Mannschaftsdynamik im Profisport — was die Forschung weiß

Die Frage, wie aus elf, fünf oder sechzehn Einzelspielern eine Mannschaft entsteht, ist nicht neu. Neu ist, wie präzise sich diese Frage heute beantworten lässt. In den vergangenen zehn Jahren hat die Sportwissenschaft den Sprung von der Einzel-Variable zur multimethodischen Diagnostik vollzogen — und dabei eine Reihe von Annahmen revidiert, die in der Praxis vieler Vereine bis heute fortleben. Dieser Beitrag fasst den aktuellen Forschungsstand zusammen und zeigt, wo die Wissenschaft trägt, wo sie noch lückenhaft ist und welche methodischen Ableitungen daraus für die Praxis tatsächlich möglich sind.

Vom Einzelmarker zum integrierten Bild — die methodische Verschiebung

Wer in den frühen 2010er-Jahren Mannschaftsleistung erklären wollte, griff zu wenigen Variablen: Laufleistung, Sprintzahl, vielleicht Cortisol. Diese Reduktion war notwendig, weil die Datenerhebung aufwendig und die Auswertungslogik linear war. Mit dem Einzug von Sensorik, computergestützter Analytik und besser standardisierter Speichel- und Blutdiagnostik hat sich das verschoben. Die Sportwissenschaft arbeitet heute regelmäßig mit kombinierten Datensätzen aus physiologischen Markern, sozialwissenschaftlichen Fragebögen und positionsbezogenen Tracking-Daten.

Was zunächst nach mehr Komplexität klingt, ist in der Auswertung paradoxerweise robuster. Einzelmarker waren immer störanfällig — ein erhöhter Cortisol-Wert kann ebenso aus Schlafmangel wie aus Trainingsbelastung resultieren. Die parallele Erhebung mehrerer Variablen erlaubt es, Muster statt Punktwerte zu lesen. Das ist der eigentliche Paradigmenwechsel: weg von der Frage „Wie hoch ist Marker X?“, hin zur Frage „Welche Marker bewegen sich gemeinsam — und in welche Richtung?“

Für die Praxis bedeutet das: Wer heute belastbare Entscheidungen über Mannschaftszusammensetzung, Belastungssteuerung oder Transferentscheidungen treffen will, kommt mit Einzeldaten nicht weiter. Die Frage ist nicht mehr, ob multimethodisch gearbeitet wird, sondern welche Methoden sinnvoll kombiniert werden.

Team-Kohäsion — was vier Jahrzehnte Forschung zeigen

Der wissenschaftliche Begriff der Team-Kohäsion geht auf die Arbeiten von Albert Carron und seinem Umfeld zurück. Carron, Brawley und Widmeyer entwickelten Mitte der 1980er-Jahre das Group Environment Questionnaire (GEQ), das bis heute das am häufigsten eingesetzte Instrument zur Erfassung von Mannschaftszusammenhalt ist (Carron, Brawley & Widmeyer, 1985). Die zentrale Unterscheidung, die seither die Forschung prägt, ist die zwischen aufgabenbezogener und sozialer Kohäsion.

Aufgabenbezogene Kohäsion (Task Cohesion) beschreibt, wie geschlossen eine Mannschaft auf gemeinsame Leistungsziele ausgerichtet ist. Soziale Kohäsion (Social Cohesion) bezieht sich auf die zwischenmenschliche Verbundenheit der Spieler unabhängig von der Aufgabe. Die langjährige Forschung von Carron und Eys (Carron & Eys, 2012; Beauchamp & Eys, 2014) zeigt: Es ist primär die aufgabenbezogene Kohäsion, die mit Leistungsergebnissen korreliert — die soziale Kohäsion stabilisiert, ersetzt aber keine aufgabenbezogene Ausrichtung.

Das ist methodisch konsequent — und steht im Gegensatz zur verbreiteten Vereinspraxis, in der „Mannschaftsabende“ und „Teambuilding“ oft auf sozialen Zusammenhalt zielen, ohne die aufgabenbezogene Dimension systematisch zu adressieren.

Eine zweite Forschungslinie, die in den letzten zehn Jahren an Gewicht gewonnen hat, ist die Anwendung sozialer Netzwerkanalyse auf Mannschaftsteams. Wäsche et al. (2017) haben gezeigt, dass sich Mannschaften als Netzwerk modellieren lassen, in dem nicht alle Verbindungen gleich gewichtet sind. Bestimmte Spieler — in der Netzwerkforschung als „Bridge Players“ bezeichnet — verbinden Teilgruppen, die ohne sie isoliert blieben. Das Ausscheiden eines Bridge Players (durch Verletzung, Transfer oder schwindende Form) verändert die Netzwerkstruktur überproportional zur statistischen Bedeutung des Einzelspielers.

Für die methodische Praxis folgt daraus: Mannschaftsanalyse, die ausschließlich auf individuelle Leistungsdaten schaut, übersieht systemische Effekte. Wer Bridge-Funktionen identifizieren will, muss die Beziehungsstruktur — nicht nur die Leistungsstruktur — sichtbar machen.

Biomarker im Teamsport — was tragfähig ist, was nicht

Die biomedizinische Begleitung von Mannschaften ist heute in vielen Profivereinen Routine. Die Methodensicherheit ist dabei sehr unterschiedlich. Drei Bereiche verdienen eine ehrliche Einordnung.

Herzratenvariabilität (HRV). Die Arbeiten von Plews et al. (2013) und Buchheit (2014) haben HRV als Marker für autonome Regulation und Erholungsstatus etabliert. Im Teamsport-Kontext wurde die Methodik unter anderem durch Längsschnittdesigns weiterentwickelt. Wichtig: HRV ist ein Verlaufsmarker, kein Punktwert. Ein einzelner HRV-Wert ist kaum interpretierbar — erst die individuelle Baseline und ihre Abweichungen über mehrere Wochen ergeben ein belastbares Bild. Für Teams bedeutet das: HRV ist nur dann nutzbar, wenn konsistent erhoben und individuell referenziert wird.

Aminosäure-Profile. Die Forschung zu Aminosäure-Bedarf und -Versorgung im Leistungssport (Tipton & Wolfe, 2004; Witard et al., 2014) ist methodisch weit fortgeschritten, in der Mannschaftspraxis aber noch wenig systematisch angewendet. Aminosäure-Profile geben Hinweise auf Regenerationskapazität, Muskelproteinsynthese und in begrenztem Umfang auf Stoffwechselbelastungen. Limitation: Standardwerte sind nur eingeschränkt verallgemeinerbar. Der individuelle Bedarf variiert mit Trainingstyp, Saisonphase und genetischem Profil erheblich.

Salivary Biomarkers. Cortisol, sekretorisches Immunglobulin A (sIgA) und Testosteron lassen sich nicht-invasiv aus Speichel bestimmen und sind in der Teamsport-Diagnostik etabliert (Crewther et al., 2018). sIgA gilt als Indikator für mukosale Immunfunktion und wird unter anderem zur Einschätzung des Belastungsstatus in Hochbelastungsphasen herangezogen. Auch hier gilt: Einzelwerte sind diagnostisch wenig hilfreich, Verläufe sehr wohl.

Eine ehrliche Bestandsaufnahme muss aussprechen, was die Forschung selbst betont: Biomarker liefern Wahrscheinlichkeitsaussagen, keine Kausalketten. Sie sind eine Datenbasis für Entscheidungen, nicht die Entscheidungen selbst. Wer sie als „objektive Messung“ verkauft, ohne ihre methodischen Grenzen mitzudenken, überzieht und produziert auf Dauer Vertrauensschäden, die der gesamten Disziplin schaden.

Strukturelle Profilanalyse — wo klassische Verfahren an Grenzen stoßen

Die Idee, Spieler nicht nur sportlich, sondern auch in ihrem strukturellen Profil zu erfassen, ist alt. Die Methoden dazu sind unterschiedlich tragfähig.

Das Five-Factor-Model (Big Five) — Extraversion, Verträglichkeit, Gewissenhaftigkeit, emotionale Stabilität, Offenheit — ist das psychometrisch am besten validierte Persönlichkeitsmodell. In einer umfassenden Übersicht zur Persönlichkeitsforschung im Sport haben Allen, Greenlees und Jones (2013) gezeigt, dass insbesondere Gewissenhaftigkeit und emotionale Stabilität moderate Zusammenhänge mit sportlichem Erfolg aufweisen. Diese Zusammenhänge sind real, aber bescheiden — die Big Five erklären keinen großen Anteil der Leistungsvarianz und eignen sich nicht als alleinige Grundlage für Kaderentscheidungen.

Schwieriger wird es beim Myers-Briggs Type Indicator (MBTI), der trotz weiter Verbreitung in Unternehmens- und Sportkontexten den psychometrischen Standards nicht standhält. Die kategoriale Logik des MBTI (man ist entweder „I“ oder „E“) widerspricht der dimensionalen Realität von Persönlichkeitsmerkmalen. Forschungs-Übersichten weisen auf mangelnde Retest-Reliabilität und schwache prädiktive Validität hin (vgl. Pittenger, 2005). Im Mannschaftskontext führt das zu einem methodischen Problem: Auf MBTI-Basis getroffene Personalentscheidungen wirken oft plausibel, halten aber bei systematischer Überprüfung selten stand.

In den letzten Jahren hat sich daher eine dritte Linie entwickelt: multimethodische Profil-Ansätze, die psychometrische Verfahren mit verhaltensbezogenen Daten und — wo verfügbar — biochemischen Einzelmarkern verbinden. Diese Verfahren sind methodisch anspruchsvoller, weil sie verschiedene Datentypen integrieren müssen, und sie sind in der Forschung noch jung. Sie haben aber den Vorteil, dass sie die strukturelle Profilanalyse mit empirisch tragfähigen Daten verschränken, statt sich auf Selbstauskunft allein zu verlassen.

Architektur-Phasen — warum nicht jeder Zeitpunkt gleich wirksam ist

Vereinsstrukturen verändern sich nicht linear. Die Sportmanagement-Forschung (Slack & Parent, 2006) beschreibt Vereine als Organisationen mit Lebenszyklen, in denen strukturelle Entscheidungen unterschiedlich starke Wirkung entfalten. Drei Phasen werden in der Literatur regelmäßig unterschieden: Aufbau-, Konsolidierungs- und Transformationsphasen.

In Aufbauphasen — etwa nach einem sportlichen Auf- oder Abstieg oder nach einem Wechsel im mittleren Funktionärsbereich — sind strukturelle Entscheidungen über Kaderzusammensetzung, Funktionsverteilung und methodische Ausrichtung überproportional wirksam. Das ist intuitiv plausibel und empirisch dokumentiert: Was in einer instabilen Phase entschieden wird, prägt die Folgezeit stärker als entsprechende Entscheidungen in einer Konsolidierungsphase.

In Konsolidierungsphasen verschiebt sich das Gewicht auf inkrementelle Optimierung. Hier zahlen sich kleine, datenbasierte Anpassungen aus, große strukturelle Umbrüche dagegen häufig nicht — sie destabilisieren ein funktionierendes System ohne erkennbaren Mehrwert.

Transformationsphasen, in denen ein Verein etwa eine strategische Neuausrichtung beschließt oder seine Akademie-Struktur grundlegend überdenkt, öffnen wieder ein Fenster für strukturelle Entscheidungen mit hoher Wirkungstiefe. Solche Fenster sind selten und zeitlich begrenzt.

Methodisch folgt daraus eine Frage, die in der Praxis oft unterschätzt wird: In welcher Phase befindet sich der Verein, wenn eine Entscheidung getroffen werden soll? Eine technisch saubere Analyse, die in der falschen Phase präsentiert wird, läuft ins Leere — nicht weil sie falsch wäre, sondern weil der organisationale Resonanzraum fehlt.

Synthese — was eine integrierte Methodik leisten kann

Die zusammengetragene Forschung legt einen methodischen Rahmen nahe, der auf drei Ebenen gleichzeitig arbeitet.

Vereinsebene. Hier geht es um die Phase, in der sich der Verein befindet, um seine strukturellen Belastungslinien und um die Frage, welche Entscheidungen jetzt tragfähig sind. Sportmanagement-Forschung und Organisationsanalyse liefern dafür den Rahmen.

Mannschaftsebene. Hier wirken Kohäsionsforschung und Netzwerkanalyse. Aufgabenbezogene Kohäsion, Bridge-Positionen, Subgruppen-Strukturen — das sind die Größen, die Mannschaftsdynamik tatsächlich beschreiben. Klassische Stimmungsbilder aus Trainerbeobachtung sind dafür unzureichend, aber methodisch ergänzbar.

Einzelspielerebene. Hier verschränken sich strukturelle Profilanalyse (Big Five als psychometrische Basis, ergänzt um verhaltensbezogene Daten) und biochemische Einzelanalytik (HRV, Aminosäure-Profile, Speichelmarker — jeweils als Verlauf, nicht als Punktwert).

Was eine integrierte Methodik leisten kann, ist eine datenbasierte Entscheidungsgrundlage für Personal- und Strukturfragen — kein Ersatz für die Erfahrung und das Urteilsvermögen der Verantwortlichen, sondern eine Ergänzung. Sie kann Wahrscheinlichkeiten benennen, Muster sichtbar machen, blinde Flecken reduzieren.

Was sie nicht leisten kann, muss ebenso klar gesagt werden. Sportliche Leistung ist multifaktoriell und in Teilen prinzipiell nicht vorhersagbar. Spielerentwicklung verläuft nicht-linear. Mannschaftsdynamik wird von Ereignissen geprägt, die in keiner Datenerhebung antizipierbar sind. Eine integrierte Methodik liefert also nicht Sicherheit, sondern bessere Karten. Wer mehr verspricht, überzieht.

Für die regionale Sportlandschaft, in der dieser Beitrag verfasst ist — Mitteldeutschland mit seiner dichten Vereinsstruktur zwischen Halle, Leipzig, Magdeburg und Dresden — ist diese methodische Diskussion nicht akademisch. Sie betrifft Entscheidungen, die in den kommenden Saisons getroffen werden müssen, oft unter Zeitdruck und mit begrenzten Ressourcen. Die Forschung gibt Hinweise, wie sich diese Entscheidungen besser fundieren lassen. Sie nimmt sie niemandem ab.

Literatur

Allen, M. S., Greenlees, I., & Jones, M. (2013). Personality in sport: A comprehensive review. International Review of Sport and Exercise Psychology, 6(1), 184–208.
Beauchamp, M. R., & Eys, M. A. (Hrsg.) (2014). Group Dynamics in Exercise and Sport Psychology (2. Aufl.). Routledge.
Buchheit, M. (2014). Monitoring training status with HR measures: Do all roads lead to Rome? Frontiers in Physiology, 5, 73.
Carron, A. V., Brawley, L. R., & Widmeyer, W. N. (1985). The development of an instrument to assess cohesion in sport teams: The Group Environment Questionnaire. Journal of Sport Psychology, 7(3), 244–266.
Carron, A. V., & Eys, M. A. (2012). Group Dynamics in Sport (4. Aufl.). Fitness Information Technology.
Crewther, B. T., Cook, C. J., Kilduff, L. P., et al. (2018). Salivary biomarkers in elite sport: Recent advances and practical applications. European Journal of Applied Physiology, 118(11), 2417–2429.
Pittenger, D. J. (2005). Cautionary comments regarding the Myers-Briggs Type Indicator. Consulting Psychology Journal: Practice and Research, 57(3), 210–221.
Plews, D. J., Laursen, P. B., Stanley, J., Kilding, A. E., & Buchheit, M. (2013). Training adaptation and heart rate variability in elite endurance athletes: Opening the door to effective monitoring. Sports Medicine, 43(9), 773–781.
Slack, T., & Parent, M. M. (2006). Understanding Sport Organizations: The Application of Organization Theory (2. Aufl.). Human Kinetics.
Tipton, K. D., & Wolfe, R. R. (2004). Protein and amino acids for athletes. Journal of Sports Sciences, 22(1), 65–79.
Wäsche, H., Dickson, G., Woll, A., & Brandes, U. (2017). Social network analysis in sport research: An emerging paradigm. European Journal for Sport and Society, 14(2), 138–165.
Witard, O. C., Jackman, S. R., Breen, L., Smith, K., Selby, A., & Tipton, K. D. (2014). Myofibrillar muscle protein synthesis rates subsequent to a meal in response to increasing doses of whey protein at rest and after resistance exercise. American Journal of Clinical Nutrition, 99(1), 86–95.

Hinweis

Dieser Beitrag dient der wissenschaftlichen Orientierung und Einordnung. Er ersetzt keine medizinische, sportmedizinische oder sportwissenschaftliche Beratung im Einzelfall.

Autorin

Janine Bertram M.Sc., M.Sc. Health Strategist & Precision Medicine Advisor Gründerin LOR GmbH, Halle (Saale)

Janine Bertram entwickelt seit über fünf Jahren methodische Ansätze zur Verbindung struktureller Profilanalyse mit biochemischer Einzelanalytik. Über 100 manuell erstellte Einzelprofile als Proof-of-Concept. Aufbau eines KI-gestützten Analyse-Portals (Launch Juli 2026). lor-health.de