Methodik
Wie eine Riftcast-Wahrscheinlichkeit entsteht, wie sie nach dem Spiel bewertet wird und was die resultierenden Zahlen bedeuten. Dies ist die technische Ergänzung zur Über-uns-Seite.
1. Was wir tun
Riftcast veröffentlicht für jede Seite eines professionellen League-of-Legends-Matches eine Wahrscheinlichkeit, erzeugt von Machine-Learning-Modellen, die auf historischen Matchdaten trainiert wurden. Die Wahrscheinlichkeit entsteht vor dem Spielbeginn, wird gespeichert und nach dem Spiel gegen das Ergebnis bewertet. Eine Vorhersage wird nachträglich nie geändert.
Eine Wahrscheinlichkeit ist keine Prognose dessen, was passieren wird. Sie ist eine Aussage über eine lange Reihe ähnlicher Matches: Wenn wir sagen, ein Team gewinnt in 65 Prozent der Fälle, behaupten wir, dass über viele Matches mit dieser Bewertung hinweg rund 65 von 100 gewonnen werden. Ein mit 65 Prozent bewertetes Team, das verliert, ist keine gescheiterte Vorhersage. Ein mit 65 Prozent bewertetes Team, das über eine große Stichprobe nur die Hälfte gewinnt, schon.
Wir verkaufen keine vorhergesagten Sieger. Wir veröffentlichen kalibrierte Wahrscheinlichkeiten und unsere eigene Bilanz - einschließlich der Märkte, in denen diese Bilanz negativ ist.
2. Die Modelle
Vier Modelle laufen bei jedem Match. Sie werden unabhängig voneinander auf denselben Daten trainiert und widersprechen sich häufig. Das ist beabsichtigt: Der Abstand zwischen ihnen ist selbst eine Information darüber, wie sicher ein Aufeinandertreffen wirklich ist.
FastTree
Ein Gradient-Boosted Decision Tree und die Grundlinie, an der alle anderen Modelle gemessen werden. Er trainiert schnell, bleibt über Neutrainings hinweg stabil und behandelt den Normalfall gut: zwei bekannte Teams in einer etablierten Liga mit reichlich jüngerer Historie. Er ist das Modell der kostenlosen Stufe und dasjenige, das bei dünner Datenlage am elegantesten nachlässt.
LightGBM
Eine blattweise Gradient-Boosting-Implementierung. Sie passt sich schneller an als FastTree, wenn sich das zugrunde liegende Spiel verändert. Das macht sie zum stärkeren Modell über Patch-Wechsel hinweg und bei internationalen Events, wo Teams verschiedener Regionen erstmals aufeinandertreffen und regionale Form ein schlechter Anhaltspunkt ist.
PCA Sweep
Eine Hauptkomponenten-Pipeline, deren Hyperparameter durch einen großen Offline-Sweep ausgewählt werden, mit Dimensionsreduktion vor dem Klassifikator. Das Komprimieren korrelierter Teamstatistiken auf wenige Komponenten reduziert Overfitting auf die vielen nahezu doppelten Merkmale eines Teamprofils, und es ist typischerweise das genaueste der drei Basismodelle.
Consensus
Kein viertes Modell, sondern eine gewichtete Mischung der drei obigen, gewichtet nach dem jüngsten Log Loss jedes Modells, sodass ein Modell in einer schwachen Phase weniger beiträgt. Consensus ist die verlässlichste Einzelzahl der Seite und zugleich die konservativste: Es erzeugt selten die extremen Wahrscheinlichkeiten, die einzelne Modelle manchmal liefern.
Jedes Modell existiert in zwei Varianten. Die Basisvariante sagt aus Team- und Spielerform vor Spielbeginn voraus. Die draftbewusste Variante bepreist dasselbe Spiel neu, sobald alle zehn Champions gesperrt sind, und ergänzt Champion-Siegraten, Synergien innerhalb einer Zusammenstellung und Matchup-Konter zur Teamform. Die draftbewusste Variante steht erst nach Ende der Championauswahl zur Verfügung - deshalb kann sich eine Vorhersage kurz vor Spielbeginn ändern.
3. Trainingsdaten
- 15,622 einzelne Spiele indexiert
- 450 Teams erfasst
- 230 Turniere abgedeckt
- 35,844 Vorhersagen bewertet und dokumentiert
Zwei Quellen speisen das System. Spielpläne, Live-Spielstand und Championauswahl stammen aus der offiziellen LoL-Esports-API auf lolesports.com. Abgeschlossene Matchstatistiken, auf denen jedes Modell trainiert und gegen die jede Vorhersage bewertet wird, stammen aus dem Scraping von gol.gg. Widersprechen sich beide über ein Ergebnis, gilt gol.gg als maßgeblich und der Live-Feed wird verworfen.
Die Modelle sehen Teamform über rollierende jüngere Zeitfenster, eine Elo-artige Stärkebewertung mit Anpassung für regionales Niveau und regionsübergreifende Ergebnisse, Siegraten nach Spielfeldseite, Objective- und Goldstatistiken, Spielerform des aktuellen Kaders und in der draftbewussten Variante die tatsächlich gewählten Champions. Merkmale werden für beide Seiten symmetrisch berechnet, damit das Modell nichts daraus lernen kann, welches Team zufällig zuerst genannt wird.
Alle Modelle trainieren täglich um 00:10 UTC neu, auf der zu diesem Zeitpunkt vollständigen Historie. Vorhersagen für kommende Matches werden nach Abschluss des Trainings neu erzeugt. Zwischen zwei Neutrainings wird eine Modelldatei nie verändert.
Kein Turnier wird vom Training ausgeschlossen. Frühere Versionen der Pipeline hielten einige kleinere und internationale Events zurück; das wurde 2026 aufgegeben, weil ausgerechnet diese Events jene waren, bei denen die Modelle die Daten am dringendsten brauchten.
4. Wie Genauigkeit erfasst wird
Vor Matchbeginn getroffene Vorhersagen bleiben dauerhaft dokumentiert und fließen in diese Zahlen ein. Es gibt keinen Mechanismus, eine veröffentlichte Vorhersage zu löschen, zu ändern oder nachträglich neu zu bewerten.
Eine Vorhersage wird erst bewertet, wenn das Match in den gescrapten Ergebnisdaten erscheint. Der Live-Spielstand wird nie zur Abrechnung verwendet, weil er nur nach bestem Bemühen erhoben und gelegentlich falsch ist; ein Match, dessen Sieger sich noch nicht aus gescrapten Daten belegen lässt, bleibt unbewertet, statt per Rückschluss aufgelöst zu werden. Das ist langsamer als das Auslesen des Live-Feeds und der Grund, warum die veröffentlichte Bilanz einem Ergebnis um einige Stunden hinterherlaufen kann.
Die Auswertung erfolgt als zeitlicher Holdout: Ein Modell wird ausschließlich an Matches gemessen, die zum Trainingszeitpunkt noch nicht stattgefunden hatten - der einzige ehrliche Test für ein System, das täglich neu trainiert. Jede bewertete Vorhersage geht in die untenstehenden Zahlen ein. Es gibt keinen redaktionellen Schritt, in dem eine schlechte Woche ausgeschlossen wird, und kein Markt wird wegen schwacher Leistung verborgen.
Was wir ausweisen
- Trefferquote
- Der Anteil korrekter Picks, immer zusammen mit der dahinterstehenden Anzahl ausgewiesen. Für sich genommen ist sie ein schwaches Maß: Ein Modell, das nur klare Favoriten nennt, kann eine hohe Trefferquote erreichen, ohne mehr zu leisten, als dem Markt zu folgen.
- Brier-Score
- Die mittlere quadratische Abweichung zwischen angegebener Wahrscheinlichkeit und tatsächlichem Ausgang. Niedriger ist besser. Wer immer 50 Prozent sagt, erreicht 0,25 - jeder Wert über 0,25 bedeutet also, dass die Sicherheit hinter den Picks schlechter als nutzlos war. Diese Kennzahl entlarvt ein Modell, das selbstsicher falsch liegt; die Trefferquote allein tut das nicht.
- Log Loss
- Eine zweite Bewertungsregel über dieselben Vorhersagen, die selbstsichere Fehler weit schärfer bestraft als der Brier-Score. Sie entscheidet in der Consensus-Mischung, wie viel Gewicht jedes Modell aktuell verdient.
- Rendite
- Was ein flacher Einsatz von einer Einheit auf jeden qualifizierten Pick eingebracht hätte, bepreist zu den vor dem Match verfügbaren Marktquoten. Ein korrekter Pick bringt die Quote minus eins; ein falscher kostet eine Einheit. Die Rendite ist der Nettobetrag geteilt durch die Anzahl der Picks. Dies ist das einzige Maß hier, das den Preis berücksichtigt, und dasjenige, bei dem ein Modell genau und dennoch unrentabel sein kann.
5. Kalibrierung
Ein Modell ist kalibriert, wenn seine angegebene Sicherheit über eine große Stichprobe der Realität entspricht: Von allen Matches, die es mit 60 Prozent bewertet hat, sollten annähernd 60 Prozent gewonnen worden sein. Ein Modell kann zugleich genau und schlecht kalibriert sein, indem es die richtige Seite wählt, sich dabei aber viel zu sicher ist.
Die Rohausgabe eines Modells ist für sich genommen nicht gut kalibriert, deshalb wird zur Anzeigezeit eine Kalibrierungsschicht angewendet, ausschließlich auf vergangenen bewerteten Vorhersagen angepasst und nie auf dem Match, das vorhergesagt wird. Weil sie beim Aufruf der Seite und nicht in der gespeicherten Vorhersage angewendet wird, bleibt die historische Bilanz exakt so, wie sie veröffentlicht wurde, während sich die dahinterliegende Kalibrierung weiter verbessert.
Die Kalibrierung wird nach Liga gepoolt, sodass eine Liga mit wenigen bewerteten Matches aus der breiteren Stichprobe leiht, statt einer Handvoll Ergebnisse zu vertrauen. Deshalb werden Ligen unterhalb einer Mindeststichprobe als ungenau markiert und aus den Kernzahlen herausgehalten: nicht weil ihre Ergebnisse schlecht sind, sondern weil es noch nicht genug davon gibt, um etwas zu bedeuten.
6. Value-Picks
Ein Value-Pick liegt vor, wenn unsere Wahrscheinlichkeit höher ist als die vom Markt implizierte Wahrscheinlichkeit für denselben Ausgang. Es ist ein Widerspruch zum Marktpreis, keine Vorhersage eines sicheren Ergebnisses.
Erwartungswert = (Modellwahrscheinlichkeit x Marktquote) - 1
Liegt dieser Wert über null, bietet der Markt einen Preis an, den wir als zu großzügig einschätzen, und der Pick wird erfasst. Jeder erfasste Pick wird mit Wahrscheinlichkeit, Preis und Veröffentlichungszeitpunkt gespeichert und anschließend wie jede andere Vorhersage bewertet. Picks in als ungenau markierten Ligen werden verfolgt, aber aus den veröffentlichten Renditen ausgeschlossen, weil ein Prozentwert über eine Handvoll Ergebnisse Rauschen ist.
Ein Markt braucht mindestens 50 bewertete Picks, bevor er etwas anführen darf. Unterhalb dieser Schwelle werden die Zahlen weiterhin in der vollständigen Tabelle mit ihren Stichprobengrößen veröffentlicht, aber nicht als Ergebnis behandelt.
Der derzeit stärkste dokumentierte Markt ist PCA Sweep auf Serien-Sieger: +10.1 Prozent Rendite über 130 bewertete Picks. Dieser Wert ist abgeleitet, nicht ausgewählt, und ändert sich mit jedem eintreffenden Ergebnis.
7. Häufige Fragen
Könnt ihr einzelne Spiele innerhalb einer Serie vorhersagen?
Ja, und sie werden getrennt bewertet. Vorhersagen auf Spiel- und auf Serienebene sind unterschiedliche Märkte mit unterschiedlichen Nennern und werden nie zu einer Zahl vermischt, denn eine Best-of-Five enthält mehrere Spiele, und eine gemeinsame Mittelung würde lange Serien stillschweigend stärker gewichten als kurze.
Nutzt ihr private oder Insider-Informationen?
Nein. Alles, was die Modelle sehen, ist öffentlich: veröffentlichte Matchergebnisse, offizielle Spielpläne und die Championauswahl, wie sie übertragen wird. Es gibt kein Scout-Netzwerk, keine privaten Kaderinformationen und keinen Kontakt zu Teams oder Spielern.
Wie geht ihr mit einem neuen Patch um?
Die Modelle trainieren täglich neu, ein Patch arbeitet sich also über die darauf gespielten Matches ein und nicht über manuelle Anpassungen. Das bedeutet, die ersten Tage eines großen Patches sind der unzuverlässigste Zeitraum auf der Seite, und die draftbewussten Varianten erholen sich am schnellsten, weil sich Statistiken auf Championebene früher verschieben als auf Teamebene. Wir stimmen Modelle nicht von Hand auf einen Patch ab, denn das würde die veröffentlichte Genauigkeit unreproduzierbar machen.
Wie werden Unentschieden und nicht gespielte Partien behandelt?
Eine Vorhersage auf ein nie ausgetragenes Spiel wird annulliert statt als Niederlage gezählt, und annullierte Picks werden aus allen Zahlen entfernt. Wo ein Markt genau aufgehen kann, etwa wenn ein Total exakt auf der Linie landet, wird der Pick annulliert und der Einsatz zurückgegeben. Serien, die mit unvollständigem Spielstand im Scrape erscheinen, bleiben unbewertet, bis die fehlenden Spiele eintreffen.
Warum nicht einfach das beste Einzelmodell verwenden?
Weil sich ändert, welches das beste ist, und man es erst im Nachhinein weiß. Jedes der drei hat in unterschiedlichen Märkten und Zeiträumen geführt, und die Rangfolge verschiebt sich über Patches hinweg und zwischen regionalem und internationalem Spiel. Sie nach jüngstem Log Loss zu mischen, ergibt eine Zahl, die stabiler ist als jedes Einzelmodell - um den Preis, in keinem einzelnen Markt je die allerbeste zu sein.
Vorhersagen werden von Machine-Learning-Modellen erzeugt und garantieren keine Ergebnisse. Die Zahlen auf dieser Seite beschreiben vergangene bewertete Vorhersagen und sind keine Prognose künftiger Resultate. Nur zu Informationszwecken; keine Finanzberatung.