Ausgangspunkt der Betrachtung:
In Form eines sog. ‚Proof of Concept‘ wurde 2021 der Football Management-Quality Score, kurz FoMa-Q Score (ZÜLCH, PALME & JOST, 2020), als intelligentes Framework modelliert, welches mithilfe von Machine Learning die Bundesliga Rangkategorie der Saison 2020/21 vorhersagen sowie konkrete Handlungsempfehlungen für die analysierten Fußballklubs abgeben konnte (SCHREGEL, LECKELT & ZÜLCH, 2021). Die Genauigkeit des Modells für die Saison 2020/21 lag bei ~ 63% bzw. ~ 73% korrekten Klassifizierungen für unbekannte Daten. Die Ergebnisse zeigten, dass es auf der Basis des FoMa-Q Score möglich ist, das Bun-desliga-Ranking eines Fußballklubs für die nachfolgende Saison vorherzusagen. Mittels dieser Vorhersage kann der Einfluss einer (strategischen) Entscheidung auf die Klub-Zukunft direkt dargelegt werden. Somit lassen sich für das Klubmanagement konkrete Handlungs-empfehlungen formulieren und evaluieren.
Für die Saison 2021/22 wurde das Machine Learning Modell um die Daten des FoMa-Q Scores 2021 (ZÜLCH ET AL., 2021) ergänzt, und die Vorhersagen der Tabellenabschnittsplatzierungen für das Ende der Saison 2021/22 am 13.09.2021 durch die Autoren bei ASPRE-DICTED.ORG registriert. In diesem Zusammenhang interessiert vor allem eine zentrale Fragestellung, die Gegenstand der Analyse war:
Kann der FoMa-Q Score auf der Basis der Vorhersage der Tabellenabschnittsplazierung einem Bundesligaklub helfen, seine (künftige) Leistung nachzuvollziehen und ggf. zu optimieren?
Nachfolgend werden in der gebotenen Kürze eines Fact Sheet die Studie und die korrespondierenden Ergebnisse der HHL Leipzig Graduate School of Management prägnant dargelegt. Anhand der FoMa-Q Score Daten der vergangenen Jahre sowie der Bundesligaplatzierung des Klubs RB Leipzigs wird eine Antwort auf die aufgeworfene Fragestellung gegeben.
Ausgangspunkt der Betrachtung:
Einnahmenrekorde, über 130.000 Arbeitsplätze und eine Gesamtwertschöpfung von 11 Milliarden EUR, Tendenz steigend (MCKINSEY,2020). Das war die Beschreibung der Bundesliga für die Saison 2018/201 – vor Corona. Die Clubs der 1. Bundesliga haben sich folglich zu Wirtschaftsunternehmen entwickelt. Diese sind gezwungen, strategische Entscheidungen zu treffen, um langfristig ihren Erfolg zu sichern und sich einen Wettbewerbsvorteil herauszuarbeiten (ZÜLCH &PALME,2017). Denn nur wer heute im Profisport unternehmerisch unterwegs ist und dessen Herausforderungen kennt, wird nachhaltig erfolgreich sein. Da diese Clubs auf den Erfolg strategisch ausgerichtet sind.
Mit der Professionalisierung der Bundesliga steigen indes auch die Anforderungen an die Entscheidungsgrundlagen für das handelnde Management. Eine zuverlässige und etablierte Quelle hierbei ist der Football Management Quality Score (FoMa-Q Score), da dieser ein in der Branche akzeptiertes Management-Framework bietet (ZÜLCH,PALME &JOST, 2020). In Form eines sog. ‚Proof of Concept‘ konnte der FoMa Q-Score nunmehr als ein intelligentes Framework modelliert werden, welches mithilfe von Machine Learning, die Bundesliga Rangkategorie der kommenden Saison vorhersagen kann sowie konkrete Handlungsempfehlungen für die analysierten Fußballclubs abgibt. In diesem Zusammenhang interessieren vor allem zwei Fragestellungen, die Gegenstand der Analyse waren:
1.)Wie genau kann die Bundesliga-Rangkategorie durch den FoMa-Q Score vorhergesagt werden?
2.)Kann der FoMa-Q Score einem Bundesligaclub helfen, seine künftige Leistung nachzuvollziehen und ggf. zu optimieren? Nachfolgend werden in der gebotenen Kürze eines Factsheet die Studie und die korrespondierenden Ergebnisse der HHL Leipzig Graduate School of Management prägnant dargelegt. Anhand der FoMa-Q Score Daten der vergangenen Jahre sowie der Bundesligaplatzierungen der betrachteten Clubs werden Antworten auf die aufgeworfenen Fragestellungen gegeben.