„In Fußball, Wirtschaft und Gesellschaft: Wie neue Algorithmen Probleme lösen“
Ein Interview mit Prof. Dr. Ulf Brefeld, Professor für Maschinelles Lernen an der Leuphana Universität Lüneburg
Ulf Brefeld ist Professor für Maschinelles Lernen an der Leuphana Universität Lüneburg. Nach dem Studium der Informatik an der Universität des Saarlandes, Saarbrücken und der Technischen Universität Berlin promovierte er an der Humboldt-Universität zu Berlin und am Max-Planck-Institut für Informatik in Saarbrücken. Er war Postdoc an der Technischen Universität Berlin und der Universität Bonn und arbeitete für Yahoo! Research, Barcelona, bevor er die Leitung der Recommender-Gruppe bei Zalando übernahm. Von 2012-2015 war er Professor für Knowledge Mining & Assessment an der TU Darmstadt und am DIPF, Frankfurt am Main. Ulf Brefeld interessiert sich für statistisches Maschinelles Lernen und Data-Mining.
Gunnar Brune/AI.Hamburg: Herr Professor Brefeld, Sie sind Informatiker an der Leuphana Universität. Wenn man Ihren Publikationen folgt, dann bekommt man den Eindruck, dass – Stichwort Machine Learning – nicht nur Menschen Maschinen trainieren, sondern auch Maschinen Sportler. Ist das so?
Prof. Dr. Ulf Brefeld: Sportler*innen trainieren wir mit unseren Lernalgorithmen noch nicht aber wir arbeiten tatsächlich viel im Bereich Sport. Im Prinzip geht maschinelles Lernen bzw. Künstliche Intelligenz ja in alle Bereiche unseres Lebens hinein. Wir kooperieren z.B. mit dem Deutschen Fußballbund und der Deutschen FußballLiga (DFL)und versuchen die Koordination der Spieler*innen auf dem Fußballplatz besser zu verstehen und auch analytisch zu fassen, um dann Aussagen zu machen, die Fußballvereine interessieren. Die Methoden, die wir dazu entwickeln, sind dabei nicht zwingend auf Profifußball beschränkt, sondern erlauben uns auch andere Bewegungsdaten besser zu verstehen, z.B. Migration, öffentlicher Nahverkehr oder allgemein Probleme, in denen sich ein oder mehrere Agenten oder Objekte in Raum und Zeit bewegen.
Gunnar Brune/AI.Hamburg: Eine Sekunde, ich komme da nicht ganz mit. Die Frage „Wie schieße ich ein Tor?“ ist verwandt ist mit der Frage, wie ein Migrant zu seinem Ziel findet und mit der Frage, an wie vielen roten Ampeln ich auf dem Weg zur Leuphana Universität anhalten muss?
Prof. Dr. Ulf Brefeld: Formal gesehen sind das ähnliche Problemstellungen: Wir haben Sequenzen von Zeitstempeln und Orten. Diese beschreiben ein Zeit-Raum-Problem von einem oder mehreren Agenten, in diesem Fall Personen, die sich nach irgendeinem Muster bewegen. In der Regel laufen Menschen ja nicht zufällig durch die Gegend, sondern sie verfolgen mit ihrer Bewegung ein Ziel. Die Fußballer wollen z.B. ein Tor erzielen, Störche wollen in Afrika überwintern, der öffentliche Personennahverkehr will pünktlich sein. So unterschiedlich diese Situationen sind und so unterschiedlich wir sie umgangssprachlich beschreiben, so ähnlich sind sich die Formalisierungen.
Gunnar Brune/AI.Hamburg: Was macht in diesem Zusammenhang gesellschaftlich sehr relevanter Themen ausgerechnet den Fußball zum Forschungsgegenstand?
Prof. Dr. Ulf Brefeld: Beim Fußball haben wir die Daten durch die Kooperation mit der DFL und dem DFB. Die Positionen der einzelnen Fußballspieler in den Spielen der ersten und zweiten Bundesliga werden regelmäßig mit Spezialkameras aufgenommen, um die Daten zu generieren. In den anderen Fällen ist es nicht so einfach. Generell ist die Verarbeitung von personenbezogenen Daten sinnvollerweise durch den Datenschutz eingeschränkt.
Gunnar Brune/AI.Hamburg: Und findet man dabei die allgemein bekannten Spielsysteme wie 4-4-2 oder 4-3-3 wieder? Oder schaut man nach anderen Dingen?
Prof. Dr. Ulf Brefeld: Wir schauen weniger nach Systemen. Oft widersprechen sich da auch die Expert*innen, und bereits kleine taktische Umstellungen verändern manchmal den Charakter der Aufstellung. Es geht uns tatsächlich mehr um Koordination.
Gunnar Brune/AI.Hamburg: Wenn Sie diese Frage beantworten wollen, wie suchen Sie dafür den Algorithmus aus und wie trainieren Sie ihn? Ein Marktingprofessor kann seinen Algorithmus z.B. mit Amazon-Bewertungen trainieren, aber wie macht man das bei einem Fußballspiel?
Prof. Dr. Ulf Brefeld: Das Vorgehen ist grundsätzlich eigentlich immer gleich. Man überlegt sich zunächst, wie man die Qualität eines etwaigen Algorithmus’ evaluieren möchte. Aus der Evaluierung entspringt dann eine Blaupause des Algorithmus auf natürliche Weise. Beim Fußball ist es beispielsweise so: Wir maximieren den „Gewinn“ (Reward). Dazu messen wir keine Tore, die sind beim Fußball zu zufällig, sondern z.B. das Eindringen in den Strafraum mit dem Ball. Wird der Ball vorher verloren, dann ist es ein negatives Beispiel. Trägt ein Team den Ball in den Strafraum des Gegners, dann ist es ein positives Beispiel. Aus historischen Spielen lernt das System dann die Aktionen der Spieler*innen im Kontext zu bewerten und kann Wahrscheinlichkeiten berechnen, ob diese Aktionen zu einem positiven oder negativen Ausgang führten.
Weiterlesen? Das gesamte Interview gibt es hier.
AI.Hamburg ist Gründungsmitglied der AI4Germany Initiative, bei der sich führende Initiativen im Bereich künstliche Intelligenz (KI) zusammenschliessen, um die lokale Wirtschaft und Gesellschaft in Deutschland aktiv bei der Anwendung von künstlicher Intelligenz zu unterstützen – und damit Deutschland ins KI-Zeitalter zu begleiten. Ganz konkret fördert AI.Hamburg den breiten Einsatz von künstlicher Intelligenz und insbesondere des maschinellen Lernens in Unternehmen im Norden durch Erfahrungsaustausch und Wissensvermittlung auf einschlägigen AI Events wie dem AI InfoBreakfast und verschiedenen Workshop-Formaten.
Der AI.Hamburg Newsletter versorgt dich regelmäßig mit Neuigkeiten aus dem KI-Kosmos – jetzt anmelden!