Das KI-Gremium: Wie aus vier Prognosen eine wird

Warum nicht einfach den Durchschnitt nehmen

Der naheliegende Weg wäre, die vier Ergebnisse zu mitteln. Er führt allerdings zu Unsinn. Der Mittelwert aus 2:0, 1:1, 0:2 und 3:1 ist kein Fußballergebnis, sondern eine Zahl ohne Bedeutung. Auch ein Mehrheitsentscheid greift zu kurz: Er zählt Stimmen, statt Argumente zu wägen. Drei schwach begründete Prognosen würden eine gut begründete überstimmen.

Das Gremium geht deshalb einen anderen Weg – es lässt die Modelle die Qualität der Begründungen beurteilen.

Stufe 1: Die Einzelprognosen

Die erste Stufe ist bereits abgeschlossen, bevor das Gremium beginnt: Die vier Modelle haben unabhängig voneinander getippt, jeweils mit Ergebnis, Konfidenz und Begründung. In dieser Stufe entstehen keine zusätzlichen Anfragen.

Stufe 2: Das anonyme Peer-Ranking

Jetzt werden die vier Prognosen anonymisiert. Sie erscheinen nur noch als „Prognose A“ bis „Prognose D“ – ohne Hinweis darauf, welches Modell dahintersteht. In dieser Form gehen sie an alle vier Modelle zurück, mit der Aufgabe, sie nach Überzeugungskraft in eine Rangfolge zu bringen.

Aus den vier Rangfolgen wird eine Gesamtrangfolge berechnet. Prognosen, die von mehreren Modellen unabhängig nach vorn gesetzt wurden, stehen oben.

Stufe 3: Die Synthese durch den Vorsitzenden

In der letzten Stufe übernimmt ein Modell die Rolle des Vorsitzenden. Es bekommt die anonymisierten Einzelprognosen, die Rangfolgen der anderen Modelle und das aggregierte Gesamtranking – und formuliert daraus die Endprognose mit eigener Begründung und eigener Konfidenz.

Der Vorsitzende ist nicht an das Ranking gebunden. Er kann der bestbewerteten Prognose folgen, muss es aber nicht. Welches Modell diese Rolle übernimmt, wird auf der Spielseite ausgewiesen – ebenso wie die Zahl der Modelle, die am Gremium teilgenommen haben.

Wenn Modelle ausfallen

Nicht jede Anfrage an einen externen Anbieter gelingt. Fällt ein Modell in Stufe 2 aus, läuft das Verfahren mit den verbleibenden weiter. Schlagen alle Rankings fehl, entfällt das Gremium für diese Partie – dann stehen nur die Einzelprognosen auf der Seite.

Deshalb steht bei der Gremiums-Prognose immer dabei, auf wie vielen Modellen sie beruht. Eine Endprognose aus drei Stimmen ist etwas anderes als eine aus vier.

Der KI-Konsens

Unabhängig vom Gremium wird ausgewiesen, ob die Einzelmodelle sich in der Tendenz einig sind. Tippen alle auf denselben Ausgang, erscheint der Hinweis auf einen Konsens mitsamt Übereinstimmungsgrad.

Ein Konsens bedeutet nicht, dass die Prognose richtig ist. Er bedeutet, dass vier unterschiedlich trainierte Systeme aus denselben Daten dieselbe Schlussfolgerung gezogen haben – ein Hinweis auf eine klare Ausgangslage, nicht auf ein sicheres Ergebnis. Fußballspiele mit klarer Ausgangslage gehen regelmäßig anders aus.

Wie das Gremium bewertet wird

Die Gremiums-Prognose läuft in der Metrik-Auswertung als eigener Teilnehmer mit, nach denselben Regeln wie die Einzelmodelle. Sie wird also nicht bevorzugt, nur weil sie aus dem aufwendigeren Verfahren stammt.

Eine Ausnahme gibt es: Weil die Endprognose keine strukturierten Schlüsselfaktoren enthält, bleibt die Begründungsprüfung bei ihr neutral und fließt nicht in den Gesamtscore ein. Ob der Aufwand des Gremiums sich gegenüber den Einzelmodellen auszahlt, lässt sich auf der Metrik-Seite nachlesen.