Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com10. Januar 2021 · Q010464

Can We Beat The Bookies? Predicting Football Games With a Simple Model

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt ein Poisson-basiertes Modell, das aus fünf Jahren Tordaten, Heim- und Auswärtsstärken sowie den verbleibenden Spielen erwartete Punkte und Tabellenstände für vier Fußballligen berechnet. Andrade hält es für eine mögliche Orientierung bei Livewetten, doch die angeführten zwei Beispiele belegen keine langfristige Vorhersagegüte oder Gewinne; weitere Leistungsdaten fehlen dem Modell.

Mittel

Frank Andrade stellt ein einfaches Modell vor, das Tabellenstände und Spielausgänge in vier europäischen Fußballligen prognostizieren soll. Es nutzt historische Ergebnisse der jeweils letzten fünf Spielzeiten, die aktuelle Tabelle und die noch ausstehenden Spiele. Die Mannschaftsstärke wird aus erzielten und kassierten Toren berechnet, getrennt nach Heim- und Auswärtsspielen und anhand der Ligadurchschnitte normiert. Mit Poisson-Wahrscheinlichkeiten simuliert das Modell mögliche Torstände bis zu zehn Toren je Team. Aus Sieg-, Unentschieden- und Niederlagewahrscheinlichkeiten errechnet es erwartete Punkte und daraus eine Prognosetabelle.

Der Autor sieht einen möglichen Nutzen vor allem als Orientierung für Livewetten, wenn ein Favorit zurückliegt. Zwei Bundesliga-Beispiele sollen das veranschaulichen; eines davon endete mit einem Sieg Mönchengladbachs, den Andrade als passend zur Einschätzung des Modells wertet. Er betont jedoch, dass zwei Spiele keinen umfassenden Wirksamkeitsnachweis liefern und ein Saisonvergleich noch aussteht. Zudem fehlen ihm zufolge weitere für Wettentscheidungen wichtige Faktoren, etwa die jeweilige Heim- und Auswärtsleistung. Der Bericht weist weder langfristige Gewinne noch einen Vorteil gegenüber Buchmachern nach.

Ausführlich lesen

Der Bericht beschreibt ein einfaches Modell, das Ergebnisse und Tabellenstände in Premier League, La Liga, Serie A und Bundesliga vorhersagen soll. Autor Frank Andrade fragt, ob sich damit Wettquoten schlagen lassen. Er stellt das Modell als mögliche Orientierung für Sportwetten vor, räumt aber ein, dass es unvollkommen ist und seine Beispiele keine belastbare Prüfung der Vorhersagegüte darstellen.

Als Datengrundlage dienen historische Spielergebnisse aus den jeweils fünf zurückliegenden Spielzeiten sowie die aktuelle Tabelle und die noch ausstehenden Begegnungen. Die historischen CSV-Daten enthalten unter anderem Heim- und Auswärtsteams sowie erzielte Tore. Andrade begründet die Beschränkung auf fünf Jahre damit, dass sich Mannschaften, Spieler und Regeln mit der Zeit verändern und ältere Daten daher weniger aussagekräftig sein könnten. Tabelle und Restspielplan werden laut Bericht von Hand zusammengestellt und auf GitHub bereitgestellt.

Das Modell schätzt die Mannschaftsstärke anhand der durchschnittlich erzielten und kassierten Tore, getrennt nach Heim- und Auswärtsspielen. Diese Werte werden durch die jeweiligen Ligadurchschnitte normiert. Für ein anstehendes Spiel werden daraus Torparameter für Heim- und Auswärtsteam berechnet. Anschließend verwendet das Modell Poisson-Wahrscheinlichkeiten, um mögliche Torstände von null bis zehn Toren je Team zu betrachten. Die Wahrscheinlichkeiten werden zu Sieg, Unentschieden und Niederlage zusammengefasst und in erwartete Punkte für die Ligatabelle umgerechnet. Die daraus berechneten Punkte werden zu den bisherigen Tabellenpunkten addiert, um eine prognostizierte Rangfolge zu erstellen.

Für Wetten empfiehlt Andrade, die Prognosen als zusätzliche Einschätzung bei Livewetten auf den Spielausgang zu nutzen, besonders wenn ein Favorit zur Halbzeit zurückliegt. Anhand zweier Bundesliga-Beispiele vergleicht er die Modellwerte für Mainz und Borussia Mönchengladbach mit deren Spielsituationen; Mönchengladbach gewann schließlich sein Spiel. Der Autor deutet diese Beispiele als Hinweis auf den möglichen Nutzen des Modells. Er sagt zugleich, dass es sich nur um zwei Partien handelt und ein umfassenderer Vergleich erst zum Saisonende möglich wäre.

Die Grenzen sind deutlich: Das Modell berücksichtigt laut Andrade im Kern historische Torwerte und bildet weitere Faktoren einer Spielanalyse nicht ab. Er nennt insbesondere die Leistung eines Heimteams zu Hause und die Leistung eines Auswärtsteams ohne Heimvorteil als Informationen, die für eine reale Wettentscheidung zusätzlich nötig wären. Der Bericht belegt weder langfristige Gewinne noch eine verlässliche Überlegenheit gegenüber Buchmachern. Andrade hält das Verfahren dennoch für möglicherweise hilfreich, um Ligameister einzuschätzen und laufende Spiele einzuordnen; diese Einschätzung bleibt seine Behauptung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas kurze und mittlere Zusammenfassung wurden geprüft; die mittlere ist als Hauptfassung bewertet, die kurze ist ebenfalls im Kern treu. Der Bericht betrifft ein Fußball-Wettmodell und hat mit den KI-Sicherheitsfragen der Einordnung nahezu keinen Bezug, daher fallen die Bewertungen niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Begründung, warum die Torverteilung als Poisson-Verteilung modelliert wird (unabhängige, zufällige, diskrete Ereignisse)
  • Beobachtung, dass die Bundesliga mit durchschnittlich 2,91 Toren pro Spiel den höchsten Torschnitt hat
  • Einschränkung, dass das Modell nur Direktvergleiche der Mannschaften berücksichtigt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 75 %umfangreiche Belege
    • JEV 72 %beantwortet direkt und ausführlich
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung umfangreiche Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →