🤖 Modell-Leistung

KI-Modell-Statistiken

Unser Machine-Learning-Modell analysiert jedes Fußballspiel, das es findet, nicht nur die 3 Tipps, die wir täglich veröffentlichen. Unten findest du die vollständigen Leistungsdaten der KI über Tausende von Spielen. So lernt und verbessert sich das Modell mit der Zeit.

2,412Analysierte Spiele

2,357Abgerechnet

41.5%Modellgenauigkeit

978Korrekte Vorhersagen

Dies ist die reine Trefferquote des Modells beim exakten 1X2-Ergebnis über alle analysierten Spiele, nicht die Erfolgsquote unserer veröffentlichten Tipps. Unsere Tipps kombinieren mehrere Märkte (Doppelte Chance, Über/Unter, asiatisches Handicap) und gewinnen deutlich häufiger. Diese Zahlen sind kumulativ seit März 2026 und umfassen frühere Modellversionen; unser aktuelles Modell (v4) schneidet stärker ab, siehe den Ensemble-Abschnitt unten. Unsere Tipp-Ergebnisse ansehen. Was bedeuten diese Zahlen?

Ergebnisverteilung

44%

26%

30%

Heimsieg 44% (1041)Unentschieden 26% (616)Auswärtssieg 30% (700)

Über/Unter 1.5 Verteilung

79%

21%

Über 1.5 79% (1475)Unter 1.5 21% (394)

Modellgenauigkeit Über/Unter 1.5: 77.3% (1445/1869 korrekt)

Über/Unter 2.5 Verteilung

55%

45%

Über 2.5 55% (1294)Unter 2.5 45% (1063)

Modellgenauigkeit Über/Unter: 53.2% (1254/2357 korrekt)

Über/Unter 3.5 Verteilung

33%

67%

Über 3.5 33% (611)Unter 3.5 67% (1258)

Modellgenauigkeit Über/Unter 3.5: 65.1% (1217/1869 korrekt)

Beide Teams treffen (BTTS)

57%

43%

BTTS Ja 57% (1073)BTTS Nein 43% (796)

BTTS-Modellgenauigkeit: 54.9% (1026/1869 korrekt)

Asian-Handicap-Ergebnisse

50%

49%

Heim gedeckt 50% (828)Auswärts gedeckt 49% (817)Push 1% (27)

AH-Modellgenauigkeit: 44.7% (735/1645 korrekt, 27 Push)

1X2-Modellgenauigkeit nach Wettbewerb

Dies ist die reine 1X2-Trefferquote (Heim/Unentschieden/Auswärts) des Modells. Unsere veröffentlichten Tipps nutzen auch Doppelte Chance, Über/Unter und Asian Handicap, daher unterscheidet sich deren Trefferquote; siehe das Archiv für die Ergebnisse.

Stark (45%+)Mittel (38-45%)Schwach (unter 38%)Gestrichelte Linie = 33,3% (Zufall)

Wettbewerb	Spiele	Korrekt	Genauigkeit
Serie A	80	47	58.8%+25.5
Eredivisie	59	31	52.5%+19.2
Serie B	71	36	50.7%+17.4
2. Bundesliga	65	32	49.2%+15.9
Ekstraklasa	73	35	47.9%+14.6
Primeira Liga	67	32	47.8%+14.5
3. Liga	65	30	46.2%+12.9
1. Division	98	45	45.9%+12.6
UEFA Europa Conference League	109	49	45%+11.7
Ligue 1	66	29	43.9%+10.6
Bundesliga	64	28	43.8%+10.5
Allsvenskan	103	45	43.7%+10.4
Jupiler Pro League	79	34	43%+9.7
Brazilian Série A	110	47	42.7%+9.4
La Liga	90	38	42.2%+8.9
League One	96	39	40.6%+7.3
Premier League	216	85	39.4%+6.1
Segunda División	121	46	38%+4.7
Super League 1	53	20	37.7%+4.4
Ligue 2	55	20	36.4%+3.1

Aktuelle KI-Vorhersagen

Datum	Spiel	1X2	AIC	O/U 1.5	O/U 2.5	O/U 3.5	BTTS	AH-Linie	Tatsächlich	Ergebnis
23 Jul 2026	UEFA Europa Conference LeagueValur Reykjavik vs Zrinjski	Heimsieg	42%	—	Over 2.5 ❌	—	—	-0.3 (Home) ✅	Heimsieg (1-0)	✅
23 Jul 2026	UEFA Europa LeagueHNK Hajduk Split vs Pafos	Heimsieg	73%	—	Under 2.5 ✅	—	—	-0.3 (Home) ✅	Heimsieg (2-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueStjarnan vs Ilves	Heimsieg	51%	—	Under 2.5 ✅	—	—	-0.8 (Home) ✅	Heimsieg (1-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueFK Partizan vs UNA Strassen	Heimsieg	42%	—	Over 2.5 ✅	—	—	-0.5 (Home) ✅	Heimsieg (4-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueShelbourne vs Kalju Nomme	Heimsieg	35%	—	Under 2.5 ❌	—	—	-0.3 (Home) ✅	Heimsieg (5-2)	✅
23 Jul 2026	UEFA Europa Conference LeagueHNK Rijeka vs Derry City	Heimsieg	55%	—	Over 2.5 ❌	—	—	-0.5 (Home) ✅	Heimsieg (1-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueNSI Runavik vs Koper	Heimsieg	58%	—	Under 2.5 ✅	—	—	-0.3 (Home) ❌	Auswärtssieg (0-2)	❌
23 Jul 2026	UEFA Europa Conference LeagueBravo vs Shkendija	Heimsieg	42%	—	Under 2.5 ❌	—	—	-0.5 (Home) ✅	Heimsieg (2-1)	✅
23 Jul 2026	UEFA Europa Conference LeagueMotherwell vs HB Torshavn	Heimsieg	60%	—	Over 2.5 ❌	—	—	-0.8 (Home) ✅	Heimsieg (2-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueŽilina vs GKS Katowice	Auswärtssieg	52%	—	Over 2.5 ✅	—	—	-0.3 (Home) ✅	Heimsieg (2-1)	❌
23 Jul 2026	UEFA Europa Conference LeagueBorac Banja Luka vs Petrocub	Heimsieg	50%	—	Over 2.5 ✅	—	—	-0.5 (Home) ✅	Heimsieg (3-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueFC Lugano vs Dukagjini	Heimsieg	42%	Over 1.5 ❌	Over 2.5 ❌	Under 3.5 ✅	BTTS Yes ❌	-0.3 (Home) ✅	Heimsieg (1-0)	✅
23 Jul 2026	UEFA Europa Conference LeagueLNZ Cherkasy vs Gent	Auswärtssieg	42%	—	Over 2.5 ❌	—	—	-0.3 (Home) ❌	Unentschieden (0-0)	❌
23 Jul 2026	UEFA Europa Conference LeagueHapoel Tel Aviv vs Ludogorets	Unentschieden	36%	—	Over 2.5 ❌	—	—	+0.0 (Away)	Heimsieg (2-0)	❌
23 Jul 2026	UEFA Europa LeagueTwente vs Ferencvarosi TC	Heimsieg	40%	—	Over 2.5 ✅	—	—	-0.3 (Home) ❌	Auswärtssieg (1-2)	❌

Ensemble-Modell

41.4%Ensemble-Genauigkeit

2,324Abgerechnete Spiele

Unser v4-GradientBoosting-Modell — die KI hinter jedem veröffentlichten Tipp — erreicht derzeit 47.1% Genauigkeit bei 997 abgerechneten Spielen seit dem Start. Das entspricht der inhärenten Schwierigkeit von 3-Wege-Fußballergebnissen (Zufall = 33,3%). Die Genauigkeit stabilisiert sich mit mehr Daten.

32.7%Wenn alle Modelle übereinstimmen

673Alle Modelle stimmten überein

Ensemble-Score-Verteilung und Genauigkeit

Score-BereichSpieleGenauigkeit

0-9165

32.1%

10-19839

38.6%

20-29334

35.9%

30-39290

39%

40-49271

41.3%

50-59202

55.9%

60-69148

52%

70-7957

68.4%

80-8913

69.2%

90-994

25%

100-1091

100%

Modell-Kalibrierung

Bedeutet eine höhere Konfidenzbewertung tatsächlich eine genauere Vorhersage? Diese Grafik beantwortet das. Wir gruppieren jede abgeschlossene Vorhersage nach der internen Konfidenzbewertung, die das Modell zugewiesen hat, und zeigen dann die echte Trefferquote für jede Gruppe. Eine ansteigende Treppe ist das, was du sehen willst, sie bedeutet, dass das Modell weiß, wann es eher richtig liegt.

Jeder Balken gruppiert die Modellvorhersagen nach internem Konfidenzscore (0–100). Die Höhe zeigt, wie oft diese Vorhersagen bei abgerechneten Spielen tatsächlich korrekt waren. Ein steigendes Muster bedeutet, dass die Konfidenz des Modells aussagekräftig ist: höhere Werte entsprechen wirklich genaueren Vorhersagen. Die Daten umfassen unsere Kernligen, in denen das Modell nachweisbares Signal hat. Bewege den Mauszeiger für Stichprobengrößen. Dies ist der interne Ranking-Score des Modells über jedes analysierte Spiel — nicht die KI-Konfidenz pro Tipp, die bei den Tipps und auf der Startseite angezeigt wird.

Die Modellgenauigkeit wird nur auf abgeschlossenen Spielen berechnet. Das aktuelle Modell nutzt Form, Tordurchschnitt und H2H-Daten als Eingabemerkmale. Die Genauigkeit verbessert sich, je mehr Live-Daten gesammelt werden.

Mehr Transparenz: Ergebnisse & Bilanz · Wie genau ist die KI?