So wählst du eine Seite für Fußballprognosen

Jede Seite in dieser Branche behauptet, genau zu sein, also sagt die Behauptung selbst nichts. Ein lesenswertes Modell unterscheidet sich von einer Werbeseite dadurch, dass sich seine Angaben überhaupt prüfen lassen. Sechs Fragen klären das, und für keine brauchst du statistisches Wissen.

Zuletzt aktualisiert
30. Oktober 2026
Lesezeit
6 Min. Lesezeit

1. Gibt es eine ausgewertete Bilanz, und ist sie vollständig?

Fang mit der Frage an, ob eine Seite das Ergebnis jeder Prognose veröffentlicht, die sie gemacht hat, auch der Fehlschläge. Wie genau sie zu sein behauptet, kommt erst danach. Eine Bilanz, die nur die Auswahlen enthält, die die Seite behalten wollte, ist ein Schaufenster und keine Bilanz.

Worauf du achten solltest: eine Seite mit einzelnen früheren Prognosen und ihren Ergebnissen, ohne Konto erreichbar, über einen durchgehenden Zeitraum statt einer ausgesuchten Auswahl. Wobei du vorsichtig sein solltest: eine einzelne Prozentzahl in der Überschrift ohne Liste dahinter, Ergebnisse, die nur als Screenshots oder Erfahrungsberichte auftauchen, oder eine Historie, die praktischerweise erst vor Kurzem beginnt.

Die meisten Seiten fallen bei dieser Prüfung durch, obwohl sie leicht zu bestehen ist: Eine vollständige Bilanz zu veröffentlichen kostet technisch nichts. Wer es nicht getan hat, hat sich meist dagegen entschieden.

2. Wie groß ist die Stichprobe, und über welchen Zeitraum?

Ein Prozentwert ohne Nenner ist keine Statistik. Vierzig Prognosen können allein durch Zufall fast jede Trefferquote ergeben, und eine Zahl aus einem starken Monat sagt etwas über diesen Monat, nicht über das Modell.

Jede veröffentlichte Genauigkeitszahl sollte sagen, wie viele ausgewertete Prognosen sie abdeckt und über welchen Zeitraum. Berichtet eine Seite nach Märkten, sollte jeder Markt seine eigene Zahl haben, denn ein Modell kann in einem Markt gut und in einem anderen schwach sein, und eine über Märkte gemischte Zahl ist genau der Ort, an dem sich dieser Unterschied versteckt.

Märkte mit zwei Ausgängen wie beide Teams treffen liegen strukturell höher als Märkte mit drei Ausgängen wie das Endergebnis. Eine Seite, die eine einzige Zahl über alle angibt, veröffentlicht einen Wert, den die Märkte prägen, die sie am häufigsten abdeckt, ob sie es will oder nicht.

3. Wird die Kalibrierung überhaupt berichtet?

Kalibrierung heißt, dass die angegebenen Wahrscheinlichkeiten zur Wirklichkeit passen: Von allem, was ein Modell mit 70% eingeschätzt hat, sollten etwa 70% eintreten. Sie macht eine Wahrscheinlichkeit nützlich statt dekorativ, und sie ist das Einzige, was eine Seite nicht durch günstig gewählte Beispiele fälschen kann.

Um sie zu berichten, braucht es eine Tabelle: Prognosen gruppiert nach angegebener Wahrscheinlichkeit, jede Gruppe neben dem, was tatsächlich passiert ist, mit einer Stichprobengröße pro Gruppe. Eine Seite, die das zeigt, gibt dir die Werkzeuge, sie zu überprüfen. Eine Seite, die über Genauigkeit spricht, aber nie über Kalibrierung, hat vielleicht nie geprüft, ob ihre Prozentzahlen etwas bedeuten.

Das ist das stärkste einzelne Signal, das es gibt, weil es leicht zu prüfen und selten ist. Selbst wenn eine Seite sonst nichts Nützliches veröffentlichte, würde dir eine Kalibrierungstabelle mehr sagen als eine Startseite voller Zahlen.

4. Ist die Methode nachprüfbar beschrieben?

„Fortschrittliche KI“ und „eigener Algorithmus“ beschreiben nichts. Eine Seite, die etwas gebaut hat, kann sagen, welche Art von Modell sie nutzt, welche Daten hineinfließen, wie oft sie neu trainiert und wie die Wahrscheinlichkeiten entstehen, und nichts davon verrät etwas, das ein Konkurrent kopieren könnte.

Eine echte Beschreibung nennt Modellfamilien statt Adjektiven, gibt eine konkrete Zahl an Eingabemerkmalen statt „Millionen von Datenpunkten“ an und erklärt, wie aus rohen Modellwerten eine angegebene Prozentzahl wird. Dieser letzte Schritt wird am häufigsten übersprungen, und er entscheidet, ob eine Zahl etwas bedeutet.

Vagheit ist nicht immer unehrlich. Manche Seiten sind wirklich dünn und haben nichts zu beschreiben. So oder so erfährst du, was du gerade liest.

5. Womit verdient die Seite Geld?

Eine Prognoseseite, die dafür bezahlt wird, Besucher zu einem bestimmten externen Anbieter zu schicken, hat ein Interesse daran, welche Prognosen sie dir zeigt und wohin sie führen. Das ist kein Vorwurf an eine bestimmte Seite. Es ist ein gewöhnlicher Anreiz, der besteht, ob jemand danach handelt oder nicht, und wer von ihm weiß, liest die Ergebnisse anders.

Das lässt sich in einer Minute klären. Sind ausgehende Links nachverfolgte Affiliate- oder Empfehlungslinks? Nennt die Seite kommerzielle Partner? Finanziert sie sich über Abos, Werbung, Vermittlungsgebühren oder eine Mischung? Eine Seite, die ihr Geschäftsmodell offen nennt, nimmt dir einen Grund zum Grübeln.

Finanzierung über Abos ist nicht automatisch besser; sie erzeugt eigenen Druck, beeindruckend auszusehen. Aber dieser Druck richtet sich wenigstens auf die Qualität der Prognosen, nicht auf ihre Richtung.

6. Was sagt die Seite über ihre Fehler?

Fußball ist so ungewiss, dass alles Wissen an eine Grenze stößt. Eine Rote Karte in der neunten Minute ist kein Signal, das ein Modell übersehen hat; sie ist Rauschen, das der Sport erzeugt. Jede Methode, die auf diesem Spiel aufbaut, erbt diese Obergrenze.

Wie eine Seite über ihre eigenen Grenzen spricht, sagt deshalb viel. Nennt sie die Märkte, in denen sie schwächer ist? Gibt sie Stichprobengrößen an, damit eine dünne Zahl nicht als solide durchgeht? Erklärt sie, dass eine Prognose mit 75% in etwa einem Viertel der Fälle nicht eintreten sollte, statt das als Ausnahme zu behandeln?

Das Gegenteil ist das deutlichste Warnzeichen der Branche. Sprache, die Ergebnisse oder Gewissheit verspricht, beschreibt etwas, das der Sport nicht enthält, und eine Seite, die so über Fußball redet, zeigt dir, wie sorgfältig sie auch alles andere sagt.

Wo ScorePredicts bei allen sechs steht

Ein Maßstab, der für alle gilt außer für einen selbst, wäre nichts wert, also hier unsere Antworten. Jede Prognose wird mit dem Endergebnis abgeglichen und danach nie geändert, und die Bilanz ist öffentlich, ohne Konto: Gesamtzahlen auf der Seite Genauigkeit, einzelne ausgewertete Prognosen auf jeder Liga- und Teamseite. Die Genauigkeit wird für jeden Prognosetyp getrennt berichtet, jeweils mit eigener Stichprobengröße, und die Mischung der Märkte hinter diesen Prognosen steht daneben, damit sich die Zahl zerlegen und prüfen lässt.

Die Kalibrierung ist für den Markt Endergebnis veröffentlicht, als Tabelle Bereich für Bereich mit Stichprobengrößen und 95%-Intervallen, neben einem Vergleich mit einer naiven Regel, die in diesem Markt immer auf den Heimsieg geht. Wo die Daten eine Aussage nicht tragen, sagt die Seite das: Die Kalibrierung anderer Märkte ist noch nicht veröffentlicht, und für beide Teams treffen wird sie bewusst zurückgehalten, weil die Prognosen zu stark gebündelt sind, um sie ehrlich zu berichten. Jede Trefferquote steht mit der Zahl der ausgewerteten Prognosen dahinter, damit eine kleine Stichprobe als das erkennbar ist, was sie ist. Ein Kalibrierungsbereich braucht mindestens 50 Spiele, bevor er gezeigt wird, und Spiele, die nie zu Ende gespielt wurden, werden ausgeschlossen, mit ihrer Zahl angegeben. Dieselben Zahlen lassen sich als JSON unter der Lizenz CC BY 4.0 herunterladen.

Die Methode ist Teil für Teil beschrieben: wie viele Modelle, wie sie nach Wettbewerb gruppiert sind, wie viele Eingabemerkmale und welche Kalibrierungsmethode aus Modellwerten eine angegebene Prozentzahl macht. Die Einnahmen stammen nur aus Abos: keine Werbung, keine Affiliate- oder Empfehlungslinks, keine kommerziellen Partnerschaften mit externen Anbietern, keine Provision von irgendwem und keine Links, die Besucher zu einem externen Anbieter schicken. Und nichts hier wird als sicher dargestellt, denn eine Wahrscheinlichkeit ist kein Versprechen, und eine Seite, die etwas anderes behauptet, würde ihren eigenen sechsten Test nicht bestehen.