Blog › PSG zerlegt Villarreal 6–0 — die schnellsten vier Tore der Champions-League-Geschichte

Blog

PSG zerlegt Villarreal 6–0 — die schnellsten vier Tore der Champions-League-Geschichte

2026-11-03 · vom Footalytics-Team

Sechzehn Minuten und zwei Sekunden nach Anpfiff führte Paris Saint-Germain bereits 4-0: die schnellsten vier Tore der Champions-League-Geschichte.

Inhalt
  1. Sechzehn Minuten und zwei Sekunden — mehr brauchte es nicht, um den Rekord neu zu schreiben
  2. Was das Modell vor dem Anpfiff sagte: Es lag richtig
  3. Die Argumente: Warum das Modell auf PSG setzte
  4. Was die Einschätzung ändern würde — worauf man beim nächsten Mal achten sollte
  5. Reden wir darüber
  6. Modell und Methode

Sechzehn Minuten und zwei Sekunden — mehr brauchte es nicht, um den Rekord neu zu schreiben

Sechzehn Minuten und zwei Sekunden nach Spielbeginn bereits 4-0 führte Paris Saint-Germain. Das sind die schnellsten vier Tore der Champions-League-Geschichte — kein gewöhnlicher Auswärtssieg, sondern ein Spiel, das vom Anpfiff an außer Kontrolle geriet. Der Endstand lautete Villarreal 0–6 Paris Saint-Germain.

Die Spannung war praktisch innerhalb der ersten Viertelstunde vorbei. Für die verbleibenden gut 70 Minuten blieb nur eine Frage: Wie viele würde PSG erzielen? Die Antwort war sechs. Ein 6-0-Auswärtssieg in der Champions League ist für sich schon selten genug; historisch macht ihn die Geschwindigkeit — der Rekord wurde geschrieben, bevor die Halbzeit überhaupt in Sicht war, nicht erst nach dem Schlusspfiff in den Statistikbögen entdeckt. Das Modell hatte vor dem Anpfiff auf einen Auswärtssieg von PSG gesetzt — und lag mit dieser Einschätzung richtig.

Frag die KI: Wie erzielte PSG vier Tore in 16 Minuten?

Was das Modell vor dem Anpfiff sagte: Es lag richtig

Das Modell lag richtig. Die Einschätzung vor dem Spiel von Footalytics lautete: Villarreal gewinnt 24.8%, Unentschieden 26.4%, PSG gewinnt 48.9% — PSG (Auswärtssieg) war der Favorit. Das tatsächliche Ergebnis, 0-6, war ein Treffer, mit einem Brier-Score von 0.3923.

Das war ein Treffer in der Richtung, der das Ausmaß unterschätzte. Das Modell setzte auf PSG als Auswärtssieger, und das mit deutlichem Vorsprung — 48.9% gegenüber 24.8%, fast das Doppelte. Aber das Modell gibt Wahrscheinlichkeiten für Sieg/Unentschieden/Niederlage aus, keine Ergebnisverteilung: Ein 6-0 liegt im extremen Rand jeder vernünftigen Poisson-Verteilung, und kein Modell sollte „auswärts mit sechs Toren gewinnen“ als Routinererwartung behandeln. Ein Brier von 0.3923 sagt, dass die Kalibrierung ordentlich war — das Modell legte die meiste Wahrscheinlichkeit auf das Ergebnis, das tatsächlich eintrat.

Zur Einordnung: Über 252 ausgewertete Spiele liegt die Trefferquote bei Sieg/Unentschieden/Niederlage bei 58,7 %, mit einem Brier von 0,581 und 87,5 % in der Stufe mit hoher Konfidenz (32 Spiele). Der Brier dieses Spiels war weit besser als der Durchschnitt — eines der Spiele, bei denen das Modell richtig lag.

Die Argumente: Warum das Modell auf PSG setzte

  • Ein klarer Wahrscheinlichkeitsvorsprung: PSG mit 48.9%, fast doppelt so hoch wie Villarreals 24.8%, mit dem Unentschieden bei 26.4% dazwischen. Das Modell wählte keine Seite widerwillig; es neigte klar zu Paris.
  • Auswärts, trotzdem der Favorit: Das war ein Auswärtssieg. Damit das Modell PSG mit einer Auswärtssieg-Wahrscheinlichkeit von knapp 50% zum Favoriten machte, musste der eingeschätzte Abstand zwischen den Teams groß genug sein, um den Auswärtsnachteil aufzuwiegen.
  • Der Rekord gehört dem Spiel, nicht dem Modell: Vier Tore in 16 Minuten und 2 Sekunden sagt kein Modell vor dem Spiel vorher — es prognostiziert die Verteilung von Sieg/Unentschieden/Niederlage über 90 Minuten, nicht „wie viele Tore in den ersten 16 Minuten“. Der Rekord gehört dem Spiel, nicht dem Modell.

Was die Einschätzung ändern würde — worauf man beim nächsten Mal achten sollte

  • Das Signal des frühen Einbruchs: Die Lehre aus diesem Spiel ist, dass Kantersiege oft in den ersten 15 Minuten entschieden werden. Wenn eine starke Mannschaft das nächste Mal zu Beginn zweimal blitzschnell trifft, zählt eine Live-Einschätzung mehr als die vor dem Spiel — aber ehrlich gesagt hat ein Modell vor dem Spiel keine Eingabegröße namens „Einbruch zu Beginn“.
  • Der Rand der Ergebnisverteilung: Das Modell lag in der Richtung richtig und im Grad falsch — nicht die falsche Seite, sondern ein extremes 6-0 jenseits der wahrscheinlichsten Ergebnisse. Wenn das nächste Mal eine ähnliche Kluft auftaucht, lautet die lohnende Frage nicht „wer gewinnt“, sondern „wie breit ist die Verteilung der Siegvorsprünge“.
  • Mach aus einem 6-0 keine neue Normalität: Ein extremes Ergebnis bläht die Erwartungen an PSGs nächstes Spiel auf, aber die nächste Einschätzung des Modells beginnt wieder bei der Stärke der beiden Teams — es addiert nicht automatisch Tore, weil das letzte Spiel sechs hatte. Das ist der Wert einer Rückschau: eine Rekordnacht dorthin zurückzustellen, wo sie hingehört — eine korrekte Richtungseinschätzung plus eine Unterschätzung des Ergebnisrandes.

Reden wir darüber

Modell und Methode

Die Vorhersagen von Footalytics stammen aus einem Dixon-Coles-Poisson-Modell mit Elo-artigen Bewertungen. Jede offizielle Vorhersage wird vor dem Anpfiff festgelegt und danach öffentlich bewertet. Die neuesten Zahlen stehen im Genauigkeits-Dashboard: 252 ausgewertete Spiele, 58,7 % bei Sieg/Unentschieden/Niederlage, Brier 0,581, 87,5 % in der Stufe mit hoher Konfidenz (32 Spiele). Die Methode wird hier erklärt.

Teste es beim nächsten Spiel

Das Modell liest jedes Spiel gleich — frag es zum nächsten oder sieh dir zuerst die öffentliche Bilanz an.

💬 Frag die KI