Aqui está uma opção usando dplyruma tidyrbiblioteca.

library(dplyr)
library(tidyr)

performance %>%
  separate_longer_delim(perf, ", ") %>%
  filter(perf != "HQ") %>%
  separate_wider_regex(perf, 
                      c(name = "[A-Za-z]+", "\\s+\\(", score = "\\d+", "\\)")) %>%
  type.convert(as.is = TRUE) %>%
  summarise(score = sum(score), .by = c(branch, name)) %>%
  summarise(perf = paste(name, '(', score, ')', collapse = ","), .by = branch)

# A tibble: 5 × 2
#  branch perf                                    
#  <chr>  <chr>                                   
#1 OL     Mattheu ( 34 ),Jessica ( 32 ),Tom ( 10 )
#2 CA     Tobias ( 68 ),Kurt ( 22 ),Mathias ( 44 )
#3 PL     Tom ( 52 ),Giti ( 88 ),Patel ( 54 )     
#4 OR     Harry ( 3 ),Potter ( 32 )               
#5 FL     Timothy ( 3 ),Sara ( 44 ) 

1. Divida os dados em linhas separadas usando separate_longer_delimcom base em ", "
2. remova as linhas "HQ"
3. separe o nome e o número em duas colunas diferentes ( namee score). O regex usado aqui é importante para identificar corretamente os valores namee score.
4. sumos valores para cada um nameebranch
5. combine as linhas de cada uma namepara obter o formato original.

Na base R você poderia fazer

sum_similar <- function(row){
  matches <- regmatches(row, gregexpr("([A-Za-z]+) \\((\\d+)\\)", row))[[1]]
  df <- data.frame(
    names = gsub(" \\(\\d+\\)", "", matches),  # Extract names
    count = as.numeric(gsub("[^0-9]", "", matches))  # Extract numbers
  )
  result <- aggregate(count ~ names, data = df, FUN = sum) # Aggregate by sum
  paste0(result$names, " (", result$count, ")", collapse = ", ") # output
}    
performance$perf <- sapply(performance$perf, sum_similar)

dando

1. regmatchesencontra todos os elementos que têm algum texto e depois algum número entre colchetes() e os armazena em um vetor: "Mattheu (12)" "Jessica (32)" "Mattheu (22)" "Tom (10)"
2. gsub(" \\(\\d+\\)", "", matches)substitui todos os "(número)" por nada (""), de modo que apenas os nomes permaneçam: "Mattheu (22)" -> "Mattheu"
3. as.numeric(gsub("[^0-9]", "", matches))extrai qualquer número de uma string e o converte em um número R "Tom (10)" --> 10
4. Ambos são armazenados em um dataframe.
5. aggregate(count ~ names, data = df, FUN = sum)resume nomes semelhantes em uma célula de contagem. Ele basicamente resume linhas com nomes semelhantes
6. paste0(result$names, " (", result$count, ")", collapse = ", ")finalmente cola todos os nomes agregados e conta novamente como uma string: paste0(c("name1", "name2"), " (", c(1, 2), ")", collapse = ", ") --> "nome1 (1), nome2 (2)"
7. sapply(performance$perf, sum_similar)finalmente aplica esta função a todas as linhas (cada string da coluna "perf")

Explicação

> t <- regmatches("Mattheu (12), Jessica (32), Mattheu (22), Tom (10), HQ", gregexpr("([A-Za-z]+) \\((\\d+)\\)", "Mattheu (12), Jessica (32), Mattheu (22), Tom (10), HQ"))[[1]]
> t
[1] "Mattheu (12)" "Jessica (32)" "Mattheu (22)" "Tom (10)"    
> gsub("[^A-Za-z]", "", t) # replace everything except Text or text with ""
[1] "Mattheu" "Jessica" "Mattheu" "Tom"    
> gsub(" \\(\\d+\\)", "", t)
[1] "Mattheu" "Jessica" "Mattheu" "Tom"    
> as.numeric(gsub("[^0-9]", "", t))
[1] 12 32 22 10
> 
> aggregate(count ~ names, data = data.frame(count = as.numeric(gsub("[^0-9]", "", t)), names = gsub("[^A-Za-z]", "", t)), FUN = sum)
    names count
1 Jessica    32
2 Mattheu    34
3     Tom    10 

Primeiro, poderíamos strsplitem ', '. Sobre a lista resultante, temos sapplyuma função g()que gsubs os parênteses afastados, greps aqueles com números, strsplits em espaços, rbinds e type.converts, xtabs, e finalmente sprintfs o resultado desejado separado por vírgulas usando `toString().

> f <- \(x) {
+   s <- strsplit(x, ', ')
+   x <- s[[1]]
+   g <- \(x) {
+     a <- gsub('\\(|\\)', '', x[grep('\\d', x)]) |> 
+       strsplit(' ') |> 
+       do.call(what='rbind.data.frame') |> 
+       setNames(c('u', 'n')) |> 
+       type.convert(as.is=TRUE) |> 
+       xtabs(fo=n ~ u)
+     sprintf('%s (%s)', names(a), a) |> 
+       toString()
+   }
+   sapply(s, g)
+ }
> 
> performance |> 
+   transform(perf=f(perf))
  branch                                 perf
1     OL Jessica (32), Mattheu (34), Tom (10)
2     CA Kurt (22), Mathias (44), Tobias (68)
3     PL      Giti (88), Patel (54), Tom (52)
4     OR               Harry (3), Potter (32)
5     FL               Sara (44), Timothy (3)

O OP não especificou realmente como as strings deveriam ser classificadas, então aqui está a classificação alfabética.

branch <- c("OL", "CA", "PL", "OR", "FL")
perf <- c("Mattheu (12), Jessica (32), Mattheu (22), Tom (10), HQ", 
          "Tobias (13), Kurt (22), Mathias (44), HQ, Tobias (55)",
          "Tom (30), HQ, Giti (88), Patel (54), Tom (12), Tom (10)",
          "Harry (1), Potter (32), Harry (2)",
          "Timothy (3), HQ, Sara (44), HQ"
)
performance <- data.frame(branch, perf)

performance$performance2 <- sapply(
  performance$perf,
  \(x) {
    # split by space and exclude "HQ"  
    line=setdiff(strsplit(x,",\\s?", perl=TRUE)[[1]],"HQ")

    mydf <- as.data.frame(
      matrix(
        # to flatten strsplit()
        unlist(
          strsplit(
            # split "Mytext (mynumber)" into \1 My Text and \2 My Number without parenthesis 
            gsub("([a-zA-Z]+)\\s\\((\\d+)\\)","\\1 \\2",line),"\\s")),
        #My Text , My Number therefore number of column of the matrix by row =2 
        ncol = 2, 
        byrow = TRUE, 
        # dimnames : row name mandatory 1:,length(line), col name: somebody, mynumb
        dimnames=list(1:(length(line)),c("somebody","mynumb"))
      ) 
    )

    # convert mynumb as numeric
    mydf$mynumb <- as.numeric(mydf$mynumb)

    # sum (mynumb) group by somebody 
    myagg<- aggregate(mynumb ~ somebody, data=mydf,FUN=sum)

    paste0(myagg$somebody," (",myagg$mynumb,")",collapse =", ")

  },
  simplify = FALSE, 
  USE.NAMES = FALSE
)

performance[,c("branch","performance2")]
#>   branch                         performance2
#> 1     OL Jessica (32), Mattheu (34), Tom (10)
#> 2     CA Kurt (22), Mathias (44), Tobias (68)
#> 3     PL      Giti (88), Patel (54), Tom (52)
#> 4     OR               Harry (3), Potter (32)
#> 5     FL               Sara (44), Timothy (3)

^{Criado em 2025-02-06 com reprex v2.1.1}