„I skate where the puck is going to be, not where it has been” (Wayne Gretzky, zit. nach Gallo, 2012): Genauso wie Eishockeylegende Wayne Gretzky die „Zukunft des Spiels“ lesen konnte und sich so einen individuellen Vorteil zur Konkurrenz erarbeiten konnte, möchten heutzutage High-Performance-Teams im Sport anhand von Innovationen sich einen Vorteil gegenüber anderen Teams erarbeiten. Im Teamsport sind umfassende Spielerstatistiken, sogenannte Sabermetrics, zum neuen Standard geworden: Während in den 1980er-Jahre in Nordamerika das Aufbereiten von Spielerstatistiken erst langsam begann, wurden diese im folgenden Jahrzehnt stets umfangreicher. Berühmtheit erlangte 2002 das Beispiel des Sportchefs der Oakland Athletics (Baseball), Billie Beane, dessen Team für die Saison allein aufgrund von Spielerstatistiken neu zusammengesetzt wurde: Das Team konnte eine beispielslose Siegesserie abliefern und ist bis heute das Beispiel schlechthin für den Erfolg von Big Data im Sport (siehe Spielfilm: Moneyball – The Art of Winning an Unfair Game, 2011).

Heutzutage ist Big Data im Sport allgegenwärtig und in nahezu allen Sportarten präsent sowie von Verbänden auch proaktiv gefördert: So bietet der Schweizer Eishockeyverband (SIHF) beispielsweise umfassende Spielerstatistiken ihren Vereinen an und Analysen zu statistisch erwarteten Toren und Gegentoren anhand von Spielerstatistiken sind im Eishockey weitverbreitet – sogenannte Expected Goal (xG) Statistiken. Doch so sehr Sabermetrics eine magische Teamkomponente zu haben scheinen, basieren diese Spielstatistiken doch einzig und allein auf individuellen Spielereigenschaften. Und obwohl Teamerfolg vom Leistungsvermögen der Einzelspieler abhängt, gibt es genügend Beispiele von „Traumteams“, wo die Besten der Besten zusammenspielen, jedoch nicht den erwarteten Erfolg erzielen. Was also macht ein Team im Zusammenspiel erfolgreich? Gibt es einen weiteren Erfolgsfaktor auf Teamebene, der mit der Leistung und dem Erfolg zusammenhängt?

Im Rahmen der Masterarbeit von Eliah Knecht wurden professionelle Eishockeyteams aufgrund ihrer Teampassung, d.h. der Zusammensetzung von Persönlichkeitsmerkmalen, und ihrer sportlichen Leistung untersucht. Basierend auf einer wissenschaftlich, ab 2015 entwickelten Methode (siehe www.code18.team) wurden bei 4 Eishockeyteams der Swiss League die entscheidenden Persönlichkeitsmerkmale gemessen: insgesamt umfasste die Stichprobe 82 professionelle Eishockeyspieler.
Anschliessend wurden die Spiele der 4 Eishockeyteams über die Hälfte der Saison bezüglich ihrer Passung analysiert, d.h. der Teamzusammensetzung auf dem Eis (im Eishockey Blöcke genannt) und bezüglich des sportlichen Erfolgs: der Anzahl erzielter Tore und der Anzahl erhaltener Gegentore. Insgesamt wurden so 63 Spielerkombinationen untersucht à 3, 4 oder 5 Spieler pro Block – wobei nur Tore und Gegentore bei numerischer Gleichheit berücksichtigt wurden. Anhand der mathematisch berechneten Passung wurde statistisch überprüft, ob eine ideale Teampassung zu mehr Erfolg führt, d.h. zu mehr erzielten Toren, und eine nicht optimale Teampassung zu Misserfolg führt, d.h. zu mehr erhaltenen Gegentoren.