Das könnte man prima mal auf eine multivariate Analyse/ Strukturgleichungsmodell ausweiten. Man trägt mal alle (vermuteten) Faktoren (z.B. Fehlerquote) zusammen, bringt sie in Beziehungen und kann am Ende schauen, wie gut das gesamte Modell die Performance der Teams erklärt. Damit könnte man auch gleich testen, inwiefern bzw. bei welchen Faktoren sich der Handball in den letzten Jahren wirklich verändert hat.. Bräuchte man nur eine ganze Menge Daten dazu, um die Faktoren auch zu messen...
Was nützt mir ein Modell, welches die Symptome berücksichtigt, nicht aber die Ursachen? Der Fehlerquote zum Beispiel liegen Ursachen zugrunde. Fehler zählen ist schön und gut. Und wie hier ja schon gezeigt wurde, gibt es eine gute Übereinstimmung zwischen dem aktuellen Tabellenplatz und der Anzahl der technischen Fehler. Das ist keine echte Überraschung, denn Handball ist ein Fehlerspiel. Würden alle Feldspieler fehlerfrei agieren, würde das Spiel mit maximal einem Tor Unterschied enden und die Torhüterquoten lägen bei 0 %.
Analysiert wurde hier aber nur das Ergebnis. Ableiten kann man davon allenfalls, dass Fehlervermeidung die Chancen auf einen Sieg erhöht. Ganz ehrlich: Dafür brauche ich kein KI-Modell.
Viel wichtiger wäre doch eine Analyse der Einflussfaktoren, die zu diesen Fehlern führen. Und da sage ich: Solange das Modell nicht berücksichtigt, ob Spieler XY vor dem Spiel von seiner Liebsten ein Bussi bekommen hat oder die Nacht davor die Peitsche, wäre es in jedem Fall unvollständig.
Man kann Erfolg planen, der SCM ist da ein sehr gutes Beispiel. Aber man kann ihn nicht garantieren, selbst wenn die Ausgangslage auf dem Papier positiv ist (siehe auch wieder SCM in Erlangen). Spieler sind keine Maschinen, die man vollständig mit einem Parametersatz beschreiben kann. Ein Rest Unsicherheit bleibt. Und ob den eine KI jemals vorhersagen kann, bezweifle ich.