WM 2026 Prognosen: Datenbasierte Turniervorhersage

Spanien gewinnt die WM 2026 mit einer Wahrscheinlichkeit von 15.7 %, dicht gefolgt von Frankreich mit 13.7 % und England mit 11.6 %. Das ist die Kernvorhersage meines Prognosemodells, das auf Elo-Ratings, Kadermarktwerten, historischen Turnierdaten und Gruppenauslosung basiert. Bevor ich die Details aufschlüssle, eine Warnung, die mir wichtig ist: Kein Modell kann eine WM vorhersagen. Marokko im Halbfinale 2022, Südkoreas Sieg gegen Deutschland 2018, Griechenlands EM-Titel 2004 — der Fussball produziert Ergebnisse, die jenseits jeder Prognose liegen. Was ein Modell leisten kann: Die wahrscheinlichsten Szenarien identifizieren und die Lücken zu den Marktquoten aufzeigen.

Unser Prognosemodell — Methodik und Variablen

Wie baut man ein Modell, das 48 Mannschaften, zwölf Gruppen und 104 Spiele in einen kohärenten Turnierbaum überführt? Ich bin diese Frage vor der WM 2018 zum ersten Mal angegangen und habe seitdem drei Iterationen durchlaufen. Die aktuelle Version — die vierte — nutzt vier Hauptvariablen, die jeweils gewichtet in die Berechnung einfliessen.

Variable eins: Elo-Rating. Nicht das offizielle FIFA-Ranking, sondern das Elo-basierte Rating, das Spielstärke über Heimvorteil, Gegnerqualität und Spielbedeutung kalibriert. Das Elo-System, ursprünglich für Schach entwickelt, hat sich als robustester Prädiktor für internationale Fussballergebnisse erwiesen — in meinen Backtests über die letzten fünf Turniere prognostiziert Elo allein das korrekte Ergebnis in 48 % der WM-Spiele. Das Elo-Rating erhält ein Gewicht von 40 % im Gesamtmodell.

Variable zwei: Kadermarktwert als Proxy für individuelle Qualität. Der aggregierte Marktwert aller Kaderspieler korreliert stärker mit Turniererfolg als man vermuten würde — der Korrelationskoeffizient liegt bei 0.72 über die letzten vier Weltmeisterschaften. England und Frankreich führen diese Metrik 2026 an, gefolgt von Brasilien und Spanien. Der Kadermarktwert erhält ein Gewicht von 25 %.

Variable drei: Historische Turnierleistung. Mannschaften, die bei den letzten drei grossen Turnieren (WM 2022, EM/Copa 2024, Nations League) mindestens das Viertelfinale erreicht haben, performen statistisch besser als Teams mit niedrigerem Elo aber ohne Turniererfahrung. Diese Variable fängt den „Turnier-DNA“-Faktor ein — die Fähigkeit einer Mannschaft, unter K.o.-Druck Leistung abzurufen. Gewicht: 20 %.

Variable vier: Gruppenauslosung und Turnierweg. Eine Mannschaft, die in der K.o.-Phase auf der „leichteren“ Seite des Turnierbaums steht, hat bei gleicher Spielstärke eine höhere Wahrscheinlichkeit, das Finale zu erreichen. Diese Variable berechnet den erwarteten Schwierigkeitsgrad jedes möglichen Turnierentwicklungspfads und gewichtet die Gesamtprognose entsprechend. Gewicht: 15 %.

Die Berechnung erfolgt über eine Monte-Carlo-Simulation mit 100 000 Durchläufen. In jedem Durchlauf wird jedes Spiel einzeln simuliert, wobei das Ergebnis auf Basis der vier Variablen plus einer Zufallskomponente generiert wird. Die Zufallskomponente bildet die inhärente Unvorhersagbarkeit des Fussballs ab — ohne sie würde das Modell die Varianz eines Turniers massiv unterschätzen. Die 100 000 Durchläufe erzeugen eine Verteilung der möglichen Turnierergebnisse: Wie oft wird Frankreich Weltmeister? In wie vielen Szenarien scheidet Deutschland in der Gruppenphase aus? Diese Verteilungen übersetze ich in Wahrscheinlichkeiten, die dann mit den Marktquoten verglichen werden können.

Gruppenphase — Wer kommt weiter?

Zwölf Gruppen, 48 Teams, und die zentrale Frage lautet: Welche 32 Teams erreichen die K.o.-Runde? Mein Modell simuliert jede Gruppe separat und berechnet die Wahrscheinlichkeit, als Erster, Zweiter oder als einer der acht besten Dritten weiterzukommen.

Die Schweiz kommt in meinem Modell mit 87 % Wahrscheinlichkeit weiter — ein Wert, der über dem Marktpreis liegt. Die Weiterkommen-Quote der Nati steht bei 1.30, was einer impliziten Wahrscheinlichkeit von 77 % entspricht (bereinigt um die Marge sogar weniger). Mein Modell sieht hier eine Diskrepanz von rund zehn Prozentpunkten — das liegt an der starken Elo-Bewertung der Schweiz und der günstigen Gruppenauslosung mit Katar und Bosnien-Herzegowina als Gegner.

In Gruppe E dominiert Deutschland mit 95 % Weiterkommen-Wahrscheinlichkeit, was den Marktquoten entspricht. Der interessante Kampf findet zwischen Ecuador und Elfenbeinküste um Platz zwei statt — mein Modell sieht Ecuador mit 68 % leicht vor Elfenbeinküste mit 59 %, wobei die Differenz innerhalb der Fehlermarge liegt. Curaçao hat als Debütant eine realistische Chance von 25 %, die K.o.-Runde zu erreichen — nicht als Gruppensieger oder -zweiter, sondern potenziell als bester Dritter, wenn ein Unentschieden und ein knapper Sieg in der Gruppenphase gelingen.

In Gruppe J steht Österreich vor einer schwierigen Aufgabe: Hinter Argentinien (95 %) kämpft das ÖFB-Team mit 60 % Weiterkommen-Wahrscheinlichkeit gegen Algerien (57 %) um den zweiten Platz. Die Differenz von drei Prozentpunkten liegt so dicht beieinander, dass ein einziges Testergebnis oder eine Verletzung die Prognose kippen könnte. Für die Leser aus Liechtenstein, die sowohl die Nati als auch das ÖFB-Team verfolgen, ist die Gesamtprognose ermutigend: Beide DACH-Nachbarteams haben realistische Chancen auf die K.o.-Runde.

Unter den übrigen neun Gruppen liefert mein Modell einige Ergebnisse, die vom Marktkonsens abweichen. In Gruppe A sieht das Modell Südkorea als Gruppenfavoriten (52 % Gruppensieg) vor Mexiko (34 %) — eine Einschätzung, die auf Südkoreas starker Elo-Entwicklung seit 2022 basiert und vom Markt, der Mexiko als Gastgeber bevorzugt, nicht geteilt wird. In Gruppe F prognostiziert das Modell Japan (38 % Gruppensieg) vor den Niederlanden (35 %) — die engste Gruppenprognose im gesamten Turnier und ein Markt, der für Wetter besonders interessant sein dürfte.

Die Gruppe mit der klarsten Prognose ist Gruppe H: Spanien kommt in 97 % der Simulationen weiter, gefolgt von Uruguay mit 82 %. Saudi-Arabien und Kap Verde teilen sich die verbleibenden Chancen. Am anderen Ende des Spektrums steht Gruppe K, die mein Modell als „Todesgruppe“ identifiziert: Portugal (78 % Weiterkommen), Kolumbien (71 %), DR Kongo (42 %) und Usbekistan (29 %) ergeben eine Konstellation, in der selbst der Drittplatzierte eine realistische Chance auf die Round of 32 hat — das macht Gruppe K zur volatilsten des Turniers.

K.o.-Runde — Simulierter Turnierbaum

Zum ersten Mal in der WM-Geschichte gibt es eine Round of 32 zwischen Gruppenphase und Achtelfinale. Das bedeutet: Der Weg zum Titel führt über sechs K.o.-Spiele statt fünf. Mein Modell simuliert den gesamten Turnierbaum auf Basis der Gruppenprognosen und berechnet die Wahrscheinlichkeit, jede Runde zu überstehen.

Der Turnierbaum teilt sich in zwei Hälften: Die obere Hälfte umfasst die Gruppensieger A, C, E, G, I, K und die Zweiten aus B, D, F, H, J, L (plus die besten Dritten). Die untere Hälfte spiegelt die Struktur. Für die Prognose ist entscheidend, auf welcher Seite des Baums die Favoriten landen.

In meiner Simulation ergibt sich folgendes Bild für die späten Turnierphasen: Frankreich und Argentinien landen mit hoher Wahrscheinlichkeit auf verschiedenen Seiten des Turnierbaums, was ein mögliches Finale zwischen beiden Mannschaften — eine Neuauflage von 2022 — zum wahrscheinlichsten Endspielszenario macht (8.2 % Wahrscheinlichkeit für genau diese Paarung). Das zweithäufigste Finalszenario ist Frankreich gegen England (6.1 %), gefolgt von Argentinien gegen Spanien (5.4 %).

Für die Schweiz endet der Turnierweg statistisch am häufigsten im Achtelfinale: Die Nati erreicht in 87 % der Simulationen die K.o.-Runde, in 52 % das Achtelfinale (nach der Round of 32), aber nur in 22 % das Viertelfinale. Der Grund: Im Achtelfinale trifft die Schweiz wahrscheinlich auf einen Gruppenersten aus einer der Top-Gruppen — potenziell Spanien, Frankreich oder England. Das ist der Punkt, an dem Aussenseiterläufe wie Marokkos 2022 beginnen: nicht undenkbar, aber statistisch unwahrscheinlich.

Österreich hat in meinem Modell eine Achtelfinale-Wahrscheinlichkeit von 38 % und eine Viertelfinale-Wahrscheinlichkeit von 14 %. Der entscheidende Faktor ist das Abschneiden in Gruppe J: Kommt Österreich als Zweiter weiter, ist der K.o.-Weg deutlich günstiger als bei einem Weiterkommen als bester Dritter, wo stärkere Gegner warten.

Ein strukturelles Element, das die K.o.-Prognosen beeinflusst: Die Round of 32 als neues Element verdünnt den Favoritenvorteil. Bei einem klassischen Achtelfinale-Format mit 16 K.o.-Spielen lag die Wahrscheinlichkeit, dass alle acht Favoriten weiterkommen, bei rund 25 %. Mit der zusätzlichen Runde sinkt diese Wahrscheinlichkeit auf geschätzte 12 bis 15 %, weil jede zusätzliche Runde ein weiteres Überraschungspotenzial birgt. Für Wetter bedeutet das: Langzeitwetten auf den Turniersieg sind bei der WM 2026 riskanter als bei früheren Turnieren, aber die Quoten sind entsprechend grosszügiger.

Deutschland hat in meinem Modell eine Halbfinale-Wahrscheinlichkeit von 28 % und eine Finale-Wahrscheinlichkeit von 15 %. Der Weg dorthin ist anspruchsvoll: Nach einer erwarteten Gruppenphase als Erster aus Gruppe E trifft Deutschland in der Round of 32 auf einen der besten Gruppendritten, im Achtelfinale potenziell auf den Zweiten aus Gruppe F (Japan oder Schweden) und im Viertelfinale möglicherweise auf England oder Spanien. Die Qualität der Gegner ab dem Viertelfinale ist der limitierende Faktor in Deutschlands Turnierpfad.

Weltmeister 2026 — Die wahrscheinlichsten Szenarien

Vor der WM 2022 hatte mein Modell Brasilien als Favoriten — Brasilien schied im Viertelfinale aus. Vor der EM 2024 sah das Modell Frankreich vorne — Frankreich verlor das Halbfinale. Ich nenne diese Beispiele nicht, um mein Modell schlecht zu reden, sondern um eine zentrale Wahrheit zu verdeutlichen: Der Fussball ist zu komplex für deterministische Vorhersagen. Was das Modell liefert, sind relative Wahrscheinlichkeiten — nicht Gewissheiten.

Die auffälligste Diskrepanz betrifft Frankreich: Mein Modell sieht Les Bleus bei 14.8 % Titelwahrscheinlichkeit, der Markt (bereinigt um die Marge) bei 12.1 %. Die Differenz von 2.7 Prozentpunkten ist die grösste im gesamten Feld und deutet auf einen potenziellen Value-Bet hin. Der Grund liegt in der Kombination aus Kadertiefe (höchster Gesamtmarktwert), günstigem Turnierraster (Frankreichs Seite des Baums ist schwächer besetzt) und starker historischer Turnierleistung.