Woher die Daten kommen – und was fehlt

Die drei Quellen

Die Wahl ist keine Vorliebe, sondern Verfügbarkeit. Für die 2. Bundesliga und die Süper Lig gibt es im frei zugänglichen Bereich keine Quelle, die den Umfang von football-data.org erreicht.

Was in den Prompt einfließt

Für jede Partie werden für beide Mannschaften dieselben Felder zusammengestellt:

• Tabellenplatz und Punktzahl zum Zeitpunkt der Prognose
• Erzielte und kassierte Tore der laufenden Saison
• Die Ergebnisse der letzten fünf Spiele als Formkurve
• Direkte Vergleiche aus der Vergangenheit
• Bekannte Ausfälle, soweit die Quelle sie meldet
• Anstoßzeit und Spieltagnummer

Der Tabellenplatz hat dabei eine Doppelrolle: Er geht in die Prognose ein und bestimmt zusätzlich den Schwierigkeitsmultiplikator bei der späteren Bewertung – je größer der Abstand der beiden Mannschaften, desto weniger wert ist ein bestätigter Favoritensieg.

Wo die Lücken liegen

Die auffälligste Lücke sind die direkten Vergleiche. Sie betrifft vor allem die beiden Ligen außerhalb der Bundesliga und hat spürbare Folgen für die Begründungen der Modelle – dazu gibt es einen eigenen Artikel.

Wie mit fehlenden Daten umgegangen wird

Der naheliegende Weg wäre, fehlende Werte mit Nullen zu füllen. Das wäre ein schwerer Fehler: Ein Modell, das „0 Punkte“ und „Tabellenplatz 0“ liest, hält das für eine Tatsache und leitet daraus ab, die Mannschaft sei in katastrophaler Verfassung.

Stattdessen bekommen die Modelle eine ausdrückliche Angabe, dass für dieses Feld keine Daten vorliegen. Sie können die Lücke dann als Unsicherheit behandeln, statt sie als Information misszuverstehen.

Wann die Daten abgerufen werden

Die Daten werden vor jedem Spieltag mehrfach aktualisiert, weil sich Tabellenstand und Form bis kurz vor Anpfiff ändern. Jede Prognose trägt deshalb einen Zeitstempel, der festhält, auf welchem Datenstand sie beruht.

Nach Abpfiff werden die Endergebnisse automatisch nachgezogen. Erst dann kann die Bewertung greifen.

Was bewusst nicht erhoben wird

Wettquoten fließen nicht ein. Sie würden die Trefferquote vermutlich verbessern, aber den Vergleich der Modelle entwerten – die Modelle würden im Kern die Quote nachsprechen.

Ebenfalls nicht erhoben werden Aufstellungen. Sie stehen erst rund eine Stunde vor Anpfiff fest, die Prognosen entstehen deutlich früher. Eine Prognose, die erst 60 Minuten vor Spielbeginn erscheint, wäre für Leser wertlos.

Was noch fehlt

Der Spielort wird von den Quellen teilweise mitgeliefert, aber derzeit nicht gespeichert. Für die Prognose selbst spielt das keine Rolle – der Heimvorteil ergibt sich aus der Paarung. Für die strukturierten Daten, die Suchmaschinen auslesen, wäre der echte Stadionname jedoch die bessere Angabe als der derzeitige Platzhalter.

Solche Lücken werden hier benannt statt kaschiert. Wer wissen will, wie belastbar eine Prognose ist, muss wissen, worauf sie beruht.