Apples leise Anzeigetafel und die neue Ladung quelloffener Analysewerkzeuge

In der Sporttechnologie sind dieses Jahr zwei Dinge passiert, die man nebeneinander stellen sollte. Apple lieferte eine Sport-App, die genau eine Sache tut. Eine Gruppe von Entwicklern, Beratungen und Datenbankanbietern lieferte Werkzeuge, die die Analyse weniger abhängig von einer Handvoll Cloud-Anbieter machen sollen.

Slate veröffentlichte am 10. Juni einen Artikel. Darin heißt es, Apple Sports, im Winter 2024 gestartet, sei ein seltener Fall einer App, die genau das tut, was sie verspricht. Der Artikel listet auf, was die App nicht hat: keine Schlagzeilen, keine Streaming-Hinweise, kein Scrollen im TikTok-Stil. Der Autor nutzt sie für NHL, NFL, College Football und College Basketball. Während der Stanley-Cup-Playoffs musste er die automatischen Updates zu den Pittsburgh Penguins abschalten, weil die App schneller war als sein Streaming-Paket.

Daten hinter der Einfachheit

Die Mechanik lohnt sich genauer anzusehen, denn sie erklärt, warum sich eine App zum Abfragen von Spielständen anders anfühlt als das, was aus ESPN oder MLB geworden ist. Apple Sports zeigt Teamnamen, Logos, Bilanzen, Spielzeiten und Spielstände sowie Tabellen. Ein Tipp auf ein Spiel öffnet 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. Werbung gibt es nur gelegentlich, meist Banner mit Verweis auf Apple TV.

Slate zitiert den ursprünglichen Werbespruch eines Apple-Managers aus der Ankündigung 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 Produktaussage. Es gibt keine agentische Ebene, keinen Zusammenfassungsbot, keine Bilderzeugung.

Ob diese Zurückhaltung skaliert, ist eine andere Frage. Die App verbraucht Sportdaten, sie produziert sie nicht. Ihr Wert hängt von Lizenzvereinbarungen mit Ligen und Datenanbietern ab, die Slate nicht behandelt. Er hängt auch davon ab, ob Apple ein Produkt ohne erkennbaren Umsatz weiterbetreibt. Beides ist nicht garantiert.

Die andere Seite des Marktes

Unterdessen wird die Werkzeugebene unter der Sport- und Unternehmensanalytik voller. Am 13. September erschien auf GitHub unter dem Kürzel poundifdef ein Projekt namens plainoldanalytics. Es ist ein selbst gehostetes Webanalysepaket für Go-Anwendungen, das sich in die App selbst einbettet. Der Autor beschreibt es als im Geist ähnlich zu Umami, Plausible oder PostHog. Das Kernpaket ist speicherunabhängig: Wer es importiert, zieht weder DuckDB noch ein anderes Backend mit hinein. 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 eingehängt wird, einen Middleware-Wrapper und einen optionalen Browser-Session-Recorder. Der Datenverkehr wird etwa einmal pro Sekunde auf die Platte geschrieben. Die README weist Entwickler an, beim Herunterfahren Close() aufzurufen, um noch gepufferte Daten zu schreiben. Adapter gibt es für gin und chi. Die Dokumentation warnt davor, die Middleware auf eine Gruppe zu beschränken, damit das Analyse-Dashboard selbst nicht als Datenverkehr erfasst wird.

Am 8. September veröffentlichte eine Softwareberatung namens Adaca eine andere Variante: adaca-analytics, ein selbst gehostetes Dashboard für Google Analytics 4 und BigQuery, das auf Cloudflare Workers läuft. Tägliche Rollups aus der GA4 Data API oder einem BigQuery-Export landen in einer D1-Datenbank, die dem Nutzer gehört. Echtzeit bleibt bei Google. 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 erfordert 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 kundenspezifische Software baut und erfahrene Entwickler in Kundenteams einbettet.

Architekturdebatten

Starburst veröffentlichte am 11. September eine Analyse zweier Architekturen für agentische Datenanalyse. Ihre Einordnung gilt für beide oben genannten Werkzeuge. Die erste Option besteht darin, Daten aus Quellsystemen zu extrahieren und die Rohdateien einem Agenten zu übergeben. Starburst nennt dies "Option 0" und hält es außerhalb ungewöhnlicher Umstände für unpraktisch. Agenten, die pro Datenelement abrechnen, werden unerschwinglich teuer, wenn man Terabytes schickt. Die zweite Option besteht darin, dem Agenten direkten Zugriff auf die Datenbank zu geben und ihn eigenes SQL schreiben zu lassen. Er verfeinert Abfragen schrittweise, während die Datenbank-Engine die Verarbeitung übernimmt. Starburst merkt an, dass Agenten Datenbanksysteme mit spekulativen Abfragen überlasten können. Die Branche konzentriert sich aber darauf, agentische Arbeitslasten zu unterstützen.

Diesen Kompromiss gehen die neuen Werkzeuge still ein. Adaca behält die schwere Aggregation in einer Datenbank, die der Nutzer kontrolliert. Plainoldanalytics behält den Datenverkehr im eigenen Prozess der Anwendung. Keines sendet standardmäßig Rohdaten an Dritte. In einem Markt, in dem die lautesten Sporttechnologie-Schlagzeilen von KI-Targeting und Vorhersagesystemen handeln, liegt die interessantere Verschiebung vielleicht bei kleineren Werkzeugen, die sich weigern, mehr als eine Aufgabe zu erledigen.