Hot Hand im Basketball: Was Studien über den heißen Schützen sagen
Available in US
Der erste Tipp, bei dem ich bewusst auf einen heißen Schützen gesetzt habe, war ein Live-Over in einem NBA-Spiel, in dem ein Guard in der ersten Halbzeit sieben seiner neun Dreier getroffen hatte. Mein Gedanke war simpel: Der Typ ist in Form, der Markt reagiert langsam, das kann nicht falsch sein. Er hat in der zweiten Halbzeit genau einen seiner sechs Dreier getroffen. Das Over war verloren, bevor das vierte Viertel anfing. An diesem Abend habe ich zum ersten Mal gegoogelt, was der Hot-Hand-Effekt eigentlich ist – und bin auf eine akademische Diskussion gestoßen, die mein Verhältnis zu Live-Wetten fundamental verändert hat.
Hot Hand ist nicht einfach eine Frage des Gefühls. Hot Hand ist eine Frage der Statistik. Und die Statistik ist weniger eindeutig, als der erste Griff in den Wettschein vermuten lässt.
Die Gilovich-Studie und ihre späte Widerlegung
Die Hot-Hand-Debatte begann 1985 mit einer Arbeit von Thomas Gilovich, Robert Vallone und Amos Tversky. Sie analysierten Wurfdaten der Philadelphia 76ers und kamen zu einem Schluss, der den Basketball-Diskurs für Jahrzehnte prägte: Der Hot-Hand-Effekt existiert nicht. Die Wahrscheinlichkeit, einen Wurf zu treffen, ist nach drei Treffern in Folge nicht höher als nach drei Fehlwürfen in Folge. Was Fans und Spieler als „heißen Lauf“ wahrnehmen, sei nichts anderes als die natürliche Wahrnehmung von Zufallsmustern in begrenzten Stichproben. Das Paper wurde zu einem Klassiker der Verhaltensökonomie, weil es so sauber ein weit verbreitetes Alltagsgefühl mathematisch demontierte.
Dreißig Jahre lang war die Sache abgehakt. Wer im Sportwetten-Kontext oder in der Coaching-Literatur den Hot-Hand-Effekt erwähnte, wurde auf Gilovich verwiesen und zum Schweigen gebracht. Dann kam 2015 die Wende. Zwei Ökonomen, Joshua Miller und Adam Sanjurjo, zeigten in einem Paper, dass Gilovichs Berechnung einen subtilen statistischen Fehler enthielt. Wenn man aus einer endlichen Wurfserie die Teilmenge der Würfe herausgreift, die auf drei Treffern in Folge folgen, erzeugt man einen systematischen Verzerrungseffekt, der die tatsächliche Trefferquote nach unten drückt. Nach Korrektur dieser Verzerrung kehrt der Hot-Hand-Effekt in die Daten zurück – nicht dramatisch groß, aber statistisch robust.
Die Widerlegung ist nicht so triumphal, wie sie klingt. Der reale Effekt liegt bei zwei bis fünf Prozentpunkten höherer Trefferquote nach einer Serie von Treffern. Das ist nicht null, aber auch nicht „der heiße Schütze kann nicht verlieren“. Es ist ein kleiner, echter Effekt, der in langen Serien messbar ist und im Einzelspiel fast im Rauschen verschwindet. Genau diese Größenordnung muss man im Kopf haben, wenn man live auf einen heißen Schützen tippt.
Was das für Live-Wetten bedeutet
Die praktische Konsequenz ist unbequem. Ein Spieler, der in der ersten Halbzeit sieben von neun Dreiern getroffen hat, wird in der zweiten Halbzeit laut Daten nicht plötzlich auf 20 Prozent abstürzen. Er wird eine Trefferquote haben, die leicht über seinem Saisondurchschnitt liegt, aber deutlich niedriger als der heiße Lauf der ersten Halbzeit. Die Rückkehr zum Mittelwert schlägt den Hot-Hand-Effekt in der Größenordnung deutlich. Wer also auf die Fortsetzung des heißen Laufs wettet, tippt gegen die statistische Mehrheit der Fälle.
Ein kalibrierungs-basiertes ML-Modell für eine komplette NBA-Saison erzielte bei Kelly-basiertem Einsatz konsistent höhere Renditen als ein reines Accuracy-Modell. Diese Erkenntnis aus der aktuelleren Forschung trägt zum Hot-Hand-Thema bei, weil sie zeigt: Modelle, die auch unsichere Wahrscheinlichkeiten korrekt abbilden, schlagen Modelle, die nur auf Mehrheits-Vorhersagen trainiert sind. Übersetzt auf den Hot-Hand-Effekt heißt das: Wer in der zweiten Halbzeit die Wahrscheinlichkeit einer Fortsetzung des heißen Laufs nicht eng kalibriert, sondern einfach „Er ist heiß“ denkt, wird im Schnitt verlieren. Die Mathematik gibt den Hot-Hand-Effekt her, aber sie gibt ihn sparsam her.
Die andere Seite der Medaille ist die Markt-Reaktion. Live-Linien werden während eines Spiels in Echtzeit nachkalibriert, und ein heißer Schütze wird sofort in die aktuellen Team-Quoten eingepreist. Wer auf den Markt tippt, kauft immer schon einen Teil des heißen Laufs mit. Der verbleibende Edge für den Tipper ist meistens negativ, weil der Markt die Gegenbewegung zur Mitte systematisch unterschätzt und der kleine, reale Hot-Hand-Effekt den Unterschied nicht wettmacht.
Die Representativeness-Heuristik am Point Guard
Der Kern der Hot-Hand-Illusion liegt nicht im Basketball. Er liegt im menschlichen Gehirn. Daniel Kahneman und Amos Tversky haben in den 1970er-Jahren den Begriff der Representativeness-Heuristik geprägt – die Neigung des Gehirns, Muster in kurzen Stichproben so wahrzunehmen, als würden sie stabile Eigenschaften abbilden. Wenn wir drei Treffer in Folge sehen, erzählt unser Gehirn eine Geschichte: „Dieser Spieler ist heute heiß.“ Die Geschichte fühlt sich richtig an, weil wir das Muster erkennen. Die Mathematik weiß, dass drei Treffer in Folge bei einem 45-Prozent-Schützen in einer normalen Spielserie genauso oft vorkommen wie drei Fehlwürfe in Folge – und beides nichts über den nächsten Wurf aussagt.
Die Autoren einer Studie, die NBA-Spiele der letzten Saisons modelliert hat, formulieren die Kernbeobachtung zur kurzfristigen Form von Teams klar: Die aktuelle Team-Leistung war wichtiger als der Spielort, auch wenn der Heimvorteil messbar bleibt und eine kleinere Rolle spielt als erwartet. Diese Erkenntnis lässt sich auch auf die Spieler-Ebene übertragen: Die kurzfristige Wurfform ist ein schwächeres Signal, als das Auge es wahrnimmt, aber nicht null. Die Kunst besteht darin, den Effekt in der richtigen Größenordnung einzupreisen – nicht zu ignorieren und nicht zu übertreiben.
Ich habe mir angewöhnt, jeden Live-Tipp auf einen heißen Spieler mit einer stillen Frage zu testen: Wenn ich genau dieses Spiel vor vierzig Minuten neu starten würde, und der Spieler hätte bis dahin zwei seiner neun Würfe getroffen statt sieben, würde ich dann immer noch diesen Tipp platzieren? Wenn die Antwort Nein lautet, dann spiele ich den Hot-Hand-Effekt, nicht den Spieler. Und Hot-Hand-Tipps sind in den allermeisten Fällen schlecht kalibriert.
Selbsttest: Spielen Sie heiße Schützen?
Schauen Sie sich Ihre letzten zehn Live-Tipps an. Wie viele davon wurden ausgelöst, weil ein Spieler oder ein Team in den Minuten vor Ihrem Tipp eine auffallend gute Leistung gezeigt hat? Wenn die Antwort mehr als zwei oder drei ist, spielen Sie systematisch den Hot-Hand-Effekt – und zwar vermutlich in der falschen Größenordnung. Der Fix ist nicht, nie wieder auf heiße Momente zu tippen, sondern die eigene Einschätzung zu kalibrieren: kleinere Einsätze, engere Einstiegskriterien, harter Schlusstrigger, wenn das Spiel gegen den Tipp läuft.
Ein zweiter Selbsttest, den ich selbst regelmäßig mache: Ich schaue, wie oft ich Live-Tipps im Verhältnis zu Pre-Match-Tipps platziere. Wer in einer normalen Woche mehr Live-Wetten als Pre-Match-Wetten hat, arbeitet strukturell mit höherer Varianz und höherem Vig. Das ist nicht automatisch falsch, aber es verlangt eine Bilanz, die streng getrennt zwischen den beiden Welten geführt wird. In meiner eigenen Bilanz war eine Saison lang Live-Wetten die schlechtere Hälfte meiner Tipps, bis ich angefangen habe, den Hot-Hand-Reflex als eigenständige Fehlerquelle zu behandeln.
Für den breiteren Kontext der psychologischen und strukturellen Fallen in Live-Märkten hilft der Blick in die umfassende Live-Strategie. Hot Hand ist kein Mythos, den man einfach abschalten kann. Es ist ein realer, kleiner Effekt in einem menschlichen Wahrnehmungssystem, das ihn systematisch zu groß wahrnimmt. Wer diese Differenz gesehen hat, tippt ein anderes Spiel als jemand, der nur seinem Auge folgt.
Fragen zum Hot-Hand-Effekt
Gibt es den Hot-Hand-Effekt statistisch überhaupt?
Ja, aber in einer kleineren Größenordnung, als die Alltagswahrnehmung vermuten lässt. Nach Korrektur eines statistischen Fehlers in der klassischen Gilovich-Studie zeigt sich in großen Datensätzen ein realer, aber bescheidener Effekt von zwei bis fünf Prozentpunkten höherer Trefferquote nach mehreren Treffern in Folge. Das ist nicht null, aber es reicht nicht, um gegen die Rückkehr zum Mittelwert in der zweiten Halbzeit oder im nächsten Spiel anzukommen.
Wie trenne ich kurzfristige Form von Zufall?
Vergleichen Sie die aktuelle Kurzzeit-Leistung mit dem Saisondurchschnitt des Spielers oder des Teams. Je größer die Abweichung, desto wahrscheinlicher ist es, dass der aktuelle Lauf reines Zufallsrauschen ist und sich bald wieder in Richtung des langfristigen Werts bewegt. Stabile Form zeigt sich erst nach mehreren Wochen konsistent erhöhter Leistung – einzelne heiße Spiele oder Halbzeiten sind fast immer Teil der natürlichen Varianz.
Geschrieben von der Redaktion „Basketball Sportwetten Strategien”.
