Warum das Poisson-Modell unverzichtbar ist
Handball ist schnell, brutal, punktreich – das bedeutet, dass Tore fast zufällig erscheinen, aber nicht völlig beliebig. Genau hier greift das Poisson-Verfahren ein, weil es die Rate von Ereignissen pro Zeiteinheit modelliert und dabei die Varianz klein hält. Kurz gesagt: Wenn du die durchschnittliche Torzahl eines Teams kennst, kannst du die gesamte Wahrscheinlichkeitsverteilung abbilden.
Grundlagen in 30 Sekunden
Der Kern: λ (Lambda) = erwartete Tore pro Spiel. Dann berechnet man P(k) = (e^-λ λ^k) / k! für k = 0,1,2,… Das ist die Chance, dass ein Team exakt k Tore schießt. Kombiniert man die beiden Verteilungen beider Teams, entsteht die komplette Ergebnismatrix.
Schritt-für-Schritt-Rechnung
Erst die Daten: Letzte 10 Spiele, Heim- und Auswärtsfaktor, Gegnerstärke. Dann den Mittelwert: Summe der Tore / Anzahl Spiele = λ. Danach den Adjustierungsfaktor für den Spielort, weil Heimmannschaft meist 10-15 % mehr trifft. Anschließend die Poisson-Formel für jedes mögliche Tor-Ergebnis (0-10). Und zum Schluss das Kombinieren beider Teams – das Ergebnis ist eine 11×11-Matrix.
Praxisbeispiel mit realen Zahlen
Team A erzielt durchschnittlich 28 Tore pro Spiel, das entspricht λ_A = 28/60 ≈ 0,467 Tore pro Minute. Team B liegt bei 24 Toren, λ_B ≈ 0,4. Setzt man die Werte in die Formel ein, ergibt sich für Team A: P(0) ≈ 0,627, P(1) ≈ 0,293, P(2) ≈ 0,068 … Und für Team B: P(0) ≈ 0,671, P(1) ≈ 0,269, P(2) ≈ 0,054 … Kombiniert man diese Wahrscheinlichkeiten, entsteht ein klares Bild, welche Endstände wahrscheinlicher sind.
Wie du das Modell im Wettmarkt nutzt
Hier ist der Deal: Buchmacher setzen Quoten, die häufig leicht von den reinen Poisson-Werten abweichen, weil sie Marge einrechnen. Wenn du die reine Poisson-Wahrscheinlichkeit hast, kannst du die Buchmacherquote mit der implizierten Wahrscheinlichkeit vergleichen. Ist deine berechnete Wahrscheinlichkeit höher, hast du einen Value-Bet.
Feinjustierung – Warum das rohe Modell nicht reicht
Der Fakt: Handball ist nicht rein zufällig. Defensive Stärke, Spieltempo, Rotationswechsel beeinflussen λ stark. Deshalb nutzt man erweiterte Modelle: Bivariate Poisson, Negative Binomial oder sogar Monte-Carlo-Simulationen, um Korrelationen zwischen den Teams zu berücksichtigen. Aber das Grundgerüst bleibt Poisson.
Werkzeug-Tipps
Excel reicht für einfache Berechnungen, Python mit Pandas und NumPy für größere Datenmengen. Und wenn du nach einer schnellen Quelle suchst, schau dir die detaillierte Anleitung hier an: https://handballbundesliga.com/artikel/poisson-modell-fuer-handball-wetten-wahrscheinlichkeiten-berechnen/.
Der letzte Schritt
Jetzt nimm deine λ-Werte, baue die Matrix, prüfe die Quoten, setze den Value-Bet. Und vergiss nicht: Kontinuierliche Datenpflege ist das A und O, sonst wird das Modell schnell irrelevant.