Unser Schüler Joseph Satzl (16) hat sich in den vergangenen Pfingstferien einer Frage gewidmet, die Fußballfans weltweit beschäftigt: Welche Nationalmannschaften haben die besten Chancen, die FIFA-Weltmeisterschaft 2026 zu gewinnen?
Um dieser Frage nachzugehen, baute Joseph auf der Datenplattform Kaggle eine eigene Datenbank auf. Dafür sammelte und kombinierte er verschiedene Datensätze, darunter historische Spielergebnisse und ELO-Rankings von Nationalmannschaften. Auf dieser Grundlage entwickelte und trainierte er ein Machine-Learning-Modell, das die Ergebnisse einzelner Fußballspiele vorhersagen kann.
Mit einer Vorhersagegenauigkeit von 59,1 Prozent erreicht das Modell Werte, die mit professionellen Vorhersagemodellen vergleichbar sind. Anschließend erweiterte Joseph sein Projekt um eine Turniersimulation, die den gesamten Turnierverlauf der Weltmeisterschaft nachbildet. Mithilfe einer Monte-Carlo-Simulation wurde das Turnier 10.000-mal simuliert, um die Titelwahrscheinlichkeiten der einzelnen Mannschaften zu berechnen.
Die drei größten Favoriten seines Modells auf den WM-Titel sind derzeit:
- Spanien: 22,2 %
- Argentinien: 16,0 %
- Frankreich: 12,5 %
Mit diesem Projekt konnte Joseph praktische Erfahrungen in den Bereichen Datenanalyse, maschinelles Lernen und statistische Simulation sammeln und gleichzeitig seine Begeisterung für Fußball mit modernen KI-Methoden verbinden.
Das Projekt wurde auf Kaggle veröffentlicht und kann dort vollständig eingesehen werden.
Notebook: https://www.kaggle.com/code/josephsatzl/predicting-the-world-cup-2026
Datensatz: https://www.kaggle.com/datasets/josephsatzl/predicting-the-2026-fifa-world-cup
