Die United States Tennis Association, kurz USTA, und ihr langjähriger Technologiepartner IBM haben für die US Open 2026 ein Paket neuer KI-gestützter Werkzeuge vorgestellt. Die Neuerungen verbinden Computer Vision mit generativen Agentensystemen, um sowohl das sportliche Geschehen präziser zu quantifizieren als auch Fans unmittelbar am Court einzubinden. Im Zentrum der technischen Modernisierung stehen dabei zwei Neuerungen: ein biometrisches Erfassungssystem für den Aufschlag und ein interaktiver Chatdienst in der offiziellen Turnier-App.
Für die neue Kennzahl namens Serve Quality wurden hochauflösende Spezialkameras rund um das Arthur Ashe Stadium installiert. Diese Computer-Vision-Systeme erfassen während des Aufschlagvorgangs rund 50-mal pro Sekunde mehr als 21 Gelenk- und Raumkoordinaten des Spielers. Gemessen werden unter anderem die Kniebeugung, die Schulterrotation sowie die Beschleunigungswerte von Handgelenk und Schlägerkopf über insgesamt acht klar definierte Phasen des Aufschlags hinweg.
Die anfallenden Sensordaten fließen in ein mathematisches Modell ein, das die kinematische Kette bewertet und in einem zusammenfassenden Effizienz-Score von 0 bis 100 abbildet. Diese Metrik dient nicht allein der Unterhaltung des Publikums bei Fernsehübertragungen, sondern steht den Trainerteams zur Verfügung. Coaches erhalten damit die Möglichkeit, Aufschlagmuster der Konkurrenz detailliert aufzuschlüsseln und technische Schwächen in der eigenen Bewegungskette schneller zu lokalisieren.
Ergänzend zur Biomechanik-Erfassung rollt IBM eine interaktive Dialogfunktion namens Match Chat aus. Das System basiert auf der Middleware IBM watsonx Orchestrate und greift auf einen speziell trainierten Agenten-Stack zurück, der mit umfangreichen historischen und aktuellen Tennisdaten gefüttert wurde. Nutzer der offiziellen Turnier-App können dem Assistenten während laufender Matches gezielte Fragen stellen, etwa zu direkten Duellen der Profis oder taktischen Auffälligkeiten im Matchverlauf.
Parallel dazu verarbeitet die Plattform Metriken wie Likelihood to Win nach jedem einzelnen Ballwechsel, um entscheidende Spielphasen automatisiert zu identifizieren. Sobald eine relevante Verschiebung des Momentums registriert wird, erstellt das System automatische Erläuterungen und markiert sogenannte Key Moments für die Berichterstattung. Damit zeigt sich, wie Sportveranstalter Machine Learning nicht mehr nur als Spielerei am Rande betrachten, sondern komplexe Datenströme direkt in taktische Auswertungen und digitale Produkte verwandeln.