Die Berechnung der Zukunft: Warum die meisten Prognosen falsch sind und manche trotzdem zutreffen - Der New York Times Bestseller (German Edition)

dessen Abmessungen den gitternetzartig angelegten Straßen New Englands entsprechen, als im höhlenartigen Dodger Stadium, das wallartig von Parkhäusern umgeben wird. Indem wir die Spieler sowohl bei Heim- als auch bei Auswärtsspielen beobachten, können wir »Stadionfaktoren« entwickeln, um die Schwierigkeiten zu berücksichtigen, denen ein Spieler begegnet. (Beispielsweise erzielte Fred Lynn, ein Most Valuable Player (MVP) der Red Sox in den 1970er-Jahren, einen Schlagdurchschnitt von .347 in Fenway Park, aber nur von .264 in jedem anderen Stadion. Außerdem lässt sich feststellen, welche League besser ist und welcher Konkurrenz ein Spieler ausgesetzt ist, indem Leistungen von Spielern ausgewertet werden, die von der National League in die American League wechseln.
    Die umfangreichste Datenmenge der Welt
    Die zweite Aufgabe, Geschicklichkeit von Glück zu unterscheiden, erfordert mehr Arbeit. Baseball ist eine Sportart, in der auf den ersten Blick Glück eine große Rolle zu spielen scheint: Auch die besten Mannschaften verlieren etwa ein Drittel aller Spiele, und auch die besten Hitter erreichen die Base in drei von fünf Fällen nicht. Gelegentlich verschleiert Glück das wahre Niveau eines Spielers auch über den Verlauf eines ganzen Jahres. Während einer Saison hat ein echter .275-Hitter eine etwa 10-prozentige Chance, einen Schnitt von .300 zu erzielen, und eine 10-prozentige Chance, auf einen Schnitt von .250 zu kommen, und das auf der Basis von Glück allein. 8
    Ein gut durchdachtes Vorhersagesystem ermöglicht es, herauszufinden, welche Statistik glücksanfälliger ist. Der Schlagdurchschnitt beispielsweise ist unbeständiger als die Zahl der Home Runs. Im Fall von Pitchern ist das sogar noch wichtiger, weil ihre Zahlen sehr variieren. Soll für einen Pitcher eine Win-Loss-Prognose erstellt werden, ist es sinnvoller, sich an der Zahl seiner Strike-outs und seiner Walks zu orientieren als an den Wins und Losses der vorangegangenen Saison, denn die ersteren Zahlen sind über die Jahre gesehen viel beständiger.
    Ziel ist – wie bei jeder Prognose – die grundlegenden Ursachen zu erkennen. Scheiden Schlagmänner (Batter) aus, dann gelangen sie nie zur Base und können folglich auch keinen Punkt (»Run«) erzielen und gewinnen so auch nicht das Spiel. Je weiter die Ereignisse zurückverfolgt werden, desto mehr Rauschen gerät in die Prognose: Die Win-Loss-Ratio eines Pitchers wird ebenso sehr davon beeinflusst, wie viele Runs die Angreifer erringen (worauf er im Grunde genommen keinen Einfluss hat), wie von seinen Wurfkünsten. Der Star-Pitcher der Seattle Mariner, Félix Hernández, hatte 2009 eine Win-Loss-Ratio von 19-5, aber 2010 eine von 13-12, obwohl er in beiden Jahren etwa gleich gut warf, die Mariner hatten jedoch 2010 besonders fürchterliche Hitter.
    Fälle wie dieser sind nicht ungewöhnlich und fallen in der Regel jedem auf, der sich wirklich die Mühe macht, alle Daten zu sichten. Baseball wartet mit reichhaltigem Datenmaterial auf: Fast alles, was sich in den letzten 140 Jahren in den wichtigeren Stadien abgespielt hat, ist pflichtschuldigst und genauestens aufgezeichnet worden. Außerdem spielen jedes Jahr Hunderte von Spielern in den großen Ligen. Obwohl es sich beim Baseball um einen Teamsport handelt, sorgt die Batting Order für strikte Abläufe: Pitcher und Hitter wechseln sich gemäß Batting Order ab und sind weitgehend für ihre eigenen Zahlen verantwortlich. (Wenn man es mit dem Football vergleicht: Hier kann eine hervorragende Offensive eine schwache Defensive ausgleichen, oder das Zusammenspiel zweier Spieler beim Basketball kann zu unerwarteten Synergien führen.) Hinsichtlich Komplexität und Nonlinearität gibt es nur relativ wenige Probleme, und der Kausalzusammenhang ist recht übersichtlich.
    Das erleichtert einem Baseball-Prognostiker die Arbeit. Eine Hypothese lässt sich normalerweise empirisch testen und mit großer statistischer Sicherheit belegen oder verwerfen. Auf den Gebieten der ökonomischen und politischen Vorhersage, wo die Prognostiker mit weniger Zahlen auskommen müssen – schließlich finden Präsidentschaftswahlen nur alle vier Jahre statt, und es gibt keine Hunderte neuer Datensätze jährlich –, fehlt dieser Luxus, und die Wahrscheinlichkeit einer Fehlprognose ist größer.

Information ist das A und O
    Billy Beane, der Protagonist in Moneyball , betrachtet das unermüdliche Sammeln von Information als die Grundlage guten Scoutings.
    »Was macht