Messis hohe Ratings

Das Paradox der perfekten Bewertungen

Letzte Woche sah ich einen viralen Clip: Di María zerschlug Italiens Mittelfeld im 3:0-Sieg. Die Kommentatoren meinten: »Messi bekommt hohe Punktzahlen, obwohl er den Ball verlor.« Das traf mich wie ein Bayes’scher Fehler – falsche Annahmen führen zu falschen Schlüssen.

Ich verteidige Messi nicht und attackiere ihn auch nicht. Aber als jemand, der neuronale Netze zur Vorhersage von Spielerwirkung trainiert hat, weiß ich: Rating-Systeme belohnen Bewegung statt Bedeutung.

Die unsichtbare Last der Berührungen

In meisten Fußballbewertungen (wie Sofascore oder FotMob) gibt es Punkte für jede Passbewegung – selbst wenn sie ins Leere geht. Jeder Dribblingversuch? +0,5 Punkte, wenn man jemanden überlistet. Doch keine Strafe für verlorene Zeit oder gescheiterte Übergänge.

Dort bricht mein Modell zusammen: Es kümmert sich nicht darum, wen man überlistet – nur dass man es versucht.

Beim Spiel Argentinien gegen Italien hatte Messi 12 Berührungen in der gegnerischen Hälfte; acht endeten mit Ballverlust oder Rückpass. Dennoch erhielt er 7,⁹⁄₁₀.

Warum? Weil er versucht hat. Nicht weil er erfolgreich war.

Wenn Einsatz zur Eitelkeit wird

Hier passiert es, wenn Metriken Volumen über Wert stellen:

• Ein langer Diagonalball ins Leere = +1 Punkt (selbst wenn er auf Gras landet)
• Ein misslungerter Schritt-über-Zug = +0,3 (»kreativer Flair«)
• Ballverlust unter Druck? Keine Abzugspunkte.

Das ist kein Designfehler – das ist ein Merkmal der Fan-Kultur. Wir wollen Helden, die versuchen, nicht nur Sieger, die gewinnen. Doch Daten sollten die Realität widerspiegeln – nicht Hero-Worship.

Meine Korrekturschicht für das Modell

Nach Analyse von 240 internationalen Spielen (2022–2024) haben wir bei Predictive Pulse drei neue Gewichte eingeführt:

• Wertdichte des Ballbesitzes: Wie viele sinnvolle Aktionen pro Berührung?
• Einfluss beim Übergang: Führte dein Pass zu einem Schuss oder einem Ballverlust?
• Strafzuschlag für Misserfolge: Abzug bei riskanten Fehlversuchen im letzten Drittel.

Messi bleibt gut bewertet – doch sein Durchschnitt sinkt nun von 7,8 auf 6,9 bei risikoadjustierter Auswertung. Der Unterschied? Er wird nicht mehr nur für Einsatz bewertet – sondern für Ergebnisse unter Druck.

Warum das mehr bedeutet als Zahlen

Ich betreibe ein Open-Source-Modell namens FutbolMetrics auf GitHub. Ein Nutzer fragte: »Heißt das, Messi ist nicht großartig?« The Antwort lautet nein – aber wir messen Größe anders als nötig. Das System belohnt Sichtbarkeit statt Wirkung. Und Sichtbarkeit lässt sich leicht vortäuschen durch auffälliges Füßen im toten Raum. wenn wir Bewegung mit Meisterschaft verwechseln, verlieren wir aus den Augen, was tatsächlich Spiele entscheidet… oder Legenden schafft. The Wahrheit liegt nicht in der Zahl – sondern im Kontext dahinter. The echte Vorhersage ist nicht wer trifft – sondern wer das Spiel ändert ohne den Ball zu berühren.