Poisson-Modell für Fußballwetten: Tore vorhersagen

Das Poisson-Modell ist das einfachste statistische Werkzeug, mit dem man eigene Fußball-Wettquoten berechnen kann. Es basiert auf einer einzigen Annahme: Tore fallen unabhängig voneinander und mit einer bekannten Durchschnittsrate. Aus dieser Rate leitet das Modell die Wahrscheinlichkeit für jedes mögliche Ergebnis ab – 0:0, 1:0, 1:1, 2:1 und so weiter. Die Ergebnisse lassen sich zu Drei-Weg-Quoten, Über/Unter-Linien und sogar Handicap-Wahrscheinlichkeiten aggregieren. Kein Profi-Tool, aber ein erstaunlich brauchbarer Startpunkt.

Grundlagen der Poisson-Verteilung im Fußball

Die Poisson-Verteilung beschreibt die Wahrscheinlichkeit, dass eine bestimmte Anzahl von Ereignissen in einem festen Zeitraum eintritt, wenn die Ereignisse unabhängig voneinander und mit konstanter Rate auftreten. Im Fußball: Wie wahrscheinlich ist es, dass ein Team null, ein, zwei, drei oder mehr Tore in 90 Minuten erzielt, wenn seine durchschnittliche Torrate bekannt ist?

Die Formel lautet: P(k) = (lambda^k × e^-lambda) / k!, wobei lambda die erwartete Toranzahl und k die tatsächliche Toranzahl ist. Das klingt kompliziert, ist in der Anwendung aber simpel. Wenn Bayerns erwartete Toranzahl in einem bestimmten Spiel bei 2,3 liegt, ergibt die Poisson-Verteilung:

0 Tore: 10,0 %
1 Tor: 23,1 %
2 Tore: 26,5 %
3 Tore: 20,3 %
4 Tore: 11,7 %
5+ Tore: 8,4 %

Die Annahme der Unabhängigkeit ist eine Vereinfachung. In der Realität beeinflussen Tore das Spielverhalten: Ein zurückliegendes Team nimmt mehr Risiko, ein führendes Team verteidigt tiefer. Dennoch zeigen Studien, dass die Poisson-Verteilung Fußballergebnisse erstaunlich gut approximiert – jedenfalls als Ausgangspunkt. Fortgeschrittene Modelle verwenden bivariante Poisson-Verteilungen oder korrigieren für die Torabhängigkeit, aber für den Einstieg genügt die einfache Variante.

Angriffs- und Abwehrstärke berechnen

Der entscheidende Schritt ist die Bestimmung von lambda – der erwarteten Toranzahl für jedes Team in einem konkreten Spiel. Dafür braucht man zwei Werte pro Team: die Angriffsstärke und die Abwehrstärke, jeweils relativ zum Ligadurchschnitt.

Der Rechenweg am Beispiel der Bundesliga. Angenommen, der Ligadurchschnitt liegt bei 1,45 Heimtoren und 1,20 Auswärtstoren pro Spiel. Dortmund erzielt zu Hause im Schnitt 2,0 Tore pro Spiel, Wolfsburg kassiert auswärts 1,5 Tore pro Spiel.

Dortmunds Heim-Angriffsstärke: 2,0 / 1,45 = 1,38. Wolfsburgs Auswärts-Abwehrschwäche: 1,5 / 1,20 = 1,25. Die erwartete Toranzahl für Dortmund ergibt sich aus: Ligadurchschnitt Heim × Angriffsstärke Heim × Abwehrschwäche Auswärts = 1,45 × 1,38 × 1,25 = 2,50.

Für Wolfsburgs Tore rechnet man analog mit Wolfsburgs Auswärts-Angriffsstärke und Dortmunds Heim-Abwehrschwäche. Die beiden lambda-Werte fließen dann getrennt in die Poisson-Formel ein: Dortmunds Tore werden unabhängig von Wolfsburgs Toren modelliert.

Auswertungen der Ligadaten zeigen, dass der Heimvorteil im europäischen Fußball von historisch 60 bis 65 Prozent auf 55 bis 58 Prozent der Heimpunkte gesunken ist. Das Poisson-Modell erfasst diesen Trend automatisch, wenn man aktuelle Saisondaten verwendet. Wer mit Fünf-Jahres-Durchschnitten arbeitet, überschätzt den Heimvorteil systematisch. Die Datenbasis sollte idealerweise die letzten ein bis zwei Saisons umfassen – aktuell genug für Trends, breit genug für statistische Stabilität.

Ein häufiger Fehler bei der Berechnung: Die Angriffs- und Abwehrstärken nicht nach Heim und Auswärts trennen. Ein Team, das zu Hause im Schnitt 2,3 Tore erzielt und auswärts nur 1,1, hat zwei fundamental verschiedene Angriffsprofile. Das Modell wird deutlich genauer, wenn man vier statt zwei Stärkewerte pro Team berechnet: Heim-Angriff, Heim-Abwehr, Auswärts-Angriff, Auswärts-Abwehr. Der Aufwand steigt minimal – eine zusätzliche Spalte in der Tabellenkalkulation –, die Präzision steigt merklich.

Ein weiterer Aspekt, den das Grundmodell ignoriert: die Korrelation zwischen den Toren beider Teams. In einem engen Spiel, in dem das zurückliegende Team nach dem 0:1 alles nach vorne wirft, steigt die Wahrscheinlichkeit für Tore auf beiden Seiten. Das Standard-Poisson-Modell behandelt die Tore beider Teams als unabhängig. Fortgeschrittene Varianten – das bivariante Poisson-Modell nach Dixon und Coles – korrigieren diesen Effekt, indem sie einen Korrelationsparameter einführen, der niedrige Ergebnisse wie 0:0, 1:0 und 0:1 leicht anpasst. Für den Einstieg ist das Standard-Modell ausreichend, aber wer die Genauigkeit steigern will, sollte den Dixon-Coles-Ansatz in Betracht ziehen.

Eigene Quoten berechnen und mit dem Markt vergleichen

Aus den Poisson-Wahrscheinlichkeiten für die Tore beider Teams lassen sich die Wahrscheinlichkeiten für jedes Ergebnis berechnen. Die Wahrscheinlichkeit für ein 2:1 ist das Produkt der Einzelwahrscheinlichkeiten: P(Dortmund = 2) × P(Wolfsburg = 1). Bei lambda 2,50 für Dortmund und 1,10 für Wolfsburg:

P(Dortmund = 2) = 25,6 %. P(Wolfsburg = 1) = 36,6 %. P(2:1) = 0,256 × 0,366 = 9,4 %.

Wiederholt man diese Berechnung für alle Ergebnis-Kombinationen von 0:0 bis 5:5, entsteht eine Matrix mit 36 Zellen. Summiert man alle Ergebnisse, bei denen Dortmund mehr Tore hat als Wolfsburg, erhält man die Heimsieg-Wahrscheinlichkeit. Alle Ergebnisse mit Gleichstand ergeben die Unentschieden-Wahrscheinlichkeit. Und alle Ergebnisse mit mehr Wolfsburg-Toren ergeben die Auswärtssieg-Wahrscheinlichkeit. In unserem Beispiel könnte das etwa so aussehen: Heimsieg 62 Prozent, Unentschieden 18 Prozent, Auswärtssieg 20 Prozent. Aus diesen Wahrscheinlichkeiten lassen sich faire Quoten berechnen: 100 / 62 = 1,61 für den Heimsieg, 100 / 18 = 5,56 für das Unentschieden und 100 / 20 = 5,00 für den Auswärtssieg.

Dieselbe Matrix liefert auch die Über/Unter-Wahrscheinlichkeiten. Die Summe aller Ergebnisse mit drei oder mehr Gesamttoren ergibt die Über-2,5-Wahrscheinlichkeit. Und die Summe aller Ergebnisse, bei denen Dortmund mit mindestens zwei Toren Vorsprung gewinnt, ergibt die Wahrscheinlichkeit für Handicap -1,5. Aus einem einzigen Modell lassen sich also sämtliche Wettmärkte eines Spiels ableiten.

GGL-Vorstand Ronald Benter betonte im Rückblick auf 2024, dass konsequente Maßnahmen und enge Zusammenarbeit entscheidend seien, um den Markt zu regulieren. Für Wetter bedeutet diese Regulierung: Die Quoten der lizenzierten Anbieter basieren auf professionellen Modellen, die ebenfalls Poisson und verwandte Ansätze verwenden. Der legale Sportwettenmarkt in Deutschland erzielte 2023 Bruttospielerträge von 1,8 Milliarden Euro allein im Online-Segment – ein Markt, in dem die Quotensetzung entsprechend ernst genommen wird.

Das eigene Poisson-Modell wird deshalb den Markt nicht systematisch schlagen. Es hat aber einen anderen, ebenso wertvollen Nutzen: Es liefert eine unabhängige Zweitmeinung. Wenn das eigene Modell einen Heimsieg bei 60 Prozent ansetzt und die Buchmacher-Quote 55 Prozent impliziert, entsteht eine Diskrepanz, die weiter untersucht werden kann. Vielleicht fehlt dem eigenen Modell eine Information – eine Verletzung, ein Trainerwechsel. Oder der Markt hat tatsächlich nicht schnell genug reagiert. Die Poisson-Berechnung macht die Diskrepanz sichtbar; die eigene Analyse entscheidet, ob sie real ist.

Für die praktische Umsetzung genügt eine Tabellenkalkulation. Die Poisson-Funktion ist in Excel und Google Sheets eingebaut. Man gibt lambda und k ein und erhält die Wahrscheinlichkeit direkt. Eine Matrix mit Toren von 0 bis 5 für beide Teams ergibt 36 Ergebniskombinationen – mehr als genug, um Drei-Weg-Quoten, Über/Unter-Linien und Handicap-Wahrscheinlichkeiten abzuleiten.

Ein Wort zu den Grenzen des Modells: Die einfache Poisson-Verteilung behandelt die Tore beider Teams als unabhängig voneinander. In der Realität stimmt das nur annähernd. Wenn ein Team in Führung geht, verändert sich die Spielstrategie – das führende Team verteidigt tiefer, das zurückliegende riskiert mehr. Diese Wechselwirkung erzeugt eine leichte positive Korrelation zwischen den Torzahlen, die das Standardmodell unterschätzt. Unentschieden werden dadurch etwas wahrscheinlicher, als das Modell vorhersagt. Wer das weiß, kann die Unentschieden-Wahrscheinlichkeit manuell um ein bis zwei Prozentpunkte nach oben korrigieren – ein pragmatischer Workaround, der die Prognosequalität messbar verbessert.

Fortgeschrittene Modellbauer verwenden die bivariante Poisson-Verteilung, die genau diese Korrelation berücksichtigt. Für den Einstieg ist das nicht nötig. Wichtiger ist, das einfache Modell konsistent anzuwenden: dieselbe Datenbasis, derselbe Zeitraum, dieselbe Liga. Wer jede Woche seine Lambda-Werte aktualisiert und die Modellprognosen mit den tatsächlichen Ergebnissen abgleicht, entwickelt über eine Saison ein Gespür dafür, wo das Modell zuverlässig arbeitet und wo es systematisch danebenliegt. Das ist der eigentliche Lerneffekt – nicht die einzelne Wette, sondern das Verständnis der eigenen Fehlerquellen.

Struktur schlägt Bauchgefühl

Das Poisson-Modell ist kein Geheimrezept für garantierte Gewinne. Es ist ein strukturierter Ansatz, um die eigene Einschätzung in Zahlen zu übersetzen und mit dem Markt zu vergleichen. Wer die Angriffs- und Abwehrstärken beider Teams kennt und die Poisson-Formel anwenden kann, hat ein Werkzeug, das die meisten Hobbywetter nicht nutzen. Nicht weil es kompliziert wäre – sondern weil die meisten auf ihr Bauchgefühl vertrauen. Und genau das ist der Vorteil.