Die neue Anspielwahrscheinlichkeit der NHL im Spiel kombiniert Daten und Technologie, um das Zuschauererlebnis zu verbessern

Die NHL übernimmt In-Game-Faceoff-Gewinnwahrscheinlichkeiten für Übertragungen, ein bedeutender Sprung für die Liga in Bezug auf Datenanalyse und Technologie.

„Face-off Probability“ nutzt Daten, die von NHL Edge, der Puck- und Spieler-Tracking-Technologie der Liga, gesammelt wurden, um eine Grafik zu erstellen, die die Wahrscheinlichkeit anzeigt, dass ein Spieler ein Bully gewinnt oder ein Team den Puck besitzt.

Es ist eine der ersten maschinell lernenden Statistiken, die die Liga in Zusammenarbeit mit Amazon Web Services entwickelt hat, deren künstliche Intelligenz Wahrscheinlichkeiten im Spiel in Sekundenschnelle erstellen kann.

„Es ist das erste Mal, dass die NHL und AWS zusammenkommen, um etwas aufzubauen, das einem Ereignis vorausgeht und eine Wahrscheinlichkeit dafür bietet, ob dieses Ereignis eintreten wird oder nicht“, sagte Dave Lehanski, NHL Executive Vice President für Geschäftsentwicklung und Innovation, gegenüber ESPN Montags. „Normalerweise nehmen wir Daten von einem Ereignis und analysieren sie schnell, um Erkenntnisse zu gewinnen. Selbst wenn wir dies in Echtzeit tun, müssen wir dies noch vor einem Ereignis tun.“

Priya Ponnapalli, Senior Manager bei Amazon Machine Learning Solutions Lab, sagte, dass Face-off Probability mehr als 70 verschiedene Datenpunkte aus historischen und In-Game-Statistiken sowie Kontextdaten verwendet. Ponnapalli sagte, die künstliche Intelligenz nehme 10 Jahre Anspielergebnisse – mehr als 200.000 Unentschieden für alle Spieler in der Liga heute – und verwendet Daten, die die Erfolgsquote eines Spielers basierend auf Anspielort, Heimspielen vs. Auswärtsspielen und Geschichte gegen sie umfassen konkrete Gegner. Dabei werden auch persönliche Daten wie Händigkeit, Größe und Gewicht berücksichtigt.

Die NHL fügt dann Anspielstatistiken im Spiel hinzu, um die Daten abzurunden. Sowohl in den historischen als auch in den Spielstatistiken gibt es zusätzlichen Kontext wie Spielsituationen, Punktzahl und Zeit, zu der die Faceoffs stattfanden.

Die künstliche Intelligenz verwendet das NHL-Spielerverfolgungssystem, um zu bestimmen, wer das Anspiel beider Teams bestreiten könnte, und führt diese Daten dann sofort aus, um eine Wahrscheinlichkeit zu erstellen, die mit Sendern und Fans geteilt wird.

Ponnapalli sagte, es gebe Herausforderungen bei der Entwicklung dieser Technologie für Hockey im Vergleich zu anderen Sportarten, mit denen AWS gearbeitet habe.

„Das Anspiel-Vorhersagemodell muss flexibel sein, um Vorhersagen zu generieren, wenn sich die Spielsituation ändert“, sagte sie. „Wenn beispielsweise ein Spieler aufgrund eines Verstoßes aus dem Faceoff gewunken wird, müssen die Vorhersagen basierend auf Echtzeit-Streaming-Sensordaten auf ein neues Matchup aktualisiert werden. Die Vorhersagen erfolgen auch mit Latenzen von weniger als einer Sekunde und werden jederzeit ausgelöst. All dies Komplexität musste eingebaut werden, und die resultierende Lösung musste flexibel sein.“

Die NHL glaubt, dass ihre Tracking-Technologie eine Möglichkeit bietet, die Fans über das Spiel aufzuklären und den Sendern mehr Möglichkeiten zum Geschichtenerzählen zu bieten. Lehanski sagte, dass es bei 50 bis 70 Faceoffs pro Spiel und bis zu 20 Sekunden zwischen einer Spielunterbrechung und dem Faceoff viele Gelegenheiten zum Geschichtenerzählen geben sollte.

„Wenn es ein wichtiges kritisches Faceoff gibt, möchten wir in der Lage sein, eine Wahrscheinlichkeit dafür zu zeigen, wer gewinnen könnte und wie sich diese Wahrscheinlichkeit ändern könnte, wenn jemand anderes das Faceoff gewinnt. Das wäre unglaublich überzeugend und wirklich wertvoll für den Zuschauer.“ er sagte.

Mit dieser maschinellen Lernstatistik sagte Lehanski, dass die zugrunde liegende Technologie auf andere Aspekte des Eishockeys angewendet werden könnte, um Wahrscheinlichkeiten und Vorhersagen für Übertragungen zu erstellen.

„Nehmen Sie die historischen Daten, kombinieren Sie sie mit echten Live-Daten im Spiel, verarbeiten Sie sie, um eine Analyse oder eine Wahrscheinlichkeit zu entwickeln, und zeigen Sie diese dann in weniger als einer Sekunde als Grafik auf dem Bildschirm“, sagte er. „Es öffnet uns definitiv die Tür für eine unbegrenzte Möglichkeit, unsere Sichtweise auf alle Ereignisse zu erweitern, die im Zusammenhang mit einem Hockeyspiel stattfinden.“

Diese Wahrscheinlichkeiten und alle von der NHL Edge-Technologie gesammelten Daten haben eine weitere faszinierende Anwendung: Sportwetten.

Die NHL geht davon aus, dass Sportwetten schließlich zusätzliche Prop-Wetten um Daten schaffen werden, die aus der Spielerverfolgung gesammelt werden. Die Liga hat formelle Datenlizenzabkommen mit MGM Resorts International, FanDuel, William Hill und PointsBet. Es hat auch einen 10-Jahres-Vertrag mit Sportradar als offizieller Wettdatenrechte und offizieller Integritätspartner der NHL.

Lehanski sagte, dass „die Technologie da ist, um auf Faceoffs zu wetten“, aber er warnte davor, dass diese Art von Wetten zu diesem Zeitpunkt nur eine Möglichkeit sei.

„Wenn es da draußen ein Wettunternehmen gibt, das Faceoffs eine neue Wettart zuordnen möchte und basierend auf der Wahrscheinlichkeit des Ergebnisses eine Quote für das Spiel entwickeln kann, dann gibt es theoretisch ein ausreichend langes Fenster durch eine mobile Anwendung, Sie einen Knopf drücken und entscheiden können, ob Sie auf das Ergebnis eines Anspiels wetten möchten oder nicht“, sagte er.

Lehanski sagte, die Herausforderungen für Echtzeit-Wetten wie Faceoffs seien die Zeitunterschiede zwischen Wetten, die in einer Arena getätigt werden oder von Fans zu Hause, die eine Sendung mit einer Verzögerung von mehreren Sekunden sehen, sowie ob die NHL jemals Wetten auf Ergebnisse wie Faceoffs erlauben würde .