Ausgangslage: Was ein BetScore leisten soll
Der Begriff betscore steht hier für eine Zahl zwischen 0 und 100, die die Wahrscheinlichkeit eines bestimmten Spielausgangs in einer Bundesliga-Partie abbildet. Für ein Beispielspiel zwischen Bayer Leverkusen und Borussia Dortmund liefert ein solches Modell drei Werte: 54 für den Heimsieg, 24 für ein Remis und 22 für den Auswärtssieg. Diese Zahlen sind nur brauchbar, wenn Datenbasis, Gewichte und Kalibrierung offengelegt werden. Ein BetScore ohne nachvollziehbare Herleitung ist eine Blackbox und für ernsthafte Auswertungen ungeeignet.
Schritt 1: Relevante Datenquellen festlegen
Ein belastbarer BetScore beginnt mit klar definierten Inputs. Bewährte Größen sind erwartete Tore aus den letzten zehn Spielen, Heimvorteil, Kaderverfügbarkeit, Ruhetage und Marktquoten. Für das Beispielspiel könnte das Modell 35 Prozent Gewicht auf expected Goals, 20 Prozent auf Form, 15 Prozent auf Personal und 30 Prozent auf Wettmarkt-Daten legen. Entscheidend ist die Dokumentation: Jede Quelle braucht Erhebungszeitpunkt, Bereinigungsregel und Ausfallkriterium. Fehlen diese Angaben, lässt sich ein BetScore weder prüfen noch reproduzieren.
Schritt 2: Gewichte kalibrieren, nicht schätzen
Die Gewichte dürfen nicht aus Bauchgefühl entstehen. Ein üblicher Weg ist die logistische Regression auf historischen Bundesliga-Daten, getrennt nach Saisons und Spieltypen. Dabei wird geprüft, ob ein höheres expected Goals tatsächlich häufiger zu Siegen führt und wie stark Marktquoten diese Information bereits enthalten. Ein Modell, das Marktquoten mit 30 Prozent gewichtet, muss gegen ein reines expected-Goals-Modell getestet werden. Der Vergleich erfolgt über Brier Score und Kalibrierungskurven. Nur wenn die vorhergesagten Wahrscheinlichkeiten über viele Spiele hinweg stimmen, ist der BetScore belastbar.
Schritt 3: Wahrscheinlichkeiten in einen BetScore übersetzen
Nach der Kalibrierung werden die Ausgangswahrscheinlichkeiten auf eine einheitliche Skala gebracht. Im Beispiel ergeben sich für Leverkusen 54 Prozent Siegwahrscheinlichkeit, 24 Prozent Remis und 22 Prozent Dortmunder Sieg. Der BetScore für den Heimsieg ist dann schlicht 54; für den Auswärtssieg 22. Zusätzlich erhält jede Ausgabe einen Konfidenzwert, etwa 0,82 bei vollständiger Datenlage und 0,61 bei kurzfristigen Ausfällen. Diese Trennung ist wichtig: Ein hoher BetScore bei niedriger Konfidenz ist vorsichtig zu interpretieren. Die Ausgabe sollte außerdem Zeitstempel und Datenversion enthalten, damit Nutzer Veränderungen nachvollziehen können.
Schritt 4: Grenzen und Gegenprüfung
Ein BetScore bleibt eine modellhafte Verdichtung und keine Garantie. Kurzfristige Verletzungen, Wetterbedingungen oder eine ungewöhnliche Schiedsrichterlinie können die Datenbasis entwerten, ohne dass der Score rechtzeitig reagiert. Deshalb gehört zu jedem BetScore eine Gegenprüfung: Wurden Die letzten drei vergleichbaren Partien ähnlich bewertet? Liegt die Modellwahrscheinlichkeit deutlich neben der Marktquote, ist eine manuelle Prüfung nötig. Für die Governance solcher Datenprozesse lohnt eine externe Perspektive, etwa über https://reichlin-group.ch/. So bleibt der BetScore ein transparentes Werkzeug statt einer undurchsichtigen Kennzahl.