Wie eine Forecast entsteht
Jede Forecast durchläuft drei Schritte: Eingang (Welches Event wird modelliert? Welche Datenquellen?), Modell-Lauf (welches Modell rechnet — Match- Outcome, Form-Overlay, Konsens-Aggregator), und Veröffentlichung (Pick, Probability, Konfidenz, Driver-Liste, Risikofaktoren). Das Modell und seine Version sind auf jeder Forecast sichtbar.
Forecasts werden statisch gebaut — jeder Modell-Lauf produziert eine Snapshot-Page, die im nächsten Update durch eine neue ersetzt oder via Update-Log fortgeschrieben wird.
Was Konfidenz bedeutet
Jede Forecast trägt eine Konfidenz-Stufe — Hoch, Mittel, Gering — die nicht dasselbe ist wie die Wahrscheinlichkeit. Die Wahrscheinlichkeit sagt, wie das Modell den Ausgang einschätzt. Die Konfidenz sagt, wie sehr das Modell sich auf seine eigene Einschätzung verlässt.
- Hoch: Modell hat in vergleichbaren Situationen historisch gut performt, Datenqualität ist gut, wenig Sondereffekte erwartet.
- Mittel: Modell-Output ist plausibel, aber Daten sind unvollständig oder Sondereffekte (Verletzungen, Wetter, Makro-Schock) wirken stark.
- Gering: Modell rechnet, aber die Eingangs- Daten oder das Setup geben wenig her. Wir veröffentlichen trotzdem als Information — und markieren es klar.
Wie wir Hit-Rate messen
Eine Forecast hat ein Resultat: won, lost,
push, void oder pending. In
die Hit-Rate gehen nur entschiedene Forecasts ein
(won + lost); Push und Void werden
ausgeklammert. Pro Modell wird die Bilanz separat berechnet und
ist auf /modelle einsehbar.
Wir reporten Bilanz ehrlich. Verlierer-Strähnen sind sichtbar. Konfidenz-Kalibrierung (haben die „hoch konfident" Forecasts tatsächlich höhere Hit-Rate als die „gering konfident") wird regelmäßig überprüft und dokumentiert.
Datenquellen
Für Sport-Forecasts: öffentlich verfügbare Match-Statistiken, Tabellen-Snapshots und Form-Daten. Für Makro: öffentliche Datensätze der EZB, statistischen Landesämter, OECD und ausgewählte Marktdaten. Keine Insider-Informationen. Keine Echtzeit-Marktdaten gegen Bezahlung.
Modell-Bankroll-Simulation
Auf /bilanz läuft eine virtuelle Buchführung:
ein Konto mit 100 Einheiten Startkapital, das pro veröffentlichter
Forecast einen flachen 1-Einheit-Einsatz zur fairen Quote
(1 / Wahrscheinlichkeit) macht. Wird die Forecast eingetroffen,
wächst die Bankroll um (Quote − 1) × Einsatz. Liegt
sie daneben, schrumpft sie um den Einsatz.
Bei fairen Quoten gilt: ein perfekt kalibriertes Modell erzeugt im Erwartungswert genau null Veränderung. Eine wachsende Bankroll bedeutet, dass das Modell mehr Outcomes richtig erfasst hat als seine eigene Konfidenz versprochen hat — also tendenziell unter-konfident war. Eine schrumpfende Bankroll heißt das Gegenteil.
Klar zu unterscheiden: diese Simulation läuft mit fairen Quoten. Reale Sportwetten-Quoten enthalten eine Buchmacher-Marge, sodass eine identische Strategie dort systematisch verlieren würde. Die Bankroll-Bilanz misst Modell-Qualität, nicht Profitabilität — und ist deshalb explizit keine Wett-Empfehlung.
Die Begriffe dahinter — faire Quote, implizite Wahrscheinlichkeit, Overround (Buchmacher-Marge), Expected Value und Kalibrierung — erklärt die Seite Theorie & Fair Value.
Verantwortlicher Umgang
score.ai veröffentlicht Modell-Prognosen zu Bildungs- und Analyse-Zwecken. Wahrscheinlichkeits-Aussagen sind Information, keine Wett-Empfehlung. Wir verlinken keine Wett-Anbieter, geben keine Quoten und sprechen nicht von „Tipps".
Wer mit Sportwetten Probleme hat oder Hilfe sucht, findet Unterstützung bei der Bundeszentrale für gesundheitliche Aufklärung oder unter der Sucht-Hotline 0800 1 372 700.