Torwahrscheinlichkeiten mathematisch modellieren: Die Poisson-Verteilung im Einsatz
Hinter den meisten kommerziellen Fußball-Prognosetools steckt ein mathematisches Fundament, das selten offengelegt wird. Plattformen wie wettbasis.com nutzen KI-Modelle wie „BETSiE“, legen deren Methodologie jedoch nicht offen. Was viele Wetter nicht wissen: Die Basis dieser Systeme ist häufig die Poisson-Verteilung – ein statistisches Verfahren, das jeder mit Grundkenntnissen in Mathematik selbst anwenden kann. Wer das Poisson-Modell für Champions-League-Wetten versteht, generiert eigene Wahrscheinlichkeiten, statt sich blind auf intransparente Algorithmen zu verlassen. Dieser Artikel zeigt Schritt für Schritt, wie du in der Saison 2025/26 dein eigenes Prognosemodell baust.
Die Poisson-Verteilung erklärt: Grundlagen für Wetter
Die Poisson-Verteilung beschreibt die Wahrscheinlichkeit, dass ein bestimmtes Ereignis innerhalb eines festen Zeitraums eine bestimmte Anzahl von Malen eintritt – perfekt geeignet für Tore in einem 90-Minuten-Spiel. Die zentrale Variable ist λ (Lambda), der Erwartungswert, also die durchschnittlich erwartete Toranzahl eines Teams in einer konkreten Partie.
Die Poisson-Formel:
P(x Tore) = (λx × e−λ) / x!
Beispielrechnung: Team A hat einen Erwartungswert von λ = 1,8 Toren. Wie hoch ist die Wahrscheinlichkeit für exakt 2 Tore?
P(2) = (1,8² × e−1,8) / 2! = (3,24 × 0,1653) / 2 = 0,2678 = 26,8 %
Nehmen wir ein konkretes CL-Szenario: Team A hat einen Erwartungswert von 1,8 Toren, Team B einen von 1,1 Toren. Die Poisson-Verteilung liefert für jedes Team die Wahrscheinlichkeit jeder Toranzahl:
| Tore | Team A (λ = 1,8) | Team B (λ = 1,1) |
|---|---|---|
| 0 | 16,5 % | 33,3 % |
| 1 | 29,8 % | 36,6 % |
| 2 | 26,8 % | 20,1 % |
| 3 | 16,1 % | 7,4 % |
| 4 | 7,2 % | 2,0 % |
| 5 | 2,6 % | 0,4 % |
Um die Wahrscheinlichkeit eines bestimmten Ergebnisses zu berechnen, multiplizierst du die Einzelwahrscheinlichkeiten beider Teams. Beispiel: P(2:1) = 26,8 % × 36,6 % = 9,8 %. Dieses Prinzip bildet die Grundlage für alle weiteren Berechnungen.
Schritt für Schritt: Dein eigenes CL-Prognosemodell
Der Aufbau eines funktionierenden Poisson-Modells für die Champions League 2025/26 folgt fünf klar definierten Schritten. Als Baseline dient der CL-Durchschnitt von 3,17 Toren pro Spiel, also 1,585 Tore pro Team als Referenzwert.
Schritt 1: Angriffsstärke berechnen
Teile die durchschnittlichen Tore eines Teams pro CL-Spiel durch den CL-Durchschnitt (1,585). Beispiel: Team A erzielt im Schnitt 2,3 Tore pro CL-Spiel. Angriffsstärke = 2,3 / 1,585 = 1,451.
Schritt 2: Verteidigungsstärke berechnen
Teile die durchschnittlich kassierten Tore pro CL-Spiel durch den CL-Durchschnitt. Beispiel: Team B kassiert im Schnitt 1,8 Tore. Verteidigungsstärke = 1,8 / 1,585 = 1,136.
Schritt 3: Erwartete Tore berechnen
Für Team A als Heimmannschaft: λA = Angriffsstärke A × Verteidigungsstärke B × CL-Durchschnitt. Analog für Team B.
Schritt 4: Poisson-Verteilung anwenden
Berechne mit den ermittelten λ-Werten die Wahrscheinlichkeiten für 0 bis 5 Tore pro Team.
Schritt 5: Marktwahrscheinlichkeiten aggregieren
Aus der Ergebnismatrix leitest du alle relevanten Wettmärkte ab.
Die folgende Tabelle zeigt eine vollständige Beispielrechnung für eine fiktive Partie Bayern München gegen AC Mailand:
| Schritt | Bayern München | AC Mailand |
|---|---|---|
| CL-Tore pro Spiel (Schnitt) | 2,50 | 1,40 |
| CL-Gegentore pro Spiel (Schnitt) | 0,90 | 1,70 |
| Angriffsstärke | 2,50 / 1,585 = 1,577 | 1,40 / 1,585 = 0,883 |
| Verteidigungsstärke | 0,90 / 1,585 = 0,568 | 1,70 / 1,585 = 1,073 |
| λ (Expected Goals) | 1,577 × 1,073 × 1,585 = 2,68 | 0,883 × 0,568 × 1,585 = 0,79 |
Mit λBayern = 2,68 und λMailand = 0,79 kannst du nun die gesamte Ergebnismatrix berechnen und daraus Marktwahrscheinlichkeiten ableiten:
- 1X2: Summiere alle Ergebnisse mit Heimsieg, Unentschieden oder Auswärtssieg
- Over/Under 2.5: Summiere alle Ergebnisse mit 3 oder mehr Gesamttoren vs. 2 oder weniger
- BTTS (Beide Teams treffen): Summiere alle Ergebnisse, bei denen beide Teams mindestens 1 Tor erzielen
Correct-Score-Wetten mit Poisson
Der größte Vorteil des Poisson-Modells für Champions-League-Wetten liegt im Correct-Score-Markt, wo Buchmacher-Quoten oft stärker von den tatsächlichen Wahrscheinlichkeiten abweichen als bei Standardmärkten. Die vollständige Ergebnismatrix für unser Bayern-Mailand-Beispiel zeigt die wahrscheinlichsten Ergebnisse:
| Ergebnis | Poisson-Wahrscheinlichkeit | Beispiel-Buchmacher-Quote | Implizite Buchmacher-Wahrscheinlichkeit |
|---|---|---|---|
| 1:0 | 11,4 % | 7,50 | 13,3 % |
| 2:0 | 15,3 % | 7,00 | 14,3 % |
| 2:1 | 9,5 % | 8,50 | 11,8 % |
| 3:0 | 13,7 % | 8,00 | 12,5 % |
| 3:1 | 8,5 % | 10,00 | 10,0 % |
Höchster Expected Value: Das Ergebnis 3:0 mit 13,7 % Poisson-Wahrscheinlichkeit bei einer Quote von 8,00 ergibt einen EV von (0,137 × 8,00) − 1 = +0,096 (+9,6 %). Noch attraktiver: 2:0 bei 15,3 % und Quote 7,00 liefert EV = (0,153 × 7,00) − 1 = +0,071 (+7,1 %).
Entscheidend ist nicht das einzelne Ergebnis, sondern die systematische Identifikation von Correct-Score-Wetten, bei denen dein Modell eine höhere Wahrscheinlichkeit errechnet als die Buchmacher-Quote impliziert. Über hunderte Wetten hinweg generiert dieser Ansatz einen positiven Erwartungswert.
Grenzen des Poisson-Modells in der CL
Wichtige Einschränkungen: Das Poisson-Modell ist ein Ausgangspunkt, kein Allheilmittel. Wer es blind anwendet, ohne die strukturellen Schwächen zu kennen, riskiert systematische Fehleinschätzungen.
Die Poisson-Verteilung basiert auf einer zentralen Annahme: Tore fallen unabhängig voneinander. In der Realität der Champions League ist das oft nicht der Fall:
- Spielstandabhängiges Verhalten: Ein Team, das 0:1 zurückliegt, erhöht die Risikobereitschaft. Ein Team mit 2:0-Führung zieht sich zurück. Diese taktischen Anpassungen erfasst Poisson nicht.
- Rote Karten und Verletzungen: Spielentscheidende Ereignisse wie Platzverweise verändern die Torwahrscheinlichkeit schlagartig – das Modell bleibt statisch.
- Geringe Stichprobengröße: In der Ligaphase 2025/26 spielt jedes Team acht Partien. Acht Datenpunkte sind statistisch unzureichend für robuste Angriffs- und Verteidigungsstärken. Ergänze CL-Daten daher mit nationalen Liga-Statistiken, gewichte CL-Spiele aber stärker.
- Korrelation zwischen Toren: In der CL fallen Tore häufig in Clustern – ein frühes Tor öffnet das Spiel, was zu weiteren Treffern führt. Die Poisson-Verteilung unterschätzt dadurch extreme Ergebnisse (0:0 und 4:3 gleichzeitig).
- Fehlende Kontextfaktoren: Motivation, Reisestrapazen, Kaderrotation oder Trainerwechsel fließen nicht in die reine Poisson-Berechnung ein.
Die Empfehlung: Nutze Poisson als quantitative Basis und passe die Ergebnisse anschließend mit qualitativer Kontextanalyse an. Eine manuelle Korrektur von 5-15 % auf die berechneten Wahrscheinlichkeiten ist in vielen Fällen sinnvoll.
Poisson vs. Buchmacher: Wo findest du Value?
Das Poisson-Modell für Champions-League-Wetten entfaltet seinen größten Nutzen nicht als Ergebnisprognose, sondern als Value-Detektor. Der systematische Vergleich zwischen deinen berechneten Wahrscheinlichkeiten und den Buchmacher-Quoten offenbart Diskrepanzen, die profitable Wettgelegenheiten darstellen.
Value-Identifikation in 4 Schritten:
- 1. Poisson-Wahrscheinlichkeit berechnen: Dein Modell ergibt z. B. 65 % für Over 2.5 Goals.
- 2. Buchmacher-Quote in Wahrscheinlichkeit umrechnen: Quote 1,85 entspricht 1/1,85 = 54,1 %.
- 3. Differenz prüfen: 65 % − 54,1 % = 10,9 Prozentpunkte Diskrepanz zugunsten des Wetters.
- 4. Expected Value berechnen: EV = (0,65 × 1,85) − 1 = +0,2025 = +20,3 %. Bei einem EV über +5 % liegt eine klare Value-Wette vor.
Besonders ergiebig sind Poisson-basierte Value-Suchen in folgenden CL-Märkten:
| Markt | Value-Potenzial | Begründung |
|---|---|---|
| Correct Score | Hoch | Große Quotenspanne, Buchmacher kalkulieren konservativer |
| Over/Under 2.5 | Mittel bis hoch | CL-Durchschnitt von 3,17 Toren wird von Buchmachern teils unterschätzt |
| BTTS | Mittel | Poisson liefert präzise BTTS-Wahrscheinlichkeiten aus der Matrix |
| 1X2 | Gering bis mittel | Hochliquider Markt, Buchmacher-Quoten sind hier am effizientesten |
Ein mathematisches Wettmodell für die CL ersetzt nicht die Analyse – es strukturiert sie. Poisson liefert die Zahlen, dein Wissen über Kader, Taktik und Motivation liefert die Korrekturen. Erst die Kombination beider Ebenen schafft einen nachhaltigen Wettvorsprung in der Champions League 2026.
Wer das Poisson-Modell konsequent anwendet, baut über eine Saison hinweg eine eigene Datenbank an Prognosen auf. Der Vergleich mit den tatsächlichen Ergebnissen zeigt, wo das Modell kalibriert werden muss – und genau dieser iterative Prozess unterscheidet informierte Wetter von Gelegenheitstippern.
