Wie ein Sports-Betting-Modell wirklich funktioniert

Jeder Buchmacher hat ein Modell. Seine Trader werten Daten aus, legen Wahrscheinlichkeiten fest und bauen eine Marge ein. Ein Betting-Modell auf unserer Seite macht dasselbe — mit dem Ziel, eine genauere Zahl zu produzieren als sie. Liegt unsere Wahrscheinlichkeit höher, als die Quote impliziert, und ist der Unterschied groß genug, gibt es eine Wette. Das ist der gesamte Kreislauf. Den Rest erledigen Ausführung und Disziplin.

Was ein Modell wirklich tut

Ein Modell wandelt Rohinformationen in eine Wahrscheinlichkeitsschätzung für jedes mögliche Ergebnis um. Für ein Fußballspiel könnte die Ausgabe lauten: Heimsieg 42 %, Unentschieden 27 %, Auswärtssieg 31 %. Der Buchmacher hat seine eigenen Zahlen. Implizieren seine Quoten eine Heimsiegchance von 38 %, sagt unser Modell aber 42 %, steckt in dieser Differenz potenzieller Value — vorausgesetzt, das Modell ist gut kalibriert und der Buchmacher zählt zu den weicheren.

Das Modell versucht nicht, den Sieger eines einzelnen Spiels vorherzusagen. Es versucht, *im Schnitt weniger falsch zu liegen* — über Hunderte von Spielen hinweg. Das ist eine völlig andere Aufgabe, und eine, bei der Daten und Struktur Intuition zuverlässig schlagen.

Die Zutaten: Daten, Ratings und Form

Unser Fußballmodell ist auf rund 105.000 Spielen ab 2006 trainiert — aus der Premier League, La Liga, Serie A, Bundesliga, Eredivisie, Ligue 1, EFL Championship und mehr. Die 110 verwendeten Features lassen sich in einige Gruppen einteilen:

• Elo-Ratings — kontinuierlich aktualisierte Stärkeeinschätzungen für jedes Team, nach jedem Ergebnis angepasst. Elo erfasst langfristige Qualität; es reagiert langsamer als Formwerte, lässt sich aber von einem einzelnen Glückssieg nicht täuschen.
• Aktuelle Formwerte — erzielte und kassierte Tore, Schüsse aufs Tor, xG-Proxy über Schüsse aufs Tor sowie Ergebnisse über rollende Fenster von 4–10 Spielen.
• Direkter Vergleich — historische Ergebnisse zwischen diesen beiden Teams, gewichtet nach zeitlichem Abstand.
• Aufstellungs-Adjustierungen — wenn bestätigte Aufstellungen vorliegen (ca. 90 Min. vor Anpfiff), reduzieren fehlende Stürmer den erwarteten Torparameter um 5,5 %, Mittelfeldspieler um 3,5 %, Verteidiger um 2 %, gedeckelt bei 20 % gesamt. Verletzungen bewirken einen ähnlichen, kleineren Fallback-Effekt.
• Spielkontext — Wettbewerbstyp, K.o.-Runde, neutrales Spielfeld sowie internationale Turniermerkmale für WM- und EM-Spiele.

Für Baseball schätzt unser Modell die erzielten Runs jedes Teams mittels Poisson-Regression mit Pitcher-Statistiken, Parkfaktoren, Temperatur, Wind und Schiedsrichtertendenzen. Bei Hockey und NBA ist die Architektur ähnlich — Teameffizienz-Ratings verankert an langfristiger Leistung, ergänzt durch aktuelle Formwerte.

Kalibrierung: Warum rohe Vorhersagen nicht reichen

Ein Modell, das bei 100 Spielen '60 % Heimsieg' sagt, sollte in ungefähr 60 davon recht behalten. Wenn der Heimsieg nur 50 Mal eintritt, ist das Modell zu selbstsicher — seine Wahrscheinlichkeiten sind zu hoch, und Wetten auf ihrer Basis werden enttäuschen. Kalibrierung korrigiert diesen systematischen Fehler.

Wir nutzen isotonische Regression, um die rohen XGBoost-Ausgaben zu kalibrieren. Nach der Kalibrierung erreicht unser Fußballmodell einen Brier-Score von 0,177 — der Brier-Score misst Kalibrierungsqualität; niedriger ist besser, und 0,177 liegt im Bereich der schärfsten Buchmacher. Als Benchmark dient Pinnacle, weil Pinnacle der anerkannte Sharp-Market-Proxy ist: Sie akzeptieren professionelle Wettende, bewegen Linien schnell und haben die niedrigsten Margen der Branche. Wer Pinnacles implizierte Wahrscheinlichkeiten im Schnitt nicht schlägt, hat keinen echten Vorteil.

Die aktuellen Modellkennzahlen und Out-of-Sample-Ergebnisse findest du auf unserer Live-Modell- & Track-Record-Seite.

Von der Wahrscheinlichkeit zur Wette: Expected Value und das Entscheidungstor

Sobald das Modell eine Wahrscheinlichkeit ausgibt, ist der Vergleich einfach. Sagt unser Modell 45 % und die Quote des Buchmachers impliziert 40 %, ist der Expected Value: (0,45 × Quote) − 1. Positiver EV bedeutet, die Wette lohnt sich im Schnitt; negativer EV bedeutet, sie lohnt sich nicht. Jedes Szenario kannst du in unserem EV-Rechner testen.

Die Einsatzberechnung erfolgt nach fraktionellem Kelly mit 25 %, gedeckelt bei 5 % der Bankroll pro Wette. Kelly bemisst jeden Einsatz proportional zum Vorteil geteilt durch die Quote; der 25-%-Faktor reduziert die Varianz, damit eine Pechsträhne das Experiment nicht beendet, bevor die Mathematik wirken kann. Berechne einen Einsatz selbst mit unserem Kelly-Rechner.

Warum das alles relevant ist, erklärt der Artikel zu Value Betting — dieselbe Logik steckt hinter jeder Wettempfehlung des Modells.

Warum ein Modell Bauchgefühl schlägt

Menschliche Intuition ist schnell und musterorientiert — in den meisten Situationen großartig, bei der Wahrscheinlichkeitsschätzung aber eine Schwäche. Wir übergewichten aktuelle Ereignisse (ein großer Sieg letztes Wochenende prägt unser Bild eines Teams unverhältnismäßig stark), unterschätzen die Regression zum Mittelwert und neigen systematisch zu populären Ergebnissen. Buchmacher wissen das und kalkulieren entsprechend.

Ein Modell kennt keine Highlights vom Wochenende. Es gewichtet 105.000 historische Ergebnisse und passt jedes Feature daran an, wie gut es Ergebnisse in Out-of-Sample-Tests vorhergesagt hat. Das Modell aktualisiert sich langsamer und ist weniger unterhaltsam — aber über 500 Wetten liegt es seltener falsch als jeder einzelne Analyst. Das ist die einzige Zahl, die zählt.

Die ehrlichen Grenzen: Was ein Modell nicht kann

Ein Modell ist nur so gut wie seine Eingaben. Schlechte Daten führen zu schlechten Ergebnissen — wenn wir eine Aufstellung falsch erfassen, die ERA eines Pitchers falsch berechnen oder auf Daten mit systematischen Fehlern trainieren, produziert das Modell mit Überzeugung falsche Wahrscheinlichkeiten. Deshalb investieren wir stark in Datenqualität und schicken jedes neue Feature durch ein kontrolliertes Out-of-Sample-Experiment, bevor es in Produktion geht.

• Varianz ist real. Ein EV-Vorteil von 10 % bedeutet, dass die Wette mehr als 40 % der Zeit verliert. Verlustwochen und sogar Verlustemonate gehören dazu.
• Marktlimits. Weiche Buchmacher limitieren oder sperren gewinnende Accounts. Der Vorteil zahlt sich nur aus, wenn die Wette auch platziert werden kann.
• Modell-Drift. Taktiken, Kaderentwicklung und Schiedsrichterpraktiken ändern sich. Modelle brauchen periodisches Retraining; unsere werden zum Saisonende jährlich überprüft.
• Kleine Stichproben lügen. Statistisch aussagekräftiges Signal erfordert rund 500 Wetten. Beurteile das Modell anhand des CLV — hat es Abschlusspreise geschlagen? — nicht anhand einer 50-Wetten-Trefferquote.

Eine realistische langfristige Rendite aus einem gut kalibrierten Modell liegt bei 3–8 %. Das ist ein echter Vorteil in einem negativsummen Spiel. Mit sauberem Bankroll-Management setzt er sich sinnvoll zusammen. Aber er ist keine Garantie — und kein schnelles Geld.