Schritt für Schritt.

Die Untersuchung ist online

Die ersten Ergebnisse zu Schach und Fußball sind jetzt auf bussek.de zugänglich: die Prüfung der FIDE-Elo, der Vergleich verschiedener Wertungsverfahren und die Remis-Regel für den Fußball. Die neue Projektkachel auf der Startseite führt direkt hierher.

Die Website zeigt die fertigen Auswertungen, Tabellen und interaktiven Diagramme. Die umfangreichen Rohdaten und Berechnungen bleiben lokal. Die Untersuchung bleibt eine Arbeitsfassung; weitere Fragen und Ergebnisse werden im Tagebuch ergänzt.

Im Fußball bleibt Elo vorn, aber der Markt ist weit voraus

Sechs Wertungsverfahren liefen über 244.473 Ligaspiele aus 22 Ligen seit 1993: Elo im Stil von Club Elo, Glicko-2, TrueSkill, die fußballeigenen Pi-Ratings und ein Tore-Modell nach Dixon und Coles. Geprüft wurde an rund 16.700 Spielen ab 2024/25, alle über dieselbe Remis-Regel in drei Ausgänge übersetzt. Zu den Ergebnissen

• Elo gewinnt den Vergleich der Wertungssysteme. Mit Torabstand und einer Regel für Aufsteiger ist Elo das beste Verfahren. Kein Herausforderer ist besser, Glicko-2 und die Pi-Ratings sind sogar messbar schlechter. Anders als im Schach bringt hier auch keine Zusatzidee wie der Alterstrend einen großen Sprung.
• Der Wettmarkt ist eine Klasse für sich. Sein Vorsprung auf Elo ist etwa zehnmal so groß wie die Abstände der Verfahren untereinander. In den 1. Ligen erreicht Elo 83 % dessen, was der Markt über reines Raten hinaus weiß, in Portugal sogar 92 %. In den unteren Ligen ist es oft weniger als die Hälfte.
• Das Einstiegsproblem gibt es auch im Fußball. Aufsteiger, die neu in die Wertung kommen, und Rückkehrer nach Jahren werden mit einer eigenen Regel deutlich besser vorhergesagt: Neulinge starten 50 Punkte unter dem Ligaschnitt, alte Werte zählen bei Rückkehrern nur noch zu einem Drittel. Trotzdem holen Aufsteiger über die ganze Saison etwas mehr Punkte, als Elo erwartet.
• Die Remis-Regel hat sich bewährt. TrueSkill mit seiner eigenen Remis-Rechnung sagt viel zu wenige Unentschieden voraus und verliert dadurch deutlich. Der Vorsprung des Markts liegt nicht in der Remis-Aufteilung, sondern in der Einschätzung der Stärke.

Aus einer Zahl werden drei

Bevor im Fußball irgendein Wertungssystem antritt, musste eine Grundsatzfrage geklärt werden. Elo und Wettquoten sagen im Kern nur, wie stark der Favorit ist. Wie verteilt sich der Rest auf Remis und Außenseitersieg? Die ausführliche Erklärung steht auf einer eigenen Seite.

• Die Intuition stimmt: Je klarer der Favorit, desto unwahrscheinlicher werden Remis und Außenseitersieg. Der Außenseitersieg schrumpft aber schneller. Bei ausgeglichenen Spielen ist der Rest etwa halb Remis, halb Außenseitersieg, bei 85 bis 90 % Favoritenstärke zu drei Vierteln Remis.
• Eine feste Regel aus Daten: Aus 97.378 Spielen mit sauberen Pinnacle-Quoten wurde eine glatte Kurve geschätzt, getrennt für Heim- und Auswärtsfavoriten. Jede Favoritenquote ergibt damit genau eine Remis- und eine Außenseiterquote. Bei einem Heimfavoriten mit fairer Quote 1,25 sind das etwa 7,3 für das Remis und 15,7 für den Außenseiter.
• Die Modelle aus dem WM-Projekt im Test: Die einfache Parabel liegt nah an den Daten. Davidson und vor allem das Restmassenmodell geben dem Remis bei starken Favoriten zu viel und dem Außenseiter zu wenig.
• Quotenschlüssel: Nur Quoten, deren Kehrwerte zusammen höchstens 1,05 ergeben, zählen. Die Marge wird nach dem Shin-Verfahren herausgerechnet, das den Favoriten-Außenseiter-Effekt berücksichtigt.

Diese Regel ist ab jetzt die gemeinsame Übersetzung für alle Wertungsverfahren im Fußball. Was sie nicht kennt, sind besondere Spielsituationen, etwa ein letzter Gruppenspieltag, an dem beiden ein Remis reicht. Solche Fälle sind im Ligabetrieb selten.

Der Fußball-Datensatz steht

Für den Fußball sind die Daten zusammengetragen und geprüft:

Besonders wertvoll sind die Wettquoten. Bis Ende 2025 liegen die Schlussquoten von Pinnacle vor, dem Buchmacher mit den genauesten Kursen, danach der Durchschnitt aller Buchmacher. Damit gibt es einen harten Maßstab: Kommt Elo an den Wettmarkt heran?

Die Vereinsnamen sind über Auf- und Abstiege hinweg einheitlich, neun Schreibvarianten wurden vereinheitlicht. Für den Europapokal mussten die Namen einer zweiten Quelle zugeordnet werden. Dabei gab es eine Falle: Vereine wie Dynamo Kyjiw oder Schachtar Donezk tragen ihre Heimspiele kriegsbedingt im Ausland aus und dürfen nicht dem Stadionland zugeordnet werden.

Nicht zu bekommen war die Historie von Club Elo, deren Schnittstelle derzeit nicht antwortet. Die Club-Elo-artigen Wertungen werden deshalb selbst berechnet.

Elo gegen Glicko-2 und TrueSkill

Jetzt treten andere Wertungsverfahren gegen Elo an: Verfahren im Vergleich. Damit der Vergleich fair ist, starten alle mit der FIDE-Elo als Anfangswert. Danach werden sie nur mit denselben 154.581 Partien weitergeführt, jede Partie wird vorhergesagt, bevor sie zählt. Die Stellschrauben jedes Verfahrens wurden auf April 2025 bis März 2026 abgestimmt, geprüft wurde auf April bis September 2026.

• Glicko-2 und TrueSkill allein bringen wenig. TrueSkill ist minimal besser als Elo, Glicko-2 fast gleich. Die Unsicherheit einer Zahl mitzuführen, hilft im Turnierschach kaum.
• Der Alterstrend macht den Unterschied. Bekommt jedes Verfahren einen einfachen Trend, bei dem junge Spieler jeden Monat etwas steigen und ältere leicht sinken, sind alle deutlich besser als Elo. Am besten ist TrueSkill mit Alterstrend: 1,8 % kleinerer Vorhersagefehler als Elo bei gleicher Information und 1,5 % kleiner als die offizielle FIDE-Elo, obwohl diese mehr Partien kennt.
• Der Trend ist ungleich verteilt. Für Junge gilt ein steiler Anstieg, ein 16-Jähriger steigt etwa 8 Punkte pro Monat. Für Ältere gilt nur ein leichter Rückgang, ein 60-Jähriger verliert etwa 2 Punkte pro Monat. Der Gewinn kommt fast ganz von den Jungen.

Damit ist die Antwort auf die Ausgangsfrage für das Schach ziemlich klar: Ein besseres Verfahren muss nicht komplizierter rechnen, es muss das Alter berücksichtigen. Genau dort liegt Elos größte Schwäche, beim Einstieg und Aufstieg junger Spieler.

Ein Zwischenschritt sei erwähnt: Die erste Fassung des Alterstrends hatte eine einzige Steigung für alle Altersgruppen. Dadurch sanken Ältere unrealistisch schnell. Mit getrennten Steigungen für Junge und Ältere ist das Ergebnis plausibler und zugleich besser.

Junge Spieler sind unterbewertet, ältere überbewertet

Die Vermutung von der Merkliste wurde geprüft: Werden schnell besser werdende Spieler von Elo falsch eingeschätzt? Dazu wurde für jeden Spieler in den FIDE-Listen nachgeschlagen, wie alt er war, wie viele Partien er schon hatte und wie sich seine Zahl zuvor entwickelt hatte. Zu den Ergebnissen

• Alter: Bei gleicher Zahl spielt ein unter 16-Jähriger rund 62 Punkte stärker als ein 30- bis 49-Jähriger, ein über 65-Jähriger rund 43 Punkte schwächer. Die Zahl hinkt der Entwicklung hinterher, in beide Richtungen. Unter 2200 ist der Effekt noch ausgeprägter. Die Vermutung bestätigt sich also deutlich.
• Formkurve: Große Sprünge gleichen sich teilweise wieder aus. Wer stark verloren hat, ist danach unterbewertet, wer stark gewonnen hat, eher überbewertet. Das gilt jeweils bei gleichem Alter.
• K-Faktor: Der erhöhte K-Faktor von 40 für junge und neue Spieler hilft. Ab 2200 sind K-40-Spieler nicht mehr messbar unterbewertet, wenn man das Alter berücksichtigt.

Damit ist klar, wo ein besseres System ansetzen müsste: beim Alter und bei der Unsicherheit einer Zahl. Genau das ist der Prüfstein für Glicko, TrueSkill & Co.

Die FIDE-Elo im Praxistest

Die erste echte Auswertung ist da: Wie gut sagt die FIDE-Elo voraus? Vorher fiel eine Entscheidung: Hauptstichprobe sind Partien, in denen beide Spieler mindestens 2200 haben (90.788 Partien). Unterhalb von 2200 sind mehr Sondereffekte zu erwarten. Der Bereich 2000 bis 2199 läuft als Vergleich mit.

Drei Befunde:

• Elo kennt keine Farben. Weiß spielt im Schnitt so, als hätte es rund 35 Elo-Punkte mehr.
• Elo überschätzt Unterschiede. 100 Punkte Abstand wirken in der Praxis nur wie etwa 84. Der Favorit gewinnt seltener, als die Formel verspricht.
• Höher ist nicht automatisch besser. Zwischen 2200 und 2399 trifft Elo tatsächlich genauer als darunter. In der Weltspitze ab 2600 aber sagt die Farbe allein das Ergebnis besser voraus als der Elo-Unterschied.

Mit nur zwei Korrekturzahlen (Weiß-Bonus und Stauchung) sinkt der Vorhersagefehler im Testzeitraum um 2,4 %. Das klingt wenig, ist aber statistisch klar gesichert und entspricht etwa einem Achtel dessen, was Elo überhaupt gegenüber reinem Raten herausholt.

Nebenbei bestätigte die Datenprüfung die Quelle: 86 % der Elo-Angaben in den Partien stimmen exakt mit der FIDE-Liste des Monats überein, weitere 8 % mit der des Vormonats.

25 Jahre FIDE-Ranglisten und 33 Jahre Fußball

Schach: Zu jeder Partie steht nur die aktuelle Elo-Zahl der Spieler. Für die Frage nach den Aufsteigern brauchen wir mehr: Wie alt ist ein Spieler, seit wann steht er in der Liste, wie schnell ist seine Zahl gestiegen? Dafür wurden alle 224 offiziellen FIDE-Ranglisten für klassisches Schach von Januar 2001 bis Oktober 2026 ausgewertet. Schnell- und Blitzwertungen bleiben außen vor.

Gespeichert werden nur die Spieler, die in unseren Partien vorkommen. So bleibt die Datenbank bei 84 MB statt mehrerer Gigabyte. Die Listen liegen in drei verschiedenen Dateiformaten vor, zwei davon sogar ohne Kopfzeile. Am Ende wurden alle ohne eine einzige unlesbare Zeile eingelesen.

Fußball: Für den zweiten Teil liegen die Ergebnisse von 22 europäischen Ligen seit der Saison 1993/94 vor, insgesamt rund 244.000 Spiele, die meisten mit Wettquoten. Damit lassen sich Elo und seine Konkurrenten über drei Jahrzehnte selbst berechnen und mit dem Wettmarkt vergleichen. Auch hier gibt es ein Einstiegsproblem, nämlich bei den Aufsteigern. Weil die zweiten Ligen dabei sind, startet ein Aufsteiger aber nicht bei null.

Der Schach-Datensatz steht

Grundlage sind die 79 Ausgaben von The Week in Chess von April 2025 bis September 2026. Daraus werden nur Partien behalten, für die Elo eigentlich gemacht ist: am Brett gespielt, mit klassischer Bedenkzeit, beide Spieler ab Elo 2000. Die Filterkette:

Im Datensatz stecken 14.670 Spieler aus 1.660 Turnieren, von der Olympiade 2026 bis zu offenen Turnieren und Mannschaftsligen. Zwei erste Kennzahlen: Weiß holt im Schnitt 54,5 % der Punkte, und 38,9 % der Partien enden remis. Beides kennt die Elo-Formel nicht. Sie unterscheidet weder Farben noch Remis von Siegen.

Schnell- und Blitzturniere ohne Bedenkzeit-Angabe wurden daran erkannt, dass sie mehr als zweieinhalb Runden pro Tag spielen. Klassische Turniere schaffen höchstens zwei.

Neu auf der Merkliste: der Einstieg in die Rangliste

Ein Punkt verdient eine eigene Untersuchung: Wie bekommt ein neuer Spieler seine erste Wertungszahl? Startet ein schnell lernender Spieler zu niedrig, bleibt er lange unterbewertet und verfälscht nebenbei die Zahlen seiner Gegner. Die Vermutung lautet daher, dass Elo bei höheren Wertungszahlen besser vorhersagt, weil es dort kaum noch solche Aufsteiger gibt. Genau das können wir mit beiden Filterstufen (ab 2000 und ab 2200) prüfen.

Wie ernst das Problem ist, zeigt die FIDE selbst: Im März 2024 hob sie alle Wertungen unter 2000 einmalig an, um 40 % des Abstands zu 2000. Das sollte die über Jahre entstandene Deflation ausgleichen. Seitdem bekommen neue Spieler ihre erste Zahl erst nach fünf Partien, wobei zwei angenommene Remis gegen 1800er mitgerechnet werden. Die Ansätze, die wir vergleichen wollen, stehen auf der Projektseite.

Woher die Daten kommen sollen

Bevor gerechnet wird, muss klar sein, welche Daten frei und vollständig erreichbar sind. Geprüft wurden:

Offen ist noch eine Quelle für Champions League und Europa League, die in den Ligadaten fehlen.

Außerdem: Die Seiten haben ein ruhigeres, augenfreundliches Erscheinungsbild bekommen: gedämpfter Hintergrund statt grellem Weiß und ein Dunkelmodus, umschaltbar oben rechts. Tabellen werden später bewusst kompakt gehalten, damit auf einem großen Bildschirm möglichst viel auf einen Blick sichtbar ist.

Die Fragestellung steht

Das Projekt beginnt mit zwei Leitfragen:

• Wie gut sagt Elo voraus? Elo ist für viele Ranglisten der Standard. Aber treffen seine Gewinnwahrscheinlichkeiten tatsächlich zu?
• Gibt es inzwischen deutlich bessere Verfahren? Seit Elo sind zahlreiche Weiterentwicklungen entstanden. Wie viel besser sind sie wirklich?

Damit der Vergleich fair ist, gilt eine einfache Regel: Jedes Verfahren darf nur aus vergangenen Begegnungen lernen und muss die jeweils nächste vorhersagen. Bewertet wird mit gängigen Maßen für Wahrscheinlichkeitsprognosen (Brier-Score, Log-Loss) und mit einem Blick auf die Kalibrierung.

Als Nächstes klären wir, mit welchen Daten wir testen – etwa Schach, Fußball oder Bridge.