"Gegen Top-6-Gegner tut sich Bayern schwer"
Gegen Top 6: 0.333 ppg · gegen Rest: 1.273 ppg (Δ -0.94).
Prediction-Relevanz: Top-6-Gegner haben keinen messbaren Sondereffekt.
1. FC Köln
Live-Infos für professionelles Portfolio-Management, Trading und Predictions.
Koeln steht nach Spieltag 34 auf Platz 14 mit 32 Punkten (7S 11U 16N, Tordifferenz -14). Form der letzten 5 Spiele: DLDLL (2/15 Punkte).
Letztes Ergebnis: Niederlage. Form der letzten 5 Spiele: D-L-D-L-L.
Die Form der letzten fünf Spiele ist der wichtigste Vorlauf-Indikator für kurzfristige Wetten. Ein Team mit drei Siegen in Folge ist signifikant unterbewertet, wenn die Quoten-Bewegung das Momentum noch nicht eingepreist hat. Der Pinnacle Oracle gewichtet diese Form mit etwa 30 Prozent gegenüber Tabellenposition (40 Prozent), Heim/Auswärts-Stats (20 Prozent) und Gegnerstärke (10 Prozent).
Bundesliga Top-Vorlagengeber
| # | Spieler | Verein | Vorlagen |
|---|---|---|---|
| 6 | Farès Chaïbi | Eintracht | 9 |
| 7 | Christian Eriksen | Wolfsburg | 9 |
| 8 | Bazoumana Touré | Hoffenheim | 9 |
| 9 | Konrad Laimer | Bayern | 9 |
| 10 | Joshua Kimmich | Bayern | 9 |
Bundesliga Karten-Ranking (Gelb + Rot×3)
| # | Spieler | Verein | G | R | Total |
|---|---|---|---|---|---|
| 6 | Nicolai Remberg | HSV | 11 | 0 | 11 |
| 7 | Johan Manzambi | Freiburg | 4 | 2 | 6 |
| 8 | Miro Muheim | HSV | 7 | 1 | 8 |
| 9 | Moritz Jenz | Wolfsburg | 7 | 1 | 8 |
| 10 | Wouter Burger | Hoffenheim | 7 | 1 | 8 |
Was bewegt Bayerns Ergebnis wirklich — und was ist Mythos. Bootstrap-Konfidenzintervalle aus 34 Spielen der Kompany-Ära.
| Split | Gruppe A | Gruppe B | Δ ppg | 95%-CI | p-Wert | Signifikanz |
|---|---|---|---|---|---|---|
| Heimspiele vs. Auswärtsspiele | Heim | Auswärts | +0.35 | [-0.41, 1.12] | 0.40 | ⚪ |
| Gegen Top-6-Gegner vs. Rest der Liga | Gegen Top 6 | Gegen Rest | -0.94 | [-1.58, -0.22] | 0.01 | 🟡 |
| Mit vs. ohne Marvin Schwäbe in der Startelf | Mit Marvin Schwäbe | Ohne Marvin Schwäbe | +0.94 | — | — | ⬜ |
| Mit vs. ohne Jakub Kamiński in der Startelf | Mit Jakub Kamiński | Ohne Jakub Kamiński | +0.94 | — | — | ⬜ |
| Mit vs. ohne Eric Martel in der Startelf | Mit Eric Martel | Ohne Eric Martel | +0.78 | [0.17, 1.33] | 0.01 | ⬜ |
| Mit vs. ohne Sebastian Sebulonsen in der Startelf | Mit Sebastian Sebulonsen | Ohne Sebastian Sebulonsen | +0.13 | [-0.89, 0.98] | 0.76 | 🟡 |
| Mit vs. ohne Kristoffer Lund in der Startelf | Mit Kristoffer Lund | Ohne Kristoffer Lund | +0.09 | [-0.76, 0.82] | 0.80 | 🟡 |
| Belastungswoche (nach CL/Länderspielpause) vs. normale Woche | Belastungswoche | Normale Woche | -0.94 | — | — | ⬜ |
| Englische Woche (nach CL-Spiel) vs. ohne CL davor | Nach CL | Ohne CL | -0.94 | — | — | ⬜ |
| Volle Stärke (0 Ausfälle) vs. 2+ Schlüsselspieler-Ausfälle | 0 Ausfälle | 2+ Ausfälle | +1.19 | — | — | ⬜ |
Lesart: 🟢 statistisch signifikant · 🟡 indikativ (Stichprobe oder Effekt zu klein) · ⚪ kein Effekt nachweisbar · ⬜ ungetestet
ppg = Punkte pro Spiel (3 für Sieg, 1 für Remis, 0 für Niederlage). Δ ppg = Differenz der ppg zwischen den beiden Gruppen. 95%-CI = Bootstrap-Konfidenzintervall (10.000 Resamples). p-Wert < 0,05 = statistisch signifikant bei n ≥ 20.
Methodik: Single-Regime-Analyse (nur Kompany-Ära). xG fehlt im Plan und ist nicht enthalten. Bootstrap-CIs statt parametrischer Tests.
Fehlt im Datensatz: xG, PPDA, Distance Covered
Was Fans glauben — und was die Daten sagen. Jeder Mythos wird gegen die echten Match-Daten getestet.
Gegen Top 6: 0.333 ppg · gegen Rest: 1.273 ppg (Δ -0.94).
Prediction-Relevanz: Top-6-Gegner haben keinen messbaren Sondereffekt.
Indikativ: Nach CL 0 ppg, ohne CL 0.941 ppg.
Prediction-Relevanz: Kein klares Adjustment.
Heim: 1.118 ppg · Auswärts: 0.765 ppg (Δ 0.353).
Prediction-Relevanz: Heimvorteil ist nicht überdurchschnittlich.
Champions-League-Plaetze nach Spieltag 34: Bayern (89), BVB (73), Leipzig (65), Stuttgart (62). Koeln liegt 30 Punkte hinter Platz 4. Europa-League-Plaetze: Hoffenheim (61), Leverkusen (59).
Diese Analyse rotiert mit jedem Spieltag durch acht datengetriebene Templates: Tabellenführung, Abstiegskampf, Champions-League-Rennen, Heim/Auswärts-Splits, Form-Trends, Offensive/Defensive, Sachlich und Gesamtüberblick. Jede Aussage basiert ausschließlich auf SportsMonks- und Pinnacle-Daten — keine Spekulation, keine Halluzination.
Tabelle, Form und Quoten zeigen den Status quo. Sie sagen nichts darüber, ob ein Trainer vor der Entlassung steht, ein Schlüsselspieler verletzt ist oder ein Vorstand intern unter Druck steht. Genau hier setzt die Predictions-Seite an: dort fließen Saisonmärkte (Polymarket), Transfer-Gerüchte und Schedule Strength in die Bewertung ein — Faktoren, die in keiner Standardstatistik auftauchen.
Die Akte 1. FC Köln wiederum liefert den historischen Kontext: Welche Krisen hat der Club schon überstanden, welche nicht. Wer Geld auf Bundesliga-Märkten bewegt, braucht alle drei Ebenen — Hard Stats, Forward Markets und institutionelles Gedächtnis.
Die Daten zeigen den Status quo. Was bedeutet das für die Saison?