Dieser kurze technische Bericht beschreibt unsere Einreichung für die Action Spotting SoccerNet-Challenge 2022. Die Challenge war Teil des CVPR 2022 ActivityNet Workshops. Unsere Einreichung basierte auf einer kürzlich vorgeschlagenen Methode, die sich darauf konzentriert, die zeitliche Präzision durch eine dicht gesampelte Menge von Detektionsankern zu erhöhen. Aufgrund ihrer Betonung der zeitlichen Präzision hatte dieser Ansatz in der engen DurchschnittsmAP-Metrik (tight average-mAP) erhebliche Verbesserungen gezeigt. Die enge DurchschnittsmAP wurde als Bewertungskriterium für die Challenge verwendet und ist durch kleine zeitliche Evaluierungstoleranzen definiert, wodurch sie empfindlicher gegenüber kleinen zeitlichen Fehlern ist. Um die Ergebnisse weiter zu verbessern, führen wir hier kleinere Änderungen in den Vor- und Nachbearbeitungsschritten ein und kombinieren verschiedene Eingabe-Feature-Typen durch späte Fusion (late fusion). Diese Änderungen brachten Verbesserungen mit sich, die uns den ersten Platz in der Challenge ermöglichten und auch zu einem neuen Stand der Technik im Testset von SoccerNet führten, wenn das Standard-Experimentierprotokoll des Datensatzes verwendet wurde. Dieser Bericht gibt einen kurzen Überblick über die Action-Spotting-Methode auf Basis dichter Detektionsanker und konzentriert sich dann auf die für die Challenge eingeführten Modifikationen. Wir beschreiben außerdem die Experimentierprotokolle und Trainingsverfahren, die wir verwendet haben, und präsentieren schließlich unsere Ergebnisse.