KISs-BiS - Künstliche Intelligenz für den Spitzensport im Spannungsfeld zwischen Big und Small Data

Gespeichert in:
Bibliographische Detailangaben
Leiter des Projekts:Asteroth, Alexander (Hochschule Bonn-Rhein-Sieg / Institut für Technik, Ressourcenschonung und Energieeffizienz, Tel.: 02241 865-255, alexander.asteroth at h-brs.de)
Mitarbeiter:Hagg, Alexander (Hochschule Bonn-Rhein-Sieg / Institut für Technik, Ressourcenschonung und Energieeffizienz, Tel.: 02241 865-9659, alexander.hagg at h-brs.de)
Kooperationspartner des Projekts:Pfeiffer, Mark (Universität Mainz / Institut für Sportwissenschaft); Link, Daniel (Technische Universität München / Fakultät für Sport- und Gesundheitswissenschaften)
Forschungseinrichtung:Hochschule Bonn-Rhein-Sieg / Institut für Technik, Ressourcenschonung und Energieeffizienz
Finanzierung:Bundesinstitut für Sportwissenschaft (Aktenzeichen: 080602/19-20)
Kooperationspartner:Universität Mainz / Institut für Sportwissenschaft; Technische Universität München / Fakultät für Sport- und Gesundheitswissenschaften
Format: Projekt (SPOFOR)
Sprache:Deutsch
Projektlaufzeit:09/2019 - 12/2020
Schlagworte:
Erfassungsnummer:PR020191000088
Quelle:profi - Projektinformationssystem

Ziel

Der Nutzen von Methoden der künstlichen Intelligenz und des maschinellen Lernens im Sport ist unbestritten, jedoch treten bei der Umsetzung in die Praxis gravierende Probleme auf, was den Zugang zu Ressourcen, die Verfügbarkeit von Experten, und den Umgang mit den Methoden und Daten angeht. Zum letzten Punkt sehen wir den Bedarf, das Spannungsfeld zwischen Big Data, wenn viele Daten zur Verfügung stehen, und im Umkehrfall Small Data, der sportwissenschaftlich typischere Fall, aufzulösen. Die Ursache für die, verglichen mit anderen Anwendungsgebieten, langsame An-/Übernahme von Methoden in den Spitzensport, liegt nach unsere Arbeitshypothese in mehreren Mismatches zwischen Sport und KI. Diese Mismatches sind methodischer, struktureller und auch kommunikativer Art.
Ziel dieses Projekts ist es, für diese Mismatches Lösungsvorschläge zu erarbeiten. Dafür soll ein systematischer Review den Ausgangspunkt bilden. Es sollen einerseits bestehende Anwendungsfälle von KI im nationalen/internationalen Spitzensport und andererseits "success stories" aus Anwendungsgebieten mit dem Spitzensport vergleichbarer Charakteristik betrachtet werden. Der Fokus liegt dabei darauf, unter welchen Randbedingungen welche (aktuelle) Methoden der KI, insb. des maschinellen Lernens, zum Erfolg geführt haben. Ausgehend von den Ergebnissen des Reviews werden Vorschläge zur Auflösung der Mismatches erarbeitet, mit dem Ziel der Ableitung neuer Transfer- und Synergiemöglichkeiten auch für neue innovative (Produkt-)entwicklungen. In drei Use Cases zu Trainingssteuerung/-Modellierung, Wettkampfdiagnostik-/analyse/ Spielanalyse und Leistungsdiagnostik wird dies exemplarisch, in Form entsprechender Projektbeschreibungen, umgesetzt. Diese sollten zielgruppengerecht aufbereitet werden, wobei die Akteure im Spitzensport zentral stehen.

Planung

Im Projekt wird eine Übersicht darüber erstellt, welche Möglichkeiten KI bietet, Werkzeuge und Lösungen für den Spitzensport zu entwickeln.
Es soll eine Übersicht aus erfolgreichen und innovativen Anwendungen der KI erstellt und hinsichtlich ihrer Transfermöglichkeit in den Spitzensport überprüft werden. Aktuelle Kernentwicklungen der KI werden mit den Entwicklungen und Möglichkeiten im Spitzensport verglichen. Ein besonderer Fokus liegt dabei auf Datenvielfalt, dem Ausbleiben dieser Vielfalt und der Interpretation dieser Daten.
Der Arbeitsplan gliedert sich in die folgenden Arbeitspakete:
AP1: Literaturrecherche und Status Quo. Es wird eine Übersicht über bestehende KI-Methoden und -Ansätze erstellt, deren Voraussetzungen und Limitationen dargestellt sowie und eine Übersicht über bisherige Einsatzzwecke erarbeitet.
AP2: Recherche aktuelle und denkbare Ansätze "KI im Spitzensport”. Hier erfolgt eine Recherche inkl. Experteninterviews über bisherige Einsatzgebiete von KI im Spitzensport.
AP3: Transfer aus anderen Anwendungsfeldern. Es wird untersucht, aus welchen weiteren Ansätzen der KI ein Transfer in den Bereich des Spitzensport möglich ist.
AP4: Entwicklung von drei Use Cases. Drei verschiedene innovative Use Cases werden dargestellt, in denen KI im Spitzensport einsetzbar ist.
AP5: Reporting. Hier erfolgt eine zielgruppengerechte Beschreibung der Projektergebnisse.

Ergebnisse

Aus den drei Arbeitshypothesen (Methodologisches Mismatch, Strukturelles Mismatch, Mangelnde Awareness) und den Entwicklungen in den vier Teilbereichen der KI (Wahrnehmung, Modellierung, Optimierung und Manipulation) wird im Projekt eine Übersicht darüber erstellt, welche Möglichkeiten KI bietet, Werkzeuge und Lösungen für den Spitzensport zu entwickeln.
Drei Use-Cases beschreiben die Verwertungsmöglichkeiten in den Bereichen Trainingssteuerung/-Modellierung, Wettkampf-/Spielanalyse und Leistungsdiagnostik. Bereits jetzt werden leichte mobile und vernetzte Systeme im Sport eingesetzt. Intelligentere Tools können zur Optimierung von Leistungsfaktoren ebenso eingesetzt werden wie zur Optimierung von Wettkampfstrategien und zur Vermeidung von Fehlbelastungen, Verletzungen und Erkrankungen. Durch den Einsatz von KI und der Individualisierung von Modellen zur Intervention und Optimierung sowie in der Diagnostik können die physiologischen Eigenschaften der Akteure individuell berücksichtigt werden und so deren Leistung bei gleichzeitigem Schutz der Gesundheit maximiert werden.
Immer leistungsfähigere und energieeffizientere Hardware macht es möglich, intelligente Tools im Sport mobil einzusetzen. Dadurch kann einerseits den Sportler*innen unmittelbares Feedback gegeben werden und andererseits können durch den zunehmenden Grad an Vernetzung Trainer und Ärzte in Entscheidungen leichter mit eingebunden werden.
Die Ergebnisse sind übertragbar auf weitere Bereiche im Spitzensport, mögliche Anwendungen bestehen z.B. im Bereich Training, Strategieentwicklung, kooperative Strategieoptimierung und Leistungssteigerung, sowohl des Individuums als auch von Mannschaften.