Nein. Kein Modell kann den Ausgang eines Spiels vorhersagen, weil ein Teil des Ergebnisses in den vor der Begegnung verfügbaren Daten gar nicht enthalten ist. Was ein Modell erzeugt, ist eine Wahrscheinlichkeitsschätzung: eine Aussage, die sich über eine große Zahl von Spielen überprüfen lässt, nie an einem einzigen. Beides zu verwechseln ist der verbreitetste Irrtum über KI im Sport.
Die Antwort in einem Satz
Nein. Keine künstliche Intelligenz kann das Ergebnis eines Sportspiels vorhersagen, weil ein Teil dieses Ergebnisses in keiner vor dem Anpfiff verfügbaren Information existiert.
Was ein Modell erzeugt, ist etwas anderes: eine Wahrscheinlichkeitsschätzung, die sich genauso lesen lässt wie eine implizite Wahrscheinlichkeit, die aus einer Quote errechnet wird. Der Unterschied ist nicht rhetorisch, er betrifft das, wofür eine Aussage einsteht.
| Behauptete Vorhersage | Wahrscheinlichkeitsschätzung | |
|---|---|---|
| Formulierung | „Dieser Ausgang tritt ein" | „Dieser Ausgang liegt bei rund 62 %" |
| Reichweite | Ein einzelnes Spiel | Eine erwartete Häufigkeit über viele Spiele |
| Überprüfung | An einem Einzelfall nicht bewertbar | Über Kalibrierung an einer Stichprobe prüfbar |
| Bei Nichteintreten | Die Aussage war schlicht falsch | Die Aussage sah dies in 38 % der Fälle vor |
Die linke Spalte beschreibt eine Formulierung, die ein ernsthaftes Werkzeug nie verwenden sollte: Sie ist hier als Gegenbeispiel aufgeführt, nicht als mögliche Ausgabe eines Modells.
Diese Seite behandelt nur diese eine Frage: Ist es machbar, ja oder nein. Den Überblick über das, was KI zur Prognose beiträgt, liefert KI und Sportprognosen; die konkreten Schwächen einer KI-erzeugten Prognose behandelt die Grenzen von KI-Prognosen.
Warum die Unsicherheit nicht auflösbar ist
Ein Teil des Ergebnisses entsteht nach dem Anpfiff, also außerhalb jeder Eingangsinformation.
- eine Verletzung, die im Spielverlauf eintritt;
- eine Schiedsrichterentscheidung, die das Gleichgewicht einer Begegnung verschiebt;
- die Tagesform, unsichtbar in den Daten der Vorwoche;
- eine Abfolge von Aktionen, deren Ausgang an wenigen Zentimetern hängt.
Keiner dieser Faktoren lässt sich vorab kodieren. Ein größeres Modell oder mehr Rechenleistung machen sie nicht verfügbar: Die Information existiert zu dem Zeitpunkt, an dem das Modell arbeitet, schlicht noch nicht.
Die Übersichtsarbeit von Bunker und Susnjak zitiert Arbeiten, die schätzen, dass reiner Zufall in bis zu 18 % der Spiele einer Saison der ausschlaggebende Faktor für den Ausgang sein kann. Das ist keine Fehlerspanne der Modellierung: Es ist der Teil des Sports, der sich jeder Analyse konstruktionsbedingt entzieht.
Was die Forschung tatsächlich beobachtet
Die in der Literatur berichteten Genauigkeiten schwanken stark, und diese Unterschiede erklären sich weniger durch die Raffinesse der Modelle als durch die Struktur der untersuchten Sportarten und Wettbewerbe.
Drei im Text der Übersichtsarbeit geprüfte Befunde:
- Fußball, die am häufigsten untersuchte Sportart des Korpus, erreicht in der besten erfassten Arbeit höchstens 78 % Genauigkeit und liegt unter den verglichenen Sportarten nur auf dem fünften Platz;
- eine Studie zum US-College-Basketball (Shi et al., 2013) berichtet ausdrücklich, an eine Grenze von 74 % gestoßen zu sein, die ihre Autoren nicht überschreiten konnten;
- die Sportarten mit den besten Genauigkeitswerten verdanken diese teilweise weniger ausgeglichenen Wettbewerben — die Übersicht betont, dass ein von wenigen Mannschaften dominierter Wettbewerb mechanisch besser vorhersehbar ist als ein dichtes Teilnehmerfeld.
Zwei Lesevorbehalte sind angebracht. Erstens beziehen sich diese Zahlen auf die Vorhersage eines Spielergebnisses in einem Forschungsrahmen, nicht auf Wetten: Eine Wette misst sich an einer Quote und ihrer Marge, nicht an einer Quote richtiger Antworten. Zweitens sind eine über zwei Ausgänge und eine über drei Ausgänge ausgewiesene Genauigkeit nicht vergleichbar — mehrere Arbeiten lassen das Unentschieden weg, um das Problem zu vereinfachen.
Verantwortungsbewusstes Spielen — eine genaue Zahl senkt das Risiko nicht. Sportwetten bergen das Risiko finanzieller Verluste und weisen laut der französischen Glücksspielbehörde ANJ unter den regulierten Angeboten das höchste individuelle Risiko für problematisches Spielverhalten auf. Eine von einem Modell erzeugte Schätzung macht keine Wette risikofrei. Setze dir ein Budget, versuche nicht, Verluste zurückzuholen, und nutze die verfügbaren Limit- oder Selbstsperr-Werkzeuge. Mehr zum verantwortungsbewussten Spielen.
Warum die Verwechslung so häufig ist
Eine genaue Zahl sieht aus wie eine Gewissheit. „62 %" wird spontan als „ja" gelesen — zumal die Formulierung eines Werkzeugs für ein breites Publikum die Fehlerspanne oft weglässt, um lesbar zu bleiben.
Drei Formulierungen, von der ehrlichsten zur unehrlichsten:
- „rund 62 %, auf Basis dieser Historie und dieser Variablen" — die Unsicherheit ist ausgewiesen;
- „wahrscheinlichster Ausgang" — korrekt, aber das Ausmaß der Unsicherheit ist verschwunden;
- „dieser Ausgang tritt ein" — die Aussage ist nicht mehr überprüfbar und steht für nichts mehr ein.
Der dritte Fall ist der, gegen den sich ein ernsthaftes Werkzeug absichern muss, auch im Vokabular seiner Oberfläche.
Was ein Modell erlaubt — und was nicht
Drei Ebenen, die nie zu verwechseln sind.
- Was es zu tun erlaubt — Datenmengen verarbeiten, die manuell unerreichbar sind, und eine von Spiel zu Spiel einheitliche Lesart liefern.
- Was es zu schätzen erlaubt — eine Wahrscheinlichkeit, mit einer Fehlerspanne, die bei einem einzelnen Spiel erheblich bleibt, vergleichbar mit dem, was eine faire Quote ohne Marge ausdrückt.
- Was es nie zu schließen erlaubt — dass ein Ausgang eintreten wird. Das ist die Grenze des Sports, nicht die der Technologie.
Die konkreten Grenzen von KI-Prognosen →
Zurück zum Ratgeber KI und Sportwetten-Prognosen →
Den Markt erkunden
Quotenbewegungen sind nur ein Teil der Geschichte. Hier sind die nächsten Themen zum Weiterlesen.
Die Grenzen von KI-Prognosen
Unvollständige Daten, Black Box, Selbstüberschätzung durch eine genaue Zahl.
Grenzen ansehenIst eine zuverlässige Prognose möglich?
Warum keine Prognose garantiert ist und wie sich ihre Substanz messen lässt.
Zuverlässigkeit verstehenKI und Sportwetten-Prognosen
Was KI beim Lesen von Daten leistet und was sie nie in Gewissheit verwandelt.
Rolle der KI verstehenSportwetten-Prognosen: analysieren, bevor du wettest
Der komplette Ratgeber: Daten, Quoten, Zuverlässigkeit, Denkfehler und die Rolle der KI.
Ratgeber lesenHäufige Fragen
Warum ist ein Modell, das in 60 % der Fälle richtig liegt, kein Modell, „das vorhersagt"?
Weil es in 40 % der Fälle danebenliegt. Eine Vorhersage behauptet, was eintreten wird; eine Schätzung von 60 % sagt gerade aus, dass sie in einem erheblichen Teil der Fälle widerlegt wird.
Was ist eine Wahrscheinlichkeit im Unterschied zu einer Vorhersage?
Eine Wahrscheinlichkeit beschreibt eine erwartete Häufigkeit über eine große Zahl von Fällen. Eine Vorhersage bezieht sich auf einen Einzelfall. Die erste lässt sich statistisch überprüfen, die zweite an einem Spiel nicht.
Garantiert ein Modell mit guter Historie die Zukunft?
Nein. Eine günstige Historie kann Kompetenz widerspiegeln, eine besondere Phase oder schlicht einen Effekt der Varianz. Nichts sichert zu, dass die Bedingungen, die sie hervorgebracht haben, weiter bestehen.
Gibt es eine bekannte Grenze für die Genauigkeit von Sportmodellen?
Die Übersichtsarbeit von Bunker und Susnjak (2022) berichtet von sehr unterschiedlichen Genauigkeiten je nach Sportart und Wettbewerb sowie von Studien, die an eine Obergrenze stoßen, die sie nicht überschreiten. Sie führt diese Unterschiede eher auf die Struktur des Sports und die Ausgeglichenheit des Wettbewerbs zurück als auf die Raffinesse der Modelle.
Liefert OddScore Prognosen?
Nein. OddScore vergleicht die Quoten mehrerer Buchmacher, rechnet die Marge heraus und verfolgt ihre Entwicklung. Die Plattform veröffentlicht keine Wettauswahl und gibt keine Wettempfehlungen.
Quellen & Methodik
Diese Seite stützt sich auf eine im Volltext geprüfte wissenschaftliche Übersichtsarbeit zur Ergebnisvorhersage im Mannschaftssport mit maschinellem Lernen sowie auf den französischen Regulierungsrahmen der Glücksspielbehörde ANJ.
- Eine an einer Stichprobe überprüfbare Wahrscheinlichkeitsschätzung von einer Vorhersage über einen Einzelfall unterscheiden.
- Die beobachteten Genauigkeiten so wiedergeben, wie die Übersichtsarbeit sie veröffentlicht, Sportart für Sportart und Wettbewerb für Wettbewerb.
- Die Genauigkeit eines akademischen Modells nie als eine auf eine Wette übertragbare Trefferquote darstellen.
- Den Teil des Ergebnisses ausdrücklich benennen, der in keiner vor dem Spiel verfügbaren Information enthalten ist.