Sport er for længst blevet et høj-teknologisk felt: Sensorer, videoanalyse og performance-metrikker leverer store datamængder. Men den egentlige værdi opstår først, når dataene korrekt kan fortolkes og oversættes til beslutninger – for eksempel i spilanalyse, træningsstyring eller rehabilitering. Det er præcis her, den nye studieretning sætter ind.
"Fodbold genererer i dag enorme datamængder. Men den reelle merværdi opstår først i dialogen mellem data-science-eksperter og fagfolk fra sporten. Denne dialog er central og bliver muliggjort af denne studieretning – kandidaterne skal gøre sportsorganisationer klar til brugen af AI," siger Thomas Bernhard, atletiktræner for U21-landsholdet ved det Schweiziske Fodboldforbund.
Praktisk kompetenceprofil for sport analytics og AI-applikationer
I studieretningen Data Science & AI for Sports erhverver de studerende sig solid viden inden for programmering, statistik, dataanalyse og machine learning og specialiserer sig i sportsrelaterede applikationer, herunder:
- Ydelsesdiagnostik, atletudvikling og -selektion for klubber og forbund.
- Automatiseret analyse af kvalitative oplysninger ved hjælp af KI til sportspsykologer.
- Brug af wearables til personlig præventiv medicin.
- Databaseret analyser og business insights til sportsledere.
"Vi forbinder de nyeste data-science- og AI-kompetencer med et anvendelsesfelt, der begejstrer mange mennesker. Samtidig er vores studiemodel opbygget således, at forskellige livsvirkeligheder har plads. Det gør det særligt attraktivt for studerende i elitesport, i erhvervslivet eller med andre forpligtelser," siger Martin Rumo, programansvarlig ved University College for Computer Science FHNW.
Værdien af sportsdata viser sig i konkrete spilsituationer. I tennis kan eksempelvis video- og positionsdata bruges til at analysere under hvilke forhold, point bliver vundet - som hvordan netangreb eller løbeveje afhængig af modstanderen påvirker sandsynligheden for succes. Algoritmer genkender mønstre over tusindvis af boldvekslinger og giver databaserede anbefalinger. Sådanne spørgsmål er eksemplariske for samspillet mellem sport, data og kunstig intelligens.
Fleksibelt studie - også ved siden af træning, konkurrence eller job
Studieforløbet Data Science & Artificial Intelligence er fleksibelt og individualiseret og kan gennemføres på fuld tid eller deltid. Forløbet bygger på få faste obligatoriske møder, forskellige læringsveje og et coaching-program, der understøtter de studerende i undervisningsorganisation og videreudvikling.
Dimittender kvalificerer sig blandt andet til aktiviteter som sportsdataanalytiker, sport dataingeniør, rehabiliteringsdataanalytiker eller business strategy analyst inden for sportsområdet. Da de erhvervede data-science- og AI-kompetencer kan anvendes på tværs af sektorer, åbner der sig også perspektiver uden for sportssektoren, såsom i sundhed, industri, energi, mobilitet eller finans.
Efterspørgslen efter data-science- og AI-kompetencer vokser stærkt på tværs af sektorer. Med "Data Science & AI for Sports" styrker University College for Computer Science FHNW sin profilering i et fremtidsrelevant vækstområde.
Studieretningen starter i efterårssemestret 2026 ved University College for Computer Science FHNW i Brugg-Windisch.