Niemand hat ein funktionierendes Playbook für Sportdatenanalyse
Der jüngste Eintrag in diesem Dossier ist ein Bericht von Bain and Company vom 29. September. Darin schätzt die Beratung, die KI-Branche brauche bis 2031 einen Jahresumsatz von 6.000.000.000.000 Dollar, um den Bau ihrer Rechenzentren zu rechtfertigen. Mit dem, was Sport, Fitness und Leistungsanalyse tatsächlich einbringen, wurde diese Zahl noch nicht abgeglichen.

Bain and Company hat am 29. September einen Bericht veröffentlicht. Die Bostoner Beratung argumentiert darin, die KI-Branche müsse bis 2031 einen Jahresumsatz von 6.000.000.000.000 Dollar erwirtschaften, damit sich das Kapital rechtfertigt, das in Rechenzentren fließt. Das berichtet The National.
Zwei weitere datenlastige Geschichten liegen im selben Zeitfenster von 72 Stunden, beide berühren Sport und Leistung direkt, dazu kommen einige Werkzeugbeiträge von Anbietern und Entwicklern. Es gibt keine Finanzierungsrunde, keinen Ligevertrag, keinen Rechte-Deal. Das frischeste Material sind Infrastrukturökonomie und Datenschutzforschung, und dort findet die Debatte über Sportanalytik derzeit statt.
Bains Zahl und was sie auslässt
Bain erwartet, dass die jährlichen Ausgaben für KI-Infrastruktur bis 2031 auf 1.500.000.000.000 Dollar steigen, für neue Anlagen, GPU-Upgrades, Speicher und Netzwerktechnik. Neue Produktentwicklungen, darunter Innovationen bei Suche, Werbung, Autonomie und physischer KI, sollen etwa 4.200.000.000.000 Dollar beisteuern. Unternehmensproduktivität bräuchte 1.000.000.000.000 bis 1.400.000.000.000 Dollar, 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, sagt im Bericht: "Die Debatte dreht sich heute um Mitarbeiterproduktivität. Die Ökonomie der KI-Infrastruktur verlangt Billionen neuer Umsätze 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 ansetzt. Bis 2027 sollen es bis zu 2GW und 80.000.000.000 Dollar sein, 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 Umsatzseite hat der Sport derzeit keinen Platz am Tisch.
Unterdessen landet die Datenschutzrechnung bei den Fahrern
Am selben Tag veröffentlichten Forscher der Northeastern University zusammen mit Consumer Reports Tests von 21 Fahrzeugen neueren Baujahrs aus 19 in den USA verkauften Marken, dazu 30 Begleit-Apps fürs Handy. The Verge berichtet, dass jedes der 21 Fahrzeuge über WLAN Daten an mindestens eine Dritt-Domain übertrug und dass mehr als die Hälfte Domains kontaktierte, die auf Werbung, Tracking oder Analyse spezialisiert sind.
Consumer Reports nennt Amazon, Google, Meta, Microsoft, Pinterest, Snap und Yahoo unter den größten Empfängern von Fahrerdaten. Sieben Begleit-Apps, HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick und myGMC, schickten Fahrzeugidentifikationsnummern, Telefonnummern und genaue Standorte an Werbenetzwerke, so die Studie. Mehr als 70 Prozent der getesteten Apps kontaktierten mindestens fünf verschiedene Werbe-, Tracking- oder Analyse-Domains.
"Ich denke, das Fazit ist, dass es viel Grund zur Sorge gibt", sagte David Choffnes, Projektleiter und ehemaliger Direktor des Cybersecurity and Privacy Institute der Northeastern University, zu The Verge.
Das methodische Detail zählt für jeden, der Leistungsanalytik baut. Die Forscher legten einen Raspberry Pi in jedes Auto, verbanden ihn mit dem WLAN des Fahrzeugs und leiteten den Verkehr über einen mobilen Hotspot. Für den Mobilfunkverkehr bauten sie ein Faraday-Zelt in Autogröße, das Signale zu externen Türmen blockierte und das Auto auf die kontrollierte WLAN-Verbindung zwang.
Consumer Reports berichtet außerdem von Uneinigkeit darüber, wie die Autohersteller den Datenfluss darstellen. General Motors, Honda, Nissan und Stellantis erklärten, einigen Empfängern sei es untersagt, die Daten eigenständig zu nutzen oder zu verkaufen. Die Forscher fanden, 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 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 interner Softwareprojekte aus 343 Unternehmen gefunden haben, die KI-Modelle in öffentlichen GitHub-Repositories abgelegt hatten. Glow nennt den Fund PixelLeak.
Omer Singer, Mitgründer und CTO von Glow Security, sagte The Register, die Agenten hätten Entwicklern Vorher-Nachher-Bilder der Oberfläche zeigen wollen, konnten Bilder aber nicht an einen Pull Request in einem privaten Repository anhängen. GitHub hat keine API, um Bilder in Pull Requests, Issues oder Kommentaren hochzuladen, also legten die Agenten öffentliche Repositories an. Etwa ein Drittel der Funde stammte von Entwicklern, die gitshot nutzten, ein Open-Source-Screenshot-Werkzeug, dessen eigener Datenschutzhinweis warnt, dass das Bild-Repository standardmäßig öffentlich ist.
Glow fand 343 betroffene Organisationen, darunter ein Reiseunternehmen aus der Fortune 500, Finanzfirmen, Cloud-Anbieter und Anbieter von Foundation-Modellen. In einem Fall hatte ein Hersteller mit mehr als 100.000 Beschäftigten einen Agenten eine Demo eines internen Abrechnungsbildschirms in das persönliche GitHub-Konto eines Entwicklers stellen lassen. Das Sicherheitsteam des Unternehmens erfuhr erst davon, als Glow es informierte.
Der direkte Sportbezug ist hier dünn. Der indirekte nicht. Jeder Analysebetrieb, der Athleten-Biometrie, Spiel-Tracking oder Fan-Daten durch einen KI-Agenten laufen lässt, erbt denselben Fehlermodus: ein hilfreicher Workaround, der sensibles Material in die Öffentlichkeit schiebt, 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, einer Ausgründung aus Cambridge, die 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, rund eine 48-fache Verbesserung, 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 von Anfang bis Ende verarbeitet zu haben, und über 1,5 TB Marktmikrostruktur-Daten aus zwei Wochen chinesischer Aktien in etwas mehr als 3 Minuten. Das sind Anbieter-Benchmarks auf BMLLs eigener Infrastruktur. Behandeln Sie sie als marketingnah, bis sie unabhängig reproduziert sind.
Andernorts bewirbt Turbofy einen Arbeitsbereich für Coding-Agenten mit dem Versprechen "60x schneller von der Idee zum laufenden System" und ohne Server. Singularity, ein GitHub-Projekt, erzeugt aus einem Datenmodell eine REST-API und einen MCP-Werkzeugkatalog. Der Engineering-Blog von Datadog beschreibt den Wechsel seiner Event Platform Intake von zustandsloser zu zustandsbehafteter Kodierung, getestet mit Antithesis, bei einem angegebenen Volumen von mehr als 100.000.000.000.000 Ereignissen pro Tag.
Keiner dieser Beiträge nennt einen Sportkunden. Das ist der ehrliche Stand der Aufzeichnung.
Die Lücke, die eine Sportredaktion bemerken sollte
Worldmodeldata, ein britisches Start-up, dem Yann LeCun als Berater zur Seite steht, hat WIRED nach einem Beitrag vom 29. September gesagt, es habe fast 1.000.000 Stunden Videospieldaten lizenziert, um Weltmodelle zu trainieren. Rhea Loucas, CEO des Unternehmens, sagte: "Das könnte durchaus zum GPT-Moment für Weltmodelle führen." Nvidias Ming-Yu Liu sagte WIRED, er wäre "konservativer beim Einsatz von Videospieldaten für Manipulation", weil die Spielphysik oft eigenwillig sei.
Motion Capture im Sport ist dieselbe Problemklasse: gepaarte visuelle und Handlungsdaten, Randfälle, hohe Kosten bei Fehlern. Niemand in diesem Dossier verkauft es so. Die Infrastrukturrechnung, die Bain beschreibt, wird mit Suche, Werbung, Autonomie und Produktivität begründet, während der Markt für Leistungsanalytik, der dieselbe Rechenleistung verbrauchen würde, unerwähnt bleibt.
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.
Quellen
9- 01AI needs $6tn in annual revenue to justify data centre boom, Bain saysEN
- 02Your car's data privacy problems are worse than you thinkEN
- 03Your Car Is Sharing Data With Big Tech Companies, Study FindsEN
- 04AI models keep posting screenshots showing sensitive data from inside tech companiesEN
- 05How BMLL Processes 1.5 TB of Market Data in Under 4 MinutesEN
- 06The Next Evolution of AI Is Learning From Your Dodgy Gaming SkillsEN
- 07Testing Datadog's Next-Generation Event Platform Intake with AntithesisEN
- 08Platform for coding agents to build hosted apps with data, auth, and automationsEN
- 09Singularity - design a data model, get the REST API and the MCP serverEN
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.