Voetbalscouting draait van oudsher om passie, instinct en mensenkennis. Denk aan de ouderwetse scout met een notitieblok op een winderige tribune, op zoek naar dat ruwe talent waar hij een goed gevoel bij heeft. Jarenlang vertrouwden clubs op de neus van ervaren scouts die in een speler iets bijzonders zagen. Maar tegenwoordig sluipen data en technologie de voetbalwereld binnen en met name kunstmatige intelligentie (AI) begint scouting langzaam maar zeker te veranderen. Waar een scout vroeger afging op onderbuikgevoel, kan hij nu geholpen worden door slimme algoritmes die hem extra ogen en oren geven.
De vier vormen van voetbalscouting
In de moderne voetballerij zijn er globaal drie manieren om spelers te scouten: data scouting, video scouting en live scouting. Iedere methode heeft zijn eigen rol en AI speelt vooral een grote rol bij datascouting.
Data scouting betekent spelers beoordelen op basis van statistieken en cijfers. Hiermee kun je razendsnel honderden spelers vergelijken, van de Eredivisie tot exotische competities. Stel, je zoekt een spits – met een paar muisklikken vind je topscorers en talenten wereldwijd. Data maken scouting objectiever: je kunt eerlijker spelers naast elkaar zetten, ongeacht waar ze spelen. Het voordeel is duidelijk: je kunt snel een grote vijver vol spelers terugbrengen tot een handvol interessante namen. Maar alleen op cijfers afgaan is gevaarlijk. Voetbal is een complex spel; niet alles wat een speler goed maakt verschijnt in een statistiek. Daarom gebruiken slimme scouts data vooral als startpunt, een manier om niemand over het hoofd te zien, en combineren ze het daarna met video’s en live-observaties.
Video scouting houdt in dat je wedstrijden op beeld bekijkt in plaats van in het stadion. Platforms zoals Wyscout geven scouts toegang tot duizenden wedstrijden wereldwijd. Een scout kan vanuit huis beelden analyseren van talenten wereldwijd, zonder dure reizen. Het mooie van video is dat je op pauze kunt drukken, momenten kunt herhalen en gericht kunt zoeken naar specifieke acties. Ook worden ook alle specifieke acties van spelers getagd en opgeknipt en waardoor je heel snel hele een lijst van vergelijkbare situaties kan bekijken. Wil je weten hoe alle voorzetten of kopduels zijn van een bepaalde speler? Dat kan met video scouting heel snel. Zo kun je een speler grondig analyseren in je eigen tempo en patronen ontdekken in bepaalde situaties zonder uren aan wedstrijden hoeven te bekijken. Video scouten is efficiënter en goedkoper dan steeds van land naar land vliegen. In deze vorm van scouting zijn wij als 360 Scouting ook gespecialiseerd.
De keerzijde is dat je soms context mist: camera’s volgen vooral de bal, dus je ziet niet altijd wat een speler doet als hij níet in beeld is. Toch wordt videoanalyse steeds belangrijker, zeker nu veel wedstrijden worden opgenomen. Veel clubs combineren video met data: eerst filteren ze met statistieken de interessante namen, en daarna bekijken ze uitgebreide wedstrijdbeelden van die spelers.
Live scouting is het klassieke “ogen op de tribune”-werk: een scout die in levenden lijve een wedstrijd bijwoont. Dit blijft een onmisbaar onderdeel omdat je nu eenmaal sommige dingen alleen ter plekke goed ziet. In het stadion zie en voel je details die op video lastig te beoordelen zijn – bijvoorbeeld hoe een speler zich gedraagt in de warming-up of hoe hij reageert op tegenslag. Live scouting kost wel veel tijd en reizen; een scout kan niet overal tegelijk zijn. Daarom zetten clubs hun live-bezoeken strategisch in, vaak pas in de laatste fase als een speler via data en video al op de radar is verschenen. En eerlijk is eerlijk: uiteindelijk moet een speler het op het veld laten zien, dus de waarde van de menselijke blik blijft groot.
Netwerkscouting: Naast deze drie proactieve vormen van voetbalscouting bestaat er ook een meer reactieve methode voor het vinden van spelers: techisch directeuren krijgen continu spelers aangeboden uit hun netwerk via zaakwaarnemers, agenten of andere tussenpersonen. We kunnen deze vorm voor het gemak ‘netwerkscouting’ noemen.
In het hedendaagse professionele voetbal beperkt geen enkele club zich meer tot slechts één van deze scoutingsmethoden. Clubs hanteren vrijwel altijd eenmix van video-, data-, live- en netwerkscouting om spelers te identificeren en aan te trekken. De ene club wat succesvoller dan andere.
3 voorbeelden van AI in scouting
AI heeft vooral een grote impact op data scouting. Dankzij AI kunnen clubs nog sneller patronen ontdekken in de bergen voetbaldata die beschikbaar zijn. In plaats van handmatig door statistieken te ploegen, kan een algoritme bijvoorbeeld automatisch spitsen vinden die qua spel lijken op een specifiek voorbeeld, of verdedigers identificeren die uitzonderlijk goed zijn in zowel tackelen als passen. Ook bij video scouting begint AI te helpen (denk aan automatische clips van alle balcontacten van een speler, of computer vision die spelers en hun acties herkent in beeld). De kern is: data + AI vormen een nieuw wapen voor scouts om efficiënter en breder te speuren naar talent. Laten we drie concrete voorbeelden toelichten hoe AI nu al in de praktijk wordt gebruikt bij voetbalscouting:
#1: Twelve Football: AI-assistent via WhatsApp
Een verrassend toegankelijk voorbeeld van AI in scouting komt van Twelve Football, een Zweedse startup. Zij hebben een tool ontwikkeld genaamd “Earpiece” die je via WhatsApp kunt gebruiken alsof je met een slimme scout-chatbot praat. In feite hebben ze GPT-technologie (zoals ChatGPT) geïntegreerd in WhatsApp. Stel je bent een scout of trainer en je wilt snel iets weten over een speler – je stuurt simpelweg een appje met “Vertel me over Jurriën Timber” en binnen enkele seconden krijg je een uitgebreid rapport terug in normale mensentaal. De AI zet een berg complexe data om in een leesbaar verhaal: wat zijn de sterke punten van Timber, waar liggen zijn verbeterpunten, hoe presteert hij de laatste wedstrijden? Het is alsof je een persoonlijk analyse-assistentje in je telefoon hebt. Zo’n AI-assistent bespaart tijd en geeft snel inzicht, zodat scouts en coaches vlotter beslissingen kunnen nemen. In plaats van uren data uitpluizen, krijg je in één minuut een helder antwoord op je telefoon.
#2: Sevilla FC: scouten met een eigen AI model
Niet alleen startups, maar ook topclubs omarmen AI. Een toonaangevend voorbeeld is Sevilla FC uit Spanje. Sevilla’s data-afdeling heeft samen met Meta (Facebook) en IBM een eigen AI-model gebouwd, gebaseerd op Meta’s LLaMA-taalmodel. Ze noemen het hun Scout Advisor. Sevilla’s scouts kunnen hiermee in het Spaans of Engels een vraag stellen over het type speler dat ze zoeken, en de AI doorzoekt dan de enorme interne database aan scoutingssrapporten. Vroeger kostte het scouts uren of nog langer om al die verslagen door te spitten; nu krijgen ze in seconden een lijst met spelers plus een samenvatting van hun belangrijkste eigenschappen. Zo slaan ze een brug tussen menselijke kennis en data. Een scout hoeft niet meer 200 uur aan rapporten te lezen om een shortlist te analyseren, de AI presenteert meteen de essentie. Het resultaat? De scoutingafdeling kan veel sneller en gerichter werken. Sevilla loopt hiermee voorop en andere clubs kijken nieuwsgierig mee.Voor Sevilla is het een manier om in de competitieve spelersmarkt nét dat streepje voor te hebben op de concurrentie.
#3: Eyeball: wereldwijd jeugdspelers vinden met video en AI
Naast clubspecifieke projecten zijn er ook platformen die scouting fundamenteel veranderen. Eyeball is zo’n platform dat inzet op het gebruik van AI, met focus op jeugdvoetbal over de hele wereld (hiermee zijn ze een concurrent van het eerdere genoemde Wyscout). Hun motto is veelzeggend: “Talent is overal” en “Zichtbaarheid creëert kansen.” Het idee: er loopt in elke uithoek wel talent rond, maar zonder zichtbaarheid wordt het nooit ontdekt.
Eyeball plaatst daarom overal betaalbare camera’s bij jeugdwedstrijden, van de Parijse voorsteden tot dorpen in Senegal, en neemt wekelijks duizenden wedstrijden op. Vervolgens komt de AI in actie: met computer vision herkent het systeem automatisch de spelers op het veld, volgt het hun bewegingen en registreert het alle belangrijke acties. Eyeball haalt zo statistieken uit de video (sprintsnelheid, afstanden, schotkracht, etc.), zonder dat dure GPS-hesjes of tientallen analisten nodig zijn – een eenvoudige camera volstaat. Die berg data belandt in een gigantische database die clubs kunnen doorzoeken met slimme filters en intelligente zoekfuncties. Het gevolg van dit alles is dat clubs veel sneller en breder kunnen scouten dan vroeger. Een Premier League-club kan nu dankzij Eyeball net zo makkelijk een talent uit Ivoorkust opmerken als eentje uit de eigen regio. Sterker nog, Eyeball speelde een rol bij het vroeg in beeld brengen van spelers als Patrick Dorgu – een Deense linksback die via Lecce’s jeugd uitgroeide tot een topper die Manchester United onlangs voor 30 miljoen euro kocht. Zulke klappers tonen hoe belangrijk het is om er vroeg bij te zijn. Co-founder David Hicks van Eyeball verwoordde het treffend: “Door AI heeft scouting ineens geen grenzen meer; een club kan nu net zo makkelijk een talent in Afrika ontdekken als een talent om de hoek.” Met andere woorden, AI en video hebben de wereldkaart opengebroken voor talentenjacht.
Wat betekent dit voor scouts en spelers?
De intrede van AI in scouting verandert het werk van scouts wezenlijk. Een scout kan nu in één middag een longlist van 1000 spelers terugbrengen naar 10 interessante namen met behulp van data-analyse en AI-filtering, waar dat vroeger misschien weken duurde. Daardoor kan hij zich focussen op de echte kern: de beste spelers uit die selectie daadwerkelijk beoordelen en leren kennen. Scouts kunnen nu breder kijken zonder zaken over het hoofd te zien. Van een talent in de Zweedse tweede divisie tot een ruwe diamant in een Afrikaans land, als de data goed is, duikt zo iemand op de radar. Het werk wordt ook objectiever: feiten (zoals statistieken en AI-analyses) vormen de basis, en de scout voegt daar zijn interpretatie aan toe. Het romantische beeld van de scout met alleen een opschrijfboekje maakt dus plaats voor een scout met een laptop vol dashboards – maar zijn expertise blijft nodig om de cijfers te duiden.
Ook voor spelers heeft deze ontwikkeling gevolgen. Aan de ene kant is het goed nieuws: talentvolle spelers krijgen nu makkelijker een kans om ontdekt te worden, ook al spelen ze bij een kleine club. Een mooi voorbeeld is Ben Greenwood, een jonge voetballer die zijn kans al bijna verloren waande. Hij deed mee aan een proef via een AI-scoutingapp (van ai.io) waar hij zijn vaardigheden kon laten meten door AI. Op basis van die data werd hij uitgenodigd voor een stage bij Chelsea. Uiteindelijk tekende hij niet bij Chelsea, maar dankzij die stage stond hij op de kaart – inmiddels speelt Greenwood bij Premier League-club Bournemouth.
“Voorbij is de tijd dat je moet hopen en dromen dat er toevallig een scout langs de lijn staat – we kunnen je nu met je eigen smartphone al voor die scout krijgen,” Richard Felton-Thomas van ai.io
Deze anekdote laat zien hoe AI nieuwe deuren opent voor ambitieuze spelers. Dankzij data en video kunnen zij zichzelf in de etalage zetten, zonder te hoeven wachten tot er toevallig een scout langs de lijn staat. Natuurlijk betekent het ook dat spelers zich bewuster worden van hun ‘cijfers’: ze weten dat zaken als sprintsnelheid, balverlies of schotnauwkeurigheid nu allemaal worden bijgehouden. Sommigen gaan misschien extra letten op hun statistieken om in de smaak te vallen bij de data-analisten. Maar uiteindelijk – of je nu ontdekt wordt via een app, een videohighlight of een ouderwetse scout – je moet het op het veld laten zien.
Ondanks alle voordelen zijn er ook beperkingen en redenen waarom de menselijke touch onmisbaar blijft. AI en data kennen de context niet zoals een mens die voelt. Een algoritme kan bijvoorbeeld niet zien of een speler leiderschapskwaliteiten heeft in de kleedkamer, of hoe hij omgaat met kritiek van een trainer. Cijfers vertellen niet het hele verhaal: misschien heeft een aanvaller lage ‘xG’-statistieken, maar paste hij gewoon niet in het systeem van zijn vorige club en bloeit hij elders op. Een scout met mensen- en voetbalkennis kan zulke nuances aanvoelen door met de speler en zijn trainers te praten en de persoonlijkheid in te schatten en zijn prestaties in bepaalde (andere) spelsystemen beter inschatten.
Daarnaast is data altijd gebaseerd op het verleden; een goede scout ziet soms iets in een speler dat (nog) niet in de statistieken zichtbaar is – een bepaalde flair of gewoon een winnaarsmentaliteit. AI kent ook de wetten van voetbalcultuur niet: hoe vertaal je bijvoorbeeld de branie van een straatvoetballer in data? Kortom, AI is vooral een hulpmiddel, niet de heilige graal. De beste resultaten krijg je als intelligente systemen samenwerken met ervaren voetbalogen. De scout van de toekomst is misschien meer analist dan vroeger, maar zijn intuïtie en ervaring blijven cruciaal om ruwe data om te zetten in een kloppend oordeel.
Krachtig hulpmiddel voor kenners
AI geeft clubs ongekende nieuwe hulpmiddelen om sneller te handelen op de transfermarkt en talent te ontdekken in alle hoeken van de aarde. Maar ondanks alle technologie blijft scouting ook mensenwerk. De slimste clubs zijn diegenen die het beste van twee werelden combineren: ze gebruiken AI en data om geen talent onopgemerkt te laten en om sneller beslissingen te nemen, maar vertrouwen op hun mensen om de juiste context te zien en de knoop door te hakken.
Kortom: AI geeft scouts superscherpe ogen en een wereldwijd bereik, maar het ouderwetse voetbalinstinct en kennersoog blijft onmisbaar voor de juiste keuzes.
Peter Minkjan is marketingstrateeg & ondernemer en actief in de voetbalwereld als mede-eigenaar van 360 Scouting. Met hun team van video scouts helpen zij voetbalclubs wereldwijd om talent te ontdekken door de beste video scouts aan clubs te koppelen.
Nog geen reacties
Geef je mening Cancel