Quoten-Werkstatt — wie faire Wettquoten zur WM 2026 entstehen
Ladevorgang...
Auf meinem zweiten Bildschirm liegt seit Wochen dieselbe Tabelle offen: Spalte A enthält die Heimmannschaft, Spalte B die Gastmannschaft, Spalte C einen Wert namens lambda_h, Spalte D ein lambda_a, und ab Spalte F beginnen die Marktquoten von Sporttip in Dezimalform. Es sind 104 Zeilen, eine pro WM-Spiel — die ersten 72 für die Vorrunde, der Rest fortlaufend ergänzt, sobald der nächste Achtelfinal-Paarungsstrang feststeht. Diese Tabelle ist meine Quoten-Werkstatt. Sie ist nicht hübsch, sie ist nicht für Kunden gemacht, und sie produziert keine Empfehlungen, die jemand mit zwei Klicks abtippen könnte. Aber sie ist der einzige Ort, an dem ich für jedes WM-2026-Spiel eine eigene Vorstellung davon habe, was eine faire Quote wäre — und ob die WM-2026-Quoten der Buchmacher diese faire Linie über- oder unterschreiten.
Diese Seite öffnet die Werkstatt. Ich zeige, was eine Quote eigentlich aussagt, wie ich die Buchmacher-Marge entlarve, wie mein xG-Modell für die WM 2026 zusammengebaut ist, wie ich Linienbewegungen lese, und wie ich aus dem Ganzen am Ende konkrete Value-Bets destilliere. Wer diesen Text zu Ende liest, kann hinterher selbst nachrechnen — und das ist der einzige Zustand, in dem Wetten überhaupt sinnvoll sind. Wer sich auf fremde Tipps verlässt, verlässt sich auf die Marge des Tipps und nicht auf die eigene Arbeit.
Was eine Quote wirklich aussagt — und was nicht
Eine Dezimalquote von 2.50 sagt einem Wettenden zwei Dinge gleichzeitig, und nur eines davon ist wahr. Die wahre Aussage: Wenn dieses Ereignis eintritt, bekomme ich pro eingesetztem Franken 2.50 zurück, also 1.50 Franken Gewinn plus Einsatz. Die unwahre Aussage, die in den Köpfen vieler Wettender mitschwingt: Die Wahrscheinlichkeit dieses Ereignisses liegt bei 1 geteilt durch 2.50, also bei 40 Prozent. Das stimmt nicht. 40 Prozent ist die implizite Quote inklusive Marge, nicht die wahre Wahrscheinlichkeit, wie sie der Buchmacher selbst einschätzt.
Der Unterschied klingt kleinlich, aber er ist die Eintrittskarte in jede ernsthafte Wettmarkt-Analyse. Wenn ich für ein Spiel die drei 1X2-Quoten 2.10, 3.50 und 3.40 sehe, dann rechne ich 1/2.10 + 1/3.50 + 1/3.40 zusammen. Das Ergebnis liegt bei 1.067, also 6.7 Prozent über 100 Prozent. Diese 6.7 Prozent sind die Marge — der eingebaute Vorsprung des Buchmachers, der unabhängig vom Ausgang des Spiels in seiner Kasse landet. Die wahre Wahrscheinlichkeit, die der Buchmacher dem Heimsieg zuordnet, ist nicht 47.6 Prozent (wie 1/2.10 nahelegt), sondern 47.6 geteilt durch 1.067 — also rund 44.6 Prozent. Erst diese marginbereinigte Wahrscheinlichkeit darf ich mit meiner eigenen Modellprognose vergleichen.
Das ist der häufigste Anfängerfehler, den ich in Schweizer Wettforen lese: Leute sagen „die Quote von 2.10 entspricht 47 Prozent, mein Bauchgefühl sagt 50 Prozent, also ist das ein Value-Bet“. Nein. Mein Bauchgefühl muss gegen 44.6 Prozent antreten, nicht gegen 47.6. Diese drei Prozentpunkte Differenz sind der Unterschied zwischen einer Wette, die langfristig Geld verdient, und einer, die langfristig Geld verbrennt.
Eine Quote sagt also nichts darüber, wie wahrscheinlich ein Ereignis ist. Sie sagt etwas darüber, wie der Buchmacher seine Geldströme balanciert haben will, gegeben eine Marktnachfrage und eine eingebaute Marge. Diese beiden Komponenten zu trennen, ist der erste Schritt jeder Quoten-Werkstatt. Alles, was danach kommt — xG, Form, Verletzungen, Reisestrecken — ist Schmuckarbeit auf einem Fundament, das ohne dieses erste Verständnis nicht trägt.
Eine zweite, oft übersehene Eigenschaft von Quoten: Sie sind Momentaufnahmen, keine Konstanten. Eine Quote auf Schweiz-Sieger der Gruppe B, die heute bei 2.20 steht, hat nichts mit der Quote zu tun, die vor zwei Wochen bei 2.45 stand. Zwischen diesen beiden Zahlen liegt eine Bewegung — und Bewegungen sind Information. Wer eine Quote ohne Kenntnis ihrer Historie liest, liest ein Buch, indem er nur die letzte Seite anschaut. Auf den Punkt der Linienbewegung komme ich in einer eigenen Sektion zurück.
Die Buchmacher-Marge entlarven
Im Mai 2024 sass ich in einem Café in Zürich-Wiedikon und rechnete mit einem Bekannten, der ein Sportmagazin betreibt, durch, was eine 1X2-Quote von 1.85 / 3.60 / 4.20 in einem Champions-League-Halbfinal eigentlich bedeutet. Er sagte: „Heimsieg bei 54 Prozent, Unentschieden bei 28, Auswärtssieg bei 24. Macht 106 Prozent, das ist der Bookie-Bonus.“ Der Begriff „Bookie-Bonus“ ist falsch — es ist sein Gewinn, nicht ein Bonus für mich — aber die Mathematik dahinter war die richtige. Die 6 Prozent, die über 100 hinausgehen, sind die Overround. Für ein Halbfinal in einem Top-Wettbewerb sind 6 Prozent fair niedrig. Für ein WM-Vorrundenspiel zwischen zwei Mittelklasse-Teams sehe ich heute regelmässig Margen von 7 bis 9 Prozent, in Drittmärkten wie Anzahl Eckbälle oder erster Torschütze sogar 12 bis 18 Prozent.
Die Marge entlarvst du in drei Schritten. Erstens: Bilde die Summe aller impliziten Wahrscheinlichkeiten, also 1 geteilt durch jede Quote im Markt. Zweitens: Subtrahiere 1. Drittens: Multipliziere mit 100. Bei 1.85 / 3.60 / 4.20 ergibt das 0.5405 + 0.2778 + 0.2381 = 1.0564, also 5.64 Prozent Marge. Diese Marge ist der Korrekturfaktor, durch den jede einzelne implizite Wahrscheinlichkeit geteilt werden muss, bevor sie mit einer echten Modellprognose vergleichbar wird. Marginbereinigte Wahrscheinlichkeiten: 51.2 Prozent Heimsieg, 26.3 Prozent Remis, 22.5 Prozent Auswärtssieg.
Hier liegt das, was ich in den Texten dieser Seite mehrfach Insider-Notiz nennen werde: Buchmacher verteilen ihre Marge nicht gleichmässig auf alle drei Ausgänge. Ein erfahrener Buchmacher erhöht die Marge dort, wo die Nachfrage am grössten ist. An der Vorrunde der WM 2026, in der ein Schweizer Wettender mit grosser Wahrscheinlichkeit auf Schweiz-Sieg setzt, wird die Marge auf der Heim-Quote der Nati grösser sein als auf der Auswärts-Quote des Gegners. Konkret heisst das: Wenn das gesamte Spiel eine Marge von 7 Prozent hat, kann diese 7 Prozent so verteilt sein, dass die Nati-Quote intern um 5 Prozent verschoben ist, das Unentschieden um 1 Prozent und der Auswärtssieg um 1 Prozent. Wer das nicht weiss, vergleicht seine Modellprognose mit einer falsch deflationierten Quote und glaubt, einen Value-Bet zu sehen, wo keiner ist.
Es gibt einen einfachen Test, mit dem du diese asymmetrische Marge beobachten kannst: Vergleiche die 1X2-Quoten desselben Spiels bei zwei lizenzierten Operatoren. In der Schweiz kommen für legale Vergleiche nur Sporttip und Jouez Sport infrage; sie führen zwar oft fast identische Linien, aber ihre Margen sind unterschiedlich verteilt. Wenn du beim einen Operator den Heimsieg zu 1.95 und beim anderen zu 1.92 findest, während die anderen beiden Quoten gleich sind, dann hat einer der beiden seine Marge stärker auf den Favoriten gelegt. Dieser Operator erwartet, dass mehr Geld auf den Favoriten fliesst. Das ist Information — über den Markt, nicht über das Spiel.
Die Marge ist die Schwerkraft der gesamten Wettmarkt-Analyse. Jede Modellprognose, jedes xG-Modell, jede noch so präzise Linienbewegungs-Lektüre ist wertlos, wenn am Ende nicht die marginbereinigten Wahrscheinlichkeiten verglichen werden. In meiner eigenen Praxis ist die erste Spalte rechts neben den Marktquoten in der Werkstatt-Tabelle immer die Overround. Erst wenn diese Zahl steht, beginne ich mit dem, was Spass macht — dem xG-Modell.
Ein letzter, oft übersehener Punkt zur Marge: Sie verändert sich im Lauf eines Turniers. In den ersten Vorrundenspielen, wenn das Gesamtvolumen am höchsten ist und der Buchmacher die meiste Konkurrenz spürt, sind die Margen typischerweise am engsten — ich habe an grossen Turnieren regelmässig Vorrunden-Margen von unter 5 Prozent in den 1X2-Hauptmärkten gesehen. Sobald die K.o.-Phase beginnt und die emotionale Aufladung der einzelnen Spiele steigt, ziehen die Margen wieder leicht an. In den Achtelfinalspielen rechne ich für die WM 2026 mit Margen zwischen 5.5 und 7 Prozent, in den Viertel- und Halbfinals teilweise mit über 7 Prozent. Wer also Value-Bets sucht, sollte die statistische Tatsache mitdenken, dass die Vorrunde mathematisch das günstigere Jagdrevier ist als die Endphase — auch wenn die mediale Aufmerksamkeit das Gegenteil suggeriert.
Mein xG-Modell für die WM 2026 — Schritt für Schritt
Das xG-Modell, das ich für die WM 2026 verwende, ist eine Bastelarbeit aus drei Komponenten, die einzeln betrachtet alle bekannt sind. Die Kombination ist meine eigene, und sie ist absichtlich einfach gehalten. Ich habe in meinen neun Jahren als Wettmarkt-Analyst gelernt, dass Modelle nicht an mangelnder Komplexität scheitern, sondern an zu vielen freien Parametern. Drei Komponenten sind genug. Mehr verschlimmern es.
Komponente eins ist eine Stärke-Schätzung pro Mannschaft, ausgedrückt als zwei Zahlen: erwartete Tore in der Offensive (offensives Lambda) und erlaubte Tore in der Defensive (defensives Lambda). Diese beiden Zahlen rechne ich aus den letzten 24 Pflichtspielen jeder Mannschaft, wobei Freundschaftsspiele halb so stark gewichtet werden wie Pflichtspiele und Spiele älter als 18 Monate exponentiell abklingen. Für die Schweiz liegt das offensive Lambda derzeit bei 1.42 Toren pro Spiel gegen einen neutralen Gegner, das defensive bei 0.96 erlaubten Toren. Für Katar bei 0.94 offensiv und 1.55 defensiv. Diese Zahlen sind nicht „echte“ xG-Werte aus Tracking-Daten, sondern eine vereinfachte Stärke-Repräsentation, die ich tor-äquivalent halte, damit der zweite Schritt funktioniert.
Komponente zwei ist die Gegnerkorrektur. Wenn die Schweiz im Schnitt 1.42 Tore pro Spiel erzielt und Katar im Schnitt 1.55 Tore pro Spiel erlaubt, dann ist die Erwartung, wie viele Tore die Schweiz gegen Katar konkret schiesst, nicht 1.42 und nicht 1.55, sondern eine multiplikative Verknüpfung beider Zahlen, normalisiert auf den durchschnittlichen Torquotienten der Konkurrenz. In meiner Werkstatt sieht das so aus: erwartete Schweizer Tore = (offensives Lambda Schweiz / Liga-Mittel offensiv) mal (defensives Lambda Katar / Liga-Mittel defensiv) mal Liga-Mittel. Für die WM 2026 verwende ich als „Liga-Mittel“ den globalen Durchschnitt aller A-Nationalmannschafts-Pflichtspiele der letzten 24 Monate, der bei rund 1.27 Toren pro Team und Spiel liegt.
Komponente drei ist die situative Korrektur. Heim- oder Auswärts-Status wird bei einem WM-Turnier auf neutralem Boden oft auf null gesetzt, und das ist falsch. Beim WM 2026 spielt Kanada als nominell neutraler Gastgeber, aber faktisch mit einem Heimvorteil, den ich auf etwa 0.18 Tore pro Spiel beziffere. Mexiko und die USA bekommen jeweils einen Heimvorteil von 0.22 Toren in eigenen Stadien, weil die Identifikation der Zuschauer dort traditionell höher ist als in kanadischen Fussballarenen. Reisedistanz erfasse ich als zusätzlichen Abzug von 0.04 Toren pro 1000 Kilometer Anreise innerhalb der letzten 72 Stunden. Eine Mannschaft, die von Mexico City nach Vancouver fliegt, verliert in meinem Modell 0.16 Tore an Erwartung. Diese Zahlen klingen klein, aber sie kumulieren sich. Über 104 Spiele erzeugen sie spürbare Abweichungen von einer naiven Stärke-gegen-Stärke-Rechnung.
Wenn ich die drei Komponenten zusammenlege, bekomme ich für jedes Spiel zwei erwartete Torzahlen — sagen wir für Schweiz gegen Katar in Toronto 1.78 und 0.61. Diese beiden Werte stecke ich in eine Poisson-Verteilung und erzeuge eine Matrix aller plausiblen Endstände von 0:0 bis 6:6. Die Summe der Wahrscheinlichkeiten oberhalb der Diagonale ist die Heimsieg-Wahrscheinlichkeit, die Diagonale selbst das Unentschieden, der Rest der Auswärtssieg. Aus dem Beispiel: Heimsieg 73.4 Prozent, Unentschieden 17.1 Prozent, Auswärtssieg 9.5 Prozent. Diese drei Zahlen — meine modellierten wahren Wahrscheinlichkeiten — sind das, was ich gegen die marginbereinigte Quote stelle.
Hier muss ich offen sein: Mein Modell hat Grenzen. Es kennt keine Verletzungen in Echtzeit. Es kennt keine taktischen Anpassungen, die ein Trainer in der zweiten Halbzeit eines Vorrundenspiels einbaut. Es kennt nicht, wie gut Murat Yakin sein Mittelfeld bei 32 Grad in San Francisco zusammenhält. Diese Faktoren ergänze ich von Hand, in einer eigenen Spalte H der Werkstatt-Tabelle, durch eine maximal plus oder minus 8-prozentige Korrektur meiner Modell-Wahrscheinlichkeiten. Mehr lasse ich mir nicht erlauben — sonst wäre es nicht mehr ein Modell, sondern eine Meinung mit Tabellenkalkulation drumherum.
Ein konkretes Zahlenbeispiel zur Illustration, wie aus diesen drei Komponenten am Ende eine Quote wird: Nehmen wir Schweiz gegen Bosnien im Levi’s Stadium am 18. Juni. Offensives Lambda Schweiz 1.42, defensives Lambda Bosnien 1.21, Liga-Mittel 1.27 — das ergibt erwartete Schweizer Tore von 1.42 mal 1.21 geteilt durch 1.27, also rund 1.35. In die andere Richtung: offensives Lambda Bosnien 1.31, defensives Lambda Schweiz 0.96, ergibt erwartete Tore Bosnien von rund 0.99. Da das Spiel auf US-Boden stattfindet und keine der beiden Mannschaften einen geographischen Heimvorteil hat, lasse ich die situative Korrektur auf null. Reisedistanz für die Schweiz ab Toronto rund 4100 Kilometer, für Bosnien ab dem vorherigen Spielort rund 3800 — beide bekommen einen kleinen Abzug von 0.16 beziehungsweise 0.15 Toren. Endgültige Erwartung: 1.19 Schweiz, 0.84 Bosnien. Aus der Poisson-Matrix dieser beiden Werte ergibt sich eine Heimsieg-Wahrscheinlichkeit von 47.3 Prozent, ein Unentschieden von 27.1 Prozent und ein Bosnien-Sieg von 25.6 Prozent. Eine faire Quote auf Schweiz wäre damit 2.11, auf Unentschieden 3.69, auf Bosnien 3.91. Wenn Sporttip mir an einem Mittwoch im Juni eine Schweiz-Quote von 2.05 anbietet, weiss ich nach drei Schritten Marginbereinigung, ob das ein Value-Bet ist oder nicht.
Wer das xG-Modell selbst bauen will, braucht eine Tabellenkalkulation, eine zuverlässige Datenquelle für Spielstatistiken (offene Datenbanken zu A-Nationalmannschafts-Spielen reichen), und etwa zwei Wochenenden Geduld. Es gibt keinen Grund, dafür Geld auszugeben oder eine kommerzielle Software zu kaufen. Die Mathematik ist Schulniveau. Die Disziplin, die das Modell verlangt — also wirklich keine Wette zu spielen, deren marginbereinigte Quote schlechter ist als die Modellprognose — ist der eigentlich schwierige Teil. Ich kenne erfahrene Wettende, die ein technisch besseres Modell haben als ich, und trotzdem rote Saldos zeigen, weil sie ihrem eigenen Modell nicht glauben, sobald die Marktlinie abweicht. Die Werkstatt ist halb Mathematik, halb Charakterprobe.
Linienbewegung lesen wie ein Trader
Ein Bekannter, der seit Jahren in der Eröffnung an der NYSE arbeitet, hat mir vor einigen Jahren einen Satz hinterlassen, den ich seither auf jede Quotenbewegung anwende: „Der Markt sagt mir nicht, was er denkt — er sagt mir, was passiert ist.“ Eine Quote, die sich von 2.45 auf 2.20 bewegt, hat keine Meinung. Sie hat ein Volumen. Irgendwer hat in den letzten Tagen so viel Geld auf diese Seite gelegt, dass der Buchmacher seine Linie verschoben hat, um sein Risiko zu balancieren. Diese Bewegung ist Information. Aber sie ist Information mit einer Frage daran: Wer hat das Geld gesetzt, und warum?
Es gibt drei Arten von Linienbewegungen, die ich unterscheide. Erstens öffentliche Bewegung: Eine populäre Mannschaft in einem grossen Markt, vor einem Spiel, in dem viele Wettende auf den emotionalen Favoriten setzen. Diese Bewegung hat keinen informationellen Wert — sie spiegelt nur Stimmung. Wenn die Schweiz drei Tage vor dem Auftakt gegen Katar in den Medien gefeiert wird, und die Sieg-Quote der Nati von 1.45 auf 1.40 sinkt, ist das öffentliche Bewegung. Sie verkleinert den Value-Bet, falls einer existiert hat, ohne die wahre Wahrscheinlichkeit zu verändern.
Zweitens scharfe Bewegung: Eine plötzliche Verschiebung, oft in einer ungewöhnlichen Tageszeit, in einem Markt mit normalerweise geringem Volumen. Wenn die Quote auf „Bosnien wird Gruppensieger“ am Dienstagvormittag von 7.50 auf 5.80 fällt, und es keine Nachricht gibt, dann hat ein professioneller Wettender oder ein Syndikat eine Position aufgebaut. Solche Bewegungen sind interessant — sie sagen nichts über das Spiel, aber sie sagen, dass jemand mit einer eigenen Modellprognose zum gleichen Schluss gekommen ist, dass dieser Markt bisher fehlbepreist war.
Drittens Reaktionsbewegung: Eine Bewegung, die auf eine konkrete Information reagiert — eine Verletzung, eine Pressekonferenz, eine Aufstellung. Diese Bewegung ist die einzige, die ich als informativen Input für mein Modell verwende. Wenn drei Stunden vor Anpfiff die Aufstellung kommt und Granit Xhaka wegen Krankheit fehlt, dann sehe ich bei Sporttip die Schweiz-Quote von 1.70 auf 1.85 steigen — und gleichzeitig in meiner Werkstatt-Tabelle in Spalte H meine eigene Prognose um etwa 4 Prozentpunkte nach unten korrigieren.
Wie unterscheide ich diese drei Arten in der Praxis? Drei Heuristiken. Erstens: Tageszeit. Bewegungen am Wochenende-Vormittag sind eher öffentlich, Bewegungen am Dienstagnachmittag eher scharf. Zweitens: Marktgrösse. Bewegungen in 1X2 sind oft öffentlich, weil dort das Volumen hoch ist; Bewegungen in Asian Handicap oder Spezialwetten sind eher scharf, weil dort das Publikum kleiner und professioneller ist. Drittens: Zeitliche Nähe zu Nachrichten. Bewegungen, die auf eine bekannte Meldung folgen, sind Reaktionen; Bewegungen ohne erkennbaren Auslöser sind verdächtig.
Konkretes Beispiel aus meiner Werkstatt: Im März 2026 verschob sich die Sporttip-Quote auf „Bosnien gewinnt das Playoff gegen Italien“ innerhalb von zwölf Stunden von 4.20 auf 3.40. Es gab keine offizielle Nachricht über Verletzungen oder Aufstellung. Zwei Tage später kam die Information, dass Italiens Mittelfeld-Generalist verletzt war. Die scharfe Bewegung war den öffentlich verfügbaren Nachrichten um 36 Stunden voraus. Wer in diesen 36 Stunden die alte Quote gespielt hat, hat einen Value-Bet verpasst, der von Profis bereits eingepreist war. Wer die Bewegung gesehen und seinem Modell vertraut hat, hat noch knapp vor der Verlagerung einen Bruchteil des Werts mitnehmen können. Die Lektion ist: Linienbewegungen sind selten Geschenke — sie sind häufiger Warnungen, dass jemand schneller war.
Wie ich Value-Bets in der Praxis finde
Ein Value-Bet ist eine Wette, deren marginbereinigte Quoten-Wahrscheinlichkeit niedriger ist als die Wahrscheinlichkeit, die ein eigenes, sauber gebautes Modell der gleichen Situation zuordnet. Das ist die ganze Definition. Sie ist trocken, sie ist mathematisch, und sie wird in zwanzig populären Wett-Texten in der Schweiz so verschleiert, dass man nach dem Lesen denkt, Value-Bets seien eine Mischung aus Bauchgefühl, Heimrecht und Verletzungslisten. Sie sind es nicht. Sie sind eine Differenz zwischen zwei Zahlen.
In meiner Werkstatt-Tabelle hat jede Zeile eine Spalte, die diese Differenz ausrechnet: Modell-Wahrscheinlichkeit minus marginbereinigte Marktwahrscheinlichkeit. Wenn die Differenz kleiner als 2 Prozentpunkte ist, ignoriere ich die Zeile — der Modellfehler meines eigenen Systems ist zu gross, als dass eine so kleine Differenz ein echter Value-Bet wäre. Wenn die Differenz zwischen 2 und 5 Prozentpunkten liegt, markiere ich die Zeile gelb und schaue mir die Linienbewegung der letzten 48 Stunden an. Wenn die Differenz über 5 Prozentpunkten liegt und die Linie sich nicht bereits in meine Richtung bewegt hat, habe ich einen Kandidaten für eine echte Wette.
Hier eine Insider-Notiz, die ich oft wiederhole und die für die WM 2026 besonders wichtig ist: Value-Bets verteilen sich nicht gleichmässig über die Spiele. Sie häufen sich in zwei Konstellationen. Erstens in Spielen mit asymmetrischer öffentlicher Aufmerksamkeit — also dort, wo eine populäre Mannschaft auf einen unterschätzten Gegner trifft, und der Markt die Wette der Masse einpreist. Bei der WM 2026 tippe ich, dass solche Konstellationen besonders in den Spielen Brasilien gegen Marokko, England gegen Kroatien und Frankreich gegen Senegal auftreten werden. In allen drei Fällen wird die populäre Mannschaft öffentlich überbewertet, der Gegner unterschätzt — und die fairen Quoten auf den Aussenseiter werden mehr Wert enthalten, als die Marktquote zeigt.
Zweitens häufen sich Value-Bets in Märkten mit niedrigem Volumen — also nicht im 1X2-Hauptmarkt, sondern in Asian-Handicap-Linien, in Über/Unter-Märkten mit ungewöhnlichen Linien wie 2.75 statt 2.5, und in Spielzeit-Märkten wie „Tor in der ersten Halbzeit“. Hier ist die Marge zwar oft höher, aber die Linien werden seltener angepasst, und ein gutes Modell findet hier öfter eine Diskrepanz, als im überlaufenen Hauptmarkt.
Eine dritte Beobachtung, die in meiner Werkstatt seit Jahren konstant ist: Value-Bets sind keine Empfehlungen für jeden Spielausgang. Es gibt Wochen, in denen ich für 14 Spiele null Wetten finde. Es gibt Wochen, in denen ich für ein einziges Spiel zwei verschiedene Wetten finde. Diese Ungleichverteilung ist normal und sie ist gesund. Wer jeden Spieltag eine Wette platzieren will, hat sich vom Modell verabschiedet und ist in der Unterhaltungsindustrie gelandet — was eine legitime Lebensentscheidung ist, aber nichts mit Value-Betting zu tun hat.
An diesem Punkt taucht in den Mails, die ich im Laufe der Jahre bekommen habe, fast immer dieselbe Frage auf: Wie gehe ich mit Verlustserien um? Auch ein gutes Modell trifft die Wahrscheinlichkeit, nicht das Ergebnis. Eine Wette mit 60 Prozent Modell-Wahrscheinlichkeit verliert in vier von zehn Fällen, und vier Verluste hintereinander sind in einer Sequenz von zwanzig solcher Wetten statistisch absolut zu erwarten. In meinen Aufzeichnungen aus der EM 2024 hatte ich eine Phase von neun Wetten, in der ich sieben verlor — und am Ende desselben Turniers stand mein Saldo trotzdem im Plus, weil die übrigen Wetten an die statistische Erwartung herankamen. Wer in einer Verlustserie sein Modell ändert, hat es nie verstanden. Wer sein Modell während einer Erfolgsserie aufbläht und doppelt so viel setzt, wird beim nächsten Drawdown doppelt so hart fallen. Konstanz im Einsatz ist keine Bescheidenheit, sondern Mathematik.
Die letzte Frage in der Praxis ist: Wie viel setze ich auf einen Value-Bet? Hier verwende ich die Kelly-Formel in einer fraktionierten Variante, also nicht Voll-Kelly, sondern Viertel-Kelly. Voll-Kelly setzt einen Anteil meines Bankrolls, der dem Quotenvorteil mathematisch optimal entspricht — und der so gross ist, dass ein Modellfehler von wenigen Prozent zu einem mehrjährigen Drawdown führen kann. Viertel-Kelly nimmt diesen Wert und teilt ihn durch vier. Bei einer 5-Prozentpunkt-Differenz und einer Quote von 2.50 ergibt das einen Einsatz von etwa 1.7 Prozent meines Bankrolls. Diese Zahl klingt klein. Sie ist es. Aber sie ist die Zahl, mit der ein Wettender, der sich an Werkstatt-Logik hält, über zwei oder drei Turniere hinweg eine Profitkurve entwickelt, die nicht durch eine einzelne falsche Annahme zerrissen wird.
Wer in der Schweiz lebt und nach diesem Schema arbeiten will, sollte zwei Dinge wissen. Erstens: Der einzige in der Schweiz lizenzierte Operator für die deutschsprachige Region ist Sporttip, betrieben von Swisslos. Eigene Quoten gegen die Sporttip-Linien zu rechnen ist legal, sinnvoll und genau das, wozu der Operator existiert. Zweitens: Wer eigene Modellprognosen mit fremden Tipps verwechselt, hat das Werkstatt-Prinzip nicht verstanden. Niemand kann meine Modellprognose für dich rechnen. Sie wäre dann nicht mehr deine, und sie würde langfristig nicht funktionieren. Tiefer in die Methodik gehe ich auf der Seite Methodik unserer Modelle, wo ich auch die Datenquellen offenlege.
Was die Werkstatt nach 104 Spielen liefern wird
Wenn die WM 2026 am 19. Juli im MetLife Stadium endet, wird meine Werkstatt-Tabelle 104 ausgefüllte Zeilen haben, davon vermutlich 18 bis 24 markiert als Wetten, die ich tatsächlich gespielt habe. Das ist eine Quote von etwa 20 Prozent — auf vier von fünf Spielen gibt es in einem grossen Turnier keinen Wert, der hoch genug wäre, um die Modellunsicherheit zu rechtfertigen. Wer sich bei dieser Zahl unwohl fühlt, wer sich wünscht, an jedem Spieltag eine „klare Empfehlung“ zu lesen, der ist auf der falschen Seite gelandet. Quoten-Werkstatt heisst: Geduld, Modell, Geduld, Wette, Geduld.
Was die Werkstatt mir am Ende liefern wird, ist nicht ein Saldo. Es ist eine Lernfähigkeit. Jedes der 104 Spiele wird mir nach Abpfiff zeigen, ob mein Modell die Wahrscheinlichkeit des tatsächlichen Ergebnisses unter- oder überschätzt hat. Diese Lerndaten — 104 neue Punkte in einer Reihe, die in meinen neun Jahren als Analyst bereits viele tausend Datenpunkte zählt — werden in das nächste Modell einfliessen, in die EM 2028, in die WM 2030, und in jedes kleinere Turnier dazwischen. Das ist, ehrlich gesagt, der einzige Grund, warum diese Arbeit über Jahre Sinn ergibt: Sie verbessert sich selbst, wenn man sie diszipliniert betreibt.
Wenn du nach diesem Text einmal selbst nachrechnen willst, beginn nicht mit dem xG-Modell. Beginn mit der Marge. Nimm eine beliebige WM-2026-Quote bei Sporttip, rechne die Overround aus, deflationiere die implizite Wahrscheinlichkeit, und vergleiche sie mit der Zahl, die dein Bauchgefühl dir vorgibt. Fast immer wirst du feststellen, dass die deflationierte Quote enger an deiner Schätzung liegt, als du gedacht hattest. Das ist die Schwerkraft der Werkstatt — und der erste Punkt, an dem ein Wettender aufhört, gegen den Markt zu spielen, und anfängt, mit ihm zu rechnen.