ELO-Ratings im Fußball: Mannschaftsstärke messen und für Wetten nutzen
Vom Schach zum Fußball — warum ELO universell funktioniert
Das ELO-System wurde 1960 von Arpad Elo für die Bewertung von Schachspielern entwickelt. Sechs Jahrzehnte später nutzen FiveThirtyEight, ClubELO und diverse Wettmodelle dasselbe Prinzip, um die Stärke von Fußballmannschaften zu messen. Der Grund: ELO löst ein Problem, das in jeder Sportart auftritt — wie vergleicht man Teams, die selten oder nie direkt gegeneinander spielen?
Im Kern funktioniert ELO so: Jedes Team hat einen Ratingwert. Gewinnt ein Team gegen einen stärkeren Gegner, steigt sein Rating überproportional. Verliert es gegen einen schwächeren, fällt es stark. Das System lernt mit jedem Spiel und passt sich an veränderte Leistungsniveaus an — ein entscheidender Vorteil gegenüber statischen Tabellen. Zum Vergleich: Während xG-basierte Modelle in der Bundesliga einen Ranked Probability Score von 0,148 erreichten und damit Buchmacherquoten übertrafen, bietet ELO eine simplere, aber robuste Alternative, die weniger Daten benötigt.
ELO misst nicht, wer gewinnt — sondern wer gewinnen sollte. Dieser Artikel erklärt die Formel, zeigt, wo du ELO-Daten findest, und wie du die Stärke-Differenz zwischen zwei Teams in ein Wettsignal übersetzt.
Die ELO-Formel: Berechnung und Anpassung
Die ELO-Formel besteht aus zwei Komponenten: der erwarteten Gewinnwahrscheinlichkeit und der Rating-Anpassung nach dem Spiel.
Erwartete Gewinnwahrscheinlichkeit
Die Formel lautet: E(A) = 1 / (1 + 10^((R_B – R_A) / 400)), wobei R_A und R_B die aktuellen Ratingwerte der Teams A und B sind. Ein Beispiel: Team A hat ein Rating von 1 800, Team B von 1 600. Die Differenz beträgt 200 Punkte. Eingesetzt in die Formel: E(A) = 1 / (1 + 10^(-200/400)) = 1 / (1 + 10^(-0,5)) = 1 / (1 + 0,316) = 0,76. Team A hat also eine erwartete Gewinnwahrscheinlichkeit von 76 %.
Diese Berechnung liefert eine faire Wahrscheinlichkeit, die direkt mit Buchmacherquoten verglichen werden kann. Wenn der Buchmacher eine Quote von 1,40 auf Team A anbietet — was einer impliziten Wahrscheinlichkeit von 71,4 % entspricht — und dein ELO-Modell 76 % ergibt, hast du einen potenziellen Value Bet identifiziert.
Rating-Anpassung nach dem Spiel
Nach jedem Spiel wird das Rating angepasst: R_neu = R_alt + K × (S – E), wobei S das tatsächliche Ergebnis ist (1 für Sieg, 0,5 für Unentschieden, 0 für Niederlage), E die erwartete Gewinnwahrscheinlichkeit und K der sogenannte K-Faktor. Der K-Faktor bestimmt, wie stark ein einzelnes Ergebnis das Rating beeinflusst. Im Schach liegt er typischerweise bei 10 bis 40. Im Fußball verwenden Modelle wie ClubELO einen angepassten K-Faktor, der zusätzlich die Tordifferenz berücksichtigt — ein Sieg mit drei Toren Unterschied verändert das Rating stärker als ein knapper 1:0-Erfolg.
FiveThirtyEight — dessen Sportbereich 2023 nach dem Abgang von Gründer Nate Silver eingestellt wurde, bevor die gesamte Plattform im März 2025 von Disney/ABC endgültig geschlossen wurde — verwendete zudem einen Heimvorteil-Zuschlag von etwa 100 Punkten und gewichtete Spiele nach Wettbewerb: Champions-League-Spiele beeinflussten das Rating stärker als Freundschaftsspiele. ClubELO, das weiterhin aktiv ist, verfolgt einen ähnlichen Ansatz und bietet historische ELO-Werte für alle großen europäischen Ligen seit 1939.
Ein Punkt, der ELO von xG-Modellen unterscheidet: ELO berücksichtigt keine Spieldetails wie Schussqualität oder taktische Muster. Eine Studie von Sascha Wilkens auf SSRN zeigte, dass xG-basierte Modelle in der Bundesliga einen ROI von 10 bis 15 % erzielen konnten. ELO-Modelle allein erreichen solche Werte in der Regel nicht — aber als zusätzlicher Filter oder als Basismodell für Ligen mit weniger verfügbaren xG-Daten sind sie eine solide Wahl.
ELO in der Wettpraxis: Stärke-Differenzen als Signal
Die praktische Anwendung von ELO für Wetten basiert auf einem einfachen Prinzip: Je größer die Differenz zwischen den ELO-Werten zweier Teams, desto klarer die Prognose — und desto geringer die Wahrscheinlichkeit, dass der Markt den Favoriten falsch einpreist. Die interessanten Wetten liegen in der Grauzone: bei ELO-Differenzen zwischen 50 und 150 Punkten, wo die Wahrscheinlichkeiten knapp und die Quoten potenziell verzerrt sind.
Schritt 1: ELO-Daten beschaffen
ClubELO (clubelo.com) bietet aktuelle und historische ELO-Werte für die meisten europäischen Ligen. Die Daten sind kostenlos, tagesaktuell und in einem Format, das sich leicht in Tabellenkalkulationen importieren lässt. Für internationale Wettbewerbe und Nationalmannschaften existieren weitere Quellen wie eloratings.net.
Schritt 2: Erwartungswert berechnen
Mit der ELO-Formel berechnest du für jedes Spiel die erwartete Gewinnwahrscheinlichkeit beider Teams. Vergiss nicht, den Heimvorteil einzurechnen — typischerweise addierst du 65 bis 100 Punkte zum ELO des Heimteams, bevor du die Formel anwendest. Der genaue Wert variiert je nach Liga und sollte kalibriert werden.
Schritt 3: Mit Quoten abgleichen
Vergleiche deine ELO-basierte Wahrscheinlichkeit mit der impliziten Wahrscheinlichkeit der Buchmacherquoten. Eine Differenz von mehr als fünf Prozentpunkten deutet auf einen möglichen Value hin. Allerdings ist dieser Schwellenwert bei ELO höher anzusetzen als bei xG-Modellen, weil ELO weniger Informationen verarbeitet und daher tendenziell ungenauer ist.
Was ELO nicht kann
ELO kennt keine Verletzungen, keine Sperren, keine Trainerwechsel. Es sieht nicht, ob ein Team seine letzten drei Siege mit einem xG von 0,5 erzielt hat — also massiv überperformt hat und vor einer Regression steht. ELO ist eine Makroperspektive: langfristige Stärke, nicht kurzfristige Form. Wer ELO als einziges Werkzeug nutzt, wird den Markt selten schlagen. Wer ELO mit xG-Daten, Formkurven und Kontextinformationen kombiniert, hat ein robusteres Gesamtbild.
Ein weiterer blinder Fleck: ELO reagiert langsam auf plötzliche Veränderungen. Ein Trainerwechsel, der die Spielphilosophie eines Teams fundamental verändert, braucht im ELO-System fünf bis zehn Spiele, bis sich das Rating anpasst. In dieser Übergangsphase kann das Rating systematisch daneben liegen — was sowohl eine Gefahr als auch eine Chance für aufmerksame Wetter darstellt. Wer den Trainerwechsel und seine taktischen Implikationen schneller einschätzt als das ELO-System, hat in dieser Phase einen Informationsvorsprung, den der Markt möglicherweise ebenfalls noch nicht vollständig eingepreist hat.
Ein Szenario aus der Praxis: Dein ELO-Modell zeigt für ein Freitagsspiel eine erwartete Heimsieg-Wahrscheinlichkeit von 62 %. Die Buchmacherquote impliziert nur 55 %. Bevor du setzt, prüfst du die xG-Form der letzten fünf Spiele — das Heimteam hat seine Siege tatsächlich verdient, kein Overperformance-Signal. Du prüfst die Aufstellung — keine relevanten Ausfälle. Die ELO-Differenz, bestätigt durch aktuelle Daten, ergibt ein konsistentes Bild. Das ist der Moment, in dem ELO als Filter funktioniert: Es identifiziert den Kandidaten, die Detailanalyse bestätigt oder verwirft ihn.
Fazit: ELO als Baustein, nicht als Gesamtmodell
ELO-Ratings sind das Einstiegsmodell für quantitative Wettanalyse — simpel in der Berechnung, kostenlos verfügbar und sofort einsetzbar. Für Ligen, in denen detaillierte xG-Daten fehlen, oder für schnelle Vorabeinschätzungen ist ELO schwer zu schlagen.
Die Stärke von ELO liegt in seiner Langfristperspektive: Es glättet Zufallsschwankungen und gibt dir eine belastbare Schätzung der relativen Stärke zweier Teams. Die Schwäche liegt darin, dass es kurzfristige Veränderungen — taktische Umstellungen, Verletzungswellen, Motivationsschübe — nicht abbildet. Deshalb ist ELO am wirksamsten in Kombination mit anderen Datenquellen.
Ein Modell, das ELO als Basis nutzt und mit xG, Formkurven und Kontextfaktoren anreichert, hat eine breitere Informationsgrundlage als jedes Einzelmodell. ELO allein reicht nicht, um den Markt systematisch zu schlagen. Aber ohne ein Verständnis von ELO fehlt dir ein fundamentaler Baustein, auf dem präzisere Modelle aufbauen.