Dieses Buchkapitel befasst sich mit der Anwendung von Techniken des maschinellen Lernens (ML) im Handball. Die Forschung im Handball ist traditionell auf manuelle Datenannotationen angewiesen. Die jüngsten Fortschritte im Bereich des ML, insbesondere bei der Erkennung von Aktionen, der Leistungsvorhersage, der Erkennung von taktischen Mustern, der Modellierung von erwarteten Toren und der Erkennung von Sequenzen, bieten jedoch neue Möglichkeiten für eine detaillierte Spielanalyse. Durch die Nutzung von Video-, Event- und Sensordaten können Forscher und Praktiker nun die Extraktion komplexer Spielphasen automatisieren, zukünftige Leistungen vorhersagen und taktische Muster erkennen. Die Einführung von Frameworks wie FAUPA-ML zeigt das Potenzial, domänenspezifisches Wissen auf große Datensätze zu skalieren, und ermöglicht die Analyse großer Datenmengen ohne die limitierenden Kosten der manuellen Annotation. Dieses Kapitel unterstreicht die Bedeutung von ML für die Verbesserung unseres Verständnisses des Sportspiels Handball, für die Bereitstellung von Werkzeugen für Trainer und Analysten zur Verfeinerung von Trainingsprozessen und zur strategischen Vorbereitung auf Gegner sowie für den Übergang zu datengesteuerten Ansätzen in der Sportanalyse.