PROGLYNEXTNext-Level Sports Intelligence
Öffentliche Seite · Modelltransparenz

Modelltransparenz

Wie das Prognosesystem funktioniert und wie gut es bisher abgeschnitten hat. Als Beispieldaten gekennzeichnete Abschnitte stammen aus dem Demo-Datensatz und sind keine echte PROGLYNEXT-Modellperformance.

Frühere Prognosen werden nach ihrer Erstellung nie verändert. Neue Informationen führen zu einer neuen Prognoseversion.

Ausgewertete Prognosen

2

Richtig

1

Falsch

1

Trefferquote

50%

So entsteht eine Prognose

Beispieldaten
  1. 1 · Daten

    Der Sportdatenanbieter liefert Spiele, Heim- und Auswärtsbilanzen, jüngste Ergebnisse und Torstatistiken samt Datenstand.

  2. 2 · Statistisches Modell

    Ein deterministisches Modell wandelt diese Zahlen in drei Wahrscheinlichkeiten und eine Konfidenzangabe um. In diesem Schritt ist kein Sprachmodell beteiligt, gleiche Eingaben ergeben also immer dasselbe Ergebnis.

  3. 3 · KI-Interpretation

    Die KI-Ebene formuliert nur das Ergebnis des Modells aus und beantwortet Rückfragen aus demselben Datensatz. Sie legt keine Wahrscheinlichkeit fest und ergänzt keine eigenen Fakten.

  4. 4 · Eintrag

    Beim Speichern entsteht ein unveränderlicher Eintrag mit beiden Zeitstempeln und der Modellversion. Er wird nie überschrieben.

Prognosehistorie

Beispieldaten

Aktuelle Modellversion: football-v1.1.1

Gewichtung der Faktoren

Beispieldaten
  • homeAwayWeight0,34
  • seasonWeight0,22
  • recentFormWeight0,18
  • attackWeight0,14
  • defenseWeight0,12
  • squadAvailabilityWeight0,06
  • headToHeadWeight0,08
  • leaguePositionWeight0,10
  • homeAdvantage0,06

Diese Gewichte sind Konfigurationswerte, keine wissenschaftlich optimierten Werte. Sie werden später anhand historischer Ergebnisse nachjustiert.

Vergleich der Modellversionen

Beispieldaten
ModellversionPrognosenTrefferquoteBrier-Score
football-v1.1.1250%0,566

Verglichen werden ausschließlich gespeicherte Prognosen. Eine neue Modellversion ersetzt die bestehende erst nach einer Prüfung an historischen Daten.

Historischer Datensatz

Jede Prognose wird mit Zeitstempel gespeichert und nach dem Spiel automatisch mit dem tatsächlichen Ergebnis verglichen. Fehlprognosen werden nicht gelöscht. Aus diesen Einträgen entsteht ein historischer Datensatz, mit dem künftige Modellversionen kalibriert werden können.

Das System lernt nicht selbstständig. Es erstellt Prognosen, wertet Ergebnisse automatisch aus und sammelt daraus einen historischen Datensatz für spätere, geprüfte Modellversionen.

Einträge im Lerndatensatz

2

Brier-Score

0,566

Der Brier-Score misst, wie gut die Wahrscheinlichkeiten zum tatsächlichen Ausgang passten. Kleiner ist besser (0 = perfekt).

Prognosen sind statistische Einschätzungen und keine Garantie für den tatsächlichen Spielausgang. PROGLYNEXT nimmt keine Wetten entgegen und garantiert keine Gewinne.