Stats Perform, der führende Anbieter von Daten- und KI-Technologien im Bereich SportsTech, hat heute seine bestehende Partnerschaft mit dem Fußballverein Bayer 04 Leverkusen aus der Deutschen Fußball Liga (DFL) erweitert und dem Bundesligisten Zugang zu Edge Analysis, dem fortschrittlichsten Tool zur Vorbereitung auf Fußballspiele, ermöglicht.
Basierend auf Tracking- und Ereignisdaten wendet Edge Analysis einzigartige KI-Modelle an, um objektive, dynamische und prädiktive Erkenntnisse zu gewinnen, die die Analyseprozesse vor und nach dem Spiel verbessern und einzigartige Einblicke in die Performance aller bevorstehenden Gegner liefern. Die Plattform nutzt über 100 KI-gestützte KPIs, um acht einzigartige, patentierte KI-Modelle zu liefern, die innerhalb von Sekunden objektive Erkenntnisse liefern und mit Videomaterial verknüpft sind. Die neuen Funktionen, die 2020/21 eingeführt werden, bieten neue Erkenntnisse über die Spielcharakteristiken einer Mannschaft, Formveränderungen während eines Spiels, den Ballverlauf und den Einfluss der einzelnen Spieler auf die Erarbeitung von Torchancen.
Neben den Ereignisdaten von Stats Perform werden mehrere wichtige Funktionen der „Edge Analysis“-Plattform von Bayer Leverkusen mit Hilfe von integrierten Tracking-Daten versorgt, die von Sportec Solutions, dem internen Datenanbieter der DFL, geliefert werden.
Edge Analysis ist bereits bei Vereinen in der Ligue 1 (Frankreich) und der Serie A (Italien) im Einsatz. So auch bei Stade Rennais, einer Mannschaft, die die Plattform während der gesamten Saison 2019/20 nutzte und sich zum ersten Mal in der Vereinsgeschichte für die Champions League qualifizierte. Der Verein liegt derzeit auf Platz 5 in der Ligue 1.
Stephan Hanke, Vice President of Sales in Europa bei Stats Perform, kommentiert: „Wir freuen uns, die bestehenden Prozesse bei Bayer 04 Leverkusen zu verbessern und sie mit dem Zugriff auf einzigartige Erkenntnisse zu unterstützen, die durch unsere patentierten KI-Modelle geliefert werden, die nur in Edge Analysis zu finden sind. Das wird eine spannende Bundesliga-Saison und wir freuen uns darauf, den Verein während der Saison zu unterstützen.“
Marcel Daum, Co-Trainer für Analyse in der Sportabteilung von Bayer 04 Leverkusen, sagte: „Dies ist mein vierzehntes Jahr im Profifußball und ich arbeite schon lange mit dem Team von Stats Perform zusammen. Edge Analysis ermöglicht uns den Schritt von der deskriptiven Analyse zur prädiktiven Analyse, was meiner Meinung nach die Zukunft der Performance-Analyse im Fußball ist. Das unterscheidet Edge Analysis von anderen Tools der Branche und war der Hauptfaktor für unsere Entscheidung, mit der Plattform zu arbeiten.“
Über Stats Perform
Stats Perform ist der Marktführer im Bereich SportsTech und bietet die zuverlässigsten Sportdaten und die neuesten Fortschritte bei der Anwendung von KI und maschinellem Lernen, um bessere Vorhersagen für Teams, Sportwetten und eine ansprechendere Rundfunk-, Medien- und Fan-Erfahrung zu liefern. Das Unternehmen sammelt die detailliertesten Sportdaten, um neue Erfahrungen in allen Sportarten zu schaffen. Unter Nutzung der reichhaltigsten Sportdatenbank verbessert Stats Perform Sportwettkämpfe und Unterhaltung durch maschinelles Lernen und Computer Vision, um fortschrittliche Vorhersagen und Analysen zu erstellen – sei es für digitale und Rundfunkmedien mit differenziertem Storytelling, Technologieunternehmen mit zuverlässigen und schnellen Daten für ihre Innovationen, Sportwetten mit In-Play-Wetten und Integritätsdiensten oder Teams mit der ersten KI-Analysesoftware ihrer Art. Weitere Informationen finden Sie unter StatsPerform.com
Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.
Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20210205005498/de/