Känslan räcker inte längre – algoritmerna tar över taktikrummet inför VM 2026

När datorn börjar förstå spelet

Det finns en gammal sanning i fotboll: spelet avgörs av intuition, erfarenhet och den där omätbara känslan hos en skicklig tränare. Den sanningen håller på att revideras – grundligt.

Jesse Davis, professor i datavetenskap vid KU Leuven i Belgien, leder ett forskningslabb som använder artificiell intelligens och statistisk analys för att kartlägga fotbollens taktiska landskap. Resultaten, som MIT Technology Review lyfter fram, är både överraskande och provocerande för traditionella fotbollstänkare. Ett exempel: att avsiktligt sparka bollen i touch direkt vid avspark kan – i rätt sammanhang och med rätt uppföljning – faktiskt vara en strategiskt stark öppning. Det är exakt den typen av motintuitiv insikt som mänskliga analytiker sällan skulle bekräfta utan data.

Det handlar inte om att ersätta tränaren med en algoritm. Det handlar om att ge tränaren ett instrument som ser mönster i ett komplext system med 22 rörliga delar, där varje beslut triggar kaskader av händelser. Att extrahera meningsfull signal ur det bruset är precis vad maskininlärning är byggd för.

VM-bollen under lupp – i ordets mest bokstavliga bemärkelse

Medan AI-forskningen förändrar hur lag förbereder sig taktiskt, studerar en annan forskargrupp något till synes mer handgripligt – men minst lika tekniskt komplext: själva bollen.

Trionda heter årets officiella VM-boll, tillverkad av Adidas. Den är klädd i fyra paneler i rött, grönt och blått med djupa räfflor och symboler som hyllar de tre värdländerna USA, Kanada och Mexiko. Men det är inte designen som har sysselsatt forskargruppen vid Tsukubas universitet i Japan – det är fysiken.

I vindtunnelförsök fäste teamet bollen vid en metallstång kopplad till känsliga mätinstrument och registrerade luftmotstånd och lyftkraft vid vindhastigheter mellan sju och 35 meter per sekund – det intervall som täcker verkliga matchsituationer. Slutsatsen, som MIT Technology Review rapporterar, är att Trionda presterar väl i de flesta avseenden men att luftmotståndet vid höga hastigheter är något högre än hos föregångarna.

– Trionda kan straffa extremt långa skott en aning, men den bör belöna ren teknik och förutsägbar bana, säger John Eric Goff, idrottsforskare och tillträdande professor vid Purdue University.

Praktiskt innebär det att målvakter med vanan att slå långa utspel och spelare som provar sig på distansskott kan behöva justera sin teknik. Det är en liten förändring – men på elitnivå kan små förändringar avgöra match.

Adidas, sömmar och tjugo år av bollvetenskap

Att bollen spelar roll är egentligen ingen nyhet. Adidas har tagit fram en ny officiell VM-boll sedan 1970-talet, och varje ny modell har väckt debatt. Den avgörande vändpunkten kom 2006 då antalet sömmar minskade kraftigt och panelerna istället värmesvetsades samman – en konstruktionsförändring som ändrade bollens flygbeteende märkbart. Målvakter och spelare klagade på oförutsägbara banor, och forskarvärlden tog intresset på allvar.

Nu har det fältets metodik mognat till systematisk vetenskap med tvådecentiers erfarenhet av att mäta, modellera och jämföra. Det är i sig ett exempel på hur data och noggrann experimentdesign sakta erövrar domäner som länge styrts av erfarenhet och känsla.

Två fronter, ett skifte

Det som förenar taktikanalysens AI och vindtunnelns bollmätningar är en gemensam rörelse: fotbollen formaliseras. Det som tidigare levde i tränarens magkänsla eller spelarens nervsystem kodas nu som data, mäts, modelleras och optimeras.

Det betyder inte att det mänskliga försvinner. Tvärtom – när de grova mönstren hanteras av algoritmer frigörs utrymme för de fina. En tränare som slipper gissa om en taktik fungerar statistiskt kan lägga mer tid på att förstå sin trupp som människor. En spelare som vet exakt hur bollen beter sig vid 30 meters per sekund kan fokusera på att finslipa just den tekniken.

Inför VM 2026 är det tydligare än någonsin: datavetenskap har tagit plats i omklädningsrummet. Frågan är inte längre om – utan hur djupt.