Anzeigetafel-Daten vs. KI-Spielanalyse

Zwei verschiedene Fragen: "was ist passiert" vs. "worauf deuten die Daten hin"

Live-Score- und Statistik-Websites sind die Grundlage, um Fußball zu verfolgen. Sie zeigen den Spielstand, die Aufstellungen, den Ballbesitz, die Anzahl der Torschüsse und sogar xG eines Spiels präzise und in Echtzeit. Diese Websites funktionieren wie eine Daten-Anzeigetafel: Sie stellen schnell, übersichtlich und zuverlässig dar, was gerade geschieht.

11Stat arbeitet auf einer anderen Ebene. Es nimmt dieselbe Art von Rohdaten (Form, Torhistorie, Wettquoten) als Eingabe, doch seine Ausgabe ist keine Tabelle — sondern eine Wahrscheinlichkeitsverteilung, die jedem Ausgang zugewiesen wird. Die Frage ändert sich: Eine Statistik-Website beantwortet "wie viele Tore hat diese Mannschaft in den letzten fünf Spielen erzielt"; 11Stat versucht zu beantworten "wie sieht angesichts dieser Form, dieser Datenqualität und dieser Modellübereinstimmung die Wahrscheinlichkeitsstruktur des Spiels aus".

Diese beiden Ansätze sind keine Rivalen, sondern ergänzen einander. Eine gute Analyse wird von einer guten Datengrundlage gespeist. Die Aufgabe von 11Stat besteht nicht darin, Statistik-Websites zu ersetzen, sondern eine messbare Lesart von Wahrscheinlichkeit und Unsicherheit auf diese Daten zu legen.

Rohstatistik und modellierte Wahrscheinlichkeit sind nicht dasselbe

Eine Statistik ist eine rückwärtsgerichtete Aufzeichnung: Sie fasst zusammen, was passiert ist. Eine Wahrscheinlichkeit ist eine vorausschauende Schätzung: Sie gibt an, wie wahrscheinlich etwas ist, das noch nicht eingetreten ist. Beides zu verwechseln, ist ein häufiger Fehler.

Zum Beispiel ist "die Heimmannschaft hat ihre letzten sechs Heimspiele gewonnen" eine starke Statistik, aber für sich genommen keine Wahrscheinlichkeit. Diese Serie gegen die Stärke des Gegners, Kaderausfälle, Ruhetage und die Marktquoten abzuwägen und sie dann in eine kalibrierte Wahrscheinlichkeit umzuwandeln, ist die Aufgabe des Modells. Wenn das Modell "70 % Wahrscheinlichkeit" sagt, verfolgt es auch, ob sich ähnliche vergangene Situationen tatsächlich in etwa 70 % der Fälle so aufgelöst haben — dies nennt man Kalibrierung.

Die Ebene, die 11Stat hinzufügt: Modellübereinstimmung, Datenqualität, Risiko

Eine Statistik-Website kann Ihnen xG liefern, aber sie sagt Ihnen nicht, wie verschiedene Modelle dieses xG interpretieren oder wie stark sie übereinstimmen. Genau hier beginnt der Mehrwert von 11Stat:

• Modellübereinstimmung: Deuten unabhängige Engines — Poisson/Dixon-Coles, Elo/Form und Monte Carlo — in dieselbe Richtung? Eine Lesart wie "3/3 Engines übereinstimmend" sagt klar aus, wie konsistent das Signal ist.
• Datenqualität: Wenn die Daten dünn sind (eine neue Saison, niedrigere Ligen, ein spärlicher Spielplan), senkt 11Stat seinen Konfidenzwert und unterdrückt bewusst überzogene Signale. Eine reine Statistiktabelle gibt üblicherweise keine solche Warnung.
• Risikoniveau: Jede Lesart wird mit Niedrig / Mittel / Hoch gekennzeichnet; dies garantiert nichts, es kommuniziert lediglich die Unsicherheit ehrlich.
• Markt-Plausibilität: eine Prüfung, ob die Wahrscheinlichkeit des Modells mit einem vernünftigen Quotenbereich übereinstimmt.

Ausführliche Definitionen dieser Ebenen finden Sie auf den Seiten Spielanalyse und wie es funktioniert.

Ein xG-Beispiel: dieselbe Zahl, unterschiedliche Lesart

xG (Erwartete Tore) erscheint sowohl auf Statistik-Websites als auch in 11Stat, doch die Verwendung unterscheidet sich. Auf einer Statistik-Website ist xG ein historisches Maß, das die Qualität der herausgespielten Chancen in einem abgeschlossenen Spiel zusammenfasst: "diese Mannschaft erzeugte 1,8 xG, erzielte aber 0 Tore".

In 11Stat ist xG eine Eingabe. Die Modelle verwandeln das erwartete Torvolumen jeder Mannschaft in eine Torwahrscheinlichkeitsmatrix, und aus dieser einzigen Matrix werden die Wahrscheinlichkeiten für 1X2, Über/Unter und Treffer beider Teams (BTTS) auf einmal abgeleitet. Dadurch widersprechen sich xG und Ergebniswahrscheinlichkeit nicht; sie ergeben ein konsistentes Bild. Zudem beschränkt 11Stat diese Lesart nicht auf ein einzelnes Spiel: Es bewertet sie zusammen mit mehreren Formfenstern (5/10/20 Spiele) und Heim-/Auswärtsaufteilungen.

Kurz gesagt: Eine Statistik-Website zeigt Ihnen xG; die Modellanalyse wandelt xG zusammen mit anderen Signalen in eine Wahrscheinlichkeit um und kennzeichnet, wie zuverlässig diese Wahrscheinlichkeit ist.

Wie Sie beide gemeinsam nutzen

Der gesündeste Ansatz besteht darin, die beiden Quellen zu schichten, statt die eine durch die andere zu ersetzen:

1. Eine Statistik-Website für die reinen Fakten. Für Spielstand, Aufstellungen, Verletzungen, Live-Spieldaten und Formserien sind Live-Score-Websites schnell und zuverlässig.
2. Modellanalyse für den Wahrscheinlichkeitsrahmen. Dafür, wie diese Fakten zusammenwirken, um die Wahrscheinlichkeitsstruktur des Spiels zu formen, wie stark die Modelle übereinstimmen und wie zuverlässig die Daten sind, lesen Sie 11Stat.
3. Nehmen Sie die Unsicherheit ernst. Ein hohes Risiko oder eine geringe Modellübereinstimmung sagt Ihnen, dass Sie selbst stark aussehende Statistiken aus beiden Quellen mit Vorsicht lesen sollten.
4. Betrachten Sie keine Ausgabe als Garantie. Weder Rohstatistiken noch ein Wahrscheinlichkeitsmodell garantieren ein Ergebnis; Fußball ist eine Sportart mit hoher Varianz.

Für tägliche Zusammenfassungen mehrerer Spiele nutzen Sie die Seite Bulletin und für Begriffsdefinitionen das Glossar. 11Stat nimmt keine Wetten an, verkauft keine Coupons und garantiert kein Ergebnis; jede Ausgabe ist ein Wahrscheinlichkeitsmodell, eine Simulation oder ein historischer Backtest und stellt keine Wettberatung dar.