KI-Fußball-Prognosen getestet: Sind sie genau?

Kurze Antwort. In unseren Tests haben KI-Fußball-Prognosen den Schlusskurs des Wettmarkts nicht geschlagen. Keines der rund 50 Modelle, die wir gebaut haben (Elo, XGBoost, Dixon-Coles, xG), schlug den Referenzmarkt nach der Marge, und auch die beiden automatischen Prognosequellen, die wir messen, tun das nicht. Am 1. November 2026 lagen die Prognosen von API-Football bei 69.9% Trefferquote, brauchten zu diesen Quoten aber 72.1% zum kostendeckenden Spiel (n = 1,762). Auch Forebet, das nach eigener Aussage „mathematische Algorithmen und statistische Modelle“ nutzt, bleibt darunter. Beide liegen unter der Schlussquote, und beide 95%-Intervalle schließen null aus.

TipsAudit veröffentlicht diese Zahlen, und wir messen unsere eigenen Prognosen auf die gleiche Weise. Wir verkaufen keine Wett-Tipps und haben keine Buchmacher-Verbindung. 18+.

Was „KI-Fußball-Prognosen“ meistens sind

Die Bezeichnung umfasst meist eines von drei Dingen:

• Bewertungsmodelle. Elo-ähnliche Bewertungen mit aktueller Form übersetzen die Stärke jedes Teams in eine Wahrscheinlichkeit für Sieg, Unentschieden oder Niederlage.
• Maschinelles Lernen auf Spieldaten. Gradient Boosting (XGBoost und ähnliche) oder neuronale Netze, trainiert auf früheren Ergebnissen, Schüssen, erwarteten Toren (xG) und oft den eigenen Quoten der Buchmacher.
• Chatbot-Hüllen. Ein großes Sprachmodell bekommt einige Spielstatistiken oder nur die Frage und schreibt einen Tipp in einfacher Sprache.

Alle drei lernen meist aus öffentlichen Daten, die auch der Wettmarkt sieht. Der Preis des Markts ist die zusammengefasste Sicht aller, die Geld auf das Spiel setzen, bis kurz vor Anpfiff angepasst. Diese Schlussquote ist der Maßstab, den jede Prognose schlagen muss, daher messen wir alles daran (closing line value erklärt).

Wir haben etwa 50 Modelle gebaut; keines schlug den Markt

Über vier Phasen hinweg haben wir etwa 50 Modelle und Strategien gebaut: Elo mit Form, XGBoost, Dixon-Coles, Modelle auf erwarteten Toren und Ensembles. Wir haben sie im Walk-Forward-Test geprüft, sodass jedes Modell nur die Vergangenheit sah. Die vollständige Ausarbeitung, veröffentlicht am 6. Juli 2026, ist Wir haben ~50 Wettmodelle gebaut. Keines schlug die Schlussquote. Hier die Kurzfassung:

• Unser bestes Modell, ein xG-Elo-Hybrid, traf das richtige Spielresultat in 53.7% der Fälle. Immer den Schlussfavoriten zu tippen war in etwa 55.6% der Fälle richtig.
• Gemessen am Log-Loss über dieselben 5,960 Spiele (17 Ligen, 2024-25) lag unser bestes Modell für diese Daten immer noch etwa 0.022 hinter Pinnacles Schlusskurs zurück.
• In einem Flat-Stake-Backtest auf historischen Quoten (1,329 Wetten zu Pinnacles Eröffnungsquoten, acht europäische Ligen, 2025-26) verlor jede Strategie: unser Modell −4.3%, immer auf den Pinnacle-Favoriten setzen −3.6%, immer auf das Unentschieden setzen −0.3%.

Darum bepreisen wir Spiele gegen den Markt statt Modell-Tipps zu verkaufen.

Kalibrierung: Der Markt gegen unser Live-Modell

Ein Modell, Elo mit Form, läuft auch live und protokolliert seit dem 8. Juni 2026 vor Anpfiff Prognosen. Das Modell-Kalibrierungslabor bewertet jede abgerechnete Prognose auf zwei Arten: mit den Wahrscheinlichkeiten unseres Modells und mit dem Preis des Referenzmarkts ohne Marge, jeweils so, wie wir sie beim Protokollieren erfasst haben. Spiele der WM und der Nations League sind ausgeschlossen.

Unser Modell ist gut kalibriert: Im Bereich von 60–70% lag der Durchschnitt bei 63.9%, und das Ergebnis trat in 62.4% der Fälle ein (n = 654). Die Kalibrierungsseite sagt, dass beide Kalibrierungsfehler innerhalb des Stichprobenrauschens eines perfekten Werts liegen. Der Markt gewinnt trotzdem bei Brier-Score und Log-Loss, weil er wahrscheinliche von unwahrscheinlichen Ergebnissen schärfer trennt. Ein Modell kann also kalibriert sein und trotzdem schlechter als der Preis.

Sind KI-Fußball-Prognosen genau? Zwei automatische Quellen, gemessen

Wir lesen jede Prognose vor Anpfiff und rechnen sie auf das 90-Minuten-Ergebnis ab. Wir vergleichen die besten verfügbaren Buchmacherquoten zum Lesezeitpunkt (Börsen ausgeschlossen) mit Pinnacles Schlusskurs für dieselbe Auswahl, ohne Marge.

API-Football. API-Football ist ein Fußball-Dienst. Für jedes Spiel liefert seine API eine Empfehlung mit Sieger oder Doppelte Chance, eine Torlinie und drei Prozentsätze. Seit dem 15. Oktober 2026 lesen wir es einmal pro Spiel, das wir bepreisen, vor Anpfiff. Die Dokumentation zeigte uns am 1. November 2026 eine Bot-Prüfung, daher beschreiben wir nur das, was die API zurückgibt. Offenlegung: API-Football ist auch einer unserer Datenanbieter. Wir bezahlen für seine Spiele, Ergebnisse und Aufstellungen wie jeder andere Kunde, und die Ergebnisse, die wir abrechnen, kommen von dort.

Forebet. Auf der Startseite von Forebet steht: „Since 2009, Forebet has leveraged the power of mathematical algorithms and statistical models“ (gelesen am 14. Oktober 2026). Seitdem lesen wir die öffentlichen Prognoseseiten täglich.

Quellen: API-Football-Bewertung, Forebet-Bewertung.

Warum 69.9% nicht reicht. Die meisten Prognosen von API-Football (1,587 von 2,180, die wir gelesen haben) sind Doppelte Chance, also zwei von drei Ergebnissen abgedeckt: hohe Trefferquote, aber auch hoher Kostendeckungsschwellenwert. Bei den Doppelte-Chance-Tipps lag die Trefferquote bei 70.5% (n = 1,371), benötigt wurden 72.5%. Das ist dieselbe Rechnung wie bei warum eine Trefferquote von 67% bei Quoten von 1.48 Geld verliert: Die Kostendeckung liegt dort bei 67.6%.

Wo es am nächsten dran ist. Bei den 200 Tipps auf das Spielresultat mit messbarem Schlusskurs lag der Closing-Line-Value bei −0.77% (95%-Intervall −1.73% bis +0.18%). Das Intervall schließt null ein, also können wir diese Tipps noch nicht vom Markt unterscheiden.

Wie ihre Prozentsätze aussehen. Wir speichern die drei Prozentsätze von API-Football zusammen mit den Tipps auf das Spielresultat: 236 Spiele, gelesen vom 15. Oktober bis 1. November 2026. Sie kamen nur in drei Mustern vor: 45/45/10 in der einen oder anderen Reihenfolge (163 Spiele), 50/50/0 (65) und 35/35/30 (8). In 7 von 53 abgerechneten Spielen, in denen ein Ergebnis mit 0% angegeben war, trat dieses Ergebnis ein. Zahlen wie diese taugen nicht als Wahrscheinlichkeiten, daher bewerten wir jeden Tipp nach seinem Preis, wie bei jeder Quelle. (Gezählt aus den Prozentsätzen in unserer Datenbank, verbunden mit den 90-Minuten-Ergebnissen.)

Forebets exakte Ergebnisse. Bei den 621 abgerechneten Tipps auf das exakte Ergebnis, für die wir eine Schätzung der fairen Chance haben, lag Forebet in 8.5% der Fälle richtig. Unser Ergebnis-Modell setzte die faire Chance der von ihm gewählten Ergebnisse ebenfalls auf 8.5%. Nach dieser Schätzung waren die Tipps nicht besser als das, was die Marktpreise ohnehin schon nahelegten.

Am 1. November 2026 zeigte unser Rangliste, dass keines der 8 kostenlosen Prognoseportale mit Urteil die Schlussquote mit statistischer Sicherheit schlägt; 7 liegen messbar darunter. Das achte, Zulubet, ist vom Markt noch nicht zu unterscheiden (+0.29%, Intervall −0.74% bis +1.32%, n = 166).

Wie du jede KI-Fußball-Prognose in 10 Minuten prüfst

Du musst nicht wissen, wie ein Modell funktioniert. Du brauchst seinen Nachweis und fünf Prüfungen. Die längere Fassung steht in wie du jeden Tippgeber in 10 Minuten prüfst.

1. Zeitstempel vor Anpfiff. Jeder Tipp braucht einen Veröffentlichungszeitpunkt vor Spielbeginn und keine späteren Änderungen. Ergebnisse, die nach dem Wochenende gepostet wurden, beweisen nichts.
2. Die ganze Historie. Auch die Verlierer. Eine fehlende Woche oder eine Liste mit „aktueller Form“ ist der Punkt, an dem du aufhören solltest.
3. Die Quoten, die du wirklich bekommen konntest, und die Kostendeckung. Nimm den Preis, der beim Posten des Tipps verfügbar war. Die Kostendeckung ist 1 ÷ die Quoten, gemittelt über die Tipps: Bei Quoten von 1.39 liegt sie bei etwa 72%, also reicht dort eine Trefferquote von 70% nicht. Eine Behauptung von „85% Genauigkeit“ ohne Quoten daneben sagt dir nichts darüber, ob die Tipps zahlen.
4. Die Schlussquote. Vergleiche den genommenen Preis mit der scharfen Schlussquote, ohne Marge. Sie über einen großen Datensatz regelmäßig zu schlagen ist das beste Zeichen für Können. Immer wieder darunter zu bleiben bedeutet, zu teuer zu kaufen.
5. Stichprobengröße, mit Intervall. Verlange n und ein 95%-Intervall. Auf unseren Bewertungsseiten braucht ein Urteil 30 abgerechnete Prognosen ohne exaktes Ergebnis, ein Intervall 30 mit messbarem Schlusskurs und eine Renditeangabe 100 bepreiste Prognosen. Stand 1. November 2026 zeigt /review FreeSuperTips mit einer Rendite von +6.2%, während sein Closing-Line-Value unter null liegt: −1.25% (−2.22% bis −0.27%, n = 248). Die Seite liest das als wahrscheinlich Glück über diese Stichprobe, nicht als Vorteil.

Wann ein Modell trotzdem nützlich ist

Ein Modell, das den Preis nicht schlagen kann, kann dir trotzdem helfen, ihn zu lesen.

• Den Markt übersetzen. Unsere Schätzungen für das exakte Ergebnis stammen aus zwei Poisson-Verteilungen mit einer Korrektur für niedrige Ergebnisse (Dixon-Coles), angepasst an Pinnacles faire 1X2- und Über/Unter-2.5-Quoten. In unserem Check vom 26. Oktober 2026 über 3,014 Spiele, mit Schlussquoten, wurde das wahrscheinlichste Ergebnis im Durchschnitt auf 12.5% geschätzt und trat in 12.8% der Fälle ein (Kalibrierung). Dieses Modell ist nützlich, weil es beim Preis ansetzt und nicht, weil es ihn schlägt.
• Einen Tipp einordnen. Heutige Spiele zum fairen Preis zeigt die Marktchance jedes Ergebnisses, ohne Marge, neben den Tipps der Seiten, die wir messen.

Was wir nicht messen konnten

• Chatbot-Tipps. Wir messen keine von Chatbots wie ChatGPT geschriebenen Tipps, daher haben wir dazu keine Zahlen.
• Andere Quellen, nach denen gefragt wird. Opta, ClubElo, FootballPredictions.com und FootyMetrics stehen auf unserer Liste „Noch nicht gemessen“ auf /review, daher treffen wir dazu keine Aussage. FootyStats und OddsJam zeigten am 14. Oktober 2026 eine Bot-Prüfung, als wir sie lesen wollten, und bei Bot-Prüfungen hören wir auf.
• Bezahlte KI-Tipps hinter Login. Abgesehen von der API von API-Football lesen wir nur öffentliche Prognoseseiten.
• Lange Zeiträume. Wir messen Forebet erst seit dem 14. Oktober 2026 und API-Football seit dem 15. Oktober 2026, daher werden sich diese Zahlen mit den Wochen noch bewegen.

FAQ

Sind KI-Fußball-Prognosen genau?

Nicht genau genug, um den Preis zu schlagen, nach dem, was wir bisher sehen. Am 1. November 2026 lagen die Prognosen von API-Football bei 69.9% Trefferquote, meist auf Doppelte Chance, brauchten aber 72.1% zum kostendeckenden Spiel. Keine der Quellen, die wir messen, schlägt die Schlussquote mit statistischer Sicherheit.

Kann KI die Buchmacher schlagen?

In unseren Tests nicht. Unsere Modelle lagen hinter dem scharfen Schlusskurs zurück, und die Prognosen von API-Football und Forebet lagen im Durchschnitt darunter, mit 95%-Intervallen, die null ausschließen.

Welche KI-Fußball-Prognose-Seite ist die genaueste?

Wir können keine nennen: Keine der Seiten, die wir messen, schlägt die Schlussquote mit Sicherheit. Frag jede Seite nach einem datierten Nachweis, ihrer Trefferquote neben der Kostendeckung und ihrem Closing-Line-Value mit n und Intervall. Unser Ranking steht unter /review.

Kann ChatGPT Fußballspiele vorhersagen?

Wir haben Chatbot-Tipps nicht gemessen, daher haben wir keine Genauigkeitszahl. Der gleiche Test gilt: vor Anpfiff protokollierte Tipps, die dann verfügbaren Quoten und der Schlusskurs.