Die Misserfolge der Analytics-Revolution und was NBA-Teams bei Daten falsch gemacht haben

Veröffentlicht 2026-03-17

Der Moneyball-Mythos: Was die NBA-Analytics-Besessenheit übersehen hat

Die Houston Rockets unter Daryl Morey sollten die unangefochtenen Könige der Analytics-Revolution sein. Sie forcierten das Tempo, warfen Dreier und attackierten den Korb. Klingt auf dem Papier großartig, oder? Nur haben sie nie eine Meisterschaft gewonnen, und ihre starre Einhaltung der Zahlen hat sie wohl mehr als nur ein paar Mal gekostet. Der Analytics-Hype in der NBA wurde weniger dazu genutzt, einen Vorteil zu finden, als vielmehr dazu, eine vermeintliche Erfolgsformel nachzuahmen. Teams sahen den Erfolg der Warriors und dachten: "Mehr Dreier! Weniger Mid-Range-Würfe!" Sie ignorierten die Tatsache, dass Stephen Curry und Klay Thompson Ausnahmeschützen sind, nicht nur statistische Ausreißer. Das größte Versagen der Analytics-Revolution war meiner Meinung nach nicht die Daten selbst, sondern die Interpretation – oder besser gesagt, die *Fehlinterpretation*. Teams konzentrierten sich so sehr auf die Optimierung einzelner Würfe, dass sie vergaßen, dass Basketball ein Mannschaftssport ist, der von Menschen und nicht von Algorithmen gespielt wird.

Das menschliche Element ignoriert

Erinnern Sie sich an die Western Conference Finals 2018? Die Rockets, die mit 3:2 führten, verfehlten in Spiel 7 27 Dreipunktwürfe in Folge. Analytics mag Ihnen sagen, dass dies "gute Würfe" waren, basierend auf dem erwarteten Wert, aber es ignoriert den psychologischen Tribut, so viele hintereinander zu verfehlen. Manchmal braucht man einen anderen Blick, einen Mid-Range-Jumper, um den Ball einfach durch das Netz gehen zu sehen. Die Zahlen sagten nein. Ein weiteres Opfer der Analytics-Ära: die vergessene Kunst des Mid-Range-Spiels. Während Effizienzwerte dagegen sprechen, kann ein gut platziertes Mid-Range-Spiel eine Offensive diversifizieren und Verteidiger bestrafen, die sich zu sehr auf die Verteidigung des Dreiers konzentrieren. Schauen Sie sich DeMar DeRozan an. Seine Effizienzmetriken mögen nicht immer elitär sein, aber seine Fähigkeit, konstant schwierige Mid-Range-Würfe zu treffen, öffnet Fahrwege und schafft Möglichkeiten für seine Teamkollegen. Die Zahlen berücksichtigen auch oft nicht die Leistung in entscheidenden Momenten. Ein Wurf, der 15 Sekunden vor Ende des ersten Viertels genommen wird, hat das gleiche statistische Gewicht wie ein potenzieller Game-Winner 1,5 Sekunden vor Schluss. Doch der Druck, die Verteidigung und der Moment sind völlig anders. Analytics kann Ihnen sagen, was *passieren sollte*, aber nicht immer, was *passieren wird*, wenn LeBron James den Ball in den Händen hält, wenn das Spiel auf dem Spiel steht.

Der Augentest zählt immer noch

Wir sahen vor einigen Jahren einen Einblick in die Übertreibung der Analytik bei den Sacramento Kings. Ihre "Pace and Space"-Philosophie unter Dave Joerger sollte sie zu einem Offensiv-Moloch machen. Sie beendeten die Saison 2018/19 mit der 15. besten Offensivwertung und dem schnellsten Tempo der Liga. Dennoch verpassten sie die Playoffs. Der Augentest zeigte, dass ihnen ein echter Star und eine konstante Defensivleistung fehlten, etwas, das die Rohzahlen oft verschleiern. Analytics hat auch Schwierigkeiten mit den "unquantifizierbaren" Aspekten des Spiels: Führung, Teamchemie in der Umkleidekabine, defensive Härte und die Fähigkeit, einen rechtzeitigen Hustle-Play zu machen. Wie beziffert man Marcus Smarts Bereitschaft, für einen losen Ball zu hechten, oder Draymond Greens Fähigkeit, eine Verteidigung zu orchestrieren? Das kann man nicht, nicht wirklich. **Hier ist meine gewagte These: Das nächste Meisterschaftsteam wird eines sein, das versteht, wie man fortschrittliche Analytik mit traditionellem Scouting und dem unschätzbaren Augentest verbindet und anpassungsfähiges menschliches Talent über starre statistische Einhaltung stellt.**