Wichtigste Erkenntnisse
Fragen Sie, was eine Statistik misst, bevor Sie ihr überlassen, zu bestimmen, wer der Beste war.
Zahlen beruhen auf Annahmen. Vertraute Baseball-Statistiken können wie neutrale Fakten wirken und dabei stillschweigend enge oder irreführende Fragen beantworten. Der Batting Average zählt Hits pro At-Bat, lässt aber Walks außer Acht und behandelt einen Single wie einen Home Run. Bei Teamdaten aus den Jahren 2011 bis 2015 korrelierte der Batting Average weniger stark mit den erzielten Runs als die On-Base Percentage oder die Slugging Percentage. Zusammengenommen ergaben diese beiden Werte den OPS, der am stärksten korrelierte. Seine Formel kombiniert jedoch unterschiedliche Maße und kann beim Vergleich einzelner Schlagmänner irreführend sein.
Tradition hat Beharrungskraft. Das Buch zeichnet nach, wie alte Statistiken fortbestehen, weil Fans, Autoren und Teams sie übernommen haben – nicht, weil sie Leistung zuverlässig messen. Das ist wichtig: Verzerrte Maßstäbe haben Auszeichnungen, Verträge, Spielzeit und das öffentliche Verständnis des Spiels geprägt. Eine bessere Analyse beginnt mit der Frage, was eine Zahl einschließt, was sie auslässt und ob sie die gerade gestellte Frage beantwortet.
Hier geht es um Messung, nicht nur um Baseball. Eine Kennzahl ist ein Modell der Wirklichkeit: Was man zu zählen beschließt, bestimmt zugleich, was sichtbar wird und was verschwindet. Vertraute Zahlen sind deshalb besonders wirkmächtig, denn durch Wiederholung kann eine Konvention wie etwas Natürliches erscheinen. Dabei gilt: Ein besseres Maß ist nicht automatisch vollständig. Eine Korrelation mit den Runs eines Teams beweist beispielsweise nicht, dass eine Statistik den Beitrag eines einzelnen Spielers erfasst. Sinnvoll ist es, jede Zahl als Argument mit bestimmten Annahmen zu betrachten und anschließend zu prüfen, ob diese Annahmen zur anstehenden Entscheidung passen.
Bewerten Sie Schlagmänner danach, wie oft sie die Base erreichen und wie viel Power sie haben – nicht nach einer Batting-Krone.
Aus sind der Preis. Die On-Base Percentage (OBP) misst, wie oft ein Schlagmann sicher die Base erreicht, auch durch Walks und Hit-by-Pitches. Sie erfasst die Fähigkeit eines Schlagmanns, ein Aus zu vermeiden – eine knappe Ressource in einem Spiel, in dem jedes Team nur 27 Aus hat. Die Slugging Percentage liefert ein grobes Maß für Power, indem sie die Gesamtzahl der Bases pro At-Bat zählt; allerdings weist sie den einzelnen Hits nicht ihren tatsächlichen Run-Wert zu.
Verwenden Sie gewichtete Kennzahlen. Der gewichtete On-Base-Durchschnitt (wOBA) versieht unterschiedliche Offensivaktionen mit unterschiedlichen Gewichten und bleibt dabei auf einer ähnlichen Skala wie die OBP. Weighted Runs Created Plus (wRC+) berücksichtigt bei der Offensivleistung den Einfluss von Ballpark und Liga. Diese Kennzahlen erklären, warum Magglio Ordoñez’ Batting-Titel von 2007 ihn offensiv nicht besser machte als Alex Rodriguez, der weniger Singles schlug, aber deutlich mehr Power entwickelte und mehr Walks herausholte.
Der Fokus auf Aus verbindet den Wert im Baseball mit Opportunitätskosten: Eine offensive Aktion ist auch deshalb wichtig, weil sie den Verbrauch einer knappen Ressource vermeidet. Dieselbe Logik findet sich in der Ökonomie, wo eine Ressource nicht nur dafür wertvoll ist, was sie hervorbringt, sondern auch dafür, was sie anschließend ermöglicht. Die OBP ist besonders nützlich, weil sie mehrere Fähigkeiten zugleich erfasst, darunter Schlagkontakt, das Erkennen von Pitches und Geduld. Dennoch erzählt keine einzelne Rate die ganze Geschichte. Der Wert eines Schlagmanns hängt auch von Spielzeit, Verteidigung, Baserunning und Kontext ab. Die bevorzugten Kennzahlen des Buchs eignen sich daher am besten als Bestandteile einer Bewertung, nicht als neue Kronen.
Wägen Sie jeden gestohlenen Base gegen das drohende Aus ab.
Ein Gewinn hat seinen Preis. Die Run-Expectancy-Matrix (Tabelle der erwarteten Runs) schätzt, wie viele Runs ein Team im Durchschnitt von einer bestimmten Kombination besetzter Bases und Aus erwarten kann. Im Major-League-Umfeld des Jahres 2015 stieg die Zahl der erwarteten Runs bei null Aus von 0,84 auf 1,08, wenn ein Steal auf die zweite Base gelang. Wurde der Läufer ausgemacht, sank die Erwartung auf 0,26. In dieser Situation musste der Läufer ungefähr 71 Prozent seiner Steal-Versuche erfolgreich abschließen, damit sich der Versuch lohnte.
Small Ball kann Innings verkürzen. Bei einem Läufer auf der ersten Base und null Aus senkte ein erfolgreicher Sacrifice Bunt die Wahrscheinlichkeit, mindestens einen Run zu erzielen, von ungefähr 50 auf 45 Prozent. Die Rechnung verändert sich je nach Schlagmann, Pitcher, Ballpark und Base-Out-Situation; sie ist also kein allgemeingültiges Gebot. Dennoch ist sie ein besserer Ausgangspunkt, als anzunehmen, dass Bewegung oder ein sichtbar vorrückender Läufer zwangsläufig hilfreich sein müssen.
Der Erwartungswert lenkt die Aufmerksamkeit auf beide Seiten einer Entscheidung: den Gewinn, wenn sie gelingt, und den Schaden, wenn sie misslingt. Diese Disziplin ist weit über den Baseball hinaus nützlich, denn oft erscheinen dramatische Handlungen allein deshalb wertvoll, weil sie sichtbar sind. Auch der numerische Schwellenwert zeigt, warum Faustregeln an Bedingungen geknüpft sein sollten. Ein Steal ist attraktiver, wenn Runs knapp sind oder der Schlagmann den Läufer wahrscheinlich nicht nach Hause schlagen wird, und weniger attraktiv, wenn ein schlagkräftiger Batter am Schlag ist. Das Modell verdeutlicht den Zielkonflikt, doch seine gute Anwendung erfordert weiterhin Informationen zur jeweiligen Situation.
Verwechseln Sie weder Teamergebnisse noch Berufsrollen mit individueller Leistung.
Anerkennung wird falsch zugeteilt. Der Sieg eines Pitchers hängt davon ab, ob seine Mitspieler Runs erzielen und ob Bullpen und Verteidigung den Vorsprung halten. Die RBI-Zahl eines Schlagmanns hängt stark davon ab, wie oft Mitspieler vor ihm die Base erreichen. Barry Bonds schlug 2001 73 Home Runs, kam aber nur auf 137 RBI, zum Teil, weil er oft mit leeren Bases an den Schlag kam. Keine der beiden Zahlen isoliert, was der Spieler selbst kontrollierte.
Saves prägen das Verhalten. Ein Save wird unter bestimmten Bedingungen vergeben, die mit dem Vorsprung, dem Inning und der Rolle des Pitchers zusammenhängen. Diese Auszeichnung trug dazu bei, die Vorstellung eines besonderen Closers zu schaffen, und ermutigte Manager, ihre besten Reliever für Situationen aufzusparen, in denen ein Save möglich war. Im Wild-Card-Spiel von 2016 setzte Orioles-Manager Buck Showalter Zach Britton trotz dessen außergewöhnlicher Saison nicht ein. Die Save-Statistik beschreibt eine Rolle und einen Kontext, nicht die gesamte Qualität eines Relievers.
Diese Statistiken machen ein klassisches Zurechnungsproblem sichtbar: Ergebnisse, die gemeinsam von einem System hervorgebracht werden, schreibt man einem einzelnen, gut sichtbaren Akteur zu. Die Gefahr besteht nicht nur in ungerechtem Lob oder ungerechter Schuldzuweisung. Sobald eine Kennzahl Gehälter, Auszeichnungen oder Entscheidungen von Managern beeinflusst, passen Menschen ihr Verhalten an, um die Kennzahl zu verbessern – selbst wenn das dem größeren Ziel schaden kann. Die Save-Regel ist ein anschaulicher Fall, denn eine Konvention der Buchführung trug dazu bei, genau die Rolle zu schaffen, die sie angeblich maß. Eine sinnvolle Bewertung trennt den Beitrag von der Gelegenheit und fragt anschließend, ob die Anreize einer Institution die Menschen zu den falschen Gelegenheiten drängen.
Bewerten Sie die Verteidigung nach verhinderten Plays, nicht nach vermiedenen Errors.
Errors bilden nur einen Teil der Wirklichkeit ab. Die Fielding Percentage belohnt Feldspieler dafür, Bälle zu spielen, die sie erreichen, ignoriert aber jene, die sie nicht erreichen. Auch beruht die Zahl der Errors auf subjektiven Einschätzungen der offiziellen Scorer. Ein Spieler kann einen fangbaren Ball fallen lassen, ohne dass ihm ein Error angerechnet wird; ein Feldspieler, der einen größeren Bereich abdeckt, kann dagegen mehr offiziell verzeichnete Errors sammeln, weil er schwierige Plays versucht.
Reichweite verändert den Vergleich. Ozzie Smith spielte weniger Innings als Shortstop als Omar Vizquel, verzeichnete aber deutlich mehr Assists und Putouts. Moderne Defensivkennzahlen vergleichen die ausgeführten Plays mit der Wahrscheinlichkeit, dass ein Feldspieler auf dieser Position sie gemacht hätte, und schätzen dann die dadurch geretteten oder zugelassenen Runs. Diese Schätzungen bleiben unvollkommen, insbesondere wenn Positionierung und Shifts nicht vollständig erfasst werden. Dennoch stellen sie eine relevantere Frage, als ob ein Feldspieler offizielle Fehler vermieden hat.
Dieser Gegensatz ähnelt einem allgemeineren Problem bei der Leistungsmessung: Sichtbare Fehlschläge zu zählen ist leichter, als verpasste Gelegenheiten zu erkennen. Ein vorsichtiger, passiver Mitarbeiter kann zuverlässiger wirken als jemand, der schwierige Aufgaben übernimmt, selbst wenn Letzterer mehr Wert schafft. Defensivkennzahlen versuchen, diese Schieflage zu korrigieren, indem sie schätzen, was hätte geschehen können – und bringen damit Unsicherheit in die Rechnung. Ihre Stärke liegt nicht in perfekter Genauigkeit, sondern in einer besseren Definition der Aufgabe. Auf unvollkommene Schätzungen sollte man reagieren, indem man ihre Annahmen und Unsicherheiten prüft, nicht indem man zu einem Maß zurückkehrt, das die Reichweite völlig ignoriert.
Trennen Sie die Ergebnisse auf der Anzeigetafel von der wiederholbaren Leistung eines Pitchers.
Der ERA hält Ergebnisse fest. Der Earned Run Average teilt die zugelassenen Earned Runs durch die gepitchten Innings und rechnet das Ergebnis auf neun Innings hoch. Er beschreibt, was geschehen ist, kann aber durch Errors, die Qualität der Verteidigung, geerbte Läufer und die Abfolge von Ereignissen verzerrt werden. Der BABIP misst, wie oft ins Feld geschlagene Bälle zu Hits werden. Die im Buch besprochene Forschung ergab, dass der BABIP eines Pitchers tendenziell zum Ligadurchschnitt zurückkehrt und daher ein unzuverlässiger Hinweis auf die künftige Leistung ist.
Der FIP schätzt einzelne Komponenten. Fielding Independent Pitching (FIP) verwendet Strikeouts, Walks und Home Runs zur Leistungsschätzung und ersetzt dabei den tatsächlichen BABIP des Pitchers durch einen Ligadurchschnittswert. Das kann bei Prognosen helfen, doch möglicherweise wird dabei Pitchern zu wenig Anerkennung zuteil, die tatsächlich schädlichen Kontakt begrenzen können. Der ERA sagt mehr über das tatsächliche Ergebnis aus; der FIP bietet oft einen klareren, wenn auch weiterhin unvollständigen Blick auf die zugrunde liegende Fähigkeit.
Diese Unterscheidung ist ein Kernstück wissenschaftlichen Denkens: Ein beobachtetes Ergebnis zu beschreiben und ein künftiges Ergebnis vorherzusagen sind zwei verschiedene Aufgaben. Ein Pitcher kann Anerkennung dafür verdienen, Runs verhindert zu haben, und zugleich von einer Verteidigung profitiert haben, die in der nächsten Saison vielleicht nicht zur Verfügung steht. Umgekehrt kann ein guter Prozess kurzfristig zu einem schlechten Ergebnis führen. Die Abweichung zwischen ERA und FIP ist deshalb aufschlussreich; sie ist kein Grund, eine der beiden Kennzahlen für wertlos zu erklären. Sie verweist auf die unsichere Grenze zwischen individueller Einflussmöglichkeit und Teamkontext – eine Grenze, die bessere Daten eingrenzen, aber nicht aufheben können.
Erklären Sie entscheidende Momente mit Belegen, nicht mit Druckgeschichten.
Clutch ist keine stabile Eigenschaft. Die im Buch ausgewerteten Studien fanden kaum Belege dafür, dass Schlagmänner in den Major Leagues unter hohem Druck zuverlässig besser spielen, als es ihre gewöhnliche Leistungsfähigkeit erwarten ließe. Ein berühmter Hit kann in seiner Wirkung clutch sein, ohne zu beweisen, dass der Schlagmann eine wiederholbare Clutch-Fähigkeit besitzt. Dieselbe Vorsicht gilt für den Hot-Hand-Effekt: Serien können auf natürliche Weise durch zufällige Schwankungen entstehen, und scheinbare Muster weisen nicht automatisch auf eine Veränderung des Talents hin.
WPA erzählt eine andere Geschichte. Win Probability Added (WPA) erfasst, wie ein Play die historische Siegchance eines Teams verändert, abhängig von Spielstand, Inning und Base-Out-Situation. Damit lassen sich Wendepunkte eines Spiels beschreiben, etwa ein Walk oder ein Hit-by-Pitch, das die Chancen stark verschiebt. Da WPA jedoch vom Kontext und von der Gelegenheit abhängt, ist es kein zuverlässiges Maß für die zugrunde liegende Fähigkeit oder künftige Leistung eines Spielers.
Menschen können besonders gut aus Ereignisfolgen Geschichten machen und bemerken besonders schlecht, wie oft Zufall zu Häufungen führt. Diese Neigung macht Sportgeschichten fesselnd, kann aber auch ein Ergebnis in ein vermeintliches Persönlichkeitsmerkmal verwandeln. WPA bietet einen nützlichen Mittelweg: Sie erhält die Dramatik des Kontexts, ohne dramatische Wirkung als Beweis für eine dauerhafte Fähigkeit zu behandeln. Ebenso wichtig ist ihre Grenze. Eine Kennzahl kann zuverlässig beschreiben, was in einem einzelnen Spiel entscheidend war, ohne zu erklären, warum es geschah oder ob es sich wiederholen wird.
Behandeln Sie WAR als nachvollziehbare Schätzung, nicht als Urteil.
Ein Rahmen, viele Entscheidungen. Wins Above Replacement (WAR) schätzt den Gesamtbeitrag eines Spielers im Vergleich zu einem problemlos verfügbaren Spieler auf Replacement-Niveau. Die Kennzahl kombiniert Offense, Baserunning, Defense und bei Pitchern die Verhinderung von Runs und drückt das Ergebnis in Siegen aus. Die verschiedenen Varianten treffen unterschiedliche Entscheidungen darüber, wie Defense und Pitching bewertet werden. WAR ist daher ein Rahmen, um Beiträge zusammenzuführen, und keine einzige definitive Formel.
Vergleichsmaßstäbe prägen die Geschichte. WAR erleichtert Vergleiche zwischen Spielern unterschiedlicher Positionen und Epochen und ist deshalb bei Diskussionen über die Hall of Fame nützlich. Lou Whitaker erzielte im Laufe seiner Karriere etwa 75 WAR, erhielt aber in seinem einzigen Jahr auf dem Stimmzettel nur 2,9 Prozent der Stimmen. Dieser Gegensatz zeigt, was ein Wertungsrahmen sichtbar machen kann. Eine Karrieresumme kann jedoch nicht jede Frage nach Höchstleistung, Dauerhaftigkeit oder Unsicherheit klären. Die Annahmen hinter der Zahl verdienen ebenso viel Aufmerksamkeit wie die Zahl selbst.
Der Wert von WAR liegt darin, das Bilanzierungsproblem offenzulegen: Teams verfügen über begrenzte finanzielle Mittel und Kaderplätze und brauchen deshalb eine Möglichkeit, unterschiedliche Beiträge miteinander zu vergleichen. Dasselbe Bedürfnis besteht in der öffentlichen Politik und der Organisationsplanung, wo Entscheidungen eine gemeinsame Maßeinheit erfordern, selbst wenn die zugrunde liegenden Werte unterschiedlich sind. Die Gefahr besteht darin, eine Schätzung zu verdinglichen, also sie so zu behandeln, als wäre sie eine physische Eigenschaft des Spielers. Bei einer sinnvollen Verwendung von WAR fragt man, welche Variante, welcher Vergleichswert und welche Eingabedaten zum Ergebnis geführt haben. Anschließend prüft man, ob die Entscheidung von einem Unterschied abhängt, den das Modell nicht mit ausreichender Sicherheit auflösen kann.
Verbinden Sie den Blick der Scouts mit Statcast-Messungen und prüfen Sie Ihre Annahmen weiter.
Scouting und Statistiken beantworten unterschiedliche Fragen. Scouts beurteilen Mechanik, körperliche Entwicklung, Werkzeuge und Details, die sich mit Zahlen womöglich nicht erklären lassen. Statcast kombiniert Radar- und optische Verfolgungssysteme, um Ereignisse wie Exit Velocity, Launch Angle, Spin Rate und die Positionierung der Feldspieler zu erfassen. Solche Messungen machen Eindrücke überprüfbar. Harter Kontakt allein garantiert beispielsweise keine zusätzlichen Bases: Auch der Launch Angle des Balls beeinflusst, ob daraus ein Groundout, ein produktiver Linedrive oder ein Flyout wird.
Daten müssen interpretiert werden. Teams können diese Kennzahlen nutzen, um ihre Positionierung zu verbessern, Spieler weiterzuentwickeln und Ermüdungs- oder Verletzungsrisiken zu untersuchen. Doch große Datensätze müssen bereinigt werden, und ein gemessenes Muster ist nicht automatisch eine Ursache. Erfolgversprechender ist es, Messungen mit Scouting und Coaching zu verbinden und anschließend zu prüfen, ob eine vorgeschlagene Änderung die Leistung verbessert. Bessere Werkzeuge erweitern die Fragen, die Teams stellen können; sie beseitigen weder das Urteilsvermögen noch die Unsicherheit.
Die hier beschriebene Zusammenarbeit ähnelt menschlich-maschinellen Entscheidungssystemen in Medizin und Technik. Messinstrumente erfassen wiederkehrende Merkmale sehr gut; erfahrene Beobachter können Kontext, Ausnahmen und Mechanismen erkennen, die ein Modell noch nicht abbildet. Keine der beiden Quellen verdient automatisch Vorrang. Die Beispiele des Buchs machen auch eine zentrale Gefahr der Optimierung sichtbar: Die Verbesserung eines messbaren Merkmals, etwa der Austrittsgeschwindigkeit des Balls, muss das gewünschte Ergebnis nicht verbessern, wenn Launch Angle oder Kontaktqualität nicht stimmen. Die nützlichste Analytics-Kultur behandelt Erkenntnisse als Entwicklungshypothesen und lässt Rückmeldungen aus dem Spielbetrieb einfließen, statt Zahlen nur in eine Richtung weiterzureichen.
Analyse
Smart Baseball lässt sich am besten als Argument dafür verstehen, wie Messungen einen Sport verändern. Die Erzählung beginnt mit übernommenen Statistiken aus dem Boxscore, die einfach und objektiv wirken, und zeigt anschließend, wie ihre Auslassungen Entscheidungen verzerren. Die Lösung ist keine Suche nach der einen perfekten Zahl. Sie besteht vielmehr in einer mehrschichtigen Vorgehensweise: die Frage definieren, ein dafür geeignetes Maß auswählen, beobachtete Ergebnisse von wiederholbarer Fähigkeit unterscheiden und Unsicherheit sichtbar machen.
Die stärksten Beispiele des Buchs zeigen, dass Kennzahlen Verhalten nicht nur beschreiben, sondern auch verändern können. Saves trugen dazu bei, die moderne Rolle des Closers zu schaffen, während RBI-Zahlen und Siege von Pitchern Auszeichnungen und Verträge beeinflussten. Eine Statistik kann so Teil des Systems werden, das sie misst. Das ist eine wichtige Erkenntnis: Wenn Institutionen Kennzahlen belohnen, sind Bewertungsinstrumente nicht passiv. Bessere Messungen müssen mit Anreizen einhergehen, die das eigentliche Ziel belohnen – etwa Spiele zu gewinnen – statt einen Ersatzwert.
Auch die Adaption muss die Spannungen bewahren, die das Buch herausarbeitet. Die OBP ist aussagekräftiger als der Batting Average, erfasst aber nicht die Power. Der FIP kann bessere Prognosen als der ERA liefern, aber tatsächliche Fähigkeiten eines Pitchers unterbewerten oder Annahmen über eine durchschnittliche Verteidigung in die Bewertung einfließen lassen. Defensivkennzahlen schätzen verpasste Plays, doch ihre Urteile hängen von der Datenqualität und den Entscheidungen bei der Modellierung ab. WAR ermöglicht umfassende Vergleiche, aber verschiedene Varianten können zu unterschiedlichen Summen führen. Das sind keine peinlichen Mängel, die man verbergen sollte. Sie gehören zu den Bedingungen, unter denen man die Zahlen verwenden sollte.
Die übergeordnete Lehre ist eine Form disziplinierter Skepsis. Traditionelle Statistiken sollten nicht allein deshalb fortbestehen, weil sie vertraut sind, und fortgeschrittene Statistiken sollten nicht allein deshalb überzeugen, weil sie technisch wirken. Fragen Sie, was eine Kennzahl zählt, was sie ignoriert, ob sie beschreibt oder prognostiziert und wie Menschen ihr Verhalten ändern, wenn die Kennzahl belohnt wird. So können Fans das Spiel genauer verstehen und zugleich offen dafür bleiben, dass neue Erkenntnisse die heute besten Antworten revidieren.
Rezensionsübersicht
Smart Baseball wird insgesamt positiv aufgenommen. Leser loben Laws klare Erklärungen moderner Baseballstatistiken und ihrer Vorteile gegenüber traditionellen Kennzahlen. Viele finden das Buch informativ und erhellend, besonders wenn sie mit Sabermetrik noch nicht vertraut sind. Einige kritisieren Laws sarkastischen Ton und Wiederholungen, insbesondere in der ersten Hälfte. Das Buch gilt als wertvolle Ressource, um die moderne Baseballanalyse zu verstehen, auch wenn Leser, die fortgeschrittene Statistiken bereits kennen, möglicherweise weniger Neues erfahren. Insgesamt wird es Baseballfans empfohlen, die ihre statistischen Kenntnisse vertiefen möchten.
Andere lasen auch
Glossar
Sabermetrik
Analyse der Baseball-LeistungDie statistische Analyse der Leistung und Strategie im Baseball. Sabermetrik nutzt Daten, um zu bewerten, was Spieler beitragen, künftige Leistungen einzuschätzen und herkömmliche Überzeugungen über das Spiel zu überprüfen. Der Begriff umfasst eine Reihe von Methoden – vom Vergleich grundlegender Statistiken bis hin zu Modellen, die Runs, Siege oder den Wert in der Defensive schätzen.
Run-Expectancy-Matrix (Tabelle der erwarteten Runs)
Erwartete Runs nach SpielsituationEine Tabelle, die zeigt, wie viele Runs ein Team im Durchschnitt aus einer bestimmten Kombination besetzter Bases und Outs erzielt. Sie ermöglicht Analysten, den erwarteten Wert von Entscheidungen wie einem Steal, einem Bunt oder dem Vorrücken eines Läufers zu vergleichen. Die Werte hängen von der jeweiligen Run-Scoring-Umgebung ab und können sich zwischen dem Major-League- und dem Amateur-Baseball unterscheiden.
Lineare Gewichtung (Linear Weights)
Run-Werte für SchlagereignisseEine Methode zur Bewertung eines Schlagmanns, bei der jedem Ereignis – etwa einem Single, Walk, Home Run oder Out – ein durchschnittlicher Run-Wert zugewiesen und anschließend alles addiert wird. Die Gewichtungen spiegeln die jeweilige Run-Scoring-Umgebung wider und können sich von Saison zu Saison ändern. Ziel der Methode ist es, jeden Beitrag anzurechnen, ohne einem einzelnen Schlagmann einen ganzen Team-Run zuzuschreiben.
wOBA
Gewichtete SchlagrateDer gewichtete On-Base-Durchschnitt weist Schlagereignissen unterschiedliche, auf Runs beruhende Gewichtungen zu, darunter Walks, Hit-by-Pitches und verschiedene Arten von Hits. Er soll die offensive Rate eines Schlagmanns auf einer Skala bewerten, die der On-Base-Percentage ähnelt. Anders als manche Alternativen wird die im Buch beschriebene Version nicht an den Ballpark des Schlagmanns angepasst.
wRC+
An den Ballpark angepasste SchlagrateWeighted Runs Created Plus schätzt die offensive Leistung eines Schlagmanns, passt sie an Liga und Ballpark an und stellt das Ergebnis auf einer Skala dar, deren Mittelpunkt bei 100 liegt. Ein Wert über 100 weist auf eine Leistung über dem Ligadurchschnitt hin; ein Wert unter 100 auf eine unterdurchschnittliche Leistung. Die Kennzahl eignet sich dazu, Schlagmänner über verschiedene Ballparks und Saisons hinweg zu vergleichen.
BABIP
Hits bei Bällen im SpielBatting Average on Balls In Play misst, wie oft Bälle eines Pitchers oder Schlagmanns, die ins Feld geschlagen werden, zu Hits werden; Home Runs sind ausgenommen. Die BABIP-Werte von Pitchern schwanken tendenziell und bewegen sich in Richtung des Ligadurchschnitts. Daher kann die Kennzahl neben der Leistung auch die Defensive und den Zufall widerspiegeln. Manche Pitcher und Schlagmänner verfügen möglicherweise über echte Fähigkeiten, die sie beeinflussen.
FIP
Um die Defensive bereinigte Pitching-SchätzungFielding Independent Pitching schätzt die Leistung eines Pitchers anhand von Strikeouts, Walks, getroffenen Schlagmännern und Home Runs und setzt für Bälle im Spiel einen ligadurchschnittlichen Wert ein. Die Skala ähnelt der ERA; die Kennzahl ist oft für Prognosen nützlich. Da sie die tatsächlichen Ergebnisse bei Bällen im Spiel ausklammert, kann sie echte Fähigkeiten oder ungewöhnliche Umstände übersehen.
WPA
Veränderung der Sieg WahrscheinlichkeitWin Probability Added misst, wie stark ein Spielzug die geschätzte Siegchance eines Teams verändert, ausgehend vom Spielstand, Inning und der Situation hinsichtlich Bases und Outs. Sie beschreibt den Einfluss eines Spielers im jeweiligen Spielkontext. Da sie stark von Zeitpunkt und Gelegenheit abhängt, ist sie kein verlässliches Maß für zugrunde liegende Fähigkeiten oder künftige Leistungen.
WAR
Gesamtwert über einem ErsatzspielerWins Above Replacement schätzt den Gesamtbeitrag eines Spielers in Siegen im Vergleich zu einem Ersatzspieler, also einem ohne Weiteres verfügbaren Referenzwert. Sie fasst messbare Beiträge wie Schlagleistung, Baserunning, Defensive und Pitching zusammen. WAR ist ein Rahmenwerk und keine einzelne Formel: Verschiedene Versionen verwenden unterschiedliche Schätzungen, Anpassungen und Annahmen.
Statcast
Tracking-System für Ball und SpielerDas Tracking-System der Major League Baseball kombiniert Radar- und optische Technologien, um detaillierte Informationen über Pitches, geschlagene Bälle und Spielerbewegungen aufzuzeichnen. Zu den Messwerten zählen Pitch-Geschwindigkeit und Spin, Exit Velocity, Launch Angle und die Positionierung der Feldspieler. Diese Daten ermöglichen es Teams, Fähigkeiten und Spielzüge genauer zu untersuchen, müssen aber weiterhin bereinigt und interpretiert werden.
FAQ
Worum geht es in Smart Baseball?
- Fokus auf Baseballstatistiken: Smart Baseball von Keith Law behandelt die Entwicklung der Baseballstatistik und hebt die Mängel traditioneller Kennzahlen wie Batting Average und Pitcher Wins hervor.
- Für neue Kennzahlen: Das Buch macht sich für neuere, präzisere Statistiken wie On-Base-Percentage (OBP), Slugging-Percentage und fortgeschrittene Kennzahlen wie wOBA und WAR zur Bewertung der Spielerleistung stark.
- Kritik an herkömmlichen Vorstellungen: Law hinterfragt lang gehegte Überzeugungen im Baseball, etwa das Konzept des Clutch Hitters und den Wert der Save-Statistik, und argumentiert, dass diese oft irreführend sind.
Warum sollte ich Smart Baseball lesen?
- Den modernen Baseball verstehen: Das Buch erläutert, wie sich die moderne Baseballanalyse entwickelt hat und warum traditionelle Statistiken oft nicht ausreichen.
- Mehr Wissen für Fans: Es soll Fans, Journalisten und Analysten vermitteln, wie wichtig kritisches Denken bei der Bewertung von Spielerleistungen und den zu ihrer Messung verwendeten Statistiken ist.
- Anschauliche Darstellung: Keith Law vermittelt komplexe Ideen auf ansprechende Weise und macht sie sowohl für gelegentliche Fans als auch für ernsthafte Analysten zugänglich.
Was sind die wichtigsten Erkenntnisse aus Smart Baseball?
- Mängel traditioneller Statistiken: Law hebt die Schwächen traditioneller Kennzahlen wie Batting Average und Pitcher Wins hervor und beschreibt sie als irreführend.
- Bedeutung fortgeschrittener Kennzahlen: Das Buch betont, dass Kennzahlen wie OBP, wOBA und WAR ein umfassendes Bild vom Wert eines Spielers vermitteln.
- Die Rolle von Daten bei Entscheidungen: Law zeigt, wie Teams bei Spielerverpflichtungen und Spielstrategien zunehmend auf Daten setzen und Analysen in den Teamalltag integrieren.
Was sind die besten Zitate aus Smart Baseball und was bedeuten sie?
- „OBP Is Life“: Dieses Zitat unterstreicht die These, dass die On-Base-Percentage für die Bewertung von Schlagmännern entscheidend ist, da sie direkt mit dem Erzielen von Runs zusammenhängt.
- „Batting average... has been falling out of favor“: Es spiegelt den Wandel hin zu verlässlicheren Kennzahlen wider und deutet darauf hin, dass traditionelle Statistiken zunehmend überholt sind.
- „The save statistic is a travesty“: Das Zitat macht Laws scharfe Kritik an der Save-Statistik deutlich und legt nahe, dass sie den Beitrag eines Pitchers falsch darstellt.
Wie bewertet Smart Baseball den Wert von Pitcher Wins neu?
- Irreführende Kennzahl: Law argumentiert, dass Pitcher Wins irreführend sind, weil sie den Spielausgang allein dem Pitcher zuschreiben und die Beiträge des Teams außer Acht lassen.
- Der Kontext zählt: Das Buch betont, dass Pitcher danach beurteilt werden sollten, wie gut sie Runs verhindern, nicht nur nach der Zahl ihrer Siege.
- Fokus auf fortgeschrittene Kennzahlen: Law spricht sich für Kennzahlen wie FIP (Fielding Independent Pitching) aus, um die tatsächliche Leistung eines Pitchers zu bewerten.
Welche Bedeutung hat die On-Base-Percentage (OBP) in Smart Baseball?
- Zentrale Schlagkennzahl: OBP misst, wie oft ein Spieler auf Base kommt – eine entscheidende Voraussetzung, um Runs zu erzielen.
- Sagt Erfolg voraus: Teams mit höherer OBP erzielen tendenziell mehr Runs. Damit ist die Kennzahl ein besserer Indikator für offensiven Erfolg als der Batting Average.
- Grundlage für weitere Statistiken: OBP dient als Baustein für fortgeschrittene Kennzahlen wie wOBA und schärft unser Verständnis offensiver Beiträge.
Was sagt Smart Baseball über das Konzept des Clutch Hitting?
- Clutch Hitting ist ein Mythos: Law argumentiert, dass es keinen Clutch Hitter gibt; gute Schlagmänner bringen unabhängig von der Situation konstant gute Leistungen.
- Statistische Belege: Studien zeigen, dass Spieler, die als Clutch bezeichnet werden, in Drucksituationen nicht wesentlich besser abschneiden.
- Fokus auf die Gesamtleistung: Law betont, dass Spieler anhand ihrer allgemeinen Schlagstärke und Konstanz bewertet werden sollten.
Wie kritisiert Smart Baseball die Save-Statistik?
- Willkürliche Definition: Law bezeichnet die Save-Regel als kompliziert und verworren, was zu schlechten Entscheidungen von Managern führen kann.
- Fehlverteilung von Ressourcen: Die Betonung von Saves hat dazu geführt, dass Teams bestimmte Relief Pitcher überbewerten und andere zu wenig einsetzen.
- Einfluss auf die Spielstrategie: Die Save-Statistik hat die Nutzung des Bullpens verändert, oft zum Nachteil des Teamerfolgs.
Welche fortgeschrittenen Kennzahlen zur Spielerbewertung stellt Smart Baseball vor?
- wOBA (Weighted On-Base Average): Bietet ein differenziertes Bild der offensiven Beiträge, indem verschiedenen Ergebnissen unterschiedliche Gewichtungen zugewiesen werden.
- WAR (Wins Above Replacement): Quantifiziert den Gesamtwert eines Spielers und fasst offensive und defensive Beiträge zusammen.
- FIP (Fielding Independent Pitching): Misst die Effektivität eines Pitchers anhand von Ergebnissen, die er selbst kontrolliert, etwa Strikeouts und Walks.
Welche Bedeutung hat FIP in Smart Baseball?
- Prognosekraft: FIP prognostiziert die künftige ERA eines Pitchers anhand von Strikeouts, Walks und zugelassenen Home Runs.
- Pitcherleistung isolieren: Die Kennzahl trennt den Beitrag eines Pitchers von der Defensive und ermöglicht eine klarere Bewertung.
- Grenzen von FIP: FIP ist zwar nützlich, kann aber Fähigkeiten wie das Verhindern harter Kontakte übersehen. Daher sollten zur Bewertung mehrere Kennzahlen herangezogen werden.
Wie erklärt Smart Baseball die Auswirkungen von Statcast-Daten?
- Revolutionäre Datenquelle: Statcast liefert detaillierte Informationen zu Spielerbewegungen und Pitch-Merkmalen und ermöglicht so eine präzise Leistungsanalyse.
- Verbindung mit Scouting: Statcast ergänzt traditionelles Scouting durch objektive Messwerte, die Bewertungen stützen.
- Auswirkungen auf die Zukunft: Die fortlaufende Analyse von Statcast-Daten wird die Zukunft des Baseballs prägen und die Spielerentwicklung sowie Strategien beeinflussen.
Welche Herausforderungen entstehen laut Smart Baseball bei der Integration von Analysen in den Teamalltag?
- Kultureller Widerstand: Die Ablehnung durch Traditionalisten kann die vollständige Integration von Analysen erschweren, die entscheidend ist, um den größtmöglichen Nutzen aus Daten zu ziehen.
- Datenflut: Die Datenmenge kann überwältigend sein. Deshalb braucht es wirksame Strategien für Verwaltung und Interpretation.
- Daten und Intuition in Einklang bringen: Erfolgreiche Teams verbinden Analysen mit der Intuition und Erfahrung von Scouts und Coaches.
PDF herunterladen
EPUB herunterladen
.epub eignet sich ideal zum Lesen auf Smartphones, Tablets und E-Readern.