LigaInsider Boost

 

Der bereits legendäre LigaInsider Boost informiert dich über mögliche Punkte-Lieferanten am Spieltag. Als Dauerkarten-Besitzer wird er dir für jeden Spieler in der Voraussichtlichen Aufstellung angezeigt.

Vielleicht kennst du den Boost schon als legendären Part aus dem Gamechanger-Podcast?! Er zeigt dir an, wie wir das kommende Match-up des Spielers einschätzen. 

Um den Boost für alle Managerspiele verwenden zu können, haben wir uns für den Torboost entschieden, denn jedes Managerspiel basiert auf einer simplen Grundlage: Torschützen machen den Unterschied aus.

Mit unserem eigenen expected goals Modell berechnen wir für jeden Spieler für jedes Spiel die Wahrschinlichkeit, mindestens ein Tor zu schießen. Der Torboost ist sowohl vom Gegner als auch von der erwarteten Spielzeit des Spielers abhängig. Außerdem beziehen wir bei unseren Berechnungen mit ein, welche Mitspieler der betrachtete Spieler hat. Denn je mehr Torgefahr um einen Spieler zu finden ist, desto höher ist auch seine Chance auf ein Tor.

Der Torwart bekommt - stellvertretend für das ganze Team - den Torboost als Wahrscheinlichkeit ein clean sheet zu bekommen. Denn auch dieser Wert ist für die Überlegungen eines Managers von großer Bedeutung. Entweder weil es direkt Punkte dafür gibt oder weil es als Hilfestellung für den Spielverlauf dienen kann und damit indirekt Einfluss auf die Performance aller Spieler hat.

Daraus ergibt sich nun, dass der Boost für dein konkretes Managerspiel zwar nicht die alleinige Basis für deine Entscheidung sein sollte, aber bei den Spieltagschallenges, bei denen es um "Alles oder nix" geht, könnte es eine wertvolle Information sein. 

Den Boost haben wir in unsere Voraussichtlichen Aufstellungen auf unserer Seite integriert. Dementsprechend bekommen ihn auch nur Spieler, die eine ernsthafte Startelfchance besitzen.

Für alle, die unser Vorgehen im Einzelnen interessiert:

Das Grundkonzept bei LigaInsider besteht aus einer Reihe von statistischen Methoden, um auf Basis der historischen Daten die sauberste und beste Prognose zu generieren. 

Unser Algorithmus berücksichtigt dabei zunächst die Formationen und Spielweisen der beiden Teams, die am Spieltag aufeinandertreffen. Welchen Spielverlauf können wir erwarten? Welche Mannschaft wird den Ball kontrollieren und wer nimmt erst mal eine defensive Haltung an? Jedes Team hat bestimmte Stärken und Schwächen in bestimmten Räumen auf dem Spielfeld, verhält sich nach einem gewissen Muster bei Vorsprung oder Rückstand und zieht ihr Spiel auf eine gewisse Art und Weise auf. Dieses sogenannte Clustering sorgt für eine solide Basis, das nächste Spiel einschätzen zu können.

Da unser System ausschließlich auf Daten beruht, wird es natürlich zum Bundesligastart auch für uns nicht leicht sein, die Teams richtig einzuordnen, da es so viele Trainerwechsel gab wie selten zuvor. Wie wird der neue Coach spielen lassen? Bringt er eine ganz neue Idee mit, die unsere Daten noch nicht aufgezeichnet haben, oder bestimmt der Kader die Spielweise? Unser System ist dabei so angelegt, dass es bei neuem Input sehr schnell reagieren wird und Daten in neuen Konstellationen ein höheres Gewicht zumisst.

Übrigens, im Matchday Briefing werden wir in einer Sektion über die Saison hinweg versuchen, die oben genannten Methoden noch besser zu erklären, denn dort zeigen wir die Herangehens- und Spielweisen beider Teams in einer Grafik.

Doch zurück zu unserem Algorithmus: Als nächstes untersuchen wir die Position und Spielweise des Spielers. Durch welche Aktionen zeichnet sich sein Spiel vor allem aus, wenn er auf einen Gegner trifft, von dem wir die oben genannte Formation und Spielweise erwarten? Wie ist seine Rolle bei offensiven Standards? Je nach Spieler haben wir hier eine unterschiedliche Datengröße, auf die wir zurückgreifen können. Da wir, wie oben schon erwähnt, ausschließlich mit Bundesliga-Daten arbeiten, können wir zum Bundesligastart einen Thomas Müller immer besser einschätzen als einen Neuzugang aus einer anderen Liga. Aber nach ein paar Spieltagen ist auch jeder neue Spieler gut vom System erfasst.

Durch unsere Anbindung an Opta arbeiten wir auch immer mit den aktuellsten Werten der Managerspiele. Auf diese Daten greifen wir auch bei unseren sogenannten Aktionsketten oder Sequenzen zurück. Hier im Beispiel siehst du unsere Abbildung eines Tors von Borussia Dortmund gegen RB Leipzig.

Auf diese Weise können wir alle notwendigen Fragestellungen beantworten. Beispielsweise: Welche Spieler spielen den ersten Pass im Aufbau? Wer geht eher vertikal? Welcher Spieler hat den größten Anteil an Sequenzen mit Ballkontrolle? Wer dominiert über links, rechts oder die Mitte? Welcher Spieler ist am wichtigsten für das Herausspielen von Torchancen? Wo entstehen Lücken im Spiel gegen den Ball? Welche Mannschaft sehen wir in puncto “erwartete Gefahr” vorne? Aus diesen Fragen bzw. Antworten und vielem mehr gewinnen wir schlussendlich unsere Erkenntnisse, die wir für unsere Prognosen benötigen.

Ebenfalls wichtig ist die erwartete Spielzeit, die der Spieler auf dem Feld stehen wird. Dies ist logisch, denn je mehr Spielzeit ein Spieler bekommt, desto mehr Chancen hat er auch auf mehr Ballaktionen und Punkte.

Um die verschiedenen Einflussfaktoren, die die erwartete Leistung des Spielers am nächsten Spieltag beeinflussen, zu quantifizieren, greifen wir auf Regressionsanalysen zurück. Zudem verwenden wir verschiedene Clusteralgorithmen, um ähnliche Spielweisen und Muster zu entdecken. Mit Hilfe von Kerndichteschätzungen nehmen wir Spielzüge und den Aktionsradius der Spiele genau unter die Lupe.