Das Finale steigt am 19. Juli im MetLife Stadium von East Rutherford, New Jersey. Zwischen diesen beiden Daten liegen 39 Turniertage, in denen sich eine Frage beantworten wird, die derzeit mindestens drei unabhängige Forscherteams mit aufwendigen Simulationsmodellen zu beantworten versuchen: Wer wird Weltmeister?

Die Antworten dieser Modelle liegen bemerkenswert nah beieinander – und zugleich so weit auseinander, dass sie vor allem eines belegen: die Grenzen quantitativer Prognosen im Mannschaftssport.

Drei Modelle, ein Favoritentrio

Die Freie Universität Berlin hat 100.000 Turniersimulationen auf Basis des Dixon-Coles-Modells durchgerechnet, das Spielstärken aus historischen Ergebnissen, Spielerwerten und Heimvorteil ableitet. Das Ergebnis: Argentinien führt mit einer Siegwahrscheinlichkeit von 14 Prozent, gefolgt von Spanien mit 13,1 Prozent und England mit 12,2 Prozent. Danach, so die Berliner Statistiker, klafft eine „große Lücke" zum Rest des Feldes.

Die Universität Innsbruck kommt mit einem verwandten, aber eigenständig kalibrierten Modell zu einer leicht verschobenen Rangfolge: Spanien führt dort mit 14,5 Prozent vor England und Frankreich (je 12,4 Prozent). Argentinien liegt in der Innsbrucker Berechnung etwas weiter hinten.

Der Wettmarkt – von Fachleuten als „objektiv genauester Indikator" eingeschätzt, weil er heterogene Informationsquellen in einem Preismechanismus bündelt – setzt Spanien und Frankreich als Co-Favoriten mit Quoten zwischen 5,50 und 6,00, was impliziten Siegwahrscheinlichkeiten von 15 bis 17 Prozent entspricht, abzüglich der eingepreisten Buchmachermarge.

Was auffällt: Kein Modell gibt irgendeinem Team eine Siegwahrscheinlichkeit über 17 Prozent. Bei der WM 2014 lag Brasilien in vergleichbaren Modellen bei über 20 Prozent. Die Kompression der Spitze ist real und hat einen strukturellen Grund.

Das 48-Teams-Format als Varianz-Treiber

Die Aufstockung von 32 auf 48 Teilnehmer verändert nicht nur den Spielplan, sondern die statistische Architektur des Turniers. 12 Gruppen à 4 Teams, eine K.o.-Runde mit 32 statt 16 Mannschaften ab dem Achtelfinale: Ein Favorit muss bis zum Titel sieben statt sechs Spiele gewinnen. Jedes zusätzliche Spiel ist ein zusätzlicher Zufallsknoten, an dem eine 60:40-Chance kippen kann.

Für die Prognosemodelle bedeutet das: Die Varianz steigt, die Trennschärfe sinkt. Ein Team, das in einem 32-Teams-Turnier 15 Prozent Siegwahrscheinlichkeit hätte, liegt im 48-Teams-Format bei sonst gleichen Parametern rechnerisch näher an 12 bis 13 Prozent – nicht weil es schwächer wäre, sondern weil der Pfad zum Titel länger und damit störungsanfälliger ist.

Dieser Effekt erklärt auch, warum Deutschland in den Prognosen eine so breite Spanne aufweist: zwischen 5,5 Prozent (Innsbruck) und 16,5 Prozent (einzelne Wettanbieter). Die Modelle sind sich über die Spielstärke der DFB-Elf weniger uneins, als die Spanne suggeriert – der Unterschied liegt in der Gewichtung des Varianzfaktors.

Was die Modelle messen – und was nicht

Das Dixon-Coles-Modell, das beide Universitätsteams verwenden, schätzt die Angriffs- und Abwehrstärke jeder Mannschaft aus historischen Länderspielergebnissen und gewichtet jüngere Partien stärker. Es integriert Spielerwerte aus Marktwert-Datenbanken als Proxy für individuelle Qualität. Was es nicht modelliert: taktische Systeme, Trainereffekte, Verletzungen nach Kaderschluss, Akklimatisierung an Zeitverschiebung und Hitze in Nordamerika, Gruppenpsychologie.

Die LMU München hat untersucht, wie gut KI-Modelle – darunter große Sprachmodelle – Fußballergebnisse vorhersagen können. Das Ergebnis ist ernüchternd: Die Trefferquote einzelner Spielausgänge liegt bei allen getesteten Verfahren unter 60 Prozent, bei K.o.-Spielen noch darunter. Der Fußball bleibt ein niedrigscoriges Spiel mit hoher Zufallskomponente, in dem ein einziger Standardtreffer ein ganzes Turnierschicksal wendet.

Die Deutsche Sporthochschule Köln ergänzt die rein ergebnisbasierten Modelle um Leistungsdaten – Laufprofile, Passquoten, Expected-Goals-Werte. Ihr Modell kommt zu einer ähnlichen Favoritengruppe, weist aber darauf hin, dass die Datenbasis für viele der 16 WM-Neulinge (darunter Indonesien, Tadschikistan, Benin) dünn ist und die Modellgüte für diese Teams entsprechend gering.

Der Goldene Schuh – Individuum gegen Struktur

Der Goldene Schuh, vergeben an den besten Torschützen des Turniers, unterliegt eigenen statistischen Gesetzen. Die Kriterien sind klar: Tore zählen (einschließlich Verlängerung, ausschließlich Elfmeterschießen); bei Gleichstand entscheiden zunächst Vorlagen, dann die geringere Spielzeit.

Kylian Mbappé ist Titelverteidiger mit acht Treffern bei der WM 2022. Die Wettquoten sehen ihn und Harry Kane als Co-Favoriten, gefolgt von Erling Haaland. Doch die Struktur des Turniers beeinflusst die individuelle Wertung massiv: Wer den Goldenen Schuh gewinnen will, braucht ein Team, das mindestens das Viertelfinale erreicht – jede Runde mehr bedeutet ein bis zwei zusätzliche Spielgelegenheiten.

Das 48-Teams-Format könnte die Torjäger-Arithmetik verschieben. In der Gruppenphase treffen Favoriten häufiger auf schwächere Gegner, was die Torausbeute einzelner Stars in den ersten drei Spielen steigen lassen dürfte. Ob sich das in einer höheren Gesamtzahl für den Torschützenkönig niederschlägt oder ob die zusätzliche Belastung durch sieben Spiele zum Titel die Leistung im Turnierverlauf drückt, ist eine offene Frage.

Historisch zeigt sich ein Muster: Der Torschützenkönig kommt in der Mehrzahl der Fälle aus einem Team, das mindestens das Halbfinale erreicht hat. James Rodríguez (Kolumbien, 2014) ist eine der wenigen Ausnahmen – er gewann den Goldenen Schuh mit einem Viertelfinal-Aus. Die individuelle Auszeichnung bleibt an die Mannschaftsleistung gekoppelt.

Das Überraschungsmuster – und warum 2026 es verstärken könnte

Die WM-Geschichte ist eine Chronik kalkulierter Favoritenstürze. Uruguay schlug 1950 Brasilien im Maracanã. Nordkorea eliminierte 1966 Italien. Senegal besiegte 2002 den amtierenden Weltmeister Frankreich im Eröffnungsspiel. Saudi-Arabien schlug 2022 Argentinien in der Vorrunde. Marokko wurde 2022 das erste afrikanische Team in einem WM-Halbfinale.

Diese Fälle teilen gemeinsame Merkmale: eine kompakte Defensive, ein klares taktisches System gegen den Ball, oft einen Trainer mit intimer Kenntnis des favorisierten Gegners und eine psychologische Asymmetrie – der Außenseiter spielt ohne Erwartungsdruck, der Favorit mit dem Gewicht seiner Quote.

Das erweiterte Teilnehmerfeld dürfte diese Dynamik verstärken. 16 WM-Neulinge bringen Gegner mit, über die etablierte Teams wenig Videomaterial haben. Die Gruppenphase mit nur drei Spielen lässt wenig Raum zur taktischen Korrektur nach einem Fehlstart. Und die Reiselogistik über drei Länder und vier Zeitzonen fügt einen Belastungsfaktor hinzu, der in den Prognosemodellen bislang nicht abgebildet wird.

Was die Modelle leisten – und was der Leser daraus ziehen sollte

Die drei Forscherteams liefern keine Prophezeiung, sondern eine Verteilungskarte der Wahrscheinlichkeiten. Ihre zentrale Aussage ist weniger „Spanien wird Weltmeister" als vielmehr: Es gibt ein Trio aus Spanien, Argentinien/Frankreich und England, das in jedem Modell zwischen 12 und 15 Prozent Siegwahrscheinlichkeit erreicht – und danach ein offenes Feld, in dem Brasilien, Deutschland und die Niederlande bei 5 bis 8 Prozent liegen.

Die Restkategorie – alle übrigen 42 Teams zusammen – kommt auf rund 20 bis 25 Prozent. Das bedeutet: Die Wahrscheinlichkeit, dass keiner der Top-Drei-Favoriten gewinnt, ist größer als die Wahrscheinlichkeit, dass ein bestimmter von ihnen gewinnt.

Das 48-Teams-Format, die interkontinentale Logistik und die Datenarmut für WM-Neulinge machen die Vorhersage für 2026 unsicherer als für jedes Turnier seit der Aufstockung auf 32 Teams 1998. Die Modelle sind dabei so ehrlich, wie Modelle sein können: Sie quantifizieren Unwissen, statt es zu kaschieren. Wer eine 14-Prozent-Prognose als Gewissheit liest, hat nicht die Prognose missverstanden, sondern Wahrscheinlichkeit.