Big Data im Bobsport, vol 4

Matthias Scherge, Jan Babula, Jan Krämer, Maximilian Mittelmann, Tim Domurath, Marius Sebastian Klug, Tom Naumann, Fabian Herhold, Dennis Gerhards, Helena Richard, Oliver Brückner, Artur Geier, Lee Woobin, Felicitas Malu, Silas Benson, Philipp Simons, Sarina Sommer, Nina Wurm, Konstantin Merklinger, Carl-Christoph Friedrich, Thomas Nowicki and Elvisa Foric

in ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung from FOM Hochschule für Oekonomie & Management, ifid Institut für IT-Management & Digitalisierung

Abstract: Vorwort: Dieses Buch stellt die Ergebnisse einer groß angelegten Studie zur Analyse von Datensätzen aus dem Bobsport vor, die mehrere Millionen Datenpunkte umfasst. Die Analyse erfolgte mit modernen Werkzeugen der künstlichen Intelligenz und des maschinellen Lernens, was es ermöglichte, tiefgehende Einblicke in die komplexen Datenstrukturen zu gewinnen und Muster zu erkennen. Ein besonderer Schwerpunkt dieser Arbeit liegt auf der detaillierten Darstellung der mathematischen Werkzeuge und der datentechnischen Herangehensweise. Durch die Anwendung von Data-Mining-Methoden wurden umfassende Analysen der vorhandenen Fachliteratur der letzten Jahrzehnte durchgeführt, insbesondere in Bezug auf die Reibung zwischen Kufe und Eis - ein entscheidender Faktor im Bobsport. Ein innovativer Bestandteil der Studie war die videotechnische Auswertung der Fahrlinien des Bobs in der Bahn. Durch die Generierung von Heatmaps konnten unterschiedliche Fahrweisen präzise unterschieden und visualisiert werden. Diese Visualisierungen zeigen klar den Zusammenhang zwischen Geschwindigkeit und Fahrlinie und erlauben eine detaillierte Prüfung der Korrelation von Laufzeiten in einzelnen Bahnabschnitten mit der Gesamtlaufzeit. Die Ergebnisse der Analyse offenbarten klare Muster in den Datensätzen und führten zu Empfehlungen hinsichtlich tribologischer Vorteile. Diese Erkenntnisse könnten nicht nur die Leistung im Bobsport erheblich verbessern, sondern auch als Grundlage für gezieltes Data Mining in anderen Sportdisziplinen dienen, die über umfangreiche Sensorik bei Training und Wettkampf verfügen. Ein weiteres Highlight dieser Arbeit sind die entwickelten, äußerst instruktiven Datenvisualisierungen. Sie bieten eine anschauliche Darstellung der komplexen Zusammenhänge und tragen wesentlich dazu bei, die gewonnenen Erkenntnisse verständlich zu vermitteln. Diese Studie stellt einen bedeutenden Fortschritt im Bereich der sportlichen Leistungsanalytik dar und zeigt, wie moderne Technologien genutzt werden können, um sportliche Aktivitäten tiefgehender und präziser zu verstehen. Wir hoffen, dass die Ergebnisse dieser Arbeit nicht nur im Bobsport, sondern auch in anderen Bereichen des Sports und darüber hinaus Anwendung finden werden.

Keywords: Big Data; Bobsport; KI; Künstliche Intelligenz; Heatmaps; Zusammenhang zwischen Geschwindigkeit und Fahrlinie; Data Mining im Sport; sportliche Leistungsanalytik; Topic Map; Clustering; Shapley Values (search for similar items in EconPapers)
Date: 2025
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/324149/1/1925858308.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:fomiid:324149

Access Statistics for this book

More books in ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung from FOM Hochschule für Oekonomie & Management, ifid Institut für IT-Management & Digitalisierung Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().