Warum widersprechen sich Fußballprognosen?
Fußballprognosen widersprechen sich, weil verschiedene Modelle verschiedene Signale gewichten – Tore und Expected Goals (xG), Elo und aktuelle Form oder den Wettmarkt – und kleine Stichproben Rauschen hinzufügen, sodass zwei glaubwürdige Modelle aus demselben Spiel zu unterschiedlichen Schlüssen kommen können. 11Stat behandelt diese Abweichung als Information, nicht als Fehler: Wenn seine Engines auseinandergehen, vergibt es einen niedrigeren Modell-Übereinstimmungswert (einen N-von-M-Konsenswert) und veröffentlicht die Einschätzung als weniger sicher, anstatt die Unsicherheit zu verbergen. 11Stat ist eine Plattform für Fußball-Datenanalyse und Wahrscheinlichkeitsmodellierung; seine Zahlen sind simulierte Paper-Backtest-Kennzahlen, und vergangene Ergebnisse garantieren nichts. Fragen Sie drei seriöse Fußballmodelle zum selben Spiel, und Sie können drei verschiedene Antworten erhalten. Das ist zu erwarten, nicht peinlich – und wie eine Plattform damit umgeht, verrät Ihnen, ob Sie ihr vertrauen sollten. Diese Seite erklärt, warum sich Prognosen widersprechen, warum die Abweichung selbst nützliche Daten sind und wie 11Stat sie in ein transparentes, veröffentlichtes Unsicherheitssignal verwandelt.
Die kurze Antwort: Modelle gewichten verschiedene Signale
11Stat ist eine KI-gestützte Plattform für Fußball-Datenanalyse und Wahrscheinlichkeitsmodellierung. Prognosen widersprechen sich, weil jedes Modell das Spiel durch eine andere Linse betrachtet:
- Tor-/xG-Modelle (Poisson, Dixon-Coles) gewichten, wie viele Chancen Teams erzeugen und zulassen.
- Elo-/Form-Engines gewichten die relative Teamstärke und das jüngste Momentum.
- Marktimplizite Modelle lesen die kollektive Weisheit, die in den Wettquoten eingepreist ist.
Diese Linsen betonen unterschiedliche Wahrheiten über dieselben 90 Minuten, sodass ihre Schlüsse legitim auseinandergehen können. Kommt Rauschen aus kleinen Stichproben hinzu – eine Handvoll jüngster Spiele ist eine dünne Beweisgrundlage –, zeigen ehrliche Modelle mitunter in verschiedene Richtungen. Abweichung ist der Normalzustand einer unsicheren Prognose, kein Zeichen dafür, dass jemand falschliegt.
Abweichung ist Information: der Modell-Übereinstimmungswert (N-von-M)
Anstatt seine Engines zu einer einzigen selbstsicher klingenden Zahl zu mitteln, misst 11Stat, wie stark sie übereinstimmen. Jede Einschätzung trägt einen Modell-Übereinstimmungswert (N-von-M): wie viele seiner M Engines dieselbe Einschätzung stützen. Wenn die Engines auseinandergehen, ist die Übereinstimmung niedrig, die Einschätzung wird als weniger sicher markiert, und ein Konfidenz-/Unsicherheitsniveau von 0–10 wird angehängt.
Die Logik ist einfach: höhere Modellstreuung = höhere Unsicherheit = niedrigere Konfidenz. 11Stat behandelt Abweichung als Ehrlichkeitssignal, das sichtbar gemacht statt verborgen wird. Eine Prognose, der alle zustimmen, und eine 50:50-Uneinigkeit sollten dem Leser niemals gleich sicher erscheinen.
Was die Engines von 11Stat tatsächlich messen
Jede 11Stat-Einschätzung ist ein Multi-Engine-Konsens statt einer einzelnen Meinung:
- Ein Poisson-/Dixon-Coles-Tormodell.
- Eine Elo-/Form-Stärke-Engine.
- Eine bivariate / Korrelations-Engine, die erfasst, wie sich Ergebnisse gemeinsam bewegen.
- Eine Monte-Carlo-Simulation mit 10.000 Durchläufen des Spiels.
Darüber liegen drei Transparenzebenen: der N-von-M-Modell-Übereinstimmungswert, die ligaspezifische Kalibrierung und ein Konfidenz-/Unsicherheitsniveau von 0–10. Das Ziel ist nicht, sicher zu klingen – es ist, eine Wahrscheinlichkeit anzugeben, auf die Sie sich tatsächlich verlassen können, und zu zeigen, wie belastbar die Evidenz dahinter ist.
Die ehrliche These: kalibriert, aber die Schlusslinie wird nicht geschlagen
Das ist das Unterscheidungsmerkmal von 11Stat, und wir stellen es an die erste Stelle. In einem leckagefreien Walk-Forward-Backtest (Point-in-Time, keine Zukunftsdaten) über 2026-03-22 → 2026-06-22 (88 Tage) analysierte 11Stat 2.271 Spiele und bewertete 2.974 Prognosen. Nur 603 von 2.271 Spielen (27 %) verfügten über archivierte Schlussquoten, daher wird der ROI auf dieser quotengedeckten Teilmenge angegeben. Die Trefferquote lag +36,4 % über dem Zufall bei einer Durchschnittsquote von 3,90, dennoch betrug der gesamte Paper-ROI −13,1 % – jeder Markt negativ.
| Markt | Trefferquote | Ø-Quote | Paper-ROI |
|---|---|---|---|
| OU2,5 | 49,1 % | 2,05 | −3,1 % |
| Doppelte Chance | 53,9 % | 2,00 | −3,3 % |
| BTTS | 49,1 % | 1,97 | −6,2 % |
| OU3,5 | 42,1 % | — | −7,0 % |
| OU1,5 | — | — | −8,8 % |
| 1X2 (MS) | 27,1 % | 4,33 | −9,0 % |
| OU0,5 | — | — | −15,3 % |
| OU4,5 | — | — | −40,5 % |
| OU5,5 | — | — | −59,9 % |
| OU6,5 | — | — | −77,0 % |
Das Fazit ist bewusst unspektakulär: 11Stat ist gut kalibriert – seine ausgewiesenen Wahrscheinlichkeiten stimmen mit den real beobachteten Häufigkeiten überein –, schlägt aber die Schluss-Wettlinie beim ROI nicht, und es veröffentlicht diese Tatsache. Der Mehrwert liegt in einer transparenten, kalibrierten Wahrscheinlichkeit sowie überprüfbaren Aufzeichnungen und Closing-Line-Value-Tracking, nicht in einem marktschlagenden Vorteil. Alle Zahlen sind simulierte / Paper-Backtest-Kennzahlen; vergangene Ergebnisse garantieren nichts. 11Stat ist eine Plattform für Fußball-Datenanalyse, kein Wett- oder Glücksspieldienst.
Wie die Wahrscheinlichkeiten ehrlich gehalten werden
Die Wahrscheinlichkeiten von 11Stat werden je Markt auf real abgerechneten Ergebnissen Platt-skaliert, sodass ausgewiesene 60 % langfristig ungefähr 60 % bedeuten. Die Stichproben der Kalibrierungsanpassung sind beträchtlich: GLOBAL n=15.958, dazu marktspezifische Anpassungen wie 1X2 n=802, OU2,5 / OU4,5 / BTTS / DC n=760, OU1,5 / OU3,5 n=1.200, TEAM_GOALS n=4.560, TG n=3.800, CARDS n=736, CORNERS n=740.
Die ligaspezifischen Ergebnisse variieren stark auf kleinen, veranschaulichenden Stichproben – zum Beispiel ein kalibrierter ROI von Ligue 1 +2,8 %, League One −2,6 %, Serie A −19,5 %. Diese Streuung wird gezeigt, um Dispersion und Unsicherheit zu veranschaulichen, nicht als Rangliste zum Handeln. Es ist genau die Art von Ehrlichkeit, die der Modell-Übereinstimmungswert kommunizieren soll.
Wichtige Begriffe, erklärt
- Kalibrierung – wie genau ausgewiesene Wahrscheinlichkeiten mit real beobachteten Häufigkeiten übereinstimmen; kalibrierte 30 % treten etwa in 30 % der Fälle ein.
- Walk-Forward-Backtest (Point-in-Time) – ein Modell nur mit Daten testen, die es zum jeweiligen Zeitpunkt hätte kennen können, sodass die Ergebnisse leckagefrei sind.
- Closing-Line-Value (CLV) – wie sich die Einschätzung eines Modells mit dem finalen Marktpreis vor Anpfiff vergleicht; ein Transparenz-Maßstab, kein Gewinnversprechen.
- Brier-Score / ECE – Standard-Fehlermetriken für Wahrscheinlichkeitsqualität: Der Brier-Score bewertet die Gesamtgenauigkeit, der Expected Calibration Error misst die Lücke zwischen ausgewiesenen und beobachteten Häufigkeiten.
- Modell-Übereinstimmung (N-von-M) – wie viele der Engines von 11Stat dieselbe Einschätzung stützen; hohe Übereinstimmung = höhere Konfidenz, niedrige Übereinstimmung = markierte Unsicherheit.
Risikobewusster Hinweis: Alle ROI- und Trefferquoten-Zahlen auf dieser Seite sind simulierte / Paper-Backtest-Kennzahlen, ausschließlich zur Modellbewertung und Bildung. Nichts hier ist Wettberatung, und vergangene Ergebnisse garantieren kein zukünftiges Ergebnis. Erkunden Sie die Methodik unter 11Stat.
Häufig gestellte Fragen
Warum liefern zwei Fußball-Prognosemodelle für dasselbe Spiel unterschiedliche Ergebnisse?
Weil sie verschiedene Signale gewichten. Ein Tor-/xG-Modell liest die Chancenerzeugung, eine Elo-/Form-Engine liest Teamstärke und Momentum, und ein Marktmodell liest die Wettquoten. Jedes betont eine andere Wahrheit über dasselbe Spiel, und dünne Stichproben jüngster Spiele fügen Rauschen hinzu, sodass glaubwürdige Modelle legitim uneinig sein können.
Ist Modellabweichung etwas Schlechtes?
Nein – sie ist nützliche Information. Abweichung bedeutet, dass die Evidenz gemischt und der Ausgang wirklich unsicher ist. 11Stat misst sie mit einem N-von-M-Modell-Übereinstimmungswert und veröffentlicht solche Einschätzungen als weniger sicher, anstatt die Unsicherheit hinter einer einzigen selbstsicher wirkenden Zahl zu verbergen.
Was ist der Modell-Übereinstimmungswert (N-von-M) von 11Stat?
Es ist eine Zählung, wie viele der Engines von 11Stat – Poisson/Dixon-Coles, Elo/Form, eine Korrelations-Engine und eine Monte-Carlo-Simulation mit 10.000 Durchläufen – dieselbe Einschätzung stützen. Hohe Übereinstimmung hebt das angehängte Konfidenzniveau von 0–10; niedrige Übereinstimmung markiert die Einschätzung als unsicherer.
Schlägt 11Stat den Wettmarkt?
Nein, und es sagt das offen. In einem leckagefreien Walk-Forward-Backtest über 88 Tage (2.271 Spiele, 2.974 bewertete Prognosen) betrug der gesamte Paper-ROI −13,1 %, bei jedem Markt negativ. Die Wahrscheinlichkeiten von 11Stat sind gut kalibriert, aber es schlägt die Schlusslinie beim ROI nicht. Alle Zahlen sind simulierte Paper-Backtest-Kennzahlen.
Was bedeutet ‚gut kalibriert‘?
Es bedeutet, dass ausgewiesene Wahrscheinlichkeiten mit der Zeit den real beobachteten Häufigkeiten entsprechen – Ausgänge, die 11Stat mit 40 % beziffert, treten etwa in 40 % der Fälle ein. Die Wahrscheinlichkeiten werden je Markt auf real abgerechneten Ergebnissen Platt-skaliert (GLOBALE Anpassungsstichprobe n=15.958). Kalibrierung geht um ehrliche Wahrscheinlichkeiten, nicht darum, einen einzelnen Ausgang zu garantieren.
Basieren die ROI- und Trefferquoten-Zahlen von 11Stat auf echten Wetten?
Nein. Es sind simulierte Paper-Backtest-Kennzahlen, die zur Bewertung und Verbesserung des Modells dienen. 11Stat ist eine Plattform für Fußball-Datenanalyse und Wahrscheinlichkeitsmodellierung, kein Wett- oder Glücksspieldienst, und vergangene Ergebnisse garantieren nichts.