Voor zijn masterafstudeeronderzoek binnen de opleiding Computer Science aan de Universiteit Twente ging Jelle Maas precies met die vraag aan de slag. In samenwerking met FC Twente onderzocht hij hoe invallers de prestaties van professionele voetbalteams beïnvloeden en hoe data en machine learning kunnen bijdragen aan scouting en wisselstrategieën.
Voor Jelle voelde het onderwerp meteen logisch. Voetbal speelt namelijk al jaren een grote rol in zijn leven. “Ik voetbal al sinds mijn zesde en heb bijna op elke positie gespeeld,” vertelt hij. “Om die passie te kunnen combineren met mijn studie voelde het alsof alles perfect op zijn plek viel.”
Wat verandert er na een wissel?
Een wissel is meer dan één speler die een ander vervangt. Wanneer een speler invalt, kan dat invloed hebben op positionering, onderlinge afstemming en tactische keuzes binnen het team. De impact is dus niet alleen individueel, maar ook collectief. In zijn onderzoek combineerde Jelle verschillende databronnen. Daarmee keek hij niet alleen naar individuele acties, maar ook naar het effect van wissels op het team als geheel. Hoe verandert de dynamiek van een elftal? Wat gebeurt er tactisch na een wissel?
Met behulp van machine learning analyseerde hij grote hoeveelheden data om patronen te herkennen. Niet om één specifieke wedstrijd te verklaren, maar om bredere structuren zichtbaar te maken in hoe teams functioneren na een wissel. Die technieken maken het mogelijk om spelersprofielen te vergelijken en om beter te begrijpen hoe nieuwe spelers of invallers in een team passen.
Zijn achtergrond als voetballer hielp hem daarbij. Veel patronen in de data herkende hij direct vanuit zijn eigen ervaring op het veld. Tegelijkertijd ontdekte hij ook de grenzen van data. “Data kan veel inzichten opleveren,” zegt Jelle. “Maar als je niet begrijpt waar die data precies over gaat, blijft het lastig om er de juiste betekenis aan te geven.”
Spelers vergelijken met data
Naast wisselmomenten richtte Jelle zich ook op scouting. Hoe kun je met data beter beoordelen welke spelers bij elkaar passen of geschikt zijn voor een team? Met behulp van machine learning en statistische analyses vergeleek hij spelers op basis van hun prestaties. Zo kun je spelers niet alleen op losse cijfers bekijken, maar hun profiel in breder perspectief plaatsen. Dat kan helpen bij het herkennen en inpassen van nieuwe spelers of invallers binnen een team.
Zijn onderzoek laat zien dat machine learning een waardevolle aanvulling kan zijn bij scouting en bij het nemen van beslissingen rondom wissels. Data vervangt het oordeel van trainers en scouts niet, maar kan hun keuzes wel beter onderbouwen.
Volgens Jelle liggen er op dit gebied nog veel mogelijkheden. “Het hangt natuurlijk sterk af van welke data beschikbaar is,” zegt hij. “Maar ik denk dat er naast mijn onderzoek nog veel meer mogelijk is. Zelf zou ik bijvoorbeeld denken aan het monitoren van de fitheid van een speler tijdens een wedstrijd, het aanpassen van de opstelling op basis van de tegenstander of het bepalen van ideale wisselmomenten.”
Studeren op het snijvlak van wetenschap en topsport
Het onderzoek van Jelle laat zien hoe data en wetenschap nieuwe inzichten kunnen bieden in een complexe teamsport als voetbal. Voor Jelle zelf was het project ook een bijzondere ervaring. Afstuderen bij een profclub gaf hem een uniek kijkje achter de schermen van het topvoetbal.
“Hoe groot is de kans dat je bij een profclub mag afstuderen?” zegt hij. “Het project heeft mij veel geleerd en ook veel mooie verhalen opgeleverd.” Het bevestigde bovendien zijn interesse in de sector: “Ik zou in de toekomst graag nog eens terugkeren naar deze wereld. Er liggen ontzettend veel mogelijkheden om data toe te passen.”
Binnen de master Computer Science aan de Universiteit Twente werken studenten aan vraagstukken op het gebied van data science, kunstmatige intelligentie en algoritmes. Theorie en praktijk komen daarbij samen in realistische en complexe omgevingen. Voor studenten betekent dat dat zij niet alleen leren hoe modellen werken, maar ze ook toepassen in actuele contexten. Of het nu gaat om voetbal, zorg of hightechindustrie: data speelt een steeds grotere rol. Misschien staat data niet op het veld. Maar het speelt wel degelijk mee!
