Der Wurf ging daneben. Weiß die KI, warum?
Legt man einen getroffenen und einen verfehlten Wurf nebeneinander, fällt ein kleiner Unterschied ins Auge. In einer Zeit, in der die KI unsere Bewegungen markiert: Wie weit dürfen wir diesem Unterschied trauen? Ein Vergleich zweier Basketballvideos, irgendwo zwischen Analyse und Coaching.
AI & SPORTS / 04
Legen wir zwei Wurfvideos nebeneinander. Einer ist drin, einer geht daneben. Im zweiten Video sieht der Ellbogen etwas tiefer aus. Schon hat man eine recht plausible Erklärung: Der Ellbogen war unten, deshalb fiel der Ball nicht durch den Ring.
Kommen dann noch die Punkte und Linien dazu, die die KI eingezeichnet hat, wirkt die Erklärung noch präziser. Der Unterschied, den man mit dem Auge nur ahnte, hat jetzt Koordinaten. Aber wie viel sagen diese Zahlen wirklich? Zwei Würfe zu unterscheiden und die Ursache eines Fehlwurfs zu finden, ist nicht dasselbe.
Die Technik, die Punkte auf den Körper setzt
Eine der Techniken hinter solchen Analysen ist die Posenschätzung. Der MediaPipe Pose Landmarker von Google schätzt aus Fotos oder Videos, wo sich 33 Punkte des Körpers befinden, darunter Schulter, Ellbogen und Handgelenk. Der Name klingt fremd, aber man kann sich einfach vorstellen, dass im Video Markierungen an den wichtigen Stellen des Körpers angebracht werden.
Legt man diese Koordinaten über das Video, entsteht Material, mit dem ein Mensch Bewegungen vergleichen kann: etwa die Armhaltung in der Wurfvorbereitung und die nach dem Loslassen des Balls. Der Nutzen liegt darin, dass man bei einer schnell vorbeihuschenden Bewegung statt „diese Stelle vorhin“ auf dieselbe Szene zeigen kann.
Was dieses Werkzeug ausgibt, sind allerdings Körperpositionen. Es ist keine fertige Coaching-App, die die richtige Wurftechnik im Basketball verrät. Welche Bedeutung man den Koordinaten gibt und wie man eine Basketballbewegung bewertet, bleibt die nächste Frage.
Dürfen wir die beiden Videos als dieselbe Szene lesen?
Zurück zu den zwei Würfen vom Anfang. Bevor man den scheinbar zu tiefen Ellbogen korrigiert, gilt es etwas zu prüfen. Was, wenn das erste Video den Moment kurz vor dem Loslassen zeigt und das zweite den Arm noch in der Aufwärtsbewegung? Dann hat man zwei verschiedene Augenblicke angehalten und behauptet, die Haltung sei unterschiedlich.
Auch die Kameraposition muss man ansehen. Wurde aus derselben Richtung gefilmt? War der Arm vom Rumpf oder von einer anderen Person verdeckt? Von einem Ellbogen, der aus dem Bild gewandert ist, kann man nicht sagen, man habe ihn klar gesehen. Genau deshalb muss man neben den Koordinaten der KI immer mitprüfen, auf welchen Teil des Originalvideos sie sich beziehen.
Und selbst mit angeglichenen Aufnahmebedingungen ist die Sache nicht erledigt. Der erste Wurf kann frei erfolgt sein, der zweite gegen einen Verteidiger. Die Entfernung kann anders gewesen sein. Die eine Bewegung war vielleicht vertraut, die andere ein Versuch mit etwas neu Gelerntem. Wer diese Unterschiede beiseitelässt und nur den Ellbogen vergleicht, ist mit der Erklärung viel zu schnell fertig.
Was das Video nicht zeigt, erzählt der Mensch
Wer ein Trainingsvideo gemeinsam anschaut, braucht deshalb nicht nur die eingezeichneten Zahlen, sondern auch die Erklärung der Spielerin oder des Spielers. Auf die Frage „Was wolltest du beim zweiten Mal anders machen?“ erweisen sich zwei äußerlich ähnliche Würfe unter Umständen als zwei ganz verschiedene Versuche.
Das heißt nicht, dass KI-Analysen nutzlos wären. Es heißt: Sie dürfen helfen zu finden, was man sich noch einmal ansehen sollte – aber ein entdeckter Unterschied ist noch kein Fehler, der sofort behoben werden muss. Wenn man tatsächlich an der Technik etwas ändert, gehören Aufnahmebedingungen, Trainingsziel und die Beobachtung des Trainers mit auf den Tisch.
Beim nächsten Wurfvideo möchte ich zuerst die von der KI markierten Positionen mit dem Original abgleichen. Und dann würde ich die Person fragen, die geworfen hat, was sie in diesem Moment ausprobieren wollte. Bis diese Antwort da ist, ist es besser, den scheinbar zu tiefen Ellbogen nicht als „Problem, das behoben werden muss“ zu behandeln, sondern als „Stelle, die man sich noch einmal ansieht“.
Quelle: Google AI Edge · Pose landmark detection guide · abgerufen am 22.09.2026
Die beiden Würfe sind ein fiktives Beispiel zur Veranschaulichung.