Abstract

Die Erfassung von Aktionsdaten aus dem Spielprozess wird überwiegend auf Auftrittshäufigkeiten von Ereignissen beschränkt. Daraus gewonnene Daten reichen jedoch nicht aus, um prozessuale Strukturen hinreichend darzustellen. Sollen diese beispielsweise unter den Aspekten Taktik oder Strategie analysiert werden, müssen die relevanten Aktionskontexte in das Modell und in die Modelldaten aufgenommen werden. Diese theoretische Fundierung stößt in ihrer praktischen Umsetzung an Grenzen: Die Datenmenge erreicht bereits bei wenigen angewandten Attributen zur Prozessanalyse eine nicht mehr zu bewältigende Menge. Beschränkt man sich auf einige wenige Faktendaten, wie Techniken, Positionen oder Ergebnisse, dann ist die Datenmenge und der Aufwand relativ gering. Analog dazu auch ihr Nutzen. Nur unter Berücksichtigung wesentlicher Aspekte wie Voraussetzungen und Randbedingungen können zeitliche, logische und strukturelle Zusammenhänge in ausreichendem Maße analysiert werden. Die Datenmenge kann gering gehalten werden, wenn anstatt einzelner Prozesse Prozessmuster angewendet werden. Die Bestimmung solcher Muster erfolgt mit Clusterungmethoden, die deterministisch, stochastisch oder auch mit Hilfe von Neuronalen Netzen konzipiert sein können. Verf. stellt einen Ansatz vor, der auf Kohonen Feature Maps als spezielle Form eines Neuronalen Netzes basiert. Dietershagen