Zu Saisonbeginn im August 2025 haben wir – wie viele andere Sportmedien – die gängigen KI-Modelle und Wettmarkt-Algorithmen befragt: Wer wird Meister? Wer steigt ab? Wer überrascht? Jetzt, vier Spieltage vor Schluss, ist die Antwort klar: Die KI hat einiges richtig, aber die interessantesten Momente dieser Saison hat sie vollständig übersehen.
Was die Modelle richtig hatten
Bayern München als Meister – das traf zu. Fast alle Systeme hatten den Rekordmeister als klaren Favoriten eingestuft. Angesichts des Kaders mit Kane, Musiala und dem neuen Trainer Kompany war das keine mutige Prognose. Dass Bayern am Wochenende bereits vorzeitig feiern könnte, lag aber im August noch außerhalb jeder konkreten Vorhersage.
Dortmund auf Platz zwei – ebenfalls korrekt, aber mit einem entscheidenden Unterschied: Kein Modell hatte Niko Kovač‘ Transformation auf dem Radar. BVB stand Ende letzter Saison für Chaos. Kovač machte daraus eine Maschine mit 64 Punkten nach 29 Spielen – 22 mehr als in der Vorsaison. Das ist eine Entwicklung, die kein statistisches Modell vorhersagen kann, weil sie von Führungsqualität abhängt, nicht von Kaderinventar.
Wo die Algorithmen komplett falsch lagen
Der HSV-Aufstieg (2. Bundesliga) war mit der höchsten Wahrscheinlichkeit versehen. Was kein Modell antizipiert hatte: Das gleichzeitige Aufstiegsszenario mit dem überraschend starken Schalke und dem zähen Düsseldorf. Die 2. Liga entwickelte sich zum engsten Aufstiegsrennen seit Jahren – kein Algorithmus hatte „drei Punkte zwischen Platz drei und fünf mit vier Spielen zu gehen“ auf der Karte.
Mainz 05 als Abstiegskandidat – hier lagen die Modelle strukturell daneben. Mainz startete katastrophal, zwei Trainerwechsel in kurzer Zeit. KI-Systeme hätten bei diesen Signalen Abstieg oder Relegation ausgespielt. Stattdessen: Urs Fischer übernahm, stabilisierte das Team, und Mainz steht sicher auf Platz 13. Das ist das klassische Muster, das Trainer-Impact-Modelle nicht erfassen können.
Leverkusen auf Platz fünf statt Titelverteidiger – das war das größte Rätsel der Saison. Amtierende Meister, Champions League im Blut, Xabi-Alonso-Nachfolger gut eingespielt. Trotzdem: CL-Aus in der Gruppenphase gegen Arsenal, und in der Bundesliga ein Kampf um Platz vier statt um die Krone. Kein Modell hatte das. Der menschliche Faktor – Nachfolger eines legendären Trainers zu sein – ist in keiner Datenbank erfasst.
Was das über KI-Prognosen sagt
KI-Modelle im Sport sind gut darin, strukturelle Realitäten widerzuspiegeln: Kadertiefe, Vereinsbudget, historische Leistungen. Sie sind schlecht darin, Diskontinuitäten vorherzusagen – Momente, wo ein Trainer eine Mannschaft transformiert, ein Verletzter zurückkommt und alles verändert, oder ein Titelverteidiger ohne erklärbaren Grund einbricht.
Die besten Prognosen der Saison kamen nicht von Algorithmen, sondern von Beobachtern, die Kovač‘ Trainingsarbeit in Dortmund gesehen hatten, oder die wussten, wie Urs Fischer mit defensiv labilen Teams umgeht.
Das ist keine Kritik an KI-Tools – sie sind nützlich für Wahrscheinlichkeitsrahmen und Quoten-Kalibrierung. Aber als alleinige Entscheidungsgrundlage taugen sie nicht. Die Bundesliga 2025/26 ist dafür der beste Beweis.
Was wir im August 2026 besser machen werden
Zur nächsten Saison werden wir unsere Prognose-Methodik offenlegen: Welche Faktoren fließen wie stark ein? Wo vertrauen wir dem Modell, wo dem menschlichen Urteil? Diese Transparenz ist das, was guten Sport-Journalismus von KI-generiertem Content unterscheidet.
Wer nur auf die Algorithmen hört, hätte Kovač-Dortmund unterschätzt, Fischer-Mainz abgeschrieben und Leverkusen als Titelkandidaten überbewertet. Wer hingeschaut hat, wusste es früher.
