Fußballspiel analysieren: Schritt für Schritt mit einem Daten- und Wahrscheinlichkeitsmodell
Wer nach „Fußballspiel analysieren" sucht, bekommt meist eine fertige Auswahl — echte Analyse beginnt aber mit einer Methode, nicht mit einer Antwort. Statt eines blanken Tipps verwandelt sie Daten in Wahrscheinlichkeit: Sie sammelt Form und xG, misst die Teamstärke mit Elo, modelliert die Tore mit einer Poisson/Dixon-Coles-Ergebnismatrix und prüft die Unsicherheit mit einer Monte-Carlo-Simulation über 10.000 Durchläufe. Diese Seite zeigt diese Methode Schritt für Schritt. 11Stat ist eine Plattform für Fußball-Datenanalyse, kein Wettdienst — wir zeigen Wahrscheinlichkeiten, keine Wettempfehlungen.
Schritt 1 — Die richtigen Daten sammeln: Form, xG und Kader
Analyse beginnt mit Daten, nicht mit einem Urteil. Bevor Sie ein Spiel lesen, sammeln Sie diese Eingaben point-in-time (ohne Datenleck) — also nur, was vor dem Anpfiff bekannt sein konnte:
- Formindex (letzte 5 / letzte 10): nicht nur Siege, sondern Tore für und gegen, gegnerbereinigte Punkte und die Richtung des Momentums.
- xG (Expected Goals): die Qualität der Chancen, die ein Team erzeugt und zulässt — die Frage „wie gut hat es wirklich gespielt?" unabhängig vom Ergebnis.
- Heim/Auswärts-Aufteilung: das Heim- und Auswärtsprofil desselben Teams unterscheidet sich deutlich; halten Sie beide getrennt.
- Kader, Verletzungen und Sperren: ein fehlender Schlüsselspieler fließt direkt in xG und Stärkeschätzung ein.
Ist die Datenqualität niedrig (dünne Stichprobe, späte Aufstellung), notieren Sie das als Unsicherheits-Flag; in den nächsten Schritten bestimmt dieses Flag, wie belastbar das Ergebnis ist. Die fertige, visuelle Fassung dieser Eingaben sehen Sie auf der Seite Spielanalyse.
Schritt 2 — Teamstärke messen: Elo-Rating und Form
Rohe Statistiken müssen in ein einziges vergleichbares Stärkemaß überführt werden. Das leisten zwei Schichten:
- Elo-artiges Stärke-Rating: jedes Team trägt ein Rating, das aus früheren Ergebnissen und Gegnerstärke aktualisiert wird. Die Elo-Differenz zweier Teams liefert eine erste Schätzung des erwarteten Vorteils.
- Heimvorteil: als gemessener, ligaspezifischer Koeffizient hinzugefügt — nie eine feste Gewissheit — und an einer einzigen Stelle angewandt, um Doppelzählung zu vermeiden.
- Form-Korrektur: der Trend der letzten 5/10 wird als kleine, gedeckelte Korrektur ergänzt, damit eine Siegesserie die langfristige Stärke nicht überlagert.
Das Ergebnis ist eine Schätzung von Angriffs- und Abwehrstärke je Team — das Kernsignal, das im nächsten Schritt zu einer Erwartungswert-Torrate wird. Ziel ist nicht, einen Sieger zu küren, sondern die relative Stärke beider Seiten numerisch und prüfbar zu machen.
Schritt 3 — Torverteilung modellieren: Poisson und Dixon-Coles-Ergebnismatrix
Die Stärkeschätzungen erzeugen für jedes Team eine erwartete Toranzahl (λ). Um daraus Wahrscheinlichkeiten zu machen, wird die Torverteilung modelliert:
- Poisson-Basis: aus λ wird die Wahrscheinlichkeit berechnet, dass ein Team 0, 1, 2, 3… Tore erzielt. Kombiniert man beide Verteilungen, entsteht eine Wahrscheinlichkeitstabelle jedes Ergebnisses — die Ergebnismatrix.
- Dixon-Coles-Korrektur: reines Poisson unterschätzt, wie oft niedrige Ergebnisse wie 0:0, 1:0, 0:1 und 1:1 real vorkommen. Dixon-Coles fügt einen Rho-Parameter hinzu, der diese Zellen und die leichte Abhängigkeit zwischen beiden Teams korrigiert.
- Märkte ableiten: durch Summieren der Matrixzellen lassen sich 1X2 (Heim/Unentschieden/Auswärts), Über/Unter 2,5, Beide-Teams-treffen und die wahrscheinlichsten Endergebnisse direkt ablesen.
Das Ergebnis ist kein einzelner Tipp, sondern eine kohärente Wahrscheinlichkeitsverteilung: jeder Marktprozentwert stammt aus derselben Matrix. Wie diese Matrix aufgebaut und kalibriert wird, sehen Sie im Detail auf unserer Seite Methodik.
Schritt 4 — Unsicherheit simulieren: Monte Carlo und Modell-Übereinstimmung
Geschlossene Wahrscheinlichkeiten reichen allein nicht; um die Unsicherheit zu sehen, wird das Spiel tausendfach ausgespielt:
- 10.000er-Monte-Carlo: aus der Ergebnismatrix wird gezogen und das Spiel etwa 10.000-mal simuliert. Die Streuung der Ausgänge zeigt die Wahrscheinlichkeit jedes Marktes und — wichtiger — wie schwankend sie ist.
- Mehr-Engine-Übereinstimmung (N/M): dasselbe Spiel wird getrennt von den Poisson/Dixon-Coles-, Elo/Form- und Advanced-(bivariaten)-Engines gelöst. Wie viele in dieselbe Richtung zeigen, wird als N/M-Modell-Übereinstimmung ausgewiesen; niedrige Übereinstimmung ist ein Vorsichtssignal.
- Kalibrierung: die Wahrscheinlichkeiten werden pro Liga und Markt korrigiert, damit „70 %" langfristig auch nahe 70 % eintritt.
Dieser Schritt macht sichtbar, dass die Analyse kein „sicheres Ergebnis" liefert, sondern eine gemessene Wahrscheinlichkeitsspanne. Die Breite der Simulation sagt, wie sicher die Lesart verwendet werden kann.
Schritt 5 — Wahrscheinlichkeit und Risiko ehrlich lesen
Der letzte Schritt ist, die Zahlen ehrlich zu lesen:
- Hohe Wahrscheinlichkeit ist keine Gewissheit. Eine 75-%-Lesart geht in etwa einem von vier Spielen anders aus — das ist die Natur der Wahrscheinlichkeit, kein Modellfehler.
- Die Zahlen sind simuliert. Gezeigte Treffer- und Kalibrierungswerte sind Paper-Backtest-Ergebnisse: vergangene Leistung, die keinerlei künftiges Ergebnis garantiert oder impliziert.
- Märkte sind effizient. Die meisten öffentlichen Informationen sind bereits eingepreist; Ziel ist nicht, den Markt zu schlagen, sondern die Lesart auf transparente Zahlen zu stützen.
- Risikostufen-Flag: jede Lesart trägt neben Unsicherheit und Datenqualität eine Risikostufe — ignorieren Sie sie nicht.
Kurz: Eine gute Spielanalyse sagt nicht, worauf Sie wetten sollen; sie lehrt, wie man ein Spiel liest. Denken Sie daran: das ist keine Wettberatung und kein Ergebnis ist garantiert. Um jeden Schritt als Live-Auszug zu sehen, öffnen Sie die heutigen Spielanalysen und erkunden Sie bei Interesse alle Daten im gratis 3-Tage-Test.
Häufig gestellte Fragen
Ist das eine Wettberatung oder ein Tipp-Dienst?
Nein. 11Stat ist eine Plattform für Fußball-Datenanalyse, kein Wettdienst. Es sagt nie, worauf Sie wetten sollen; es zeigt Wahrscheinlichkeiten aus Form, xG, Elo, der Ergebnismatrix und der Modell-Übereinstimmung. Die Ausgaben sind Wahrscheinlichkeiten, keine Empfehlungen.
Wie analysiert man ein Fußballspiel, kurz gefasst?
In fünf Schritten: (1) Form-, xG- und Kaderdaten leckfrei sammeln; (2) Teamstärke mit Elo und Form messen; (3) Tore mit einer Poisson/Dixon-Coles-Ergebnismatrix modellieren; (4) Unsicherheit mit einem 10.000er-Monte-Carlo und der Modell-Übereinstimmung prüfen; (5) die Wahrscheinlichkeit samt Risiko lesen.
Welche Daten braucht man zur Analyse?
Mindestens: Form der letzten 5/10, erzeugtes und zugelassenes xG, die Heim/Auswärts-Aufteilung sowie aktuelle Kader- und Verletzungsnachrichten. Sind die Daten dünn, notieren Sie das als Unsicherheits-Flag, statt der Zahl blind zu vertrauen.
Sind die Treffer- und ROI-Zahlen echte Gewinne?
Nein. Alle Treffer- und Kalibrierungswerte sind simulierte Paper-Backtest-Kennzahlen, die die Modellqualität auf historischen Daten messen. Sie garantieren oder implizieren nie ein künftiges Ergebnis.
Ist es kostenlos zum Ausprobieren?
Ja — Sie starten mit einem gratis 3-Tage-Test und sehen die vollständige Datenausgabe jedes Schritts. Nach dem Test läuft der Core-Plan mit regionaler Preisgestaltung weiter.