Der Aufschwung von Big Data hat die Fußballanalyse verändert und bietet durch die große Menge, die hohe Geschwindigkeit und die große Vielfalt an Informationen umfassende Einblicke. Der potenzielle Nutzen dieser Daten ist immens und bietet ein tieferes Verständnis von Mannschaftstaktik, Spielerleistung und mehr. Allerdings müssen die Herausforderungen bei der Datenverwaltung und -verarbeitung bewältigt werden. Das maschinelle Lernen (ML) hat sich zu einem wirkungsvollen Werkzeug in der Fußballanalytik entwickelt. Es wird eingesetzt, um Ereignisse zu analysieren, die Leistung von Spielern zu bewerten, Verletzungen vorherzusagen und Mannschaftstaktiken einzuschätzen. Die Anwendungen reichen von der Vorhersage von Spielergebnissen bis zur Messung individueller und kollektiver Leistungen. Offene Datensätze fördern die laufende Forschung in diesem Bereich. Die Wissensentdeckungspipeline im Fußball umfasst Datenerfassung, Vorverarbeitung, Auswertung, Modellierung und Bewertung. Dieser iterative Prozess unterstützt die Leistungsmessung, die Ermittlung von Erfolgsfaktoren und die Ergebnisvorhersage. Bibliotheken wie Floodlight, Codeball, soccermatics und optapro unterstützen die Analyse von Fußballdaten. Sie bieten optimierte Tools für den Umgang mit Daten, die Erstellung von Visualisierungen und die Gewinnung von Erkenntnissen. Big Data und ML revolutionieren die Fußballanalyse, während der Prozess der Wissensentdeckung und spezielle Bibliotheken tiefere Einblicke und strategische Entscheidungen ermöglichen.