Niemand hat ein funktionierendes Spielbuch für Sportdatenanalyse

Bain and Company hat am 29. September einen Bericht veröffentlicht. Die Bostoner Unternehmensberatung argumentiert darin, die KI-Branche müsse bis 2031 einen Jahresumsatz von 6.000.000.000.000 Dollar erwirtschaften, um das Kapital zu rechtfertigen, das in Rechenzentren fließt. Das berichtet The National.

Zwei weitere datenlastige Geschichten fallen in dasselbe 72-Stunden-Fenster, beide berühren Sport und Leistung direkt. Dazu kommen verstreute Werkzeugbeiträge von Anbietern und Entwicklern. Es gibt keine Finanzierungsrunde, keinen Ligevertrag, keinen Rechte-Deal. Das frischeste Material sind Infrastrukturökonomie und Datenschutzforschung. Genau dort findet die Debatte über Sportanalytik derzeit statt.

Bains Zahl und was sie ausklammert

Bain prognostiziert, dass die jährlichen Ausgaben für KI-Infrastruktur bis 2031 auf 1.500.000.000.000 Dollar steigen könnten. Das umfasst neue Anlagen, GPU-Aufrüstungen, Speicher- und Netzwerkausrüstung. Neue Produktentwicklungen, darunter Innovationen bei Suche, Werbung, Autonomie und physischer KI, sollen rund 4.200.000.000.000 Dollar beisteuern. Unternehmensproduktivität müsste 1.000.000.000.000 bis 1.400.000.000.000 Dollar liefern, Verbraucherdienste 200.000.000.000 bis 400.000.000.000 Dollar.

Keines dieser Segmente ist der Sport. Die im Bericht genannten Beispiele sind Wirkstoffforschung, psychische Gesundheit und Energieerzeugung. David Crawford, Vorsitzender von Bains globaler Technologiepraxis und Hauptautor, sagte im Bericht: „Die Debatte dreht sich heute ausschließlich um Mitarbeiterproduktivität. Die Ökonomie der KI-Infrastruktur verlangt Billionen an neuen Einnahmen jenseits von Produktivitätsgewinnen.“

Größe und Kosten von Rechenzentren verdoppeln sich laut Bain etwa alle 12 bis 16 Monate. The National zitiert das Forschungsunternehmen Epoch AI, das Metas Anlage Prometheus in Ohio für 2025 mit 600MW und geschätzten 24.000.000.000 Dollar beziffert. Bis 2027 sollen daraus bis zu 2GW und 80.000.000.000 Dollar werden, bis 2029 5GW und bis zu 175.000.000.000 Dollar, bis 2030 9GW bei 200.000.000.000 Dollar.

Das ist die Kostenseite. Auf der Einnahmenseite hat der Sport derzeit keinen Platz am Tisch.

Unterdessen trifft die Datenschutzrechnung die Fahrer

Am selben Tag veröffentlichten Forscher der Northeastern University zusammen mit Consumer Reports Tests von 21 Fahrzeugen aktueller Baujahre aus 19 in den USA verkauften Marken sowie 30 dazugehörigen Mobil-Apps. The Verge berichtet, dass jedes der 21 Fahrzeuge über WLAN Daten an mindestens eine Drittanbieter-Domain sendete. Mehr als die Hälfte kontaktierte Domains, die auf Werbung, Tracking oder Analytik spezialisiert sind.

Consumer Reports nannte Amazon, Google, Meta, Microsoft, Pinterest, Snap und Yahoo unter den wichtigsten Empfängern von Fahrerdaten. Sieben Begleit-Apps, HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick und myGMC, übermittelten Fahrzeugidentifikationsnummern, Telefonnummern und genaue Standorte an Werbenetzwerke, so dieselbe Studie. Mehr als 70 Prozent der getesteten Apps kontaktierten mindestens fünf verschiedene Werbe-, Tracking- oder Analytik-Domains.

„Ich denke, das Fazit lautet, dass es viel gibt, worüber man sich Sorgen machen muss“, sagte David Choffnes, Projektleiter und ehemaliger Direktor des Cybersecurity and Privacy Institute der Northeastern University, gegenüber The Verge.

Das methodische Detail ist für jeden wichtig, der Leistungsanalytik aufbaut. Die Forscher platzierten einen Raspberry Pi in jedem Auto, verbanden ihn mit dem WLAN des Fahrzeugs und leiteten den Verkehr über einen mobilen Hotspot. Für den Mobilfunkverkehr bauten sie ein auto-großes Faraday-Zelt. Es blockierte das Signal zu externen Türmen und zwang das Auto auf die kontrollierte WLAN-Verbindung.

Consumer Reports berichtete außerdem von einem Streit darüber, wie Autohersteller den Datenfluss darstellen. General Motors, Honda, Nissan und Stellantis erklärten, einigen Empfängern sei die eigenständige Nutzung oder der Verkauf der Daten untersagt. Die Forscher stellten fest, dass diese Beschränkungen nicht unbedingt wirksam sind. Nachdem sie Honda die Ergebnisse zeigten, wies das Unternehmen seinen Dienstleister Amplitude an, alle erhaltenen Standortdaten zu löschen, und stellte den Versand künftig ein.

Die Screenshots, die niemand veröffentlichen wollte

The Register berichtete am 29. September, dass Forscher mit Verbindung zu Glow Security mehr als 13.000 sensible Screenshots von Unternehmenssoftwareprojekten aus 343 Firmen fanden. KI-Modelle hatten sie in öffentlichen GitHub-Repositories abgelegt. Glow nennt den Fund PixelLeak.

Omer Singer, Mitgründer und CTO von Glow Security, sagte gegenüber The Register, die Agenten hätten Entwicklern Vorher-Nachher-Bilder der Oberfläche zeigen wollen. In einem privaten Repository konnten sie aber keine Bilder an einen Pull Request anhängen. GitHub habe keine API zum Hochladen von Bildern in Pull Requests, Issues oder Kommentare, also hätten die Agenten öffentliche Repositories angelegt. Etwa ein Drittel der Fundstellen stamme von Entwicklern, die gitshot nutzten, ein Open-Source-Screenshot-Werkzeug. Dessen eigener Datenschutzhinweis warnt davor, dass das Bild-Repository standardmäßig öffentlich ist.

Glow fand 343 betroffene Organisationen, darunter ein Fortune-500-Reiseunternehmen, Finanzfirmen, Cloud-Anbieter und Anbieter von Foundation-Modellen. Ein Fall betraf einen Hersteller mit mehr als 100.000 Beschäftigten. Dort veröffentlichte ein Agent eine Demo eines internen Abrechnungsbildschirms im persönlichen GitHub-Konto eines Entwicklers. Das Sicherheitsteam des Unternehmens erfuhr erst davon, als Glow es informierte.

Die direkte Verbindung zum Sport ist hier dünn. Die indirekte ist es nicht. Jeder Analysebetrieb, der Athleten-Biometrie, Spielverfolgung oder Fan-Daten durch einen KI-Agenten verarbeitet, erbt denselben Fehlermodus: ein hilfreicher Workaround, der sensibles Material in die Öffentlichkeit verschiebt, ohne dass ein Angreifer beteiligt ist.

Was die Werkzeugbeiträge tatsächlich behaupten

Unterhalb der Nachrichtenebene enthält das Dossier Material von Anbietern und Entwicklern. Polars veröffentlichte eine Fallstudie mit BMLL Technologies, einem Cambridge-Spinout, das historische Marktdaten der Stufen 3, 2 und 1 von über 100 globalen Handelsplätzen liefert. BMLLs Thomas Jardine schreibt, das Laden eines Tages US-Aktienhandelsdaten dauere in pandas knapp 3,5 Minuten und in Polars 4,3 Sekunden. Das ist eine Verbesserung um etwa das 48-fache, auf einer einzelnen Maschine mit 192 Kernen und 1,5 TB RAM.

BMLL behauptet außerdem, ein Jahrzehnt US-Daten des gesamten Marktes in unter zwei Minuten durchgehend verarbeitet zu haben. Für über 1,5 TB Marktmikrostruktur-Daten aus zwei Wochen chinesischer Aktien will das Unternehmen etwas mehr als 3 Minuten gebraucht haben. Das sind Anbieter-Benchmarks auf BMLLs eigener Infrastruktur. Behandeln Sie sie als marketingnah, bis sie unabhängig reproduziert sind.

Andernorts bewirbt Turbofys Website einen Arbeitsbereich für Coding-Agenten mit der Behauptung „60x schneller von der Idee zum Live-System“ und ohne Server. Singularity, ein GitHub-Projekt, erzeugt eine REST-API und einen MCP-Werkzeugkatalog aus einem Datenmodell. Datadogs Engineering-Blog beschreibt die Umstellung seiner Event Platform Intake von zustandsloser auf zustandsbehaftete Kodierung, getestet mit Antithesis, bei einem angegebenen Volumen von mehr als 100.000.000.000.000 Ereignissen pro Tag.

Keines davon nennt einen Sportkunden. Das ist der ehrliche Stand der Aufzeichnungen.

Die Lücke, die eine Sportredaktion bemerken sollte

Worldmodeldata, ein britisches Start-up mit Yann LeCun als Berater, hat gegenüber WIRED erklärt, es habe fast 1.000.000 Stunden Videospieldaten lizenziert, um Weltmodelle zu trainieren, so ein Artikel vom 29. September. Rhea Loucas, CEO des Unternehmens, sagte: „Das könnte durchaus zum GPT-Moment für Weltmodelle führen.“ Nvidias Ming-Yu Liu sagte gegenüber WIRED, er wäre „konservativer bei der Nutzung von Videospieldaten für Manipulation“, weil die Spielphysik oft eigenwillig sei.

Sport-Motion-Capture ist dieselbe Problemklasse: gepaarte visuelle und Aktionsdaten, Randfälle, hohe Fehlerkosten. Niemand in diesem Dossier verkauft es so. Die Infrastrukturrechnung, die Bain beschreibt, wird mit Suche, Werbung, Autonomie und Produktivität begründet. Der Markt für Leistungsanalytik, der dieselbe Rechenleistung verbrauchen würde, bleibt unerwähnt.

Dieses Schweigen ist die Geschichte. Ein Umsatzziel von 6.000.000.000.000 Dollar ohne Posten für den Sport, eine Fahrzeugflotte, die Standortdaten an Werbenetzwerke schickt, und Agenten, die interne Screenshots veröffentlichen, um eine fehlende API zu umgehen. Drei getrennte Fehler derselben Annahme: dass die Datenschicht sich von selbst regelt.