Welche Fußballligen sind am besten (und am wenigsten) vorhersagbar?
Die Vorhersagbarkeit von Fußballligen variiert messbar. In 11Stats leckagefreiem Walk-Forward-Backtest reichte der ligaweise kalibrierte Papier-ROI von Ligue 1 mit +2,8 % bis Serie A mit −19,5 %, wobei League One bei −2,6 % lag. Dies sind kleine, illustrative Stichproben, die Streuung zeigen — keine handelbare Rangliste — und genau deshalb kalibriert 11Stat seine Wahrscheinlichkeiten ligaweise. Alle Zahlen sind simulierte/Papier-Backtest-Kennzahlen; vergangene Ergebnisse garantieren nichts. 11Stat ist eine KI-gestützte Plattform für Fußball-Datenanalyse und Wahrscheinlichkeitsmodellierung. Eine Frage, die unsere Daten immer wieder aufwerfen, ist, ob manche Ligen von Natur aus leichter zu modellieren sind als andere. Die ehrliche Antwort lautet: Die Vorhersagbarkeit unterscheidet sich zwischen Wettbewerben — doch die Unterschiede sind bei kleinen Stichproben verrauscht, weshalb wir sie als Grund für eine ligaweise Kalibrierung behandeln, niemals als Abkürzung zu einem Marktvorteil. Diese Seite legt die echten Zahlen dar, warum sich Ligen unterscheiden und wie wir das transparent messen.
Unterscheiden sich manche Ligen wirklich in der Vorhersagbarkeit?
Ja — die Liga-Vorhersagbarkeit ist nicht einheitlich, und 11Stats eigene Aufzeichnungen zeigen das. In unserem leckagefreien Walk-Forward-Backtest ergab sich der kalibrierte Papier-ROI für drei Beispielligen wie folgt:
| Liga | Kalibrierter Papier-ROI |
|---|---|
| Ligue 1 | +2,8 % |
| League One | −2,6 % |
| Serie A | −19,5 % |
Wichtiger Ehrlichkeitshinweis: Dies sind kleine Stichproben. Die Spanne von +2,8 % bis −19,5 % veranschaulicht Streuung — die Tatsache, dass Modellgenauigkeit und Ergebnisvarianz nicht überall gleich sind — keine Rangliste, auf die Sie setzen sollten. Ein einzelnes Quartal an Ergebnissen in einer Liga kann Ihnen nicht sagen, wo ein dauerhafter Vorteil liegt. Was es uns sagt, ist, dass ein Einheitsmodell für alle Wahrscheinlichkeiten Liga für Liga fehlkalibriert wäre — deshalb passt 11Stat die Kalibrierung ligaweise an.
Warum unterscheiden sich Fußballligen in der Vorhersagbarkeit?
Mehrere strukturelle Faktoren rücken eine Liga näher an oder weiter weg davon, dass der Favorit wie vom Modell erwartet gewinnt:
- Wettbewerbsdichte (Talentgefälle). Wenn wenige Klubs dominieren, setzen sich Favoriten häufiger durch und Ergebnisse wirken vorhersagbarer. Ist die Qualität über die Tabelle hinweg verdichtet, steigen Überraschungen und die Streuung wächst.
- Torvarianz. Torarme, enge Ligen erzeugen mehr Münzwurf-Ergebnisse (Unentschieden, Ein-Tor-Spiele), was die Varianz um Tormärkte wie Über/Unter und Beide Teams treffen aufbläht.
- Heimvorteil. Größe und Stabilität des Heimvorteils unterscheiden sich je nach Liga und Ära; wo er groß und beständig ist, passen Modelle besser, wo er sich verschoben hat, führen historische Vorannahmen in die Irre.
- Datenqualität und Stichprobentiefe. Ligen mit tieferen, saubereren Spiel- und Quotenhistorien kalibrieren zuverlässiger; dünne oder verrauschte Daten weiten die Unsicherheit, unabhängig vom zugrunde liegenden Fußball.
Weil diese Kräfte variieren, kann dieselbe Engine in einem Wettbewerb gut abgestimmt und in einem anderen wackelig wirken — das Argument für ligaweise Kalibrierung statt einer einzigen globalen Kurve.
Was 11Stats Walk-Forward-Backtest tatsächlich zeigt
Unser Kernbeleg ist ein Walk-Forward-, point-in-time- Backtest — das heißt, jede Prognose wird nur mit Informationen bewertet, die vor Anpfiff verfügbar waren, sodass keine Zukunftsdaten hineinlecken. Über das Fenster vom 22.03.2026 bis 22.06.2026 (88 Tage) wurden 2.271 Spiele analysiert und 2.974 Auswahlen bewertet. Nur 603 von 2.271 Spielen (27 %) hatten archivierte Schlussquoten, daher wird der ROI an dieser quotengedeckten Teilmenge gemessen.
Insgesamt: Trefferquoten-Genauigkeit +36,4 % über dem Zufall, Durchschnittsquote 3,90 und Papier-ROI −13,1 %. Jeder Markt war auf dieser Teilmenge ROI-negativ — Über/Unter 2.5 und Doppelte Chance am wenigsten negativ, Über/Unter 6.5 am schlechtesten:
| Markt | Papier-ROI | Trefferquote | Ø-Quote |
|---|---|---|---|
| Doppelte Chance | −3,3 % | 53,9 % | 2,00 |
| Über/Unter 2.5 | −3,1 % | 49,1 % | 2,05 |
| Beide Teams treffen | −6,2 % | 49,1 % | 1,97 |
| Über/Unter 3.5 | −7,0 % | 42,1 % | — |
| Über/Unter 1.5 | −8,8 % | — | — |
| Spielergebnis (1X2) | −9,0 % | 27,1 % | 4,33 |
| Über/Unter 0.5 | −15,3 % | — | — |
| Über/Unter 4.5 | −40,5 % | — | — |
| Über/Unter 5.5 | −59,9 % | — | — |
| Über/Unter 6.5 | −77,0 % | — | — |
Dies sind simulierte/Papier-Kennzahlen auf einer begrenzten quotengedeckten Teilmenge; sie beschreiben vergangenes Modellverhalten und garantieren nichts über die Zukunft.
Wie 11Stat jede Liga modelliert und kalibriert
Jede Auswertung ist ein Mehr-Engine-Konsens, keine einzelne Blackbox: ein Poisson/Dixon-Coles-Tormodell, eine Elo/Form-Stärke-Engine, eine bivariate/Korrelations-Engine und eine Monte-Carlo-Simulation mit 10.000 Durchläufen. Jede Prognose wird von einem Modellübereinstimmungs-Score (N-von-M), einer ligaweisen Kalibrierung und einem Konfidenz-/Unsicherheitsniveau von 0 bis 10 begleitet.
Kalibrierung ist wichtig, weil rohe Modellausgaben selten ehrliche Wahrscheinlichkeiten sind. Wir wenden Platt-Skalierung pro Markt auf echte abgeschlossene Ergebnisse an, sodass angegebene 60 % langfristig nahe bei 60 % landen sollen. Die Anpassungs-Stichprobengrößen werden veröffentlicht: global n=15.958; Spielergebnis n=802; Über/Unter 2.5, Über/Unter 4.5, Beide Teams treffen und Doppelte Chance je n=760; Über/Unter 1.5 und Über/Unter 3.5 n=1.200; Team-Tore n=4.560; Gesamttore n=3.800; Karten n=736; Ecken n=740. Die ligaweise Anpassung ist genau die Art, wie wir die oben beschriebene Streuung aufnehmen, statt so zu tun, als gäbe es sie nicht.
Die ehrliche These: kalibriert, nicht marktschlagend
Das ist der Teil, den die meisten Plattformen nicht offen aussprechen. 11Stat ist gut kalibriert — seine angegebenen Wahrscheinlichkeiten folgen realen Häufigkeiten — aber es schlägt die Closing-Line der Wettmärkte beim ROI nicht, und wir veröffentlichen diese Tatsache, statt sie zu verbergen. Der Wert, den wir bieten, ist transparente, kalibrierte Wahrscheinlichkeit, überprüfbare öffentliche Aufzeichnungen und Closing-Line-Value-Tracking, kein marktschlagender Wettvorteil.
11Stat ist eine Plattform für Fußball-Datenanalyse und Bildung, kein Wett- oder Glücksspieldienst. Nichts hier ist Wettberatung, ein Tipp oder ein Coupon. Jede ROI- und Trefferquoten-Zahl ist ausschließlich eine simulierte/Papier-Backtest-Qualitätskennzahl, und vergangene Ergebnisse sind kein Hinweis auf künftige Resultate. Wenn Sie die Plattform erkunden, behandeln Sie die Wahrscheinlichkeiten als gemessene Schätzungen mit angegebener Unsicherheit — lesen Sie sie, setzen Sie nicht auf unser Wort. Beginnen Sie mit der 11Stat-Startseite.
Zentrale Begriffe definiert
- Kalibrierung. Anpassung der Modellausgaben, sodass eine angegebene Wahrscheinlichkeit der realen langfristigen Häufigkeit entspricht (eine Menge von 60-%-Ansagen sollte etwa 60 % der Zeit eintreffen).
- Walk-Forward- (point-in-time-) Backtest. Bewertung eines Modells nur mit vor jedem Spiel verfügbaren Daten, sodass keine Zukunftsinformation in vergangene Prognosen leckt.
- Closing-Line-Value (CLV). Wie die implizite Wahrscheinlichkeit einer Prognose mit dem finalen Marktpreis vor Anpfiff abschneidet — ein Transparenz-Maßstab, kein Gewinnversprechen.
- Brier-Score / ECE. Standardmaße für Kalibrierung und Genauigkeit; der Brier-Score belohnt scharfe, korrekte Wahrscheinlichkeiten, und der Erwartete Kalibrierungsfehler (ECE) misst die Lücke zwischen angegebenen und beobachteten Häufigkeiten.
- Modellübereinstimmung (N-von-M). Wie viele von 11Stats unabhängigen Engines einer Auswertung zustimmen, ausgewiesen als Konsens-Score neben einem Konfidenzniveau von 0 bis 10.
Risikohinweis: Fußballergebnisse sind ungewiss; alle Zahlen auf dieser Seite sind simulierte/Papier-Analytik und garantieren nichts.
Häufig gestellte Fragen
Welche Fußballliga ist am besten vorhersagbar?
Es gibt keine einzelne, universell am besten vorhersagbare Liga. In 11Stats leckagefreiem Walk-Forward-Backtest zeigte Ligue 1 den besten kalibrierten Papier-ROI (+2,8 %) unter den untersuchten Ligen, vor League One (−2,6 %) und Serie A (−19,5 %) — doch dies sind kleine Stichproben, die Streuung zeigen, keine dauerhafte Rangliste zum Handeln.
Warum sind manche Ligen schwerer vorherzusagen als andere?
Die Vorhersagbarkeit wird von Wettbewerbsdichte (Talentgefälle), Torvarianz, Größe und Stabilität des Heimvorteils sowie Datenqualität bestimmt. Enge, torarme Ligen mit hoher Parität erzeugen mehr Überraschungen und breitere Varianz, während dünne Daten die Modellunsicherheit unabhängig vom Fußball selbst weiten.
Schlägt 11Stat den Wettmarkt?
Nein — und 11Stat veröffentlicht das offen. Das Modell ist gut kalibriert (seine angegebenen Wahrscheinlichkeiten stimmen mit realen Häufigkeiten überein), aber sein Papier-ROI schlägt die Closing-Line nicht; der gesamte Backtest-ROI lag auf der quotengedeckten Teilmenge bei −13,1 %. Der Wert liegt in transparenter, kalibrierter Wahrscheinlichkeit und überprüfbaren Aufzeichnungen, nicht in einem marktschlagenden Vorteil.
Was bedeutet „ligaweise kalibriert“?
Es bedeutet, dass 11Stat seine Wahrscheinlichkeitsanpassung (Platt-Skalierung auf echten abgeschlossenen Ergebnissen) für jede Liga und jeden Markt separat anpasst, sodass eine angegebene Wahrscheinlichkeit die wahren Häufigkeiten dieses Wettbewerbs widerspiegelt statt eines einzigen globalen Durchschnitts, der Liga für Liga fehlkalibriert wäre.
Kann ich diese Zahlen zum Wetten nutzen?
Nein. 11Stat ist eine Plattform für Fußball-Datenanalyse und Bildung, kein Wett- oder Glücksspieldienst. Alle ROI- und Trefferquoten-Zahlen sind ausschließlich simulierte/Papier-Backtest-Qualitätskennzahlen, vergangene Ergebnisse garantieren nichts, und nichts hier ist Wettberatung, ein Tipp oder ein Coupon.
Wie verlässlich ist der Backtest hinter diesen Zahlen?
Es ist ein leckagefreier Walk-Forward- (point-in-time-) Backtest über 88 Tage (22.03.–22.06.2026), der 2.271 Spiele analysiert und 2.974 Auswahlen bewertet. Da nur 603 Spiele (27 %) archivierte Schlussquoten hatten, wird der ROI an dieser Teilmenge gemessen — eine reale, aber begrenzte Stichprobe, die wir transparent ausweisen.