Wie KI-Modelle zur Fußballvorhersage wirklich arbeiten
Die meisten „KI-Vorhersagen“ sind eine einzelne Zahl ohne Rechenweg. Hier steht, was in einem Modell tatsächlich passiert, das Fußball ernst nimmt.
Ein Fußballmodell übersetzt den Spielkontext in eine Wahrscheinlichkeitsverteilung über mögliche Ergebnisse und vergleicht diese mit dem Marktpreis. Es sagt kein Resultat voraus, sondern schätzt, ob ein Preis deutlich genug danebenliegt.
Was in das Modell eingeht
Vier Datengruppen tragen fast das gesamte Signal: Marktpreise, Teamstärke, Verfügbarkeit und Terminplan.
Alles andere ist Feinschliff. Ein Modell, das diese vier Bereiche sauber behandelt, schlägt eines, das exotische Merkmale brillant verarbeitet.
| Eingabe | Beispiele | Warum wichtig |
|---|---|---|
| Marktpreise | 1X2 zur Eröffnung und zum Schluss, asiatische Linie | Bündelt das Wissen aller Teilnehmer und ist die härteste Messlatte |
| Teamstärke | Rollierende Offensiv- und Defensivwerte, Heim/Auswärts | Erfasst den wiederholbaren Teil des Ergebnisses |
| Verfügbarkeit | Verletzungen, Sperren, Rotation, Minutenlast | Erklärt, warum die letzten fünf Spiele nicht die Elf von heute Abend beschreiben |
| Terminplan | Ruhetage, Reisen, Englische Wochen | Verschiebt die Intensität systematisch, besonders unter der Woche |
Die Marktpreise verdienen besondere Beachtung. Ein Modell, das sie ignoriert, konkurriert nicht mit dem Markt, sondern beschreibt Fußball im luftleeren Raum. Schlusskurse in den großen Ligen sind effizient genug, dass die meisten öffentlichen Modelle nach Abzug der Buchmachermarge nichts hinzufügen.
Von den Eingaben zur Ergebnisverteilung
Der Kern ist fast immer ein Tormodell, kein Klassifikator – weil Tore das sind, was bepreist wird.
Der übliche Aufbau ist ein bivariates Tormodell. Jede Mannschaft erhält eine erwartete Torrate aus Offensivstärke, Defensivstärke und Heimvorteil; eine diskrete Verteilung macht daraus die Wahrscheinlichkeit jedes Ergebnisses ab 0:0.
Zwei Anpassungen sind praktisch entscheidend:
- Korrektur niedriger Ergebnisse. Unabhängige Poisson-Modelle unterschätzen 0:0 und 1:1, weil das Treffen der beiden Teams real korreliert ist. Anpassungen im Stil von Dixon-Coles beheben das.
- Zeitgewichtung. Ein Spiel von vor elf Monaten darf nicht gleich schwer wiegen wie das vom letzten Sonntag. Ein exponentieller Zerfall mit kalibrierter Halbwertszeit ist Standard – keine Konstante.
Mit dem Ergebnisraster ist jeder Markt eine Summe über Zellen: Heimsieg ist die Summe des unteren Dreiecks, Über 2,5 die Summe der Zellen mit mehr als zwei Toren.
Wo Sprachmodelle helfen – und wo nicht
Sprachmodelle sind gut im Lesen und Erklären. Als Wahrscheinlichkeitsmaschine sind sie unzuverlässig.
Die produktive Aufteilung: ein statistischer Kern erzeugt die Zahlen, Sprachmodell-Agenten übernehmen das Lesen unstrukturierter Texte – Verletzungsberichte, Pressekonferenzen, Reisehinweise, Sperren – und schreiben darüber die lesbare Begründung.
Der Fehler, den man vermeiden muss: ein Sprachmodell direkt nach „der Wahrscheinlichkeit eines Arsenal-Siegs“ fragen. Man erhält eine selbstsichere Zahl ohne Varianz, ohne Kalibrierung und ohne Prüfbarkeit. Sprachgewandtheit ist keine Genauigkeit.
In einem Multiagenten-System liegt der Wert in der Uneinigkeit. Wenn mehrere unabhängige Agenten dasselbe Spielmaterial lesen und zu unterschiedlichen Schlüssen kommen, ist die Streuung zwischen ihnen ein nutzbares Unsicherheitssignal.
Kalibrierung: der Teil, den fast alle überspringen
Ein Modell ist nur so viel wert wie die Übereinstimmung zwischen angegebener Sicherheit und tatsächlicher Trefferquote.
Nimm alle Prognosen, bei denen das Modell 60 % sagte. Ist es kalibriert, sollten etwa 60 % davon eingetreten sein. Ein Modell, das 70 % ankündigt und 55 % liefert, ist überconfident und verliert Geld, so gut es auch sortiert.
| Metrik | Was sie bestraft |
|---|---|
| Brier Score | Fehler und überconfidente Treffer zugleich |
| Log Loss | Fehler, die mit hoher Sicherheit gemacht werden |
| Kalibrierungsfehler | Systematische Lücke zwischen Ankündigung und Realität |
Trefferquote allein führt in die Irre, weil sie die Sicherheitsinformation wegwirft. Ein Modell mit 55 % Trefferquote und gut gespreizten Wahrscheinlichkeiten ist nützlicher als eines mit 55 % Trefferquote, das bei seinen Favoriten 80 % Sicherheit behauptet.
Häufige Fragen
Kann ein KI-Modell Fußballergebnisse zuverlässig vorhersagen?
Kein Modell sagt einzelne Ergebnisse zuverlässig voraus, und jedes Produkt, das Gegenteiliges behauptet, stellt die Funktionsweise von Wahrscheinlichkeit falsch dar. Ein gutes Modell schätzt Wahrscheinlichkeiten bei einem Teil der Spiele etwas besser als der Markt – das zeigt sich als Ertrag über Hunderte Wetten, nicht in einem Spiel.
Welche Daten nutzt SoccerDream AI?
Marktpreise von der Eröffnung bis zum Schluss, rollierende Stärkewerte, Signale zu Verfügbarkeit und Rotation sowie Terminkontext. Jede Spielseite veröffentlicht Eingaben und Begründung, damit die Analyse prüfbar ist statt auf Vertrauen zu beruhen.
Modellausgabe für die Spiele von heute ansehen
Jede Spielseite zeigt die Eingaben, die Begründung und das Konfidenzniveau – damit du die Analyse prüfen kannst, statt einer fertigen Vorhersage zu vertrauen.
Heutige Analyse öffnen