Beschreibung
Fallstudie: SoccerGPT Einleitung Titel: Erfolgreiche Realisierung von SoccerGPT Zusammenfassung: Diese Fallstudie beschreibt die Entwicklung und Implementierung von SoccerGPT, einem KI-basierten Scouting-Tool, das von maexware solutions GmbH für eine anonyme Scouting-Firma entwickelt wurde. Die Studie beleuchtet die Herausforderungen, Ziele, den Implementierungsprozess sowie die erzielten Ergebnisse. Ziele: Machbarkeits-, Risiko- und Datensicherheitsanalyse sowie die Realisierung und Evaluierung der AI-Scouting-Ergebnisse durch Branchen-Spezialisten (Scouts und Fußballmanager). Hintergrundinformation Unternehmensprofil: maexware solutions GmbH bietet IT-Lösungen, spezialisiert auf maßgeschneiderte Softwareentwicklung und digitale Innovationen. Kundenprofil: Der Auftraggeber von SoccerGPT ist international im Sportsektor tätig und konzentriert sich auf das Scouting und die Bewertung von Fußballtalenten bis hin zur Überleitung in Vertragswerke. Problemstellung: Der Kunde benötigte eine effektive Lösung zum Finden, Einschätzen, Identifizieren und impliziten Bewerten von Fußballtalenten, um die Effizienz des Scouting-Prozesses zu verbessern.
Herausforderung
Herausforderungen und Lösungsstrategien
Herausforderungen:
- Umgang mit großen Datenmengen und Training des KI-Modells.
- Echtes Know-how von Menschen aufgreifen und strukturieren, damit es für das Training und den späteren Auswahlprozess erfolgreich verwendet werden kann.
Lösungen:
- Implementierung effektiver Datenverarbeitungs- und Datenaufbereitungsstrukturen.
- Sammeln von Interviews, FAQs und „Most Importants“ sowie „Best Practices“ aus dem speziellen Bereich des Fußball-Scouting-Geschäftes.
- Prompt-Engineering und Aufteilung verschiedener Aspekte einer einzigen Suche in mehrere „Sub-Jobs“ des AI-Assistenten - dann erst Kumulierung und Ergebnis-Ausgabe.
Schlussfolgerungen und Empfehlungen
Schlussfolgerungen: Die Implementierung von SoccerGPT war ein Erfolg und ist weiterhin im Gange, um das System mit neuen Features auszustatten und weiterzuentwickeln. Die Scouting-Prozesse werden mit jedem neu trainierten Modell und der fortwährenden Weiterentwicklung - auch der KI-Plattformen selbst - besser und spezialisierter einsetzbar.
Empfehlungen: Für ähnliche Projekte wird empfohlen, einen starken Fokus auf die Anpassung des KI-Modells und die kontinuierliche Verbesserung basierend auf Benutzerfeedback zu legen. Sollten sogenannte „Knowledgebases“, Dokumente oder FAQs bereits vorliegen oder Experten, deren Wissen durch Interviews festgehalten werden kann, dann ist eine sehr gute Voraussetzung geschaffen.
Lösung
Projektbeschreibung
Projektziele: Entwicklung eines KI-gestützten Systems zum Finden und Auswählen von Fußballspielern - mit Gamification. Bereitstellung einer Plattform zur Verwaltung von Traumteams und zur Zusammenarbeit mit anderen SoccerGPT-Nutzern (z.B. „Zeig mir deine Teams“). Projektumfang: Die Implementierung eines maßgeschneiderten KI-Scouting-Tools namens SoccerGPT.
Lösungen und Implementierung
Lösungsansätze: Entwicklung eines speziell trainierten Modells, das gewichtete Aspekte bevorzugt und weniger wichtige ignoriert. Die Trainingsdaten zielen darauf ab, den Denkprozess von realen Scouts nachzuahmen und nicht nur nach Zahlenwerten zu entscheiden, sondern auch nach „weichen“ Informationen, die den Charakter eines Spielers ausmachen können. Integration von Funktionen zur Verwaltung und zum Teilen von Traumteams - SoccerGPT soll es ermöglichen, durch die KI gefundene Spieler in Shortlists als Dream-Team für verschiedene Formationen aufzustellen. Diese Shortlists können unter SoccerGPT-Nutzern geteilt werden. Es gibt eine Übersicht über „Meine Suchen“, spezielle „Beobachtungen“ von ausgesuchten Spielern und verschiedene Möglichkeiten, den AI-Assistenten (SoccerGPT) in einer Suche einzusetzen. Modernes Frontend mit Gamification im Design und Performance als Hauptaugenmerk.
Implementierung: SoccerGPT wurde vollständig neu entwickelt, verwendet aber diverse gut etablierte, moderierte und stabile Bibliotheken, um bestimmte Aufgaben in der Business-Logik zu lösen. Svelte, Node.js/Express, PostgreSQL, SQLite und die Nutzung von MXGPT (maexware solutions GmbH eigenes Sicherheits- und Vor-System für die Nutzung von KI-Plattformen wie OpenAI) sind die wichtigsten Technologien, um die spezifischen Anforderungen des Kunden zu erfüllen. Die einzelnen Meilensteine wie Frontend, Backend, AI-Assistent (Training, Auslieferung und Belastung) wurden separat bearbeitet. Nach einem ersten Zusammenschluss wurden in zweiwöchigen Intervallen mit allen Projektbeteiligten der Gesamtstand begutachtet, mögliche Priorisierungsänderungen besprochen oder Änderungen an Anforderungen - hauptsächlich an Usability, Funktionsumfang und Steuerung - vorgenommen.
Ergebnisse und Bewertung
Ergebnispräsentation:
Effizienzsteigerung: Die echten Scouts und deren Manager haben ein menschliches und geschäftlich etabliertes „Suchschema“ für Fußballspieler. Die Zwischenschritte verlieren jedoch oft an Effizienz und/oder Verlässlichkeit aufgrund menschlicher Eigenarten. Das Brainstorming sowie das „Zusammensuchen“ in Beispiel-Teams ist oft chaotisch und unterliegt keinem Standard. Hier bricht SoccerGPT die ohnehin unliebsamen Zwischenschritte aus der menschlichen Seite heraus und bündelt diese direkt in einer dafür bestens geeigneten Anwendung.
Kundenzufriedenheit: Der Kunde zeigt nach wie vor, wie einfach es sein kann, neue Talente einzugrenzen bzw. auszuschließen für sein aktuell gültiges Scouting-Ziel - alleine dadurch, dass die „Suche“ und das „Entscheiden“ durch SoccerGPT und seinen eingebauten AI-Assistenten direkt in die Team-Aufstellung übergehen kann.
Erfolgsfaktoren: Enge Zusammenarbeit zwischen maexware solutions und dem Kunden während des gesamten Projekts. Regelmäßiges Feedback und Anpassungen während der Entwicklungsphase. Umfassende Schulung und Unterstützung der Mitarbeiter.
