Towards Comprehensive Basketball Understanding

Das Verfolgen eines professionellen Basketballspiels ist eine reiche, vielschichtige Erfahrung. Um wirklich zu verstehen, was geschieht, muss ein Zuschauer mehr tun, als bloß einem Ball folgen, der sich über das Spielfeld bewegt. Man muss die beteiligten spezifischen Spieler erkennen, den präzisen Moment eines Passes verfolgen, genau lokalisieren, von wo aus ein Wurf getätigt wurde, und diese visuellen Momente mit einer riesigen Bibliothek an Fakten über die Teams, die Karrieren der Spieler und die Regeln des Sports verknüpfen. Seit Jahrzehnten haben Computer Schwierigkeiten, diese Art des tiefen, integrierten Verständnisses zu leisten. Während moderne künstliche Intelligenz mittlerweile sehr gut darin geworden ist, Objekte auf Fotos zu identifizieren oder einfache Fragen zu Bildern zu beantworten, scheitert sie oft, wenn sie gefragt wird, diese Fähigkeiten zu kombinieren. Sie erkennt vielleicht das Gesicht eines Spielers, kann aber nicht dessen Karrierestatistiken abrufen, oder sie sieht einen Wurf, ist aber nicht in der Lage zu sagen, wo genau auf dem Spielfeld dieser stattfand. Diese Lücke zwischen Sehen und Verstehen ist die zentrale Herausforderung, die eine neue Studie von Forschern der Peking University und der Shanghai Jiao Tong University zu schließen versucht.

Die Forscher gingen dieses Problem an, indem sie zunächst ein massives, strenges Testfeld namens BasketballBench aufbauten. Sie sammelten Daten aus der NBA-Saison 2025–2026, erfassten über 2.500 Videoclips von Spielzüge, offizielle Datensätze für 530 aktive Spieler sowie tausende strukturierte Spieldetails. Aus diesem Material entwickelten sie fast 8.000 spezifische Fragen, die unterschiedliche Arten des Denkens erforderten. Einige Fragen waren einfach und baten einen Computer, den Spielstand aus einer Grafik der Übertragung abzulesen oder einen Spieler aus einem Foto zu identifizieren. Andere waren weitaus komplexer und verlangten vom Computer, ein Video zu beobachten, herauszufinden, wer einen bestimmten Spielzug gemacht hat, zu bestimmen, wo und wann dies geschah, und dann einen spezifischen Fakt über die Karriere dieses Spielers aus einer Datenbank abzurufen. Das Ziel war es zu sehen, ob aktuelle Systeme der künstlichen Intelligenz diese Aufgaben einzeln bewältigen können und – was noch wichtiger ist – ob sie diese Fähigkeiten kombinieren können, um ein einzelnes, mehrstufiges Problem zu lösen.

Als die Forscher die fortschrittlichsten verfügbaren allgemeinen KI-Modelle testeten, waren die Ergebnisse aufschlussreich. Diese leistungsstarken Systeme schnitten bei geradlinigen Aufgaben gut ab. Sie konnten den Spielstand von einem Bildschirm ablesen oder eine Trikotnummer mit hoher Genauigkeit identifizieren. Ihre Leistung sank jedoch drastisch, wenn die Fragen erforderten, das Gesehene im Video mit ihrem Wissen über das Spiel zu verknüpfen. Wenn sie beispielsweise gefragt wurden, den Spieler zu identifizieren, der einen Wurf getätigt hatte, und anschließend dessen Karrierestatistiken zu finden, gerieten die Modelle oft ins Straucheln. Sie konnten die Aktion zwar sehen, hatten aber Schwierigkeiten, diese Aktion der richtigen Person zuzuordnen und dann die richtigen Informationen abzurufen. Die Studie zeigte, dass diese allgemeinen Modelle nicht von Natur aus dazu ausgestattet sind, visuelle Wahrnehmung, räumliches Denken und faktisches Wissen zu einer einzigen, kohärenten Antwort zu verweben.

Um diese Einschränkung zu adressieren, entwickelte das Team ein neues System namens BasketballSkills. Anstatt sich auf ein einziges, massives Modell zu verlassen, das alles gleichzeitig erledigt, bauten sie ein Framework auf, das wie ein spezialisiertes Expertenteam fungiert. Dieses System nutzt einen zentralen Controller, der eine Frage liest und dann einen spezifischen Satz an Werkzeugen auswählt, um sie zu lösen. Diese Werkzeuge sind auf Basketball spezialisiert: Ein Werkzeug verfolgt Spieler und Ball, ein anderes identifiziert die Art des Spielzugs, ein drittes lift die Trikotnummern und ein viertes durchsucht eine strukturierte Datenbank mit Spielerfakten. Der Controller rät nicht; er folgt einem klaren, schrittweisen Verfahren. Wenn eine Frage nach der Wurfquote eines Spielers nach einem bestimmten Spielzug fragt, verfolgt das System zuerst das Video, um den Spieler zu finden, identifiziert dann dessen Trikotnummer und fragt schließlich die Datenbank nach seinen Statistiken ab. Es validiert jeden Schritt, bevor es zum nächsten übergeht, um sicherzustellen, dass die gesammelten Beweise korrekt sind, bevor eine endgültige Antwort formuliert wird.

Die Ergebnisse dieses neuen Ansatzes waren beeindruckend. In Tests über zehn verschiedene Arten von Fragen hinweg übertraf das BasketballSkills-System die besten kommerziellen KI-Modelle in acht davon. Es zeichnete sich besonders bei den komplexen Aufgaben aus, die die Kombination mehrerer Fähigkeiten erforderten, wie etwa die Identifizierung eines Spielers aus einem Videoclip und dem anschließenden Abruf seiner Karrieredaten. Während die allgemeinen Modelle oft daran scheiterten, die visuellen Beweise mit dem faktischen Wissen zu verknüpfen, gelang es dem spezialisierten System, diese verschiedenen Fähigkeiten erfolgreich zu kombinieren, um zum korrekten Ergebnis zu gelangen. Die Studie legt nahe, dass der Weg nach vorn für komplexe, reale Domänen wie den Profisport möglicherweise nicht darin besteht, allgemeine Modelle größer zu machen, sondern Systeme zu bauen, die spezialisierte Fähigkeiten explizit organisieren und kombinieren können. Durch die Zerlegung eines schwierigen Problems in eine Sequenz zuverlässiger, domänenspezifischer Schritte haben die Forscher demonstriert, dass Computer beigebracht werden können, das Spiel des Basketballs mit einer Tiefe und Genauigkeit zu verstehen, die zuvor unerreichbar war.