Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Die Datenschicht im Sporttechnikbereich teilt sich in zwei Lager: Dashboards in eigener Hand, Agenten als Ziel

Zwei Veröffentlichungen im September zeigen zwei sehr unterschiedliche Antworten darauf, wie Sportorganisationen mit Analytik umgehen sollten: selbst gehostete Dashboards auf Cloudflare Workers und eine Starburst-Analyse dazu, was passiert, wenn ein KI-Agent die Datenbankschlüssel bekommt statt eines Diagramms.

SportAnalyseSven AlbrechtVeröffentlicht: 28. September 20265 Min. LesezeitQuellen 3
Die Datenschicht im Sporttechnikbereich teilt sich in zwei Lager: Dashboards in eigener Hand, Agenten als Ziel

Am 8. September veröffentlichte die Softwareberatung Adaca auf GitHub adaca-analytics, eine selbst gehostete Dashboard-Schicht für Google Analytics 4, die auf Cloudflare Workers läuft. Zehn Tage später, am 18. September, befasste sich ein von CData gesponsertes White Paper auf dem Wiley Science and Engineering Content Hub mit der Replikationsgeschwindigkeit und versprach 76 Prozent schnellere Replikation auf derselben Infrastruktur. Zwischen diesen beiden Daten veröffentlichte Starburst am 11. September eine Architekturanalyse. Sie fragt, wer oder was überhaupt auf die Daten zugreifen darf.

Nichts davon ist sportspezifisch. Genau das ist der Punkt. Die Infrastruktur, die entscheidet, welcher Athlet geschont wird, welcher Ticketpreis angezeigt wird und welcher Broadcast-Highlight geschnitten wird, wird auf der Ebene der Leitungen neu gebaut. Die Sportbranche ist dabei überwiegend Nutzerin dieser Entscheidungen und nicht deren Urheberin.

Das Dashboard-Argument: die Zahlen selbst besitzen

Das Werkzeug von Adaca ist bewusst unspektakulär. Laut seiner GitHub-README landen tägliche Rollups aus der GA4 Data API oder einem BigQuery-Export in einer D1-Datenbank, die der Betreiber besitzt, während Echtzeitdaten live bei Google bleiben. Sechs Dashboards sind ab Werk dabei, dazu ein Baukasten in vier Schritten für eigene. Jede Zahl ist anklickbar: Quellen, Seiten und Länder öffnen Detailseiten mit eigener Entwicklung und Aufschlüsselung. Die Werte sind vorberechnet, damit sie in einem einzigen Roundtrip laden.

"Adaca is a software consultancy. We build custom software, embed senior engineers in client teams, and put AI to work for our clients. Adaca Analytics is open source under the MIT licence."

Der Aufbau verlangt ein Google-Dienstkonto mit Viewer-Zugriff auf die GA4-Property und dessen JSON-Schlüssel. Für die Bereitstellung forkt man das Repository, richtet D1 und KV ein und gibt den Schlüssel an. Eine Anmeldung gibt es nicht, deshalb rät die README Betreibern, Cloudflare Access oder die eingebaute Basic Auth davorzusetzen.

Für einen Verein oder einen Rechteinhaber liegen die Vorzüge in Eigentum und Kosten. Für ein Sportdatenteam liegt der Vorzug darin, dass ein Vergleich mit dem Vorzeitraum, dem Vorjahr oder einem beliebigen Fenster ein Klick ist und kein Ticket an eine zentrale Analytics-Gruppe, in deren Warteschlange zwölf weitere Anfragen stehen.

Das Agenten-Argument: die Schlüssel aushändigen

Der Beitrag von Starburst ist keine Produktankündigung. Er ist eine Systematik, und eine nützliche, wenn man herausfinden will, wohin die Budgets für Sportanalytik in den nächsten zwei Spielzeiten tatsächlich fließen.

Der Autor entwirft ein Beispiel aus dem Lebensmittelhandel, das sich fast perfekt auf eine Frage aus dem Sportgeschäft übertragen lässt: War mein Verkauf von Eiern in der vergangenen Woche profitabel? Eine saubere Antwort braucht Transaktionsdaten, Treuedaten, Warenkorbzusammensetzung und Ladenlayout, verteilt über mehr als eine Datenbank. Ersetzt man die Eier durch ein vergünstigtes Familienticket und die Treuekarten durch Datensätze von Dauerkarteninhabern, steht man vor demselben Problem, das ein Fußballverein jeden Montagmorgen hat. Der Beitrag argumentiert, dass Agenten und nicht Menschen beginnen, den Großteil dieser iterativen Arbeit zu erledigen. Die Qualität des Ergebnisses hängt stark davon ab, wie die Daten zum Agenten gelangen.

Er legt drei Optionen dar. Option 0, Rohdaten zu extrahieren und als Dateien an den Agenten zu schicken, wird rundweg verworfen: Der Beitrag sagt, das könne unerschwinglich teuer werden, wenn Agenten pro Datenelement abrechnen, und die Leistungsnachteile machten sie "not a good option in practice". Option 1 gibt dem Agenten direkten Datenbankzugriff und lässt ihn eigenes SQL schreiben. Der Agent iteriert gegen die Ausführungsmaschine der Datenbank, statt Terabytes über die Leitung zu ziehen. Der Beitrag merkt an, dass dies Systeme belasten kann, weil Agenten weit fordernder sind als Menschen und eine Datenbank mit spekulativen Abfragen überlasten können. Er sagt aber, die Datenbankbranche konzentriere sich inzwischen darauf, agentische Arbeitslasten zu unterstützen.

Die Zwischenoptionen, bei denen die Datenbank einen Teil der Verarbeitung übernimmt, bevor sie Ergebnisse aushändigt, sind der Ort, an dem der Beitrag den größten Teil seiner analytischen Energie aufwendet. Die drei Dimensionen, an denen er sie misst, sind die, die jede Leitung für Sportanalytik messen sollte: Korrektheit, Latenz und Token-Kosten.

Wo die Sportdaten tatsächlich liegen

Sportorganisationen betreiben meist einen Hybrid. Web- und App-Analytik für Fans liegt in etwas wie GA4 oder einem Äquivalent, also in der Schicht, auf die Adaca zielt. Ticketing, CRM und Merchandising liegen in operativen Datenbanken. Broadcast- und Trackingdaten liegen wieder woanders, oft in Volumina, die das Replikationsargument von CData relevant machen.

Das von CData gesponserte White Paper argumentiert, steigende Datenmengen hätten den Engpass von den Daten selbst auf die Architektur verschoben, die sie bewegt, und nächtliche Batch-Fenster passten nicht mehr. Es beschreibt parallele partitionierte Lesevorgänge, die eine große Quelltabelle in Zeilenbereichspartitionen aufteilen und sie gleichzeitig über CPU-Threads lesen, dazu Optimierungen im Schreibpfad, die Aufwand pro Datei und pro Spalte senken. Breite Tabellen mit Hunderten Spalten profitieren am meisten, heißt es, und die Ergebnisse werden für gängige Cloud-Ziele berichtet.

Die Parallele zu Trackingdaten im Sport liegt nahe. Ein einzelnes Spiel kann Hunderte Spalten an Ereignis- und Positionsdaten erzeugen, und eine Liga erzeugt Hunderte Spiele pro Woche. Wenn die Replikation der Engpass ist, wartet das Analytics-Team auf Infrastruktur, statt bessere Fragen zu stellen.

Was die drei Dokumente nicht klären, ist die Governance. Adacas Antwort besteht darin, Cloudflare Access vor einen Worker zu setzen, der einen Dienstkonto-Schlüssel mit Viewer-Rechten hält. Starbursts Antwort besteht darin, den Agenten die Datenbank steuern zu lassen und zu akzeptieren, dass er ein schwererer Nutzer sein wird als jeder menschliche Analyst. Keine der beiden adressiert, was passiert, wenn der Agent oder das Dashboard auf Gesundheitsdaten von Athleten gerichtet wird oder auf wettbezogene Signale, um die Regulierer bereits kreisen.

Die Werkzeuge kommen schneller als die Regeln. Diese Lücke, nicht die Dashboards, ist die Geschichte, mit der sich die Sporttechnik in der nächsten Saison befassen wird.

Kommentare 0

Quellen

3
  1. 01We rebuilt the old Google Analytics on top of GA4's dataEN
  2. 02An Analysis of Two Architectures for Agentic Data AnalysisEN
  3. 0376% Faster Replication. Same Infrastructure.EN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Sven Albrecht

Sven Albrecht

Sport, Auto und Reisen

Sven Albrecht schreibt für FLASH24 über Sport, Autos und Reisen und stützt sich dabei auf Herstellerangaben, Streckenprotokolle und offizielle Ergebnisse. Bei Testwagen vergleicht er Normverbrauch mit realen Messwerten und prüft Drehmomentkurven sowie Akkukapazitäten. Er spricht mit Werkstattmeistern, Rennkommissaren und Bahnbetreibern und wartet auf den Fahrplanwechsel, um Verbindungen quer durch Europa zu vergleichen. Privat fährt er Elektroautos, schraubt in der Garage und plant Bahnstrecken quer durch Europa. Unbelegte Zahlen veröffentlicht er nicht.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.