Diese Studie zielt darauf ab, die Rennstrategien der einzelnen Formel-1-Teams mithilfe der Latent Class Analysis (LCA) von JMP zu klassifizieren. Die Analyse nutzt öffentlich zugängliche Renndaten der Saisons 2018–2025, darunter Daten von FastF1, OpenF1, der Jolpica API und offizielle FIA-Rennergebnisse. Zu den erklärenden Variablen gehören die durchschnittliche Anzahl der Boxenstopps, die erste Runde nach dem Boxenstopp, die durchschnittliche Stintlänge, die Reifenmischung, Boxenstopps während Safety-Car-Phasen, Positionswechsel und erzielte Punkte. Die LCA klassifiziert die Teamstrategien, die traditionell auf Erfahrung und Eindruck basieren, objektiv und verdeutlicht die Merkmale jeder latenten Klasse. Durch die Analyse des Zusammenhangs zwischen den einzelnen Klassen und den Siegquoten, Podiumsquoten und Jahresplatzierungen sollen zudem „strategische Muster, die zum Sieg führen“, aufgedeckt werden. Diese Forschung stellt eine neue Analysemethode in der Sportdatenanalyse vor und demonstriert ihr Potenzial zur Unterstützung von Rennstrategieentscheidungen sowie ihre Anwendbarkeit in anderen Bereichen.
