Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Die Studie untersucht die Auswirkungen von Sports-Analytics-Systemen auf Athleten im Profifußball, mit Fokus auf Leistung, Emotion, Motivation, Stress und Datenethik. Durch die Nutzung von Technologien wie GPS-Trackern und Herzfrequenzsensoren wird die Leistung der Athleten gemessen und optimiert, was zu einer Steigerung der sportlichen Performance führen kann. Gleichzeitig werden die psychologischen Effekte dieser Systeme analysiert, insbesondere wie sie die Motivation und das Stressniveau der Spieler beeinflussen. Die Studie zeigt, dass die ständige Überwachung und Datenerfassung sowohl positive als auch negative Auswirkungen haben können, wobei die Datenethik eine zentrale Rolle spielt. Die Ergebnisse deuten darauf hin, dass eine transparente und partizipative Integration dieser Technologien in Trainings- und Coachingkonzepte notwendig ist, um die langfristige Motivation und das psychische Wohlbefinden der Athleten zu sichern. Die Studie betont die Bedeutung verbindlicher Standards und einheitlicher Governance-Strukturen, um Spielerrechte zu sichern und zugleich innovationsfreundliche Nutzung von Digitaltechnologien zu ermöglichen.
KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
Zusammenfassung
Der Einsatz moderner Digitaltechnologien im Profifußball wie z. B. Wearables wie GPS-Tracker und Pulsuhren sowie Videokameras in Kombination mit KI-gestützten Software-Tools zur Datenanalyse (sogenannte Sports-Analytics-Systeme) kann zur Steigerung der Spielerleistung beitragen und bietet weitere Vorteile für Trainer, Vereine und andere Interessensgruppen wie Medien, z. B. bessere Datengrundlage für Entscheidungen, Steigerung der Profitabilität und gesteigerte Transparenz. Allerdings wird bei der Betrachtung der Auswirkungen des Technologieeinsatzes die Perspektive der Spieler oft vernachlässigt. Diese Arbeit analysiert die Auswirkungen des Einsatzes digitaler Überwachungstechnologien auf Athleten im Profifußball. Konkret wurden Leistung, Emotion, Motivation und Stress der Spieler sowie Datenethik untersucht. Das Datenmaterial bilden 176 in den letzten beiden Jahrzehnten auf Fußballplattformen veröffentlichte Artikel, unter anderem Berichte von Fußballmagazinen und Sportzeitschriften, die inhaltsanalytisch untersucht wurden. In diesen Artikeln wurden insgesamt 285 Textpassagen identifiziert, die sich auf die fünf genannten Faktoren beziehen. Die Ergebnisse zeigen, dass 91 % der 82 kodierten Aussagen zu Leistung einen positiven Einfluss des Einsatzes von Digitaltechnologien nahelegen, jedoch auch 47 % der 60 kodierten Aussagen zu Emotionen über negative Gefühle berichten. Hinsichtlich der Motivation zeigt sich, dass 75 % der 71 dazu kodierten Aussagen auf eine eingeschränkte Selbstbestimmung und damit einhergehend auf eine wahrgenommene Autonomieeinschränkung hinweisen. Die Datenlage zum Stress ist äußerst begrenzt (insgesamt nur fünf kodierte Aussagen), jedoch legen die wenigen vorhandenen Aussagen nahe, dass die von den Athleten wahrgenommene Überwachung und der Leistungsdruck bedeutsame Stressoren sein können. Es wurden außerdem zahlreiche Aussagen zur Datenethik identifiziert (insgesamt 67), die insbesondere in Bezug auf den Schutz der Privatsphäre und die Rechte der Athleten ein problematisches Bild zeichnen (64 %). In einer Gesamtschau verdeutlichen die hier berichteten Befunde das erhebliche Potenzial von Digitaltechnologien zur Verbesserung der Spielerleistung, verweisen jedoch zugleich auf die Notwendigkeit einer kritischen Auseinandersetzung mit möglichen negativen psychologischen Konsequenzen sowie ethischen und datenschutzrechtlichen Fragestellungen.
Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.
1 Einleitung
Der professionelle Fußballsport hat sich in den letzten Jahrzehnten zu einer hochgradig technisierten und weitgehend wirtschaftlich ausgerichteten Industrie entwickelt. Diese Transformation ist eng an die Entwicklungen im Bereich der Digitalisierung gekoppelt. Die Digitalisierung verändert unter anderem die Spiel- und Trainingsrealität. Der Einsatz von Technologien wie GPS-Trackern, Herzfrequenzsensoren oder Videoanalyse-Systemen ermöglicht es, die Leistung von Athleten zu messen, überwachen und zu steuern – oftmals sogar in Echtzeit. Wearables und diverse Sensoren liefern detaillierte Daten über Laufwege, Spielgeschwindigkeit, Belastung, Spielverhalten und viele weitere Parameter. Diese Entwicklung hin zu einem immer höheren Digitalisierungsgrad hat das Ziel, durch den Einsatz dieser oft als Sports-Analytics-Systeme bezeichneten Technologien die sportliche Leistung zu maximieren; wird dies erreicht, können auch die Einnahmen dementsprechend steigen. Beispielsweise konnte ein Club durch den Gewinn der UEFA Champions League 2024/251 und die Teilnahme an den verbundenen Wettbewerben Einnahmen von über 100 Mio. € erzielen (Kicker 2024); es gewann Paris Saint-Germain.
Die Entwicklung zu einem immer höheren Digitalisierungsgrad im Sportbereich von Fußballclubs führt nicht nur zu immer mehr Forschung in diesem Bereich (z. B. Bassek et al. 2025; Bley et al. 2022; Fink et al. 2018; Pu et al. 2024; Konzag und Sølvkær Schütz 2024; Weigelt et al. 2024), sondern auch dazu, dass die Spieler zunehmend zu „gläsernen“ Athleten werden, deren Daten für Vereine, Medien und Fans abrufbar sind (Memmert und Raabe 2019). Der Schutz sensibler Daten ist ein zentrales Thema, das große Bedeutung hat. Dieser Schutz steht jedoch nicht immer im Vordergrund – wie auch ein aktueller Fall aus Österreich zeigt, in dem ein Spieler ohne seine Zustimmung mit Namen, Foto und Einsatzdaten öffentlich beschrieben wurde, was laut einem Medienbericht zu einer Geldstrafe von 11.000 € für die verantwortliche Liga führte (Schreiber und Möchel 2024).
Anzeige
Historisch betrachtet war die Analyse sportlicher Leistungsdaten auch bereits früher eine relevante Thematik – jedoch in deutlich vereinfachter Form. Die ersten systematischen Datenaufzeichnungen im Leistungssport reichen ins frühe 20. Jahrhundert zurück und fanden im US-amerikanischen Baseball mittels Stift und Papier statt. Im Fußball setzte sich die systematische Datenaufzeichnung ab den 1950er-Jahren von England ausgehend durch; Handnotationssysteme legten den Grundstein für die heutige Performanceanalyse (Memmert und Raabe 2019). Die technologische Entwicklung der letzten Jahrzehnte hat eine datengetriebene Wissenschaft entstehen lassen, die sich stark an Konzepten der Wirtschaftsinformatik sowie Business Analytics orientiert (Kirkendall 2020; Qi et al. 2024).
Die ständige Verfügbarkeit von Leistungs- und Gesundheitsdaten führt zu wachsendem Druck und wirft Fragen auf, nicht zuletzt jene, inwiefern die ständige Überwachung psychologische Konsequenzen mit sich bringt (z. B. Seçkin et al. 2023). Die Spielerperspektive ist daher stärker in den Vordergrund zu rücken und damit einhergehend sind Sports-Analytics-Systeme nicht nur als Effizienztreiber, sondern auch als potenzielle Quelle psychischer und sozialer Belastung zu betrachten. Die vorliegende Arbeit setzt an diesem Punkt an und widmet sich folgenden zwei Forschungsfragen: Wie beeinflussen Datenaufzeichnung und -analyse die Faktoren Leistung, Emotion, Motivation und Stress im professionellen Herrenfußball? Welche Rolle spielt hierbei die Datenethik in der Praxis?
Zur theoretischen Fundierung der vorliegenden Arbeit wurden Erkenntnisse aus der Forschung zu Electronic Performance Monitoring (EPM) herangezogen (vgl. Kalischko und Riedl 2021, 2024). Auch wenn die dortigen seit Jahrzehnten durchgeführten Untersuchungen auf nicht-sportbezogene Organisationskontexte fokussieren, sind die beschriebenen psychologischen Effekte grundsätzlich kontextübergreifend relevant – Beispielphänomene sind Überwachungsdruck und dadurch ausgelöster Stress sowie Motivations- und Leistungseffekte. Da im Profifußball nach dem Wissensstand der Autoren des vorliegenden Beitrags bislang keine systematischen empirischen Studien zu diesen psychologischen Aspekten auf der Basis der EPM-Forschung vorliegen, stellen Konzeptualisierungen aus diesem Forschungsfeld eine innovative Grundlage für die Betrachtung des Profifußballs dar. Zugleich ist aber auch zu berücksichtigen, dass der Profifußball in ökonomischer Hinsicht Besonderheiten aufweist, da Spielerdaten ein zentraler Bestandteil der Wertschöpfung sind und unter anderem in Vertragsverhandlungen zugunsten der Spieler aktiv genutzt werden (Transfermarkt.at 2021).
Die Einbeziehung von Datenethik als Untersuchungsdimension folgt der Erkenntnis, dass ethische Fragestellungen untrennbar mit den psychologischen Wirkungen digitaler Leistungsüberwachung verbunden sind. In der EPM-Forschung wird seit Jahrzehnten gezeigt, dass technologische Überwachung nicht nur Fragen nach Effizienz und Kontrolle, sondern auch nach Fairness, Vertrauen und Autonomie aufwirft (siehe dazu insbesondere den Review von Kalischko und Riedl 2021). Diese Aspekte sind auch im Profifußball relevant, da Athleten durch die kontinuierliche Erhebung und Auswertung ihrer Leistungsdaten in einer vergleichbaren Situation stehen wie Mitarbeitende in datenintensiven Unternehmensumgebungen – auch wenn sich die Rahmenbedingungen hinsichtlich Transparenz, Leistungsdruck und öffentlicher Wahrnehmung unterscheiden. Die Kombination psychologischer (Leistung, Emotion, Motivation, Stress) und ethischer (Datenethik) Faktoren ermöglicht somit eine integrative Betrachtung, die sowohl individuelle Wahrnehmungen als auch normative Implikationen berücksichtigt. Gerade aus Sicht der Wirtschaftsinformatik erscheint diese Verbindung zentral, da technologische Innovationen nicht nur funktionale, sondern auch ethisch-psychologische Folgen für den Menschen entfalten. Auf diese Weise wird ein Beitrag zur aktuellen Diskussion über verantwortungsvolle Digitalisierung und „Responsible AI“ im Sportkontext geleistet.
Anzeige
Aufbauend auf jahrzehntelanger Forschung der Wirtschaftsinformatik zu den Auswirkungen des Einsatzes digitaler Technologien auf Individuen, Organisationen und Märkte sowie zum Design von Informationssystemen in unterschiedlichsten Domänen – etwa in der Industrie, im Handel, in der Internet- und Softwarebranche oder im Bankensektor (z. B. Heinrich und Riedl 2013; Mertens et al. 2023) – ist diese Disziplin prädestiniert, künftig auch das Phänomen der Sports-Analytics-Systeme verstärkt zu erforschen. Gerade vor dem Hintergrund der zunehmenden Ökonomisierung des Sports und der wachsenden Abhängigkeit sportlicher und wirtschaftlicher Entscheidungen von digitalen Daten gewinnt dieser Themenkomplex an strategischer und gesellschaftlicher Bedeutung.
Der Artikel ist wie folgt aufgebaut: Abschn. 2 beschreibt die angewandte Methodik, die Herkunft der zugrunde liegenden Datenquellen sowie den Ablauf der Datenanalyse. Abschn. 3 beschreibt die Auswirkungen der Datenaufzeichnung und -analyse auf die Faktoren Leistung, Emotion, Motivation und Stress anhand konkreter Beispiele und geht zudem auf die Datenethik ein. In Abschn. 4 werden die Ergebnisse diskutiert und abschließend wird in Abschn. 5 ein Fazit gezogen, wobei hierbei auch auf die Limitationen der vorliegenden Untersuchung sowie auf zukünftige Forschungsmöglichkeiten eingegangen wird.
2 Methodik
Zur Beantwortung der Forschungsfragen wurde eine qualitative Inhaltsanalyse nach Mayring (2022) durchgeführt. Als Datenbasis dienten auf Fußballplattformen veröffentlichte Artikel. Diese Methode ermöglicht es, textbasierte Daten theoriegeleitet auszuwerten und so auch latente Bedeutungsstrukturen zu erfassen. Die Entscheidung für dieses Vorgehen gründet auf einer umfassenden Sichtung der Fachliteratur, die zeigte, dass zu den beiden Forschungsfragen bislang keine systematisch durchgeführten empirischen Studien vorliegen. Eine direkte Erhebung von Primärdaten bei Athleten – etwa mittels standardisierter Fragebögen oder qualitativer Interviews – erwies sich im Forschungsprozess aufgrund der Sensibilität der Thematik als nicht umsetzbar; einige diesbezügliche Anfragen wurden mit dieser Begründung abgelehnt. Aus diesem Grund wurde ein Forschungsdesign gewählt, das auf bereits vorliegendes Datenmaterial zurückgreift.
Ein solcher auf Sekundärdaten beruhender Forschungsansatz ist in der Wirtschaftsinformatik selten, insbesondere deshalb, weil für viele Fragestellungen kaum Sekundärdaten vorliegen. Bereits vor drei Jahrzehnten wies Heinrich (1995) jedoch darauf hin, dass es mehrere Gründe gibt, die die Verwendung von Sekundärdaten auch in der Wirtschaftsinformatik attraktiv machen. Er nannte unter anderem, dass die Quellen schnell verfügbar sind, die Nutzung meist nur mit geringen Kosten verbunden ist und die Forschungsergebnisse prüfbar sind.
Die Datenbasis der hier vorgestellten Studie umfasst Online-Artikel aus Fußballmagazinen, Sportnachrichtenportalen und Sportzeitschriften sowie YouTube-Interviews. Die Plattformen wurden über eine Google-Suche mit den Suchbegriffen „Fußballmagazin“, „Sportnachrichten“, „Sportzeitschrift“ und „Spielergewerkschaft“ identifiziert. Durch die Rücksprache mit einem Experten aus dem Fußballsport wurde ihre Bedeutung bestätigt. Während textbasierte Quellen direkt in die Analyse einflossen, wurden die audiovisuellen Inhalte mithilfe softwaregestützter Tools (YouTube Transcript, kome.ai) transkribiert. Insgesamt wurden Artikel von 19 Plattformen mit dem Schwerpunkt Deutschland und Österreich untersucht (siehe Tab. 1): sechs Fußballmagazine (11 Freunde, Ballesterer, FourFourTwo, Rund, The Blizzard, When Saturday Comes), fünf Sportnachrichtenportale (Abseits, Der Standard Sport, Spox, Sports Business, SRF Sport), vier Portale von Spielergewerkschaften (FIFPRO Football Players Worldwide, Swiss Association of Football Players, VDV – Die Spielergewerkschaft [DE], VdF – Die Spielervereinigung [AT]), zwei Sportzeitschriften (Kicker, Sport Bild), eine Athleten-Plattform (The Players’ Tribune) und YouTube.
Tab. 1
Aufstellung der untersuchten Plattformen
Plattform
Kategorie
Land
Zugriff
Kicker
Sportzeitschrift
Deutschland
Voller Zugriff
Rund
Fußballmagazin
Deutschland
Voller Zugriff
Sport Bild
Sportzeitschrift
Deutschland
Voller Zugriff
Spox
Sportnachrichten
Deutschland
Voller Zugriff
VDV – Die Spielergewerkschaft
Spielergewerkschaft
Deutschland
Voller Zugriff
11 Freunde
Fußballmagazin
Deutschland
Eingeschränkter Zugriff
FIFPro Football Players Worldwide
Spielergewerkschaft
Niederlande
Voller Zugriff
Abseits
Sportnachrichten
Österreich
Voller Zugriff
Der Standard Sport
Sportnachrichten
Österreich
Voller Zugriff
Sports Business
Sportnachrichten
Österreich
Voller Zugriff
Ballesterer
Fußballmagazin
Österreich
Eingeschränkter Zugriff
VdF – Die Spielervereinigung
Spielergewerkschaft
Österreich
Eingeschränkter Zugriff
SRF Sport
Sportnachrichten
Schweiz
Voller Zugriff
Swiss Association of Football Players
Spielergewerkschaft
Schweiz
Voller Zugriff
FourFourTwo
Fußballmagazin
UK
Eingeschränkter Zugriff
The Blizzard
Fußballmagazin
UK
Eingeschränkter Zugriff
When Saturday Comes
Fußballmagazin
UK
Eingeschränkter Zugriff
The Players’ Tribune
Athleten-Plattform
USA
Voller Zugriff
YouTube
Videoportal
USA
Voller Zugriff
Die Auswahl der Plattformen sowie der dort veröffentlichten Artikel basierte auf den folgenden Faktoren: (i) kostenloser Zugang oder Zugriff durch Anlegung eines kostenlosen Accounts, (ii) Vorhandensein einer Suchfunktion, (iii) Zugang zum vollständigen Online-Archiv oder zumindest teilweiser Zugriff auf historische Daten und (iv) deutsche oder englische Sprache. In Bezug auf das Kriterium (i) ist anzumerken, dass – obwohl nicht gänzlich kostenlos – aufgrund der sehr geringen Zugriffskosten auch die Plattformen „11 Freunde“, „When Saturday Comes“ und „The Blizzard“ in das Untersuchungsmaterial aufgenommen wurden.
Die Recherche nach Artikeln wurde im Oktober und November 2024 durchgeführt. Dazu wurde die Suchfunktion der Plattformen benutzt. War deren Suchfunktion eingeschränkt oder lieferte diese keine Treffer, wurde eine erweiterte Google-Suche hinzugezogen. Zur gezielten Identifikation relevanter Inhalte kamen systematisch kombinierte Suchbegriffe in deutscher und englischer Sprache zum Einsatz (siehe Tab. 2). Der Veröffentlichungszeitraum potenziell relevanter Artikel wurde nicht eingeschränkt (in den Datenbanken mancher Plattformen konnte bis in die 1990er-Jahre zurück recherchiert werden).
Tab. 2
Verwendete Suchbegriffe in deutscher und englischer Sprache. Die Begriffe wurden mit UND-Verknüpfungen verbunden
Deutsch
Englisch
Technologie, Fußball, Spieler, Einfluss
Technology, Soccer, Player, Impact
Tragbare Technologien, Fußball
Wearable Technology, Soccer
Datenanalyse, Einfluss, Fußball, Spieler
Data Analytics, Impact, Soccer, Player
Überwachung, Kontrolle, Spieler, Fußball
Surveillance, Control, Player, Soccer
Stressoren, Fußball
Stressors, Soccer
Datenschutz, Fußball
Data Protection, Soccer
Datenethik, Fußball
Data Ethics, Soccer
Autonomie, Selbstbestimmung, Fußball, Spieler
Autonomy, Self-Determination, Soccer, Player
Die Suche ergab insgesamt 4884 Treffer, von denen nach eingehender Sichtung 176 Artikel als relevant eingestuft wurden. Abb. 1 fasst die Rechercheergebnisse entlang der 19 Plattformen zusammen.
Abb. 1
Treffer je Plattform aufgeteilt in relevante und nicht relevante Artikel (Anzahl, Prozent)
Die durchschnittliche Wortanzahl pro Artikel oder Transkript eines Videos betrug 1273 Wörter (Standardabweichung: 906). Die Ermittlung der Wortanzahl erfolgte mithilfe der Software R. Die Personen, die in den Artikeln Auskunft gaben, hatten zum Zeitpunkt der jeweiligen Veröffentlichung verschiedene Funktionen inne: (Ex‑)Fußballspieler und (Ex‑)Trainer; Datenanalysten und Systementwickler; Physiotherapeuten, Sportpsychologen und Mediziner; Vereinsfunktionäre, Akademie- und Nachwuchsleitungen; Experten für Digitalisierung, KI und Wearables; Anbieter von Technologie und Streamingdiensten. Das Datenmaterial bildet somit eine Vielfalt unterschiedlicher Perspektiven auf die hier untersuchten Forschungsfragen ab. Die Artikel verteilen sich nach Publikationszeiträumen wie folgt: 2006–2010: 11, 2011–2015: 24, 2016–2020: 56, 2021–2024: 74.2 Diese Entwicklung zeigt, dass die Auswirkungen von Sports-Analytics-Systemen auf Athleten im professionellen Herrenfußball in den vergangenen beiden Jahrzehnten in der medialen Berichterstattung stetig an Bedeutung gewonnen hat.
Die Relevanzbewertung von Textpassagen erfolgte auf Basis der Übereinstimmung mit einem zuvor entwickelten Kodierleitfaden (siehe Tab. 3). Dieser Leitfaden basiert auf etablierten Konzeptualisierungen der untersuchten Variablen und benennt Kategorien. Die Variablen sind (inklusive ihrer Konzeptualisierungen): Leistung und Emotion (Individual Zone of Optimal Functioning Model, IZOF, nach Hanin 2000); Motivation (Selbstbestimmungstheorie nach Deci und Ryan 1993); Stress (Transaktionales Stressmodell nach Lazarus und Folkman 1984); Datenethik nach Hemel (2023). Auf die Konzeptualisierungen wird inhaltlich in Abschn. 3 bei der Darstellung der Ergebnisse eingegangen.
Tab. 3
Anzahl der Kodierungen in den einzelnen Kategorien.
Leistung
82
Negativer Einfluss
7
Positiver Einfluss
75
Emotion
60
Negative Emotionen
28
Positive Emotionen
32
Motivation
71
Hohe Selbstbestimmung: Bedürfnis nach Autonomie/Selbstbestimmung
3
Hohe Selbstbestimmung: Bedürfnis nach Kompetenz/Wirksamkeit
15
Niedrige Selbstbestimmung: Bedürfnis nach Autonomie/Selbstbestimmung
53
Stress
5
Bedrohlich/belastend
4
Herausfordernd
1
Datenethik
67
Datenminimierung
7
Schutz der Privatsphäre und Rechte der Athleten
43
Schutz vor Diskriminierung
4
Transparenz bei der Datennutzung
7
Verantwortung und Haftung
3
Zugriffskontrolle
3
Die große Differenz zwischen der Anzahl an Treffern (4884) und den tatsächlich relevanten Artikeln (176) zeigt, dass die bloße Erwähnung von Begriffen wie „Data Analytics“ in einem Artikel nicht ausreichte, um relevante Textpassagen zu den Forschungsfragen zu identifizieren. Deshalb wurden in dieser Untersuchung nur solche Artikel berücksichtigt, die konkrete Inhalte zu den fünf Variablen Leistung, Emotion, Motivation, Stress und Datenethik enthalten. Solche „konkreten Inhalte“ lagen genau dann vor, wenn in einem Artikel Textpassagen vorkamen, die sich auf die in Tab. 3 benannten Themen bezogen. Die Verwaltung des Kodierungsprozesses erfolgte mit Microsoft Excel.
In den 176 identifizierten Artikeln wurden insgesamt 285 Textpassagen kodiert, die sich wie folgt in die Kategorien aufteilten: Leistung (82), Emotion (60), Motivation (71), Stress (5) und Datenethik (67). Verschiedene Textpassagen aus einem Artikel konnten hierbei mehreren Kategorien zugeordnet werden. Die Kodierung der Daten erfolgte durch den Zweitautor des vorliegenden Beitrags. Anschließend wurden die Textpassagen in Reflexionsmeetings zwischen dem Erst- und Drittautor besprochen. Das Ziel dieses Vorgehens war es, eine Kodierung zu erhalten, die unter den drei Autoren konsensfähig ist.
Im Folgenden werden die Ergebnisse der jeweiligen Kategorien vorgestellt und in den Kontext der zugrundeliegenden Konzeptualisierung (Theorie) eingeordnet.
3 Ergebnisse
3.1 Leistung
Die Variable „Leistung“ wurde anhand des „Individual Zone of Optimal Functioning (IZOF) Models“ von Hanin (2000) untersucht. Es handelt sich hierbei um ein sportpsychologisches Modell zur Erklärung der Beziehung zwischen emotionalen Zuständen und sportlicher Leistung. Es geht davon aus, dass jeder Athlet eine individuelle optimale Emotionszone besitzt, in der er die beste Leistung abrufen kann. Diese Zone umfasst spezifische Ausprägungen positiver und negativer Emotionen (z. B. Freude, Anspannung, Wut), die nicht generalisiert, sondern personenspezifisch definiert sind. Liegen die erlebten Emotionen innerhalb dieser Zone, wird die maximale Leistungsfähigkeit erreicht. Befindet sich ein Athlet emotional außerhalb seiner IZOF, sinkt die Leistung. Das Modell betont somit die interindividuelle Variabilität und widerspricht der Annahme, dass nur positive Emotionen leistungsförderlich sind. Es wird häufig zur Trainingssteuerung, Wettkampfvorbereitung und psychologischen Betreuung eingesetzt, indem Athleten lernen, ihre individuellen optimalen emotionalen Zustände zu identifizieren und gezielt herzustellen. Damit liefert das IZOF-Modell eine praxisnahe Verbindung zwischen Emotion und sportlicher Performance. Eine zu stark ausgeprägte negative Emotion führt jedoch unabhängig vom jeweiligen Athleten meist zu einer Verschlechterung der Leistung (Kamata et al. 2002).
Insgesamt wurden 82 Kodierungen für die Kategorie „Leistung“ vorgenommen, wobei in 75 Fällen ein positiver und lediglich in sieben Fällen ein negativer Einfluss festgestellt wurde. Ein positiver Einfluss bedeutet in diesem Zusammenhang, dass eine Textpassage nahelegt, dass die Leistung beispielsweise durch Wearables wie GPS-Tracker oder den Einsatz anderer Digitaltechnologien gesteigert wird. Nachfolgend eine Beispielaussage:
„Der 28-Jährige sei ein großer Fan von STATSports, ein GPS-Tracker, der von fast allen Vereinen in der Premier League verwendet wird. Auch dank dadurch gewonnener Daten sei er ‚wahrscheinlich das Doppelte‘ jenes Spielers, der er 2011 während einer Leihe zu Drittligist Leyton Orient war. ‚Das ist jetzt elf Jahre her und ich denke, dass die Daten ein großer Teil meiner Entwicklung waren.‘ […] ‚Also habe ich mir die Statistiken angesehen und als Mauricio Pochettino zu den Spurs kam, habe ich viel im Fitnessstudio gearbeitet, Extra-Einheiten und Hochgeschwindigkeits-Lauftraining auf dem Trainingsplatz gemacht, um mein Spiel auf das nächste Level zu bringen‘“ (Kinsella 2022).3
Ein weiteres Beispiel für einen positiven Einfluss ist die folgende Aussage:
„Oliver Bierhoff gab vor einiger Zeit bei einer Podiumsdiskussion ganz konkrete Einblicke über die Digitalisierung innerhalb der deutschen Nationalmannschaft. Als konkretes Beispiel: 2004 hatte ein Spieler in der Offensivaktion den Ball im Schnitt noch ganze drei Sekunden am Fuß. 2010 lag der Wert nur mehr bei einer knappen Sekunde. Wie man diesen Fortschritt erreichte: Im Training wurden immer wieder die ‚Zwischenzeiten‘ erhoben und ausgearbeitet, um danach mit den Spielern entsprechend daran zu feilen. Dies ist jetzt nur eine Kennzahl, ein Puzzleteil mit dem der DFB die Leistungen seines Personals kontinuierlich überwacht und zu optimieren versucht. Sensoren visualisieren dazu noch ganze Bewegungsmuster, zeigen mannschaftstaktische Schlüsse auf, die das menschliche Auge bzw. Gehirn so vielleicht gar nicht wahrgenommen hätte“ (Sonnleitner 2017).
Als negative Einflüsse wurden Textstellen kodiert, die darauf hindeuteten, dass Spieler die Technologien entweder zum Betrügen nutzten oder durch den Technologieeinsatz sogar Verletzungen davontrugen – dazu folgende zwei Beispielaussagen:
„Der ehemalige Fußball-Nationalspieler Stefan Kießling hat fünf Monate nach seinem Karriereende Schummeleien beim individuellen Training in der Vorbereitung eingeräumt. ‚Man bekommt eine Pulsuhr, auf der alle Läufe gespeichert werden. Da meine Frau sehr sportlich ist, hat sie mit der Pulsuhr auf dem Cross-Trainer den einen oder anderen Lauf nach den Vorgaben für mich gemacht – so gut, dass es niemand nachvollziehen konnte‘, sagte der frühere Torjäger von Bayer Leverkusen der Sport Bild. Der 34-Jährige, der mittlerweile als Assistent von Leverkusens Sport-Geschäftsführer Rudi Völler arbeitet, gab unumwunden zu: ‚Ich habe in keiner Vorbereitung alle Läufe zu hundert Prozent gemacht. Nicht einmal‘“ (SID 2018).
„Filip Stojkovic ist beim Derby [Austria Wien gegen Rapid Wien] auf den Rücken gefallen, der im Leiberl eingearbeitete GPS-Chip verursachte eine Zerrung an der Halswirbelsäule. Sein Einsatz [im nächsten Spiel von Rapid Wien gegen Red Bull Salzburg] wäre ein Wunder“ (Der Standard 2022).4
3.2 Emotion
Emotionen beeinflussen die sportliche Leistungsfähigkeit maßgeblich. Das IZOF-Modell (Hanin 2000) geht davon aus, dass jeder Athlet eine individuelle emotionale Zone besitzt, innerhalb derer optimale Leistungen möglich sind. Entscheidend ist dabei nicht allein die Valenz (angenehm oder unangenehm), sondern ob die Emotion in der jeweiligen Situation leistungsförderlich oder -hemmend wirkt. So können dieselben Aktivierungszustände für manche Sportler leistungssteigernd, für andere jedoch leistungsmindernd sein. Kamata et al. (2002) erweitern dieses Modell um eine probabilistische Perspektive, die die Vorhersage der Leistungsqualität in Abhängigkeit von emotionalen Zuständen ermöglicht. In Anlehnung an Emotionsbeispiele aus Hanin (2000) lassen sich angenehme, leistungsförderliche Emotionen (z. B. Freude, Stolz, Zuversicht) von unangenehmen, aber ebenfalls potenziell leistungsförderlichen Emotionen (z. B. kontrollierte Angst oder Wut) sowie von hemmenden Emotionen (z. B. Panik, Frustration, Resignation) unterscheiden. Für die vorliegende Untersuchung wurden die identifizierten emotionalen Reaktionen der Spieler im Kontext der technologiegestützten Datenerfassung und -analyse vereinfacht in die Kategorien „Positive Emotionen“ und „Negative Emotionen“ klassifiziert, um die Komplexität der Kodierung des Datenmaterials nicht zu hoch werden zu lassen.5
Von insgesamt 60 Kodierungen ließen sich 32 den positiven und 28 den negativen Emotionen zuordnen. Nachfolgend ist zuerst eine Beispielaussage zu positiven Emotionen angeführt, gefolgt von einer Beispielaussage zu negativen Emotionen.
„Wie reagieren die Spieler auf all das? Ein schönes Beispiel dafür, wie die Jungs das annehmen: Sie kommen teilweise zu zweit oder dritt zur Videoanalyse, weil sie bestimmte Spielsituationen schon untereinander besprochen haben und wissen wollen, was wir dazu sagen. Sie beschäftigen sich überhaupt ganz anders mit Spiel und Training als am Anfang, weil sie merken, dass ihnen das im Spiel hilft, was wir im Training machen. Mir ist wichtig, dass sie nicht mit einer Konsummentalität zum Training kommen: Nun mach mal, Herr Trainer, und hoffentlich macht mir das Spaß!“ (Biermann 2024)
“The change in ethos met with some initial resistance. In Quiet Leadership, Ancelotti recalls Florent Malouda throwing his GPS device to the ground in the middle of a training session, declaring that he was ‘tired of this GPS crap… it is just to control me and I don’t want to be controlled. I don’t want to train with this’” (Nassoori 2024).
Negative Emotionen wurden – so wie es auch in der Beispielaussage zum Ausdruck kommt – in erster Linie mit jenen Technologien in Verbindung gebracht, die unmittelbar in die Privatsphäre der Spieler eingreifen und ein massives Gefühl der Überwachung erzeugen. Dazu zählen unter anderem Technologien mit integriertem GPS-Tracker. Dies führt häufig auch dazu, dass Athleten versuchen, die Kontrolle zu umgehen, indem sie betrügen – dies zeigt die folgende Beispielaussage:
„Als ein Wintertrainingslager in Israel anstand, drückte Dokupil [Trainer von Rapid Wien] beim Schmähführen auf Pause und bat zu Laufübungen mit der Pulsuhr. Er wollte Grundlagenausdauer für das Frühjahr eintrainieren und quälte seine Kicker so lange bis ihre Herzen besonders schnellschlugen […] kam schließlich auf die zündende Idee: Er lud die drei anderen Kicker vor den Einheiten regelmäßig in sein Zimmer ein, wo er in der kleinen Kochnische einen extrastarken Kaffee braute. Das ‚Gschloder‘ schmeckte grauenhaft, war aber wirksam. Das Quartett [vier Spieler von Rapid Wien] schüttete bis zu 15 Espressi in sich hinein und erreichte so viel leichter die geforderten Pulsbereiche. Dokupil war erstaunt. Wenn er bloß gewusst hätte, welche Kaffeekränzchen sich hinter verschlossenen Hoteltüren abspielten. ‚Dok‘ wäre sicherlich (auch ohne Kaffee oder Pulsuhr) ‚haßg’rennt‘“ (Samstag 2018).
3.3 Motivation
Die Selbstbestimmungstheorie (Self-Determination Theory, SDT) von Deci und Ryan (1993) geht davon aus, dass menschliches Handeln wesentlich durch das Ausmaß an Selbstbestimmung und die Befriedigung psychologischer Grundbedürfnisse beeinflusst wird. Im Zentrum stehen dabei drei universelle Bedürfnisse: Autonomie (das Erleben von Selbstbestimmung und Freiwilligkeit), Kompetenz (das Erleben von Wirksamkeit und Bewältigung von Herausforderungen) und soziale Eingebundenheit (das Gefühl der Zugehörigkeit zu anderen). Wird diesen Bedürfnissen entsprochen, steigt die Wahrscheinlichkeit für intrinsische Motivation. Umgekehrt führt die Nichterfüllung dieser Bedürfnisse häufig zu Passivität und somit fehlender Motivation (Deci und Ryan 1985).
Vor diesem Hintergrund lassen sich die im Kategorienschema enthaltenen Dimensionen der Motivation theoretisch ableiten (siehe Tab. 3). „Hohe Selbstbestimmung: Bedürfnis nach Autonomie/Selbstbestimmung“ beschreibt Situationen, in denen Athleten Initiative zeigen, eigene Entscheidungen treffen oder aktiv Verantwortung für ihr Handeln übernehmen – ein zentrales Merkmal erfüllter Autonomiebedürfnisse. Es konnten lediglich drei Textpassagen dieser Kategorie zugeordnet werden. „Hohe Selbstbestimmung: Bedürfnis nach Kompetenz/Wirksamkeit“ bezieht sich auf Textpassagen, in denen über Wirksamkeit und Fortschritt durch den Einsatz von Digitaltechnologien berichtet wird. Es gab 15 Zuordnungen von Textpassagen in diese Kategorie. In diesen ersten beiden Fällen ist von einem hohen Grad an selbstbestimmter Motivation auszugehen. Demgegenüber beschreibt „Niedrige Selbstbestimmung: Bedürfnis nach Autonomie/Selbstbestimmung“ Situationen, in denen Athleten Passivität zeigen, was auf eine nicht ausreichende Erfüllung des Autonomiebedürfnisses hinweist. Eine überwiegende Mehrheit der Textpassagen im Bereich der Motivation wurde dieser Kategorie zugeordnet (53 Passagen).
Die folgende Beispielaussage wurde in die Kategorie „Hohe Selbstbestimmung: Bedürfnis nach Autonomie/Selbstbestimmung“ klassifiziert:
„Wir geben jedem Spieler seine Zeit und er kann entscheiden, ob er das machen möchte. Es ist für uns ein großes Lob, dass mittlerweile fast alle, die mit uns begonnen haben, mit einer monatlichen Regelmäßigkeit auch weitermachen.“ Neueinsteiger zu überzeugen und zu begeistern, falle nicht schwer. „Wer zum Beispiel Mo [Mohamed Salah, ägyptischer Nationalspieler und Akteur beim FC Liverpool] mit uns sieht und wie positiv er das Training annimmt und es in entscheidenden Momenten in der Saison anwendet, der will das auch machen“ (Jakob 2022).
Die folgende Beispielaussage wurde in die Kategorie „Hohe Selbstbestimmung: Bedürfnis nach Kompetenz/Wirksamkeit“ klassifiziert:
„Die Spiele werden mit Sports Code analysiert. Ich stelle dann den Highlight-Clip in Sports Code zusammen, und anschließend wird er auf unserer Austauschplattform Hudl hochgeladen, die mit Sports Code kompatibel ist. Ich kann dann Daten mit den Trainern und Spielern nach der Mannschaftsbesprechung teilen, damit sie sich einzelne Szenen ansehen und die Besprechung noch einmal durchgehen können. So können sie sich individuell auf ihren Gegner vorbereiten […] Ich persönlich sehe mir die Highlights auf Hudl noch einmal an. Das ist gut vor dem Spiel, vielleicht eine Stunde vorher oder direkt vor dem Spiel, um es präsent im Gedächtnis zu haben und optimal vorbereitet zu sein“ (Borussia Dortmund 2019).
Niedrige Selbstbestimmung beschreibt primär Fälle, in denen Sportler kein Mitspracherecht haben und sich der Überwachung durch Digitaltechnologien ausgeliefert fühlen (75 % der Kodierungen). Technologien wie GPS-Systeme, Videokameras und Pulsuhren zählen dabei zu den häufigsten Auslösern für geringe Selbstbestimmung – dies verdeutlicht die folgende Beispielaussage:
„Auf dem Feld absolvieren die Sturm-Spieler [Sturm Graz] ihre Trainingseinheiten, am Bildschirm bewegen sich Punkte (die jeweiligen Spieler mit dem Gerät im Rücken) auf einem simulierten Fußballfeld. Daneben rattern die Daten in eine Tabelle, jeder Move, jede Geschwindigkeitsänderung, jede Herzfrequenz wird dokumentiert. Die Kicker stehen unter totaler Beobachtung. Sie sind für das Trainerteam nun gläsern und werden durch die GPS-unterstützte Übermittlung in ihren physiologischen Abläufen transparent“ (Müller 2018).
3.4 Stress
Zur Analyse der Kategorie „Stress“ wurde das transaktionale Stressmodell von Lazarus und Folkman (1984) herangezogen. Laut diesem Modell bewerten Individuen kontinuierlich ihre Umweltreize. Die Einschätzung erfolgt in drei Schritten: primäre Bewertung (irrelevant, positiv oder belastend), sekundäre Bewertung (Verfügbarkeit von Bewältigungsressourcen) und anschließende Neubewertung durch Lernprozesse. Wird eine Situation als belastend empfunden und fehlen Ressourcen zur Bewältigung, entsteht Stress. Sind jedoch ausreichend Ressourcen verfügbar, so kann aus einer Belastung eine Herausforderung werden, die die negativen Auswirkungen von Stress eliminiert (Biggs et al. 2017).
Im analysierten Datenmaterial wurden nur jene Textstellen der Kategorie Stress zugeordnet, in denen Situationen aus Sicht der Spieler – entsprechend dem transaktionalen Stressmodell – als bedrohlich sowie belastend einerseits und als herausfordernd andererseits bewertet wurden. Insgesamt konnten lediglich fünf Kodierungen für Stress vorgenommen werden, die sich auf bedrohlich/belastend mit vier Kodierungen und herausfordernd mit einer Kodierung aufteilen. Ein Beispiel für eine Kodierung als „bedrohlich/belastend“ ist die folgende Aussage eines Spielers:
„Ab sofort ging es darum, wie man aus dem Urlaub topfit wieder ins Training einsteigen konnte. Es begann die Zeit, in der Pulsuhren genauso in den Koffer gehörten, wie die Sonnencreme. Eine Sommer-‚Pause‘ gab es in diesem Sinne nicht mehr. Die Vorbereitung begann schon am Strand. Viele Profis überlegten sogar noch vor dem Saisonende, ob sie ihren Sommerurlaub nicht lieber in einem US-amerikanischen Fitnesstempel, denn am Strand von Dubai verbringen sollten. Niemand wollte mehr mit Übergewicht zum ersten Trainingstag erscheinen“ (Hitzlsperger 2016).
Ein Beispiel für eine Kodierung als „herausfordernd“ ist die folgende Aussage:
„Ich bin mir sicher, einige fühlen sich jetzt deutlich unfitter. Gerade zu einem Zeitpunkt, wo es in der Liga physisch und psychisch eigentlich um alles geht. Hinzu kommt: Sonst trainieren sie fremdbestimmt, bekommen alles serviert, auf einmal müssen sie sich selbst organisieren. Jetzt haben sie nur mit ihrer Pulsuhr die Kontrolle. Das ist Stress […]“ (SID 2020).
Obwohl in beiden Textpassagen die Pulsuhr als Technologie vorkommt, unterscheidet sich die Bewertung der Situation im Sinne des transaktionalen Stressmodells von Lazarus und Folkman (1984). In der ersten Passage steht die Pulsuhr symbolisch für Leistungsdruck, Fremderwartungen und den Verlust von Erholung. Die Spieler sehen sich einem externen Zwang ausgesetzt, schon während des Urlaubs in körperlicher Topform zu bleiben, um negativen Konsequenzen (z. B. Sanktionen oder Statusverlust) zu entgehen. Damit wird der Reiz primär als bedrohlich/belastend bewertet. In der zweiten Passage dagegen wird die Pulsuhr in einem anderen Bedeutungszusammenhang beschrieben: Sie dient den Spielern als Instrument zur Selbstorganisation und Kontrolle in einer herausfordernden Phase. Die Situation wird zwar ebenfalls als stressbehaftet wahrgenommen, jedoch erkennen die Spieler hier eigene Handlungsmöglichkeiten und verfügbare Ressourcen, um die Anforderungen aktiv zu bewältigen. Damit verschiebt sich die Bewertung von einer potenziellen Bedrohung und Belastung hin zu einer Herausforderung, bei der Anstrengung zwar vorhanden ist, jedoch nicht als überwältigend erlebt wird. Diese unterschiedliche kognitive Bewertung des gleichen Reizes erklärt, warum die zweite Passage als Herausforderung, die erste hingegen als bedrohlich/belastend kodiert wurde.
3.5 Datenethik
Datenethik ist ein Teilbereich der digitalen Ethik, die sich mit der verantwortungsvollen Nutzung von Daten in der digitalen Welt befasst. Im Zentrum der aktuellen Forschungsarbeiten steht insbesondere der Umgang mit KI, für die bereits zahlreiche Leitlinien formuliert wurden (Hemel 2023). Diese Prinzipien dienen auch als Leitlinien für die Analyse der Datenethik im Profifußball und beziehen sich auf Verantwortung, Werteorientierung, Erklärbarkeit, Vertrauenswürdigkeit, Datenrechte der Nutzer und Fairness. Damit ein Textabschnitt als Beispiel für Datenethik kodiert werden konnte, musste er Hinweise oder konkrete Fälle enthalten, in denen gegen die in der Definition genannten Grundsätze der Leitlinien verstoßen wurde. Besonders die Auswirkungen auf die Athleten standen dabei im Fokus der Analyse.
Es gab insgesamt 67 Kodierungen zur Datenethik, die sich auf die Verarbeitung verschiedenster sensibler Spielerdaten beziehen (z. B. betreffend Physiologie und Gesundheit oder Spielerverträge). Am häufigsten wurden Kodierungen für „Schutz der Privatsphäre und Rechte der Athleten“ (43) erfasst, gefolgt von „Transparenz bei der Datennutzung“ und „Datenminimierung“ (je 7). Es folgen „Schutz vor Diskriminierung“ (4) sowie „Zugriffskontrolle“ und „Verantwortung und Haftung“ (je 3).
Unter „Schutz der Privatsphäre und Rechte der Athleten“ sind jene Textpassagen zusammengefasst, die auf Einschränkungen von Spielerrechte, Eingriffe in die Privatsphäre oder ethisch bedenkliche Praktiken hinweisen. Folgende Textpassage verdeutlicht dies:
“The data revolution poses the same questions, only more sharply. Today, athletes can measure every part of their performance. The opportunities for self-improvement are unprecedented – but so too are the risks. Privacy is critical. Breaches to personal data can undermine the integrity of the scouting process or the fairness of contractual negotiations; they might damage an individual’s health. Governments are rightly bringing in new laws to protect personal data, but our sport must develop its own culture of education and scrutiny” (Dupont 2024).
4 Diskussion
Im Rahmen der empirischen Untersuchung wurde analysiert, wie die technologiegestützte Datenerfassung und -analyse Athleten im professionellen Herrenfußball in Bezug auf Leistung, Emotion, Motivation, Stress und Datenethik beeinflusst. Besonders deutlich zeigten sich die Auswirkungen in den Kategorien „Leistung“ und „Motivation“. Hinsichtlich der Leistungsverbesserung zeigt sich eindeutig (75 von 82 Kodierungen, 91 %), dass durch den Einsatz von Digitaltechnologien ein besserer Überblick über die Fähigkeiten geschaffen wird, der zu einem gesteigerten internen Konkurrenzkampf durch Informationstransparenz und zu gezielteren Trainingsmöglichkeiten (z. B. mit VR/AR-Technologien) führt. Eine Studie der Spielergewerkschaft FIFPRO (2022a) bestätigt diese Ergebnisse: Die Mehrheit der in dieser Studie befragten Profis bewertete technologische Hilfsmittel als leistungsförderlich. Negative Effekte traten vor allem in jenen Fällen auf, in denen Spieler dem Gefühl der ständigen Überwachung entkommen wollten und dabei mitunter zu gezielten Manipulationen der eingesetzten Digitaltechnologien (z. B. Wearables) griffen.
In einer Gesamtschau belegen diese Ergebnisse, dass digitale Überwachungstechnologien das Leistungsniveau der Spieler im Profifußball deutlich steigern können. Dies deckt sich mit Befunden aus der EPM-Forschung, die im Nicht-Sportkontext erarbeitet wurden und eine kurzfristige Produktivitätssteigerung durch Feedback und Transparenz dokumentieren (vgl. Kalischko und Riedl 2021, 2024). Insbesondere GPS- und KI-basierte Analysen verbessern Trainingssteuerung und Entscheidungsgrundlagen, wodurch die Effizienz zunimmt. Gleichzeitig zeigt sich aber, dass diese Leistungsgewinne häufig mit psychologischem Druck und wahrgenommener Kontrolle einhergehen, was die langfristige Nachhaltigkeit des Effekts infrage stellt. Eine Balance zwischen leistungsfördernder Datennutzung und psychischer Entlastung erscheint somit zentral.
Bezüglich der Gefühlslage in Bezug auf den Einsatz von Digitaltechnologien wurden vielfach Textpassagen identifiziert, die negative Emotionen thematisieren (28 von 60 Kodierungen, 47 %), explizite Stresssymptome wurden jedoch selten genannt. Stress durch Technologieeinsatz konnte nur eingeschränkt belegt werden. Es konnten lediglich fünf Kodierungen für Stress vorgenommen werden, so dass dazu aufgrund der spärlichen Datenlage keine belastbaren Schlussfolgerungen möglich sind. Aussagen in der Fachliteratur wie jene von Jones und Toner (2016) sowie Middlemas und Harwood (2018) deuten jedoch darauf hin, dass übermäßige Kontrolle langfristig psychische Belastungen hervorrufen kann; es ist daher eine transparente Integration in Trainings- und Coachingkonzepte zu fordern. In diesem Zusammenhang ist zu betonen, dass Befunde zur „Digital Panopticon“-Wahrnehmung im EPM-Kontext belegen, dass permanente Beobachtung Unsicherheit und Anspannung erzeugt (z. B. Kalischko und Riedl 2021).6 Übertragen auf den gegenständlichen Kontext bedeutet dies unter anderem: Spieler erleben Überwachung häufig als Misstrauenssignal und als Einschränkung ihrer Autonomie. Dies kann emotionale Erschöpfung und Entfremdung begünstigen, selbst wenn die Technologie rational akzeptiert wird. Damit wird deutlich, dass emotionale Belastungen ein zentrales Gegenwicht zu den möglichen objektiven Leistungsgewinnen durch Technologieeinsatz bilden und in Trainings- und Führungskonzepten (noch) stärker berücksichtigt werden sollten.
Bezüglich Motivation zeigte die Analyse, dass der Einsatz von Digitaltechnologien überwiegend mit einer geringeren Selbstbestimmung der Spieler einhergeht (53 von 71 Kodierungen, 75 %). Athleten haben bei der Nutzung von Digitaltechnologien oft kein Mitspracherecht, was das psychologische Grundbedürfnis nach Autonomie verletzt. Gleichzeitig ergaben sich jedoch Anzeichen intrinsischer Motivation, insbesondere in Form von Selbstverbesserung, Neugier sowie internem Wettkampf unter den Spielern. In der EPM-Forschung konnte gezeigt werden, dass nur wenn das Monitoring transparent kommuniziert wird und als unterstützendes Feedbacksystem gestaltet ist, motivationale Nachteile abgemildert oder verhindert werden können (Kalischko und Riedl 2021). Im Profifußball ist es daher entscheidend, Technologien so einzusetzen, dass sie Kompetenz- und Fortschrittserleben fördern, ohne das Gefühl der Fremdbestimmung zu verstärken. Dies erfordert partizipative Einbindung der Athleten in Datennutzungsentscheidungen.
Zudem wirft die zunehmende Nutzung von Tracking- und Wearable-Technologien im Profifußball Fragen hinsichtlich der Datenethik auf. In der vorliegenden Studie wurden 67 Kodierungen erfasst, die sich auf sechs Kategorien beziehen: Schutz der Privatsphäre und Rechte der Athleten, Transparenz bei der Datennutzung, Zugriffskontrolle, Datenminimierung, Schutz vor Diskriminierung, Verantwortung und Haftung. Es bezogen sich allein 43 von 67 Kodierungen (64 %) auf die erste Kategorie, was deren enorme Bedeutung in der Datenethik zum Ausdruck bringt. Dieses Ergebnis deckt sich mit den Forderungen der Spielergewerkschaft FIFPRO (2022b), die in ihrer „Charter of Player Data Rights“ zentrale Rechte wie Zugang, Berichtigung, Löschung und Widerruf der Datenverarbeitung festhält. Dennoch zeigen Umfragen, dass Spieler oftmals unzureichend über die Nutzung ihrer Daten informiert sind und wenig Kontrolle ausüben können (FIFPRO 2022b). In der Fachliteratur wird deshalb die Notwendigkeit ethischer Leitlinien betont und es werden zudem gezielte Schutzmechanismen gefordert (Karkazis und Fishman 2017; Jones und Toner 2016). Ob Athleten weiterhin als „gläserne Spieler“ agieren oder einen wirksamen Datenschutz auf der Basis einer weithin akzeptierten Datenethik genießen werden, bleibt eine offene Herausforderung. Die Fußballindustrie benötigt verbindliche Standards und einheitliche Governance-Strukturen, um Spielerrechte zu sichern und zugleich innovationsfreundliche Nutzung von Digitaltechnologien zu ermöglichen. Datenethik ist damit im Sinne der vorliegenden Abhandlung nicht nur rechtliches, sondern vor allem auch psychologisches Schutzinstrument.
Vertrauen stellt eine zentrale Voraussetzung für die Akzeptanz digitaler Überwachungstechnologien dar – für den EPM-Bereich ist dies eine mehrfach belegte empirische Tatsache (z. B. Holland et al. 2015; Kalischko und Riedl 2024). Kalischko und Riedl (2024) zeigen, dass elektronische Leistungsüberwachung nicht nur das Gefühl der Privatsphärenverletzung verstärkt, sondern über diesen Mechanismus auch organisatorisches Vertrauen reduziert und dadurch Stress sowie Leistungseinbußen nach sich zieht. Diese Dynamik lässt sich auch auf den Profifußball übertragen, wo Spieler ihre personenbezogenen Leistungsdaten möglicherweise als Mittel asymmetrischer Kontrolle erleben und weniger als Instrument der gemeinsamen Entwicklung von Verein und Spieler. Vertrauen entsteht hier gemäß EPM-Literatur nicht bloß durch die technische Zuverlässigkeit der Sports-Analytics-Systeme, sondern vielmehr durch faire, transparente und partizipative Gestaltung der Datennutzung. In Anlehnung an Krueger et al. (2025) muss Vertrauen in Techniksysteme als soziotechnisches Konstrukt verstanden werden, das nicht allein auf den technischen Fähigkeiten der Systeme beruht, sondern auch auf der Integrität und Verantwortlichkeit der Organisationen, die sie einsetzen. Im konkreten Fall sind dies die Fußballvereine, die immer noch ausgeprägter als gewinnorientierte Unternehmen agieren. Zudem beeinflusst der institutionelle Rahmen, in dem der Technologieeinsatz erfolgt, das Vertrauen signifikant. Die Maßnahmen von Verbänden wie der UEFA und der FIFA beeinflussen daher die Wahrnehmung von Sport-Analytics-Systemen maßgeblich. FIFPRO (2022a, S. 4) schreibt in diesem Zusammenhang: „The football industry must establish the trust and responsibility that is required to use sensitive personal information, including health and biometric data, both in the workplace context and as part of a fast-paced entertainment industry“. Damit ist Vertrauen im digitalen, oftmals KI-basierten Leistungsumfeld sowohl psychologische Ressource als auch institutionelle Verpflichtung – seine Pflege entscheidet darüber, ob digitale Datenaufzeichnung und -analyse als Fortschritt oder als Bedrohung wahrgenommen werden (Riedl 2026).
5 Fazit, Limitationen und zukünftige Forschung
Zusammenfassend lässt sich feststellen, dass die Nutzung von Digitaltechnologien im Profifußball zwar in vielen Fällen deutliche Vorteile für Athleten mit sich bringt – insbesondere im Hinblick auf eine verbesserte Leistungsdiagnostik, Trainingssteuerung und individuelle Leistungsoptimierung. Gleichzeitig dürfen jedoch die potenziellen Risiken nicht unterschätzt werden. Konkret sollten vor allem der Verlust von Selbstbestimmung und damit einhergehend ein eingeschränktes Gefühl von Autonomie, reduzierte intrinsische Motivation, mögliche Stressfolgen sowie Aspekte der Datenethik zukünftig stärker in den Fokus rücken. Dies ist nicht zuletzt deshalb bedeutsam, weil damit insbesondere die langfristige Motivation und das psychische Wohlbefinden der Athleten nicht zugunsten einer kurzfristigen Leistungsoptimierung geopfert werden.
Bei der Interpretation der in diesem Beitrag vorgestellten Ergebnisse sind mehrere Limitationen zu beachten, die auch künftige Forschungsarbeiten motivieren könnten.
Erstens ist die Inhaltsanalyse nach Mayring (2022) ein qualitativer und damit interpretativer Forschungsansatz, der in künftiger Forschung durch quantitative Befunde ergänzt werden sollte. Denkbar sind hier beispielsweise quantitative Studien auf der Basis von Likert-Skalen, in denen Spieler anonymisiert zum wahrgenommenen Digitalisierungsgrad (als unabhängige Variable konzeptualisiert) sowie zu den Faktoren Leistung, Emotion, Motivation, Stress und Datenethik (als abhängige Variablen konzeptualisiert oder in komplexeren Modellen mit Mediationseffekten konzeptualisiert) befragt werden. In Kalischko und Riedl (2024) werden psychometrisch evaluierte Fragebogeninstrumente beschrieben, die mit Anpassungen an den Profifußballkontext in künftigen Studien verwendet werden könnten. In der EPM-Literatur sowie in weiteren aktuellen Veröffentlichungen (z. B. Krueger et al. 2025) behandelte Phänomene wie Vertrauen könnten in künftigen Studien auch unmittelbar in den Fokus genommen werden.
Bezüglich des Vorschlags zur Durchführung von Primärdatenerhebungen mittels Befragung ist zu betonen, dass die Autoren des vorliegenden Beitrags im Zuge der Planung der eigenen Forschungsmethodik die Erfahrung gemacht haben, dass die Befragung von Athleten durch Forschende aufgrund der Sensibilität des Themas oftmals schwierig realisierbar ist. Aus diesem Grund wurde ein Forschungsdesign gewählt, das auf Sekundärdaten zurückgreift. In zukünftigen Studien wäre es möglich, dass Forschende mit Spielergewerkschaften zusammenarbeiten, um Primärdaten in Form von Befragungen zu erheben. Der Zugang zu den Athleten über diese Gewerkschaften ist vermutlich einfacher zu realisieren als ein direkter Zugang durch Forschende. Es ist jedoch anzumerken, dass auch ein solcher Primärdatenansatz ausschließlich auf Wahrnehmungen und Selbstberichten beruht, sodass keine trainingswissenschaftliche (physiologische) Betrachtung des Leistungsbegriffs vorliegt (wie beispielsweise tatsächlich gemessene Leistungssteigerungen über Zeit- oder Kraftmessungen aufgrund der Verwendung von Sports-Analytics-Systemen). Dieselbe Argumentation gilt auch für Emotionen und Stress, die ebenfalls physiologisch gemessen werden können (z. B. Veränderungen der Herzratenvariabilität, erhöhte Stresshormone). Die Ergebnisse der vorliegenden Untersuchung sind demnach so zu interpretieren, dass die dargestellten Wahrnehmungsdaten zukünftig durch objektivere Messungen ergänzt werden sollten.7
Zweitens ist zu beachten, dass trotz intensiver Recherche und Auswahl von 19 Plattformen für die Untersuchung nicht ausgeschlossen werden kann, dass sich bei Betrachtung hier nicht analysierter Plattformen eine Verschiebung der Ergebnisse ergibt. Daraus folgt, dass eine Repräsentativität der Ergebnisse für die gesamte verfügbare Berichterstattung zu den möglichen Auswirkungen von Sports-Analytics-Systemen zwar aufgrund der Vielzahl und Verschiedenartigkeit der untersuchten Plattformen wahrscheinlich ist, sich statistisch jedoch nicht nachweisen lässt.
Drittens ist anzuführen, dass der Fokus in der vorliegenden Analyse auf dem Herrenfußball liegt. Da bekannt ist, dass sich Männer und Frauen in psychologischen und physiologischen Phänomenen wie Leistung, Motivation, Emotion oder Stress signifikant unterscheiden können, sollten zukünftige Untersuchungen auch den Frauenfußball stärker in den Fokus rücken (Okholm Kryger et al. 2022).
Viertens ist hinsichtlich des Alters der verwendeten Quellen zu beachten, dass sich die Analyse auf Datenmaterial aus den letzten beiden Jahrzehnten bezieht, wobei der Schwerpunkt auf dem letzten Jahrzehnt liegt (rund vier Fünftel des untersuchten Datenmaterials stammen aus dem letzten Jahrzehnt). Somit spiegeln die Ergebnisse die wahrgenommenen Effekte des Einsatzes von Sports-Analytics-Systemen im Profifußball in diesem 20-Jahreszeitraum mit einem Schwerpunkt auf dem letzten Jahrzehnt wider – und nicht nur die der absolut jüngsten Vergangenheit.
Trotz dieser Einschränkung ist zu betonen, dass wahrnehmungsbezogene Variablen wie Leistungseinschätzung, Motivation, Emotionen und Stress ein hohes Maß an Zeitstabilität aufweisen. Somit liefern die identifizierten Effekte auch über den betrachteten Zeitraum hinaus – und somit in die Zukunft – relevante Einsichten in die Wirkung von Sports-Analytics-Systemen. Diese Zeitstabilität lässt sich insbesondere damit begründen, dass die verwendeten theoretischen Konzeptualisierungen eine hohe temporäre Konstanz aufweisen. So wurde beispielsweise die Selbstbestimmungstheorie nach Deci und Ryan (1985, 1993) bereits vor mehreren Jahrzehnten entwickelt; ihre Aussagen gelten jedoch nach wie vor. Demnach werden menschliches Handeln sowie zugrunde liegende kognitive und emotionale Prozesse maßgeblich durch das Ausmaß an Selbstbestimmung und die Befriedigung psychologischer Grundbedürfnisse beeinflusst. Es gibt daher wenig Grund zur Annahme, dass zukünftige Athletengenerationen beim Einsatz von Sports-Analytics-Systemen keine oder nur sehr geringe Autonomieeinschränkungen wahrnehmen werden. Eine damit zusammenhängende Frage, die künftig untersucht werden sollte, ist, inwiefern professionelle Fußballspieler aufgrund ihrer im Vergleich zu anderen Berufsgruppen weit höheren Gehälter solche Überwachungssysteme akzeptieren. In diesem Kontext bietet das Effort-Reward-Imbalance(ERI)-Modell nach Siegrist (1996, 2016) eine geeignete theoretische Grundlage. Demnach kann ein hoher „Reward“ – etwa in Form weit überdurchschnittlicher Gehälter – den empfundenen „Effort“ aufgrund der Einschränkung von Autonomie durch Überwachungssysteme kompensieren. Dadurch ließe sich erklären, warum Profifußballspieler solche Systeme gegebenenfalls eher akzeptieren könnten als Arbeiter und Angestellte anderer Bereiche. Künftige Forschung muss zeigen, ob diese aus dem ERI-Modell abgeleitete Prognose empirisch haltbar ist.
Der Einsatz KI-basierter Systeme wird im professionellen Fußball zukünftig weiter an Bedeutung gewinnen. Insbesondere ist zu erwarten, dass datengetriebene und zunehmend automatisierte Formen der Entscheidungsunterstützung in Bereichen wie Spielanalyse, Trainingssteuerung, Talentidentifikation und Verletzungsprävention an Relevanz gewinnen werden. Mit der stärkeren Nutzung algorithmischer Verfahren rücken jedoch auch potenzielle Risiken in den Fokus: Zum einen können Verzerrungen (Bias) in den Trainingsdaten bei der KI-Modellentwicklung auftreten, zum anderen können automatisierte Empfehlungen intransparent sein. Vor diesem Hintergrund gewinnen auch im Sportkontext regulatorische Entwicklungen (z. B. EU-KI-Verordnung) an Bedeutung, da sie Anforderungen an den verantwortungsvollen Einsatz von KI-Systemen formulieren. Zukünftige Forschung sollte diese Entwicklungen berücksichtigen, um eine nachhaltige und verantwortungsvolle Digitalisierung im Fußball zu unterstützen.
Der vorliegende Artikel zielt insgesamt darauf ab, ein vertieftes Verständnis der potenziellen Auswirkungen des Einsatzes von Sports-Analytics-Systemen auf Athleten zu fördern. Die gewonnenen Erkenntnisse sollen insbesondere zukünftige Forschung in diesem zunehmend bedeutsamen Themenfeld anregen. Aufgrund ihrer langjährigen Forschungstradition in der Analyse und Gestaltung von Mensch-Aufgabe-Technik-Systemen kann die Wirtschaftsinformatik einen wesentlichen Beitrag zum Erkenntnisfortschritt in diesem Themengebiet leisten.
Förderung
Die Autoren haben für die eingereichte Arbeit von keiner Organisation Unterstützung erhalten.
Interessenkonflikt
R. Riedl, S. Fritz und A. Vogl geben an, dass kein Interessenkonflikt besteht.
Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen. Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de.
Hinweis des Verlags
Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.
Die UEFA Champions League ist der bedeutendste europäische Vereinswettbewerb im Fußball, der jährlich von der Union of European Football Associations (UEFA) ausgetragen wird. An dem Wettbewerb nehmen die besten Mannschaften der nationalen Ligen Europas teil. Mit dem Erreichen der Endrunde bzw. dem Gewinn des Wettbewerbs sind erhebliche Einnahmen durch Preisgelder, Vermarktung und Medienrechte verbunden. So können teilnehmende Vereine je nach sportlichem Abschneiden Gesamteinnahmen von über 100 Mio. € pro Saison erzielen (UEFA 2024).
Der Fußballer Harry Kane, von dem die Aussagen im Text stammen, hat eine persönliche Verbindung zu STATSports als Investor (z. B. Bassam 2021), sodass seine Aussagen potenziell interessengeleitet sein können. Die Passage wird jedoch nicht als trainingswissenschaftlicher Leistungsnachweis interpretiert (siehe dazu auch die Angaben zu den Limitationen am Ende dieses Beitrags), sondern als Praxisbeispiel für wahrgenommene Leistungssteigerung durch Technologieeinsatz. Entscheidend ist der inhaltliche Kern der Aussage, der konkrete Veränderungen des Trainingsverhaltens und Leistungsniveaus auf Basis der erhobenen Daten beschreibt. Eine potenzielle Verzerrung wäre im Übrigen auch bei Primärdatenerhebungen (z. B. Befragung von Athleten) denkbar und stellt somit keine grundsätzliche methodische Schwäche der Sekundäranalyse dar. Solche Akteursnarrative sind daher im Rahmen qualitativer Inhaltsanalysen als valide Indikatoren für Nutzungsmuster relevant (idiografischer Forschungsansatz). Interessensverflechtungen machen einen Fall zudem nicht per se unbrauchbar, sondern erfordern eine kritische Kontextualisierung, so wie es in der gegenständlichen Fußnote erfolgt.
Zu beachten ist, dass jedes in einem offiziellen Spiel getragene Electronic Performance & Tracking System (EPTS) wie ein GPS-Sensor den Vorgaben und Testkriterien der FIFA entsprechen muss; damit sollen Verletzungsrisiken auf ein Minimum reduziert werden (FIFA 2025). Dennoch kann eine Verletzung niemals vollständig ausgeschlossen werden.
Im Kodierleitfaden wurden dazu vorab exemplarische Emotionsausdrücke in Anlehnung an Hanin (2000) festgelegt, positive Emotionen: Zufriedenheit, Motivation, Aufregung, Faszination, Stolz, Neugier, Begeisterung; negative Emotionen: Angst, Frustration, Unsicherheit, Wut, Überforderung, Enttäuschung, Verzweiflung. Diese Klassifikation bildet eine theoretisch fundierte Grundlage, um emotionale Dynamiken im Kontext digitaler Leistungsüberwachung im Profifußball besser zu verstehen.
Die „Digital-Panopticon“-Wahrnehmung im EPM-Kontext beschreibt das Gefühl ständiger, unsichtbarer Beobachtung durch digitale Überwachungssysteme, das zu Selbstdisziplinierung, Anpassungsverhalten und psychischem Druck bei den Überwachten führt.
Anzumerken ist jedoch, dass das vorliegende Datenmaterial auch Aussagen zu objektiven Leistungssteigerungen enthält. Die berichteten Ergebnisse beruhen somit zwar tendenziell, aber nicht ausschließlich auf Wahrnehmungen und Selbstberichten. Folgendes Beispiel bezieht sich auf eine Aussage eines Teammanagers, in der auf einen objektiven Tatbestand und nicht auf eine Wahrnehmung Bezug genommen wird – Oliver Bierhoff wird in Sonnleitner (2017) wie folgt zitiert: „[…] 2004 hatte ein Spieler in der Offensivaktion den Ball im Schnitt noch ganze drei Sekunden am Fuß. 2010 lag der Wert nur mehr bei einer knappen Sekunde. Wie man diesen Fortschritt erreichte: Im Training wurden immer wieder die ‚Zwischenzeiten‘ erhoben und ausgearbeitet, um danach mit den Spielern entsprechend daran zu feilen […]“. Dieses Beispiel zeigt, dass Oliver Bierhoff im Rahmen eines Interviews auf objektiv durchgeführte Zeitmessungen Bezug nimmt und damit nicht über eine Wahrnehmung berichtet, sondern über einen objektiv erfassten Tatbestand.
Biggs A, Brough P, Drummond S (2017) Lazarus and Folkman’s psychological stress and coping theory. In: Cooper CL, Quick JC (Hrsg) The handbook of stress and health, 1. Aufl. Wiley, S 349–364 https://doi.org/10.1002/9781118993811.ch21CrossRef
Bley K, Rønningen MH, Spagnoletti P, Pappas I (2022) The potential of big data analytics for decision support in sports—the case of soccer. In: Proceedings of the Americas Conference on Information Systems (AMCIS) Minneapolis
Borussia Dortmund (2019) Wie arbeitet ein Videoanalyst bei Borussia Dortmund VOR dem Spiel? | Inside BVB – Teil 1. Video. YouTube. https://www.youtube.com/watch?v=9qNvzoLjQEg. Zugegriffen: 11. Nov. 2025
Deci EL, Ryan RM (1985) Intrinsic motivation and self-determination in human behavior. Springer, New YorkCrossRef
Deci EL, Ryan RM (1993) Die Selbstbestimmungstheorie der Motivation und ihre Bedeutung für die Pädagogik. Z Pädagogik 39(2):223–238. https://doi.org/10.25656/01:11173CrossRef
Fink A, Bay JU, Koschutnig K, Prettenthaler K, Rominger C, Benedek M, Papousek I, Weiss EM, Seidel A, Memmert D (2018) Brain and soccer: functional patterns of brain activity during the generation of creative moves in real soccer decision-making situations. Hum Brain Mapp 39(11):4452–4463. https://doi.org/10.1002/hbm.24408CrossRef
Hanin YL (2000) Emotions in sport. Human KineticsCrossRef
Heinrich LJ (1995) State of the Art und Editorial zum Schwerpunktthema: Ergebnisse empirischer Forschung. Wirtsch Inform 37(1):3–9
Heinrich LJ, Riedl R (2013) Understanding the dominance and advocacy of the design-oriented research approach in the business informatics community: A history-based examination. J Inf Technol 28(1):143–179. https://doi.org/10.1057/jit.2013.1CrossRef
Hemel U (2023) Datenethik zwischen gesellschaftlichem Anspruch und betrieblicher Praxis. In: Gillhuber A, Kauermann G, Hauner W (Hrsg) Künstliche Intelligenz und Data Science in Theorie und Praxis. Springer, Berlin, S 93–103 https://doi.org/10.1007/978-3-662-66278-6CrossRef
Holland PJ, Cooper B, Hecker R (2015) Electronic monitoring and surveillance in the workplace: the effects on trust in management, and the moderating role of occupational type. Personnel Rev 44:161–175. https://doi.org/10.1108/PR-11-2013-0211CrossRef
Jones L, Toner J (2016) Surveillance technologies as instruments of discipline in the elite sports coaching context: a cautionary post-structural commentary. Sensoria 12(2):13–21. https://doi.org/10.7790/sa.v12i2.439CrossRef
Kalischko T, Riedl R (2021) Electronic performance monitoring in the digital Workplace: conceptualization, review of effects and moderators, and future research opportunities. Front Psychol 12:633031. https://doi.org/10.3389/fpsyg.2021.633031CrossRef
Kalischko T, Riedl R (2024) On the consequences of electronic performance monitoring in organizations: theory and evidence. Digit Transform Soc 3(1):50–79. https://doi.org/10.1108/DTS-10-2022-0054CrossRef
Kamata A, Tenenbaum G, Hanin YL (2002) Individual zone of optimal functioning (IZOF): a probabilistic estimation. J Sport Exerc Psychol 24(2):189–208. https://doi.org/10.1123/jsep.24.2.189CrossRef
Konzag H, Sølvkær Schütz N (2024) Sports digitalization—realizing the potential value of tracking technologies in professional sports organizations. Proceedings of the 57th Hawaii International Conference on System Sciences (HICSS), WaikoloaCrossRef
Mertens P et al (2023) Grundzüge der Wirtschaftsinformatik. Springer Gabler, Berlin, HeidelbergCrossRef
Middlemas S, Harwood C (2018) No place to hide: football players’ and coaches’ perceptions of the psychological factors influencing video feedback. J Appl Sport Psychol 30(1):23–44. https://doi.org/10.1080/10413200.2017.1302020CrossRef
Pu Z, Pan Y, Wang S, Liu B, Chen M, Ma H, Cui Y (2024) Orientation and decision-making for soccer based on sports analytics and AI: a systematic review. IEEE/CAA J Autom Sinica 11(1):37–57. https://doi.org/10.1109/JAS.2023.123807CrossRef
Qi Y, Sajadi SM, Baghaei S, Rezaei R, Li W (2024) Digital technologies in sports: Opportunities, challenges, and strategies for safeguarding athlete wellbeing and competitive integrity in the digital era. Technol Soc 80:102496. https://doi.org/10.1016/j.techsoc.2024.102496CrossRef
Riedl R (2026) Vertrauen in Künstliche Intelligenz: Eine gute Entscheidung? Trauner, Linz
Seçkin AÇ, Ateş B, Seçkin M (2023) Review on wearable technology in sports: concepts, challenges and opportunities. Appl Sci 13:10399. https://doi.org/10.3390/app131810399CrossRef
Weigelt M, Machlitt D, van der Kamp J, Noël B, Memmert D (2024) Effects of cognitive and physical exercise on soccer penalty kicking: An exploratory study. J Appl Sport Exerc Psychol 31(3):113–118. https://doi.org/10.1026/2941-7597/a000016CrossRef
