implementieren das Storage-Interface und übergeben es an plainoldanalytics.New.
Das Repository zeigt ein eingebautes Dashboard, das unter einem frei gewählten Pfad läuft, einen Middleware-Wrapper und einen optionalen Browser-Session-Recorder. Der Datenverkehr wird etwa einmal pro Sekunde auf die Festplatte geschrieben. Die README rät Entwicklern, beim Herunterfahren Close() aufzurufen, damit alles noch Gepufferte geschrieben wird. Adapter gibt es für gin und chi. Die Dokumentation warnt, die Middleware auf eine Gruppe zu beschränken. So wird das Analyse-Dashboard selbst nicht als Datenverkehr erfasst.
Am 8. September veröffentlichte eine Softwareberatung namens Adaca einen anderen Ansatz: adaca-analytics, ein selbst gehostetes Dashboard für Google Analytics 4 und BigQuery, das auf Cloudflare Workers läuft. Tägliche Zusammenfassungen aus der GA4 Data API oder einem BigQuery-Export landen in einer D1-Datenbank, die dem Nutzer gehört, während Echtzeitdaten bei Google bleiben. Die README beschreibt sechs Dashboards ab Werk, einen Builder in vier Schritten, gespeicherte Segmente, schreibgeschützte Freigabelinks, den Vergleich mit früheren Zeiträumen sowie wöchentliche und monatliche Zusammenfassungen per E-Mail oder Slack. Die Einrichtung verlangt ein Google-Dienstkonto mit Viewer-Zugriff und ein Deployment auf Cloudflare, das das Repository forkt und D1 und KV bereitstellt.
Das Projekt steht unter MIT-Lizenz. Adaca bezeichnet sich als Softwareberatung, die Auftragssoftware baut und erfahrene Entwickler in Kundenteams einsetzt.
Architekturdebatten
Starburst veröffentlichte am 11. September eine Analyse zweier Architekturen für agentische Datenanalyse. Ihre Einordnung gilt für beide genannten Werkzeuge. Die erste Option besteht darin, Daten aus Quellsystemen zu ziehen und die Rohdateien einem Agenten zu übergeben. Starburst nennt das „option 0" und hält es außerhalb ungewöhnlicher Umstände für unpraktisch. Agenten, die pro Datenelement abrechnen, werden unbezahlbar, wenn man Terabytes schickt. Die zweite Option gibt dem Agenten direkten Zugriff auf die Datenbank und lässt ihn eigenes SQL schreiben. Der Agent verfeinert Abfragen schrittweise, während die Datenbank-Engine die Verarbeitung übernimmt. Starburst merkt an, dass Agenten Datenbanksysteme mit spekulativen Abfragen überlasten können, sagt aber, die Branche konzentriere sich darauf, agentische Arbeitslasten zu unterstützen.
Diesen Kompromiss gehen die neuen Werkzeuge still ein. Adaca lässt die schwere Aggregation in einer Datenbank, die der Nutzer kontrolliert. Plainoldanalytics hält den Datenverkehr im eigenen Prozess der Anwendung. Keines schickt Rohdaten standardmäßig an Dritte. Die lautesten Schlagzeilen der Sporttechnologie drehen sich um KI-Systeme für Targeting und Vorhersage. Der interessantere Wandel geht womöglich hin zu kleineren Werkzeugen, die sich weigern, mehr als eine Aufgabe zu erledigen.
Quellen
4- 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
- 02We rebuilt the old Google Analytics on top of GA4's dataEN
- 03Show HN: Plainoldanalytics: Analytics Middlware for GoEN
- 04An Analysis of Two Architectures for Agentic Data AnalysisEN
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.