- EconStor
- FOM Hochschule für Oekonomie & Management gGmbH
- ifid Institut für IT-Management & Digitalisierung, FOM Hochschule für Oekonomie & Management
- ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung, ifid Institut für IT-Management & Digitalisierung, FOM Hochschule für Oekonomie & Management
Please use this identifier to cite or link to this item:
https://hdl.handle.net/10419/324149
Title:
Authors:
Scherge, Matthias
Babula, Jan
Krämer, Jan
Mittelmann, Maximilian
Domurath, Tim
Klug, Marius Sebastian
Naumann, Tom
Herhold, Fabian
Gerhards, Dennis
Richard, Helena
Brückner, Oliver
Geier, Artur
Woobin, Lee
Malu, Felicitas
Benson, Silas
Simons, Philipp
Sommer, Sarina
Wurm, Nina
Merklinger, Konstantin
Friedrich, Carl-Christoph
Nowicki, Thomas
Foric, Elvisa
Babula, Jan
Krämer, Jan
Mittelmann, Maximilian
Domurath, Tim
Klug, Marius Sebastian
Naumann, Tom
Herhold, Fabian
Gerhards, Dennis
Richard, Helena
Brückner, Oliver
Geier, Artur
Woobin, Lee
Malu, Felicitas
Benson, Silas
Simons, Philipp
Sommer, Sarina
Wurm, Nina
Merklinger, Konstantin
Friedrich, Carl-Christoph
Nowicki, Thomas
Foric, Elvisa
Editors:
Year of Publication:
2025
Series/Report no.:
ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung No. 4
Publisher:
MA Akademie Verlags- und Druck-Gesellschaft mbH, Essen
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.
Subjects:
Big Data
Bobsport
KI
Künstliche Intelligenz
Heatmaps
Zusammenhang zwischen Geschwindigkeit und Fahrlinie
Data Mining im Sport
sportliche Leistungsanalytik
Topic Map
Clustering
Shapley Values
Bobsport
KI
Künstliche Intelligenz
Heatmaps
Zusammenhang zwischen Geschwindigkeit und Fahrlinie
Data Mining im Sport
sportliche Leistungsanalytik
Topic Map
Clustering
Shapley Values
ISBN:
978-3-89275-397-1
Document Type:
Research Report
Files in This Item:
File
Description
Size
Format
Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.