Risikomodelle im Fußball

Zahlen durchdringen den Fußball immer stärker, häufig auf Einzelaspekte fokussiert. Eine aggregierte Sicht, wie sie durch Bewertungsmodelle oder quantitative Risikomodelle geliefert würde, fehlt hingegen meistens. Vereine, die z.B. durch das Börsenrecht zur Veröffentlichung eines Risikomanagementberichts verpflichtet sind wie Borussia Dortmund (Chancen- und Risikobericht 2020/21) oder die Spielvereinigung Unterhaching (Lagebericht zum 30. Juni 2022) beschränken sich i.d.R. auf die Einordnung der Risiken in Risikomatrizen. Das liefert einen ersten Überblick, ist aber wenig quantitativ. Z.T. werden die Kern-Risiken aus den Augen verloren.

Risikomatrizen

Einfache Modelle starten häufig bei Risikomatrizen, bei denen potentielle Ereignisse nach Höhe der Eintrittswahrscheinlichkeit und Schadenshöhe in eine Matrix einsortiert werden. Die Kritikalität der Ereignisse wird dann durch eine Risikostufe ausgedrückt. Im Bild unten ist das grafisch dargestellt. Der Grad der Kritikalität steigt von grün über gelb und ocker zu rot.

Quantitative Risikomodelle

Risikomatrizen enthalten bereits die Kernelement eines Risikomodells. Allerdings sind alle drei Dimensionen

• Eintrittswahrscheinlichkeit
• Schadenshöhe und
• Kritikalität

nur in groben Kategorien vorhanden. Will man quantitativ untermauerte Entscheidungen treffen, muss man in allen drei Dimensionen granularer werden.

Strategie und Ziele

Die Kritikalität eines Ereignisses ist nicht extern gegeben. Sie leitet sich aus der übergeordneten Strategie her und ergibt sich durch das Aufsetzen einer Zielfunktion und der Definition von Zielgrößen. Als Zielfunktion ist z.B. eine Umrechnung in monetäre Werte denkbar, Zielgrößen wären z.B. Wahrscheinlichkeiten für Meisterschaft, Champions League-Qualifikation oder Abstieg, die zu maximieren bzw. minimieren wären.

Ziele sollten überprüfbar sein und insofern immer auch einen Zeithorizont besitzen. Es ist vorteilhaft, Ziele für unterschiedliche Zeithorizonte zu formulieren. Geht es um das Spiel am nächsten Wochenende, eine solide Hinrunde, das Erreichen der Saisonziele oder die Umsetzung einer Langfriststrategie. Je langfristiger die Strategie ausgerichtet ist, desto wichtiger werden die Vermeidung von Klumpenrisiken bei der Vertragsgestaltung, die Stärkung der Marke und die Bindung der Fans und Zuschauer.

Im Fußball könnten Ziele wie folgt formuliert sein:

• “kein Abstieg in der nächsten Saison”,
• “innerhalb der nächsten fünf Jahre zu den Top 6 in Deutschland gehören” oder
• im gleichen Zeitraum “einen Kaderwert von 200 Mio. Euro erreichen”.

Die letzten beiden Ziele sind in Anlehnung der auf der Mitgliederversammlung des FC Schalke 04 am 17.6.2023 formulierten Ziele aufgesetzt worden. Schalke hat sich allerdings nicht auf einen Zeithorizont festgelegt. Verwiesen wird nur darauf, dass sich

durch den Abstieg das Erreichen unserer sportlichen und finanziellen Ziele nach hinten [verschiebt].

Vorstandsvorsitzender Dr. Bernd Schröder auf der Mitgliederversammlung des FC Schalke 04 am 17.6.2023, Berichterstattung des WDR

Daten

Ein gutes Modell steht und fällt mit dem Umfang und der Qualität der Daten. Daten sind heute in großem Maße verfügbar. So sind z.B. sind Scouting und Kaderplanung ohne die Nutzung sogenannter Key Performance Indicators (kurz: KPIs) kaum mehr denkbar. Die KPIs sind i.d.R. spielerspezifisch. Sie lassen erahnen, wie schnell, zweikampfstark, passsicher oder abschlussstark ein Spieler ist. Bei einer Spielerverpflichtung fließen Alter, Verletzungsanfälligkeit und mögliche Vertragsdauer sowie eine mögliche Ablösesumme in die Entscheidungsfindung ein.

Bestehende KPIs, die sich auf mehr als einen Spieler beziehen, sind häufig unscharf. Zu einem guten Pass gehört neben dem Passgeber eben immer auch der Empfänger. Hat der Mittelfeldkoordinator nun einen genialen Pass gespielt oder hat sich der Zielspieler im Sturm einfach gut freigelaufen oder war es ein bisschen von beidem?

Andere aussagekräftige Kriterien sind eher qualitativer Natur und quantitativ schwer zu modellieren. Hat der Spieler im gewünschten System gespielt oder benötigt man einen Spieler mit hoher Variabilität, der schon in unterschiedlichen Spielsystemen und / oder auf unterschiedliche Positionen gespielt hat? Passt der Spieler vom Charakter und / oder Hintergrund her ins Team? Im angelsächsischen Raum (oder auch in elektronischen Spielen) spricht man von Chemie. Benötigt der Spieler aufgrund von Sprachproblemen eine längere Eingewöhnungszeit?

Bewertung und Aggregation

Liegen die Daten in ausreichendem Maße vor, müssen sie entsprechend bewertet und verdichtet werden. Schließlich möchte man am Ende Aussagen darüber treffen, wie eine Mannschaft als Ganzes über einen längeren Zeitraum performen wird. Man muss also die bestehende Konstellation in geeigneter Weise bewerten und in wenigen Zahlen verdichten. Genauer gesagt muss man für jeden Eingangsparameter herausfinden, wie er das Gesamtergebnis beeinflusst.

Der Weg von der Torgefährlichkeit eines einzelnen Spielers zur Siegwahrscheinlichkeit einer ganzen Mannschaft oder gar zum Abschneiden am Ende der Saison ist ein weiter und an Komplexität nicht zu unterschätzen.

Irgendwie muss man anhand der KPIs eines Spielers seinen marginalen Beitrag für das Team bestimmen. Im Kleinen wie im Großen.

• Wie ändert sich sich die eigene Torquote und die des Gegners durch einen taktischen Wechsel, z.B. wenn ich einen Stürmer für einen Verteidiger einwechsele? Wie wirkt sich das auf die Siegwahrscheinlichkeit aus?
• Wieviel stärker wird der Kader durch die Verpflichtung eines neuen Spielers? Wie wirkt sich das auf das Abschneiden am Ende der Saison aus?

Komplex wird es, wenn nicht nur eine einzige Baustelle – z.B. ein verletzungs- oder wechselbedingter Ausfall eines Spielers – zur bearbeiten ist, sondern ein ganzer Kader zu beurteilen ist. Die Anzahl der Parameter steigt dann ungemein. Allein die Anzahl der Einzelspieler-KPIs steigt mit der Größe des Kaders und darüber hinaus mit der Anzahl der für den Kader in Betracht gezogenen Spieler.

Zielgrößen müssen häufig durch Wahrscheinlichkeiten ausgedrückt werden. Das trägt der Tatsache Rechnung, dass Unsicherheit entlang der ganzen Berechnungskette vorliegt:

• Bei der Beobachtung der Kenngrößen / KPIs
• Bei der Entwicklung der KPIs (z.B. Formschwankungen) und nicht zuletzt
• gewinnt eben nicht immer das bessere Team und wird auch nicht immer die beste Mannschaft Meister.

Risikomanagement

Erst ein hinreichend quantitatives Bewertungs- und Risikomodell ermöglicht es, auch fundierte Entscheidungen zu treffen. Es hilft, Schwachstellen im Kader zu identifizieren, sowohl positionell wie auch im Verlauf der Zeit.

Weitere Anwendungsfälle quantitativer Modelle im Profifußball gibt es viele.

Wer wir sind und was wir machen erfahren Sie hier.

Treten Sie mit uns in Kontakt.