<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="/sponet/themes/root/assets/xsl/rss.xsl"?>
<rss version="2.0" xmlns:opensearch="http://a9.com/-/spec/opensearch/1.1/" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:slash="http://purl.org/rss/1.0/modules/slash/">
  <channel>
    <title>Ergebnis für Versionen - 4062387</title>
    <description>Treffer 1 - 2 von 2</description>
    <generator>Laminas_Feed_Writer 2 (https://getlaminas.org)</generator>
    <link>https://sponet.de/sponet/Search/Versions?sort=first_indexed+desc%2Cfirst_indexed+desc&amp;limit=50&amp;id=4062387&amp;search=versions&amp;lng=de</link>
    <opensearch:totalResults>2</opensearch:totalResults>
    <opensearch:startIndex>0</opensearch:startIndex>
    <opensearch:itemsPerPage>50</opensearch:itemsPerPage>
    <opensearch:Query role="request" searchTerms="4062387" startIndex="0"/>
    <atom:link rel="first" type="application/rss+xml" title="Zur ersten Seite springen" href="https://sponet.de/sponet/Search/Versions?sort=first_indexed+desc%2Cfirst_indexed+desc&amp;limit=50&amp;view=rss&amp;id=4062387&amp;search=versions&amp;lng=de"/>
    <atom:link rel="last" type="application/rss+xml" title="Zur letzten Seite springen" href="https://sponet.de/sponet/Search/Versions?sort=first_indexed+desc%2Cfirst_indexed+desc&amp;limit=50&amp;view=rss&amp;id=4062387&amp;search=versions&amp;lng=de&amp;page=1"/>
    <atom:link rel="self" type="application/rss+xml" href="https://sponet.de/sponet/Search/Versions?sort=first_indexed+desc%2Cfirst_indexed+desc&amp;limit=50&amp;view=rss&amp;id=4062387&amp;search=versions&amp;lng=de"/>
    <item>
      <title>Sports Analytics - Wie aus (kommerziellen) Sportdaten neue Möglichkeiten für die Sportwissenschaft entstehen</title>
      <pubDate>Mon, 01 Jan 2018 14:54:49 +0100</pubDate>
      <link>https://sponet.de/sponet/Record/4062387</link>
      <guid>https://sponet.de/sponet/Record/4062387</guid>
      <author>Link, D.</author>
      <dc:format>Artikel</dc:format>
      <dc:subject>Informatik</dc:subject>
      <dc:subject>Technologie</dc:subject>
      <dc:subject>Datenerfassung</dc:subject>
      <dc:subject>Hardware</dc:subject>
      <dc:subject>Mess- und Informationssystem</dc:subject>
      <dc:subject>Messverfahren</dc:subject>
      <dc:tag>Sportinformatik</dc:tag>
      <dc:format>Artikel</dc:format>
      <dc:creator>Link, D.</dc:creator>
      <content:encoded><![CDATA[Technologische Innovationen im Bereich der sensorischen Datenerfassung haben in den letzten Jahren zu einer rasanten Zunahme der Datenmengen im Sport geführt. Insbesondere die zeitkontinuierlichen Positionsdaten, die heute ich in den Profiligen der Mannschaftssportarten nahezu flächendeckend zur Verfügung stehen, bieten ein riesiges leistungsdiagnostisches Potential. Diese Daten besitzen allerdings für sich genommen zunächst nur wenig inhaltlichen Wert. Um sie für die Trainings- und Wettkampfsteuerung in Vereinen, die Beantwortung sportwissenschaftlicher Fragestellungen aber auch in der kommerziellen Anwendung bspw. in der Medienberichterstattung nutzen zu können, werden neue, intelligente Analyseverfahren benötigt. In den USA, aber auch zunehmend im europäischen Raum, hat sich dieser Bereich unter dem Stichwort Sports Analytics zu einem prosperierenden Wirtschaftssektor entwickelt, in dem jährlich Milliardenbeträge umgesetzt werden. Vor diesem Hintergrund ist es erstaunlich, dass der Terminus Sports Analytics ebenso wie viele der assoziieren Themenfeld in der deutschen Sportwissenschaft bislang kaum rezipiert werden. Sports Analytics bezeichnet den Prozess der Suche, Interpretation und Aufbereitung von Informationen in sportbezogenen Leistungsdaten unter der Verwendung von Informationssystemen und mathematischen Verfahren der Datenanalyse. Die Zielstellungen liegen in zwei Bereichen: Erstens sollen die Ergebnisse dazu beitragen, die Leistung und die Leistungsfähigkeit von Teams zu verbessern, zweitens sollen durch die Nutzung der Daten wirtschaftliche Profite in der Wertschöpfungskette Profisport erzielt werden. Daher sind Profivereine,  Medienunternehmen,  Datendienstleister  und  die  großen Sportligen auch die wesentlichen Stakeholder. Die amerikanische Sports Analytics und die im Wesentlichen durch den deutschsprachigen Raum geprägte Disziplin Sportinformatik weisen eine Vielzahl von Gemeinsamkeiten auf. Allerdings gibt es auch Unterschiede in Genese und Tradition, die sich in verschiedenen Perspektiven auf den Gegenstand manifestieren. Dieser Beitrag gibt einen Überblick über das Forschungsfeld Sports Analytics. Hierbei werden Zielstellungen, Systematik, Bedeutung, Interessengruppen und Themenfelder diskutiert und in Bezug zum Selbstverständnis der Sportinformatik gesetzt.]]></content:encoded>
      <slash:comments>0</slash:comments>
    </item>
    <item>
      <title>Sports Analytics: Wie aus (kommerziellen) Sportdaten neue Möglichkeiten für die Sportwissenschaft entstehen</title>
      <pubDate>Mon, 01 Jan 2018 14:54:49 +0100</pubDate>
      <link>https://sponet.de/sponet/Record/4047556</link>
      <guid>https://sponet.de/sponet/Record/4047556</guid>
      <author>Link, D.</author>
      <dc:format>Artikel</dc:format>
      <dc:subject>Datenbank</dc:subject>
      <dc:subject>Statistik</dc:subject>
      <dc:subject>Analyse</dc:subject>
      <dc:subject>Wettkampf</dc:subject>
      <dc:subject>Leistungsdiagnostik</dc:subject>
      <dc:tag>Big Data</dc:tag>
      <dc:format>Artikel</dc:format>
      <dc:creator>Link, D.</dc:creator>
      <content:encoded><![CDATA[Dieser Beitrag stellt das Themenfeld der Sports Analytics vor und diskutiert seine Bedeutung für die Sportwissenschaft. Der Begriff stammt aus dem US-amerikanischen Sprachgebrauch und hat sich in vielen Ländern zu einem Synonym für die Erfassung, Analyse und Nutzung von Sportdaten entwickelt. Die inhaltlichen Zielstellungen der Sports Analytics sind vielfältig und unterscheiden sich je nach Interessengruppe. Der Profisport nutzt die Daten für die Spielanalyse, die Belastungssteuerung im Training, die Verletzungsprophylaxe und zur Unterstützung von Spielertransfers. Medienunternehmen reichern ihre Berichterstattung mit spieldatenbasierten Analysen an und versuchen so, sich von anderen Marktteilnehmern zu differenzieren. Für Datenkonzerne dienen Sportdaten als Demonstrationsdomäne für die Leistungsfähigkeit ihrer Datenanalyseprodukte. Darüber hinaus kann auch das Wissenschaftssystem von den enormen Datenmengen profitieren. Sie ermöglichen der Sportwissenschaft die Leistungsstruktur von Sportarten zu untersuchen, die Wirksamkeit von Interventionen zu überprüfen oder neue Paradigmen der Theoriebildung zu entwickeln. Die Informatik kann die Daten nutzen, um methodische Fortschritte im Bereich von Big Data Verfahren, Data Mining und maschinellem Lernen zu erzielen. Mehrere Konferenzserien, Lehrbücher, Sonderausgaben in basiswissenschaftlichen Zeitschriften, ein eigenes Journal und Studiengänge zeigen international eine fortschreitende akademische Institutionalisierung der Sports Analytics. Um die Komptabilität zu internationalen Strukturen herzustellen und die Arbeitsmarktperspektiven ihrer Absolventen zu verbessern, sollte sich die deutsche Sportwissenschaft dieser internationalen Entwicklung annähern.]]></content:encoded>
      <slash:comments>0</slash:comments>
    </item>
  </channel>
</rss>
