Ford's Faux Pas

Der Draft, der wie ein Traum fühlte

Es war Juni 2016 – nur wenige Wochen nach dem NBA-Draft 2016 – und Chad Ford veröffentlichte seine ersten Prognosen für den Draft 2017. Ich erinnere mich genau: in meinem Zimmer im Studentenwohnheim von Northwestern, halb-koffeiniert und voller Skepsis. »Josh Jackson Nummer 1?«, murmelte ich laut. »Wirklich?«

Die Liste hatte alle Merkmale eines Hochrisikospiels: gewagte Picks, emotionale Geschichten und genug Stimmung für eine ganze Saison Debatten.

Warum es mich immer noch verfolgt

Ich möchte klarstellen: Ich verlache nicht den Mann, der Luka Dončić vor seiner College-Zeit vorhergesagt hat. Aber dieses Mal? Es fühlte sich an wie Prophezeiung mit defektem System.

Jackson wurde Nummer 4 – trotz Nummer-1-Ranking bei Ford. Marvin Bagley III fiel aus Top-3-Gesprächen in eine lange Rookie-Challenge. Und Jalen Brunson? Ganz außen vor den Top-50.

Als jemand, der maschinelles Lernen für Spielerentwicklung nutzt – mit Schusscharts, Einsatzquoten und Verteidigungsstatistiken – fühlte es sich an wie Zuschauen beim Arbeiten einer KI auf Basis von Gefühlen statt Daten.

Die Mathematik hinter dem Wahnsinn

Ich habe mein eigenes Regressionsmodell auf Basis der prognostizierten Picks gegenüber echten Ergebnissen erstellt – mit ESPN-Daten und Stathead-Scores. Was dabei herauskam? Keine Überraschung: Bestätigung.

Die Spieler mit hohen Rankings hatten höhere physische Attribute – Größe, Spannweite – aber schlechtere Konsistenz in Leistungsmetriken wie Ballverlustquote oder True-Shooting-Prozentsatz.

Dagegen stieg Jayson Tatum (Platz 4) aufgrund seiner fortgeschrittenen Statistiken – Verteidigung pro Minute und Treffergenauigkeit unter Druck – weil andere leise blieben.

Es ging nicht nur um Talent; es ging um Signalfilterung. Die Medien sehen Glanz; Daten sehen Muster.

Die stillen Gewinner: Die Übersehenen

Denken Sie daran: Wie oft loben wir einen Spieler erst nach seinem Erfolg? Die Übersehenen waren nicht kaputt – sie wurden einfach durch narrative Systeme missverstanden. Isaac White von Davidson? Außerhalb des Top-60 trotz exzellenter Assists pro Ballverlust in einer harten Konferenz. Tyler Davis von Texas Tech? Defensive Säule unter ‘zu klein’-Kommentaren trotz Blockquote über Durchschnittswert für Frischlinge seit 2018. Das sind keine Ausreißer – das sind Symptome systemischer Bias im Scouting: zu viel Wert auf Größe, zu wenig auf Intelligenz.

Was das heute bedeutet – und für Sie

In meiner Arbeit an Echtzeit-Draft-Prognose-Tools mit TensorFlow-Modellen basierend auf sechs Jahrzehnten Spielerentwicklung … komme ich immer wieder zu diesem Moment zurück. Die Wahrheit ist einfach: Wir brauchen keine weiteren Scouts – wir brauchen bessere Filter. Nicht nur zur Talentfindung, sondern auch zur Chancengerechtigkeit in Bezug auf Rasse, Schulsitzgröße, Geografie … sogar Social-Media-Auftritt. Der tiefste Einblick ist nicht wer draftet wurde – sondern wer hätte draht sein sollen… doch unsichtbar blieb, weil wir unsere eigenen Geschichten glaubten. Also fragen Sie sich beim nächsten Mal: »Wird dieser Spieler bewertet oder meine Vorstellung von Großartigkeit?« P.S.: Welcher Pick überraschte Sie am meisten? Hat Ihnen jemals Ihr Potenzial gefehlt… bevor es endlich ankam?