# AI Transformation in Professional Football Operations

**Podcast:** AI FIRST Podcast
**Published:** 2026-02-27

## Transcript

Herzlich willkommen zum AI First Podcast.
Wir haben heute eine Premiere, denn wir sprechen zum ersten Mal über KI-Transformationen im Sport, speziell im Profifußball beim VfL Wolfsburg.
Und dafür sind heute Claudio Demmer und Matthew Caron zu Gast, die dieses Thema aus zwei Perspektiven beleuchten werden.
Nämlich einmal aus der Perspektive der Geschäftsstelle, also der Verwaltung oder dem Business-Bereich.
und aus Perspektive des Sportbereichs.
Also alles, was auf dem Rasen und direkt in der Mannschaft passiert.
Ich bin total gespannt, welche Anwendungsfälle es im Profifußball gibt und wo ein Unternehmen, aber auch eine Mannschaft wie der VfL Wolfsburg heute in der KI-Transformation schon steht.
Claudio, Matthew, toll, dass ihr hier seid.
Danke.
Ich bin hier zu sein.
Claudio, ich spiele den Ball mal direkt zu dir.
Erzähl mal kurz, wer bist du, was machst du und wo steht ihr gerade in eurer KI-Transformation auf Seiten der Geschäftsstelle?
Ja, gerne.
Schön, dass wir hier sein können.
Ich freue mich auf den Podcast.
Wir haben, glaube ich, zwei sehr spannende Seiten dabei.
Ich bin Claudio, ich verantworte bei uns, wie du sagst, das Thema Business Innovation.
Wir haben uns in den letzten Jahren viel mit Technologien auseinandergesetzt.
Web3 war mal eine Zeit lang ein sehr großes Thema.
Wir haben Startup-Kooperationen aufgebaut.
Wir sind auch für internationale Markteintrittsstrategien zuständig.
In den letzten zwei Jahren hat sich meine Rolle allerdings tatsächlich zugespitzt auf das Thema künstliche Intelligenz.
Ein massiv großes Thema.
Was ich jetzt seit etwa zweieinhalb Jahren verantworte und beim VfL Wolfsburg auf der Geschäftsseite skaliere.
Das bedeutet, wir selbst sind zwar natürlich, Messi und ich haben regelmäßigen Austausch, wir haben gerade ein gemeinsames kleines Projekt, wo Messi mich beispielsweise unterstützt, wo es um Vertriebsautomatisierung geht.
Aber ansonsten haben wir jetzt keine inhaltlichen Schnittpunkte.
Das ist einmal wichtig, glaube ich, zu verstehen.
Wir selbst stehen in unserer Reise.
Ich würde sagen, wir sind teilintegriert, was KI angeht.
Wir haben auf Geschäftsseite...
LLMs eingeführt und auch großflächig eingeführt.
Das heißt, alle Mitarbeiter haben tatsächlich seit dieser Woche eine eigene JetGPT Enterprise Lizenz, mit der sie arbeiten können.
Das war ein langer Weg bis dahin.
Wir haben JetGPT Enterprise und eben entsprechende GPTs auf operativer Ebene in den Wertschöpfungsketten verankert.
Wir sind auch da sehr erfolgreich mit.
Von da würde ich sagen, wir sind teilintegriert, haben aber sicherlich noch einen Schritt zu gehen, was das Gesamtpotenzial von KI als Technologie angeht.
Matthew, wie sieht es auf der Sportseite aus?
Ja, vielen Dank von meiner Seite für die Einladung nochmal.
Ja, also ich kümmere mich hier im Sport um das ganze Thema Data Science.
Das heißt, mein Büro befindet sich direkt jetzt hier am Trainingsgelände.
Wir bearbeiten alle möglichen Themen, was jetzt mit Sport bzw.
mit Fußball hier zu tun hat, also von Taktik bis zur Gesundheit.
Also überall, wo wir Daten bekommen, sammeln, finden können, dann werden wir das auf jeden Fall behandeln.
Von meiner Seite, also ich komme von der Data Science Machine Learning Schiene, habe in dem Bereich auch promoviert, viel in Profi Handball und Fußball auch gemacht bei unterschiedlichen Themen.
Natürlich alle sehr Machine Learning lastig oder wie man heutzutage sagt, so KI lastig und bin seit zwei Jahren beim VfL.
Also wir haben das Ganze hier im Sport jetzt vor zwei Jahren gegründet.
bei der Mannschaft direkt.
Und genau, jetzt sind wir direkt damit jetzt unterwegs.
Ich glaube, momentan bei uns ein bisschen anders als bei Claudio natürlich.
Also Generative AI oder LLM hat weniger Wichtigkeit jetzt im Sport oder zumindest heutzutage jetzt im Sport.
Also wenn wir von KI oder von Machine Learning reden, sind mehr wirklich die Themen, die jetzt predictive sind.
Also was können wir damit generieren als Output, als Wahrscheinlichkeiten, als Entscheidungsunterstützung.
Natürlich kaufen wir auch viele Daten von externen Anbietern, die tatsächlich auch Modelle haben, wo die selber jetzt solche Prognose oder Informationen liefern können.
Also von daher, ich glaube, da sind wir ein bisschen anders unterwegs.
Nichtsdestotrotz, also das ist jetzt ein Thema, was wir intern jetzt weiter pushen wollen.
Also wir machen nicht nur Analysen, wir haben einiges an Themen, die wir jetzt selber entwickeln und anwenden.
Und ich glaube, diese Schiene können wir jetzt noch in den...
paar Minuten nochmal jetzt in Detail besprechen.
Also, da steigen wir gleich noch tiefer ein.
Vorher werfen wir nochmal einen Blick, Claudio, an eure Geschäftsstelle.
Was würdest du denn sagen, sind so die größten Ergebnisse, die ihr jetzt in den letzten Jahren auch aus dem Einsatz von KI und den Initiativen, die du getrieben hast, rausgezogen hast?
Was hat wirklich einen Impact gehabt und worauf bist du besonders stolz?
Wir sind tatsächlich sehr viele überraschende Ergebnisse herausgekommen.
Also erstmal haben wir tatsächlich massive Kosteneinsparungen generieren können auf Geschäftsseite.
Das heißt, wir haben Dienstleistungen ersetzen können, teilersetzen können.
Das muss ich ja vorstellen, Fußballverein ist ja neben dem Sport, der natürlich das Kerngeschäft abbildet, auch ein Entertainment-Unternehmen.
Das heißt, wir produzieren unglaublich viel Content, den wir nach außen geben.
Und natürlich auch viel Content in Textform.
Und da kann ein LLM natürlich extrem viel Arbeit übernehmen.
Man denke an Live-Ticker, an Spielbericht, Automatisierungen, an Social Media und so weiter, wo wir einige Dienstleistungskosten einsparen konnten.
Übersetzungen ist ein großes Thema, was wir auch immer wieder haben.
Unser Verein, auch wenn wir ein...
vergleichsweise kleiner Verein sind, hat dennoch internationale Relevanz und wir sind in vielen Sprachen unterwegs, ob das Spanisch, Brasilianisch, Englisch natürlich ist.
Auch da konnten wir viele Dienstleistungskosten einsetzen.
Das ist so das, was man sehr schnell und auch sehr einfach erkennen kann und auch in KPIs niederschreiben kann.
Wir haben...
Natürlich, das ist jetzt mehr über qualitative Ergebnisse gelaufen, also hauptsächlich über meine Unterhaltung mit den Kollegen, natürlich auch Zeitersparnisse feststellen können.
Ich würde das mal so behaupten, im Schnitt um die 45 Minuten, die wir pro Woche extrem konservativ gerechnet schon pro Lizenz einsparen können, pro Kollege.
Das sind auch schon sechsstellige Einsparungen, die wir dann an Effizienzgewinn haben.
Wir haben das Ganze dann...
versucht ein bisschen auch zu verifizieren, also nicht nur auf die qualitativen Ergebnisse, die ich jetzt in meinen Umfragen erwirken konnte, zu verlassen, sondern auch vergleichbare Studien von vergleichbaren Unternehmen in einen vergleichbaren Markt wie Deutschland oder Sport herangezogen.
Und die Zahlen haben das zumindest bestätigt, was wir hier feststellen.
Und das, was, glaube ich, nicht ganz so einfach festzustellen ist, Wie setzen die Kollegen diese gewonnene Zeit dann auch ein?
Also die Routineaufgaben, die man dann ersetzt, beispielsweise ein simples Erstellen eines Textes für unsere Website.
Und die Zeit kann man jetzt in eine andere Tätigkeit stecken.
Aber wie viel werthaltiger ist diese Tätigkeit?
Bestenfalls in Euros.
Das ist ja auch das, was man dann gerne erfassen wollen würde.
Das gelingt uns noch nicht.
Das haben wir allerdings auf dem Schirm und sind auch immer offen für Anregungen, wie man sowas dann besser klassifizieren kann.
Und das sind die größten Ergebnisse, die wir sehen können.
Wenn ihr es gefunden habt, dann nehme ich auch gerne.
Und ich hatte ja schon gesagt, Premiere ...
Jetzt mit einem Profi- oder Spitzensportverein hier in dem Podcast.
Was sind denn so ein paar Anwendungsfälle, die es bei euch gibt, die es vielleicht in so typischen Unternehmen, die so klassische Funktionsbereiche, klassische Wertschöpfungskette haben, vielleicht nicht gibt?
Sehr gute Frage.
Ich habe da tatsächlich einen, der hat mich selbst sehr überrascht.
Ich gehe vielleicht einen Schritt vor rein, um auch einmal...
zu erklären, wie wir überhaupt auf diese Anwendungsfälle gekommen sind, weil ich das für extrem wichtig halte.
Wir haben, da muss ich mir vorstellen, als wir vor zwei Jahren vor der Aufgabe standen, okay, da ist jetzt dieses Thema künstliche Intelligenz, dann stand ja unsere Einheit, die Innovation, wie immer in der Innovation vor der Fragestellung, worum handelt es sich einfach, wie sind Innovationsexperten, aber in der Regel nicht Experten der Technologie, die da kommt.
Und wir haben eine ganz, ganz entscheidende...
Diskussion geführt ganz am Anfang, nämlich wo hängen wir das Thema künstliche Intelligenz bei uns im Geschäftsbereich überhaupt auf?
Also ist das jetzt ein IT-Thema, ein Tool-Thema oder soll das eben doch bei uns in der Innovation liegen, also eher ein Geschäftsfeld-Thema werden?
Und ich halte das für einen entscheidenden Schritt, den wir gemacht haben, den ich beobachte, den viele anders gehen, dass wir gesagt haben, das liegt bei uns, weil wir sind ausgebildete Workshop.
Halter, wenn es dieses Wort gibt.
Wir arbeiten ganz viel, ganz eng mit Menschen, Stakeholder Management, People Management.
Wir sind im Geiste Transformationsmitarbeiter und wir verstehen, wie Transformation funktioniert.
Wir haben demnach extrem viele Workshops durchgeführt mit unseren Kollegen, wo ich einfach mal versucht habe zu verstehen, was machen meine Kollegen eigentlich den ganzen Tag, weil ich habe ja auch keine Ahnung.
Was macht jemand bei uns im Controlling?
Wie sieht der Job dort aus?
Was macht jemand bei uns im Merchandising?
Wie sieht der Job dort aus?
Oder was macht auch beispielsweise unser Greenkeeping-Team?
Wir haben mit unserem Bundesliga-Rasen ein Asset, das jetzt, um auf deine Frage zu kommen, viele normale Wirtschaftsunternehmen jetzt nicht unbedingt haben.
Und dieses Asset muss gehegt und gepflegt werden.
Da spielen mindestens jedes zweite Wochenende Fußballer drauf, Leistungssportniveau.
Und in dem Workshop, wo meine Greenkeeping-Kollegen drin waren, kam ein Anwendungsfall raus, der sich rund um Rasenkrankheiten dreht.
Also die Kollegen haben die Aufgabe, den Rasen möglichst frei von Krankheiten zu halten.
Das ist übrigens ganz normal, dass Rasen Krankheit hat.
Das ist jetzt nichts Untypisches.
Jeder Rasen hat natürlich kleine Pilzkulturen, Bakterienkulturen.
Das ist ganz normal.
Es geht darum, dass wir nicht ausarten dürfen.
Und vor Chat-GPT oder ähnlichen Anwendungen sind unsere Kollegen den Rasen abgegangen, haben sich Fotos von den Stellen gemacht, sind wieder zurück ins Büro gelaufen und haben in ihrer Fachliteratur und mit ihrer Erfahrung versucht herauszufinden, was ist das und was können wir dagegen tun.
Und jetzt haben wir einfach ein GPT aufgesetzt, was all dieses Wissen bereits hat.
Und unsere Kollegen müssen nur auf ein Foto schießen und kriegen direkt auf den Platz...
Aus dem GPT heraus die ersten Hinweise, um was für Krankheiten es sich drehen könnte.
Was sind die Risikoklassen dieser Krankheiten?
Wie verbreiten die sich?
Und was kann man eben noch dagegen tun?
Und das hat mich dann doch sehr überrascht, weil es auch einfach ein Job ist, der so weit von meiner eigenen Realität weg ist.
Aber mich sehr gefreut hat, dass wir das lösen konnten.
Spannend.
Das ist auf jeden Fall ein Anwendungsfall, von dem ich noch nicht gehört habe.
Aber klar, wenn du jetzt auch LLMs hast, die immer besser Bilder auswerten.
können, auf den Daten trainiert sind, dann ist es nicht so obvious, aber trotzdem.
Wie habt ihr eure Workshops so gestaltet, um genau da ranzukommen?
Weil das ist ja die Kunst, nicht zu sagen, was könnte ich alles mit KI machen, sondern was sind Probleme, die ich habe und diese mit den Fähigkeiten von KI zu kombinieren, also die richtigen Probleme zu finden, die von KI überhaupt gelöst werden können.
Das ist richtig, das war eine sehr, sehr lange Reise.
Also es ist jetzt nicht so, dass man sich vorstellt, dass wir einfach einen Workshop konzipiert haben und dann haben wir den durchgeführt und zack war der Anwendungsfall da.
Sondern das war einfach, das war sehr viel Vorbereitungsarbeit.
Man muss sich vorstellen, das haben wir alle erlebt, als ChatGPT bekannter geworden ist, so als erstes mehr oder weniger massentaugliche Angebot irgendwie da war.
war das für die meisten Kollegen, die sich jetzt auch nicht damit auseinandergesetzt haben, ein böhmisches Dorf.
Wussten gar nicht, worum geht es eigentlich, was ist das?
Und uns ist ganz schnell bewusst geworden, deswegen auch die Entscheidung, dass es bei uns in der Einheit liegt, wir müssen erstmal für Verständnis sorgen, wir müssen erstmal Eintrittsbarrieren reduzieren, bevor wir überhaupt anfangen können, Workshops anzubieten.
Weil das wird nicht funktionieren.
Ich bin der absoluten Überzeugung, dass jegliche Neuerung...
insbesondere wenn es sich um eine Technologie handelt, nur dann adaptiert wird, wenn der Mensch im Mittelpunkt steht.
Und das bedeutet, man muss dem Ganzen auch Zeit geben, man muss dem Menschen auch Zeit geben, sich so einer neuen Technologie zu nähern, insbesondere wenn eben wie unser Greenkeeping-Team oder meine Kollegen und Kolleginnen in anderen Bereichen im Ticketing gar keine Berührungspunkte damit haben.
Das heißt, wir haben erst sehr viel Aufklärungsarbeit gemacht.
Wir haben beispielsweise sehr früh in der Phase angefangen, so Mitarbeiter Experience Sessions anzubieten, wo wir einfach mal verschiedene Anbieter hier hatten, die auf Handys vorinstalliert hatten und einfach mal gesagt haben, jetzt probiert euch aus.
Hier sind ein, zwei Sachen, macht das doch mal.
Guckt mal, wie die Reaktion ist, wie ihr damit arbeiten könnt.
Wir haben damals parallel auch noch Mixed Reality probiert.
Wir hatten zu den gleichen Mitarbeiter Experience Sessions zum Beispiel auch die Apple Vision Pro da oder die MetaQuest 3, die die Kollegen sich aussetzen konnten.
Und das war ein Riesenerfolg, weil diese spielerische Annäherung an etwas Neues, auch mal raus aus dem eigenen Arbeitsalltag zu kommen für ein paar Stunden, das hat Barrieren extrem schnell eingerissen und Vertrauen auch geschaffen zu mir und meinem Team.
Was dann wieder darin resultiert ist, dass die Kollegen gerne in die Workshops gekommen sind, die wir später angeboten haben.
Und um das vielleicht auch noch dazu zu sagen, wir haben auch deswegen ganz bewusst ChatGPT gewählt.
Weil insbesondere vor zwei Jahren hatte ChatGPD OpenAI, wie ich finde, zwei große Vorteile.
Das erste ist, es war das performanteste Tool.
Das ist heute bei weitem nicht mehr so, dass es das performanteste Tool ist.
Zumindest nicht durchgehend in allen Bereichen.
Und es hatte den riesen Vorteil, dass es einfach schon bekannt war.
Also dass die Leute wussten, wenn ich sage ChatGPD, ah, das aus den Massenmedien.
Und diese beiden Faktoren, die haben einfach da zusammengespielt diese...
die Annahme der Technologie deutlich schneller voranzutreiben.
Und das haben wir dann in entsprechenden Workshops umgemünzt.
Und da kann ich, glaube ich, nichts erzählen, was Leute, die auch Workshops durchführen, nicht auch wissen.
Das macht man dann mit modernen Ansätzen wie Design Thinking, schönen Spielen, die man zusammen durchführen kann, sodass die Kollegen eben möglichst offen sind und sich einfach ausspeichern können und auch gar keinen Druck verspüren, jetzt irgendetwas tun zu müssen.
Man muss natürlich dazu sagen, dass ich den großen Vorteil habe.
Matthew, du sagtest gerade zwei Jahre jetzt im Verein, glaube ich, richtig?
Genau.
Zwei Jahre ist auch schon eine sehr gute Zeit.
Ich bin seit zehn Jahren im Verein.
Das heißt, mich kennen die Leute auch sehr gut.
Und ich kenne die Leute auch alle sehr gut.
Und ich hatte bereits zehn Jahre Zeit im Verein, mir ein Standing aufzubauen, viel mit den Leuten Mittagessen zu gehen, mal hier um im Allersee zu spazieren und die Leute auch einfach kennenzulernen.
Diese Vertrauensbeziehung, die man hat, gepaart mit der Transformationsarbeit, die ich eben beschrieben habe, die ist einfach in sehr erfolgreichen Workshops gemündet.
Und was wir da konkret gemacht haben, ist sehr einfach.
Wir haben Prozesse skizziert, weil ich muss ja erst mal verstehen, wie sieht ein Arbeitsprozess meines Kollegen aus, zum Beispiel unser Greenkeeper, von ich starte morgens bis hin ich Erkenne eben die Rasenkrankheit und tue etwas dagegen, wenn ich jetzt diesen speziellen Prozess nehme.
Den kenne ich ja gar nicht, den Prozess.
Und dieses Wissen erstmal zu erlangen, zu skizzieren, aufzuschreiben, festzuhalten, um dann zu verstehen, wo kann ChatGPT in dem Falle oder ein GPT in diesem Prozess teilübernehmen und im Endeffekt automatisieren, das war das Ziel des Workshops.
Und wir haben weit über...
250 Anwendungsfälle gefunden im Verein, die wir lösen können.
Teilweise mit GPTs oder mit anderen Funktionen von ChatGPT.
Und das ist schon eine massive Zahl.
Jetzt hast du gerade selbst schon gesagt, dass ChatGPT nicht mehr das performanteste Tool ist und es gerade wie so eine Abwanderungswelle gibt in insbesondere Google Gemini.
Anthropic mit Claude ist weit vorne.
Warum habt ihr euch denn noch entschieden?
JGBT auf alle Mitarbeitenden auch mit der Enterprise Lizenz auszurollen?
Also erstmal muss man ja die Begrifflichkeit sich anschauen.
Nicht mehr das Performanteste bedeutet ja nicht nicht performant.
Das ist erstmal ganz wichtig, glaube ich, zu verstehen.
Und das Zweite, ich glaube, es ist ganz wichtig und so nehme ich es gerade wahr.
Ich weiß nicht, wie ihr beide das wahrnehmt, aber wir sind eher Teil der KI.
Und wir verstehen deutlich mehr, was dort passiert und was auch möglich ist, als das jetzt, ich sage mal, der alltägliche Büroheld oder die alltägliche Büroheldin tut.
Und die Nuancen, die ein Gemini beispielsweise in Teilen besser sein mag oder auch nicht, die sind für jemanden im Büroalltag gar nicht wichtig.
sondern die möchten ein Tool, was gut funktioniert, was gute Ergebnisse liefert, was sehr gute Ergebnisse liefert.
Ein Tool, das sehr einfach zu bedienen ist und das ist ChatGPT, ein ganz, ganz tolles User Interface, sehr einfach sich zurechtzufinden, auch für Leute, die es das erste Mal benutzen.
Und das ist für mich deutlich entscheidender, als ob jetzt ein anderes Tool in Teilbereichen nochmal performanter ist, als das vielleicht OpenAI gerade liefert.
Zumal sich das auch immer wieder drehen kann.
Wir haben es beobachtet.
Das ist ja ein Wettrennen.
Da ist mal der Erste, dann ist der wieder Erste, dann ist der wieder Erste, dann ist der Anbieter in dem Teil wieder besser, dann überholt der Anbieter wieder.
Und es macht meiner Meinung nach keinen Sinn, dann aktionistisch hin und her zu wechseln zwischen den Tools, wenn man eine Single-Tool-Strategie fährt zumindest, weil das ein Chaos enden wird.
Wenn man natürlich eine Multi-Tool-Strategie fährt, klar, super.
Dann kann man alle Vorteile bis zum letzten ausnutzen.
Wir erfahren eben diese Single-Tool-Variante, weil wir eben die Barriere niedrig halten wollen und sind damit extrem zufrieden.
Was sind denn Dinge, wenn du jetzt nochmal starten könntest, was würdest du ganz anders machen?
Auch eine sehr gute Frage, ja.
Was würde ich ganz anders machen?
Auch wenn ich gerade betont habe, dass ich glaube, die Geschwindigkeit, die wir an den Tag gelegt haben, ausreichend war, um die meisten Kollegen mit abzuholen.
Ich hätte mir noch mehr Zeit genommen für diesen Transformationsprozess, weil ich glaube, dass wir dann hinterher noch schneller hätten skalieren können.
Wir haben am Anfang diese Diskussion, die ich am Anfang so trivial beschrieben habe, ja, wir haben ein bisschen diskutiert, ob es ein IT-Thema oder ein Business-Innovation-Thema ist.
Das war nicht eine halbe bestimmte Diskussion.
Das waren mehrere Wochen, die wir da diskutiert haben, geguckt haben, wie machen wir es jetzt eigentlich.
So eine Entscheidung schneller herbeizuführen.
um die Zeit dann schneller dafür nutzen zu können, beispielsweise Mitarbeitertage zu organisieren oder Workshops vorzubereiten.
Das würde ich im Nachhinein definitiv anders machen.
Ich glaube, ich hätte mir auch Matthew mal in deine Richtung viel schneller noch deine Hilfe dazu geholt.
Wir kennen uns jetzt zwar auch schon ein bisschen was, aber ich schätze Matthews Rat beispielsweise sehr, der in vielen Themen einfach noch mal viel tiefer drin steckt.
Wir haben uns sehr viel Hilfe von außen geholt.
Leute, die selbst gegründet haben, auch von Beratungsagenturen natürlich, von Leuten aus dem Silicon Valley, um uns aufzuschlauen.
Ich hätte aber Matthew, so er die Zeit gehabt hätte, deutlich früher und noch intensiver mit eingebunden.
Ja, ich glaube, das wären so die zwei Hauptpunkte.
Kurz in eigener Sache.
Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige Gäste hören möchtest, dann freue ich mich über deine Unterstützung.
Mit einer Fünf-Sterne-Bewertung und einem Abo für den Podcast hilfst du uns, sichtbarer zu werden und AI First weiterzuentwickeln.
Für dich und die gesamte Community.
Ich danke dir.
Matthew, ich spiele jetzt mal den Querpass zu dir rüber.
Claudio, schon mal danke für die Schilderung aus dem Verwaltungsbereich.
Wir wollen jetzt mal so ein bisschen schauen, wie ist eigentlich eure Welt rund im KI-Kosmos gleich und wie ist sie anders?
Erlebst du im Sport da ähnliche Herausforderungen, dass es so um diese auch menschliche Transformation geht und die neue Technologie, irgendwie das Vertrauen der Menschen in der Nutzung und auch die Nutzung der neuen Technologie der Menschen überhaupt zu steigern oder geht es um ganz andere Themen?
Das ist eine sehr gute Frage.
Ich glaube allgemein jetzt im Sport ist es ein bisschen anders.
Also wir haben unser eigenes Data Department, unsere eigene Datenplattform.
Entwicklung in-house.
Also das ist für uns wichtig, dass wir die Leute intern beliefern können mit ganzen Informationen und die Tools, die wir im Alltag brauchen.
Ich glaube, dass oder würde ich hoffen, dass heutzutage Daten und diese ganze Datenkultur im Profifußball angekommen oder längst angekommen ist.
Also ich würde sagen, dass hier beim Vorfeld auf jeden Fall ist das so der Fall.
Natürlich ist es eine sehr große Branche.
Aber bei uns auf jeden Fall so.
Von daher, Daten gab es vorher, bevor ein Department hier gab es beim VfL natürlich, weil das wird von der Liga geliefert.
Das wird externe.
Von daher die Daten gab es schon mal was, aber natürlich jetzt nicht zentral, dass wir wirklich in der Abteilung ein paar Köpfe hier, die jeden Tag damit sich beschäftigen, neue Tools basteln, Dashboards, Reports, alles Mögliche, was jetzt das Leben hier erleichtern würde.
Von daher, ich glaube...
Das ist sehr einfach, zumindest bei uns, das Ganze oder die Leute zu überzeugen.
Je mehr wir machen, desto mehr kommt als Anfragen.
Von daher natürlich, wir haben nicht genug Zeit mit dieser, wie viele Tage pro Woche haben wir noch jetzt?
Acht oder neun pro Woche Arbeitstage, glaube ich.
Also das ist normal bei uns.
Damit kann man noch mehr schaffen, noch mehr schaffen.
Die paar KPIs, die wir uns angeguckt haben, wenn die so aussehen, können wir die noch besser auswerten oder benutzen.
Von daher, ich glaube, zumindest bei uns und die meisten Clubs, die ich kenne, wo ich Freunde oder Bekannten habe, die da auch im Bereich Daten arbeiten, das ist natürlich überall angekommen.
Und nicht nur Fußball, sondern Profisport allgemein ist da angekommen, dass man solche Tools benutzen muss.
Dann benutzen wir das im Alltag.
Wir benutzen das beim Live-Spiel oder einen Tag nach dem Spiel.
Das ist uns alles wichtig.
Wir wissen, was kommt, was nicht kommt.
Und wir haben unseren Fahrplan.
Was wollen wir oder wo wollen wir hin für die nächsten drei, sechs oder zwölf Monaten?
Wir sind noch am Wachsen hier in der Abteilung.
Aber was können wir jetzt für die Zeit jetzt für uns, was relevant ist, fußballmäßig nochmal schaffen?
Vielleicht ein bisschen anders.
Also wie bei Claudio, das sind so mehrere hundert Leute, die da drüben in der Arena sitzen und im Alltag arbeiten.
Hier ist relativ kleiner natürlich.
Wir kennen uns alle.
Von daher, die Wege sind viel kürzer.
Und ich glaube, das macht natürlich vielleicht das Ganze immer ein bisschen anders.
Du hast jetzt schon Daten angesprochen.
Ich will das mal besser verstehen.
Über was für Daten sprechen wir da und auch über welche Mengen?
Also von Fußball alles, was passiert auf dem Platz.
Also bei einem Spiel, beim Training, im Gym, alles wird dann wieder getrackt mit bestimmten GPS-Trackers oder Hard-Rate-Trackers oder alles Mögliche.
Also von Performance-Seite wirklich die Trainingsbelastung, physischen Attributen, alles Mögliche bis zu wie viel Pässe bei einem Spiel und alles Mögliche, was drumherum geht.
Also von daher, viele Sachen sammeln wir intern.
Das heißt, wir haben Geräte oder diese GPS-Trackers, was man oft erkennt auf dem Fernseher, diese Gurte, die die Spiele tragen unter dem Trikot.
Das kennt man als Zuschauer.
Das werden wir alles...
Tracken, das sammeln wir jeden Tag mehrmals am Tag.
Und noch dazu von der Liga oder bestimmte externen Anbieter, wo wir Daten auch kaufen.
Also die Daten sind manchmal nur Fakten.
Daten können auch von Maschinenmodellen generiert werden oder KI generiert werden, wie wenn man sagt, was man im Fernsehen immer sieht, XG.
XG ist ein Machine Learning Modell am Ende, das ist nur die, ja.
Die Prognose, Torwahrscheinlichkeit am Ende.
Und damit haben wir alles das auf unserer Datenplattform.
Und dann wissen wir, okay, was können wir direkt so liefern?
Was müssen wir noch bearbeiten?
Was wollen wir noch benutzen, um weitere Modelle zu trainieren?
Um bestimmte Entscheidungsprozesse zu erleichtern oder zu ermöglichen?
Also von Gesundheitswesen bis alles, was auf dem Platz passiert.
Und am Ende haben wir jetzt eine Datenbank mit ein paar hundert Tabellen und mehrere, mehrere.
Millionen, wenn nicht Milliarden Daten rein.
Und wir haben tatsächlich viel zu viele Daten oder viel mehr Daten, als wir tatsächlich was machen könnten.
Und das ist das Schöne dabei, aber das bleibt spannend.
Also wir haben immer mehr die Möglichkeit, alles zu machen, was wir theoretisch jetzt machen würden oder möchten, weil die Möglichkeiten sind da auf jeden Fall.
Oft ist es ja andersrum.
Es gibt jetzt irgendwie, KI wird immer zugänglicher, aber die Daten sind entweder nicht da oder die sind zwar da, aber liegen in irgendwelchen Ordnern oder eingescannten PDFs.
auf irgendwelchen Servern, also sind nicht nutzbar.
Also das ist ja meistens der Flaschenhals.
Aber ihr habt jetzt die Daten in der nötigen Qualität, könnt die aktuell immer wieder zukaufen, über verschiedene Dimensionen entlang, rund um das Spiel, aber auch die Trainingsdaten, die Gesundheitsdaten, all das.
Wie setzt ihr jetzt da KI obendrauf?
Und vielleicht am besten wäre es, wenn du so ein paar Use Cases uns einfach mal schildern kannst.
Also wie nutzt ihr dann KI?
Was kommt dabei raus und wie hilft euch das weiter?
Natürlich über konkrete interne Projekte kann ich natürlich nicht im Detail sprechen.
Das ist Fußball, das bleibt sehr sensibel.
Das wissen wir.
Aber sagen wir das so aus meiner Sicht, sind vor allem die Live-Use Cases besonders spannend.
Das ist was, was wir jetzt diese Saison angefangen haben.
Also live beim Spiel anwesend zu sein, dass wir jetzt Tools basteln wollen oder weiter basteln wollen, dass wir jetzt da live bei einem Matchday direkt anwesend sein können.
die Sachen vorantreiben.
Von daher alle Themen, die sehr nah am Spielgeschehen sind und vielleicht den direkten Einfluss bei bestimmten Entscheidungen haben könnten.
Also von der Themen, die wir jetzt momentan viel besprechen, so Passmustererkennung, von daher wir wissen alle Millionen Datensätze, die jetzt bei einem Spiel reinkommen, also Pressingsverhalten, Open Space, Erkennung direkt bei einem Spiel, wenn nach ein paar Minuten sich was bewegt und man merkt, okay, da könnte man vielleicht jetzt mal...
direkt damit generieren, wo sollten die nächsten Lücken sich öffnen.
Wir hatten ein Thema noch mit Formationserkennung, dass vielleicht die Augen brauchen, ein paar Sekunden, ein paar Minuten mehr, das wirklich klar zu erkennen, aber dass die Maschine so schnell wie möglich ein bisschen Tipps oder Info da weitergeben könnte.
Das sind Sachen, die ich persönlich sehr, sehr spannend finde.
Und je nach Setup, glaube ich, da ist in Echtzeit oder nahezu Echtzeit jetzt ein Tipp.
Interpretierbar am Ende, dass man die Information direkt bei einem Live-Spiel jetzt wirklich, eine Toolbox, am Ende in ein paar Jahren wäre mein Wunsch, dass wir hier in Wolfsburg unsere eigene Toolbox haben und wir gehen zum Spiel damit los und die Spielanalysten und...
Datenanalysten, die da oben sind, während des Spiels können direkte Informationen liefern.
Ein bisschen so dieses Gefühl von Cockpit, wie bei Formel 1 und so, wo so viele Menschen dahinter stecken.
Vielleicht jetzt nicht auf dem Niveau natürlich, weil es sind keine Autos und die Daten, die Menge ist vielleicht nicht die gleiche, aber so ein Gefühl zu haben, am Ende müssen Menschen Entscheidungen live treffen auf dem Platz, auch nicht nur Trainer, sondern Spieler, sondern das kann man nicht mehr beeinflussen.
Aber es ist zumindest das Ganze drumherum.
Ich glaube, das ist sehr spannend, was wir jetzt mit KI da schon angefangen haben und was wir noch da weiter pushen können für Themen.
Also muss man sagen, in Deutschland, hier hat man sehr viel Glück.
Also wir kriegen von Kameras, die im Stadion installiert sind, also sehr, sehr viel Daten beim Spiel live.
Also wir reden von, ich glaube, ohne einen Dreh für 90 Minuten spielt vielleicht 3,6 Millionen Datenpunkte.
Das heißt, alle Bewegungen von allen Spielern und Ballen.
während des Spiels.
Also das ist 25 Datenpunkte pro Sekunde, pro Ball, pro Spieler.
Von daher, das sammelt sich schnell.
Von daher, da kann man wirklich alles tracken.
Und dann braucht man nur Kreativität.
Was wollen wir erkennen?
Was wäre das Ziel?
Was wollen vielleicht die Trainer oder die Mannschaft wirklich?
als Input haben während des Spiels, sondern die Modelle drumherum basteln, die das in so einem Text oder einem Live-Setup ermöglichen.
Also von daher, natürlich gibt es auch Events dazu, also die Pässe, die Schüsse, alles Mögliche.
Die sind auch getagt, die kommen auch rein während des Spiels und danach.
Aber wenn man das alles zusammenpackt, hat man so, genau, also wir haben sehr viel Glück, dass wir so viele Daten haben können.
Ich weiß, das ist jetzt...
Heutzutage sehr schwer, immer das Thema Daten hat sie gut angesprochen.
Die Leute haben KI, aber haben keine Daten oder die wissen jetzt, wo die Daten sind.
Für uns war es wichtig, dass wir jetzt nehmen unsere...
allgemeine Tätigkeit mit Analysen und Reporting nochmal jetzt eine sehr solide Datenplattform haben, wo wir immer alles haben und wenn egal welche Fragestellungen kommen, egal ob das nur eine Ad-Occ-Analyse, wo keine KI nötig ist, aber es soll dann, okay, dann können wir direkt loslegen und die Fragen beantworten.
Die Daten sind alle da von den letzten paar Jahren, wir können direkt da reingucken, die sind sauber, die sind verarbeitet und heute Nacht kommen die neue rein.
Und bei einem Spiel finde ich auch sehr super spannend.
Und ich glaube, ein Thema, was mehr und mehr rauskommt in der Community, ist auch Simulationen.
Also Simulation von Spiel, Simulation von Startelf, habe ich letztens auf einer Konferenz gesehen, Simulation von Transfer.
Also sehr viele Sachen, die jetzt mit KI oder bestimmten Machine Learning Modellen einiges ermöglichen würden, bevor man vielleicht eine sehr tore Entscheidung macht, noch mehr bei Transfer zum Beispiel.
Von daher, ja, sehr aufregend das Ganze.
Ist das denn, ich dachte die ganze Zeit mich gerade gefragt, ist es erlaubt, dass Spieler schon einen Knopf im Ohr haben können und in Echtzeit, vielleicht mit wenigen Sekunden Versatz, die Information bekommen, jetzt tut sich hier die Lücke auf, also spiel folgenden Pass?
Das ist eine sehr gute Frage.
Jetzt bin ich überfragt.
Also ich würde hoffen, dass es nicht möglich ist.
Also das sollte nicht ankommen.
Ich glaube, das gibt es in bestimmten Sportarten, das weiß man.
Aber in Fußball, ich glaube, das bleibt Fußball.
Also wir sind da für die Trainer und das Ganze drumherum.
Ich glaube, es ist schon sehr emotional in dem Moment, diese 90 Minuten.
Das geht sehr schnell durch.
Also das muss man wirklich jetzt die Information so schnell wie möglich.
liefern.
Von daher, ja, ich hoffe, das ist jetzt auf dem Niveau, dass die Trainer die Informationen haben und dann können die entscheiden, was die filtern, rausfiltern oder vielleicht nur in der Pause nochmal liefern.
Aber beim Spieler direkt, ja, ich glaube nicht.
Gut, also da habe ich schon mal so einen großen Unterschied, den ich sehe.
Bei euch, Claudio, ist generative KI für die Art und Weise der Arbeit, die ihr macht, sehr, sehr relevant.
Insbesondere jetzt so, was den Content angeht, aber du hast auch den Rasen-Case geschildert.
Also verschiedene Varianten, aber schon viel LLMs generative KI.
Bei euch, Matthew, geht es noch viel mehr um Machine Learning und aus riesigen Datenmengen möglichst korrekte...
Prognosen zu machen, um bessere Entscheidungen treffen zu können, die die Performance auf den Platz dann nach vorne bringen.
Gut zusammengefasst, ja.
Claudia, jetzt hatten wir hier bei Matthew auch viel über Daten gesprochen.
Erzähl mal, bei Gen.ai spielt es ja auch dann doch schon eine Rolle.
Man kann noch, weil die Modelle schon Daten, viele Daten in sich tragen oder darauf trainiert sind, auch ...
So gesehen ohne Daten ein bisschen was machen, aber man stößt ja schon recht schnell an Grenzen.
Wie hat sich eure Arbeit mit Daten, euer Nachdenken über Daten verändert jetzt im Zuge auch der KI-Transformation?
Massiv.
Du hast mir vorhin die Frage gestellt, was würde ich anders machen?
Das ist eigentlich shame on me, dass ich das nicht gesagt habe.
Ich würde das Thema Daten und auch Prozesse viel früher mitdenken.
Die Relevanz dieser beiden Komponenten auch schon beim Thema generativer KI ist einfach massiv.
Und das stellen wir gerade auch vermehrt fest.
Und wir planen jetzt auch nicht aufzuhören, dadurch, dass wir jetzt Chatgeap die Enterprise haben, sondern wir überlegen jetzt natürlich auch über die Agentisierung kompletter Arbeitsprozesse nach.
Und um das tun zu können, müssen wir den Status erreichen, den Matthew gerade beschrieben hat, den es im Leistungssport schon gibt.
Und bei uns sind die Daten zwar vorhanden, werden auch gesammelt, liegen aber natürlich in den jeweiligen Arbeitssilos und sind teilweise wahrscheinlich auch in verschiedenen Systemen.
Und das einmal anzugehen, da bin ich sicherlich nicht der kompetenteste Ansprechpartner für intern, aufzusetzen.
Und zusammenzudenken ist, glaube ich, das Wichtigste, weil am Ende ist es ja durchaus so, Daten liefern im Endeffekt die Grundlage für eine gute Entscheidung oder eben eine schlechte Entscheidung, je nachdem wie die Datenqualität ist.
Die Prozesse definieren, wo die Wertschöpfung entsteht.
Und die KI ist ja nichts anderes als ein Nutzengenerator eben genau dort, wo eben Daten und Prozesse zugänglich sind.
Diese Barrieren haben wir auf der Geschäftsseite noch und die gilt es anzugehen, das tun wir auch.
Wir arbeiten gerade an einer deutlich fundierteren Datenstrategie, die wir aufsetzen wollen.
Wir haben zum Glück ein Prozessteam an Verwaltungsseite, also zwei Kollegen, die Prozesse identifizieren und wirklich im Detail auch skizzieren.
Und dieses, ich nenne es mal, magische digitale Dreieck, das noch enger zusammenzudenken, das wird die Aufgabe der nächsten Wochen bei uns sein.
Matthew, eine andere Frage kam mir noch.
Und zwar habe ich mich gefragt, Wenn ich jetzt so ein gestandener Trainer bin, gestandener Coach, seit dutzenden Jahren im Geschäft schon den ein oder anderen Erfolg eingefahren mit meinen Teams, wie schwer ist es denn so jemanden zu überzeugen von dem Ergebnis eines Machine Learning Modells?
Was ja, wie ich mir vorstellen könnte, gegen das Bauchgefühl, was über viele Jahre gewachsen ist, dieser Person antreten muss.
Vielleicht denke ich da auch total falsch.
Ist es bei euch, ist dieses datenbasierte Arbeiten bei euch schon so verankert im Kofi-Fußball, dass natürlich jeder Trainer sich auf eure Analysen stützt und daraus Entscheidungen ableitet?
Also ich glaube, es gibt von bis, würde ich jetzt davon ausgehen.
Also es gibt bestimmt jetzt Trainer in der Fußballwelt, die sehr erfolgreich sind, die jetzt vielleicht Daten allgemein sich nicht so viel angucken oder noch weniger Modelle.
Also das kann ich nicht beurteilen.
Ich würde sagen, dass...
Hier intern natürlich alles gesagt, also ich rede selten mit dem Trainer direkt.
Also das ist jetzt in der Spielvorbereitung bei uns in der Woche, was dazu führt oder die Tage danach.
Von daher gibt es nicht so viel Puffer sonst, wo es ist sehr intensiv, sehr noisy das Ganze.
Und das versuchen wir zu minimieren, also dass die Kontakte über bestimmte Wege gehen, sodass alles jetzt richtig läuft.
Sehr viele Gespräche mit Spielanalysten, sehr viele Gespräche mit Performance-Trainer, Athletik-Trainer, sodass alles klar ist, was brauchen wir, was haben wir vielleicht jetzt noch nötig zu liefern, was müssen wir uns die Tage angucken, was war vielleicht speziell.
Bestimmte Fragestellungen, die jetzt direkt von egal wer im Club auch kommen, was zu beantworten ist.
Von daher, ich glaube, am Ende ist es so wichtig, einfach nur die Sachen direkt zu liefern.
Wir wissen hier, dass wir momentan oder...
Trainer haben, die jetzt sich die Sachen angucken.
Da sind Werte oder KPIs, womit die jetzt vertraut sind für die meisten Sachen.
Natürlich jetzt, wenn wir jetzt auf einmal kommen würden mit einem neues Modell, Werte, die vielleicht komplett unbekannt sind, da müssen wir mal die Reaktion gucken.
Uns müsste man nochmal testen.
Also wenn wir jetzt komplett neue Werte, die niemand in der Fußballwelt kennen würden, dann vielleicht brauchen wir ein bisschen Zeit.
Eingearbeitungszeit wäre vielleicht nötig, aber die Leute zutage sind da vertraut mit Daten allgemein oder die Ergebnisse, die da rauskommen.
Die wissen, wo man jetzt Mehrwert schaffen kann.
Von daher würde ich mir wünschen, dass in meiner Karriere das so bleibt, dass ich immer mit Trainer und Teams arbeite, die jetzt das Ganze verstehen.
und daran glauben.
Und das bedeutet am Ende nicht, wie in jeder Branche, eine Diskussion zu haben.
Also noch weniger, wenn es sind Modelle und nicht nur Fakten von dem Platz, wird nicht immer perfekt die Ergebnisse, wird nicht immer 100 Prozent richtig.
Also bei Gen.ai ist das Gleiche.
Also von daher kann man auch die Diskussion haben, warum solche Werte so aussehen heute und letzte Woche nicht.
Also ich glaube, das gehört dazu, zu dem Entwicklungsprozess.
Matthew, lass uns nochmal in die Zukunft schauen, fünf Jahre von hier.
Was glaubst du, wird sich bei euch noch verändert haben durch immer mehr Einsatz von KI und darüber auch immer bessere Verarbeitung der Daten?
Also ich glaube, da jetzt ist die beste Zeit, wenn man an KI denkt und Daten und so.
Wir sind direkt drin.
Wir haben Glück, dass wir schon unsere Datenplattform haben.
Von daher jetzt ganz direkt loslegen.
Wir wachsen auch intern.
Von daher die Grundarbeit, was wir in den letzten zwei Jahren gemacht haben, ist da.
Und jetzt können wir uns um solche Themen jetzt wirklich kümmern.
Von daher, ich glaube, für mich, das ist jetzt sehr spannend.
Ich weiß zum Beispiel von der Liga allgemein, jetzt hier bekommen wir, ich glaube nächstes Jahr schon so Skeletondaten.
Also von daher nicht nur Punkten auf dem Platz, sondern auch Körperteile.
Alles wird mitgetrackt, was man jetzt alles damit jetzt machen kann, von Scouting-Sicht oder von Analysen-Sicht.
Also das ist jetzt wahrscheinlich ein bisschen absurd, was man sich vorstellen kann von 3 Millionen auf 40 Millionen Datenpunkte pro Spiel.
Von daher, ich glaube, wie gesagt, Kreativität jetzt wird angesagt.
Also was wollen wir wirklich klar definieren und dann auch erkennen?
Von daher die nächsten fünf Jahre glaube ich jetzt, dass wird das Ganze wachsen.
Die Maschinen sind auch da, die Compute sind auch da, dass man da alle möglichen Sachen trainieren kann.
Von daher, ich glaube, ich sehe das als sehr positiv.
Das wird nicht weniger.
Die Daten werden mehr, das wurde uns versprochen.
Von daher, jetzt müssen wir nur den Rest nachliefern.
Sehr spannend.
Claudio, wie sieht es bei euch aus?
Ich meine, fünf Jahre ist natürlich gemein.
Wer soll es schon wissen, was wir dann machen?
Aber es ist ja immer spannend, weil so die Takes zu hören, du hast gerade gesagt, Agentisierung ganzer Prozesse und das Zusammenspiel Daten, Prozesse, KI wird dich noch beschäftigen.
Was glaubst du kommt noch und welchen Impact kann das bei euch auf der Geschäftsstellenseite haben?
Ich glaube, mein Lieblingsthema, da gibt es ja erstmal so viele Antworten drauf, mein Lieblingsthema ist das Thema Führung.
Ich glaube, Führung wird sich komplett verändern und wir müssen das komplett neu denken, weil, und das gibt es ja auch jetzt schon teilweise, wir werden nicht nur noch Menschen führen, sondern auch Agenten oder Agentensysteme führen müssen.
Und vielleicht führen auch Agentensysteme Mitarbeiter oder andere Agenten.
Und ich glaube, die Frage, die müssen wir uns auch als VfL-Voicebook stellen.
Wie müssen wir uns eigentlich auf so eine Zukunft vorbereiten?
Weil wir wollen jetzt auch nicht bei generativer KI stehen bleiben, sondern im Endeffekt eigenständig arbeitende KI-Agenten einsetzen können.
Und ich glaube, das wird hier einige strukturelle Fragezeichen erstmal aufwerfen, mit denen wir uns werden beschäftigen müssen.
Da seid ihr nicht allein.
Ich glaube, das müssen wir alle tun und herausfinden, wie wir Unternehmen, eigentlich auf KI.
ausrichten und nicht mehr nur für Menschen bauen.
Das wird spannend.
Ich bin gespannt, wie euer Weg weitergehen wird.
Ich habe heute viel gelernt, wie KI eigentlich im Profifußball eingesetzt wird, welche Unterschiede es zwischen der Sport- und Verwaltungsseite gibt.
Ein paar spannende Cases, die ich so nicht auf dem Schirm hatte.
Sehr, sehr spannend, mit wie vielen Daten ihr dort auch hantieren könnt.
Und Matthew, dein Take fand ich spannend.
Das kommt auf die Kreativität an.
Ich glaube, das wird immer wichtiger in einer Zeit, in der eine...
Schiene immer mehr Dinge tun kann, die wir vorher tun könnten.
Unsere Kreativität wird wahrscheinlich zum Flaschenhals werden.
Und ich finde das eigentlich sehr schön.
Ich finde es eigentlich tolle Shocks für uns alle.
Also ich bedanke mich herzlich für euch, für das tolle Gespräch und wünsche euch weiterhin viel Erfolg.
Vielen Dank ebenso.
Danke dir.