Hauptsache Sport

Die Erfolgs-Geschichte des Tony Bloom: Der Begründer einer Wettberatungsfirma verdient mit überdurchschnittlichen Prognosen viel Geld. Er überträgt die Grundprinzipien seiner Firma auf die Bewertung und Entwicklung von Mannschaften – und hat mit seinen Analysen auch dort ausserordentlichen Erfolg.

Starlizard ist eine britische datengetriebene Wettberatungsfirma.

Mit ihren statistischen Modellierungen versucht sie einem bewusst eng gehaltenen Kundenkreis bessere Gewinnchancen zu errechnen – Wahrscheinlichkeitsmodelle, die präziser sein sollen als die Quoten der Buchmacher. Der Fussball ist schon früh ein Tummelfeld für die 2006 gegründete Firma: nicht als Sport, sondern als riesiger Informationsmarkt, der bisher ungenügend systematisch ergründet und ineffizient genutzt wird. Also sammelt Starlizard obsessiv Daten, schult Analysten, baut Algorithmen und entwickelt über Jahre ein tiefes, oft exklusives Wissen darüber, wie Teams, Spieler und Trainer tatsächlich performen. Ziel dieses Datenpools ist zunächst nur eines: Wetten mit positivem Erwartungswert zu platzieren und dauerhaft einen Vorteil gegenüber dem Markt zu halten.

Dafür werden auch eigene Daten „intern“ produziert, u.a. durch ein Team von „football researchers“, die Spiele live schauen und Ereignisse wie Chancenqualität, Schüsse etc. fein granular erfassen – weit über öffentlich verfügbare Statistiken hinaus. So entsteht über die Jahre eine extrem dichte historische Datenbank zu Ligen, Vereinen, Spielweisen, Spielerleistungen und Kontextfaktoren (Verletzungen, Wetter, Schiedsrichter usw.), die die Modelle kontinuierlich füttert.

Auch die Clubs selbst versuchen sich an datenbasierten Analysen

Parallel dazu beginnt sich der Blick auf Fussball als Datenlandschaft mit versteckten Wertunterschieden in den Profiklubs durchzusetzen. Die Analysen werten nicht mehr nur physiologisch jede Trainingseinheit aus, und es werden nicht mehr bloss Lauf‑, Zweikampf‑ und Passdaten flächendeckend erhoben. Zunehmend werden auch Spielweisen der Gegner und Muster im eigenen Kollektiv vermessen – und damit Teil jeder Matchvorbereitung.

Tony Bloom, die Person hinter Starlizard, engagiert sich in Fussballvereinen,

weil er erkennt, dass die gleichen Modelle, die seinen Kunden im Wettmarkt Vorteile bringen, auch im Transfermarkt und bei Trainerentscheidungen Mehrwert schaffen. Das ist auch das Kalkül der Clubs, die Bloom willkommen heissen – bei Brighton & Hove Albion sind es mehr als 95 Prozent der Fans, denen der Verein statutarisch gehört.

Der Datenpool, der ursprünglich den Fussballmarkt als Wettspielbörse ergründen sollte, wird damit zum Asset, um im Fussballmarkt selbst zu agieren – bei Bloom‑Klubs wie Brighton und Union Saint‑Gilloise und wenigen weiteren.

Neue Unternehmensphilosophie: Vom „Market Edge“ zum „Sporting Edge“

2017 kommt der Moment, in dem die zwei Grundmotivationen formal getrennt werden: Jamestown Analytics entsteht als eigene Firma, die denselben analytischen Zugang zum Fussball anbietet, aber nicht mehr primär für Wetten, sondern für sportliche Entscheidungen der Klubs. Strategisch bedeutet das: Starlizard fokussiert sich stärker auf sein Kerngeschäft im Wettbereich, während Jamestown offiziell auf die andere Seite des Tisches wechselt – dorthin, wo Kader gebaut, Trainer eingestellt und Spielphilosophien entwickelt werden.

Personell bleiben die Welten eng verflochten; Führungskräfte, die jahrelang Modelle für den Wettmarkt gebaut haben, wenden dieselben Prinzipien nun auf Scouting, Kaderarchitektur und Coaching‑Profile an. Jamestown ist das Gewand, in dem eine Wettfirma endgültig die Seiten wechselt – vom unsichtbaren Player gegen den Markt zum oft nicht direkt sichtbaren Mitentscheider im Innenleben von Fussballklubs.

Inhaltlich ändert sich weniger, als es auf den ersten Blick scheint. Die Obsession für Daten bleibt. Die Idee, dass es eine „wahre“ Bewertung von Teams und Spielern gibt, die vom Markt abweicht, nährt weiterhin den Traum vom strukturellen Wettbewerbsvorteil. Wer besser misst, versteht und prognostiziert, verschafft sich einen Vorteil – früher an der Wettbörse, jetzt im Transferfenster.

Neu ist, dass dieser Vorteil nicht mehr nur als Geheimwissen einer Wettfirma existiert, sondern in die Entscheidungsarchitektur von Vereinen eingebaut wird. Die Modelle, die einst Quoten schlugen, helfen nun mit, zu bestimmen, ob ein Spieler verpflichtet, ein Trainer gehalten oder entlassen, eine Spielidee durchgezogen oder angepasst wird.

Jamestown als Symbol des Übergangs

Jamestown verkörpert damit eine Zäsur im modernen Fussball: Die Grenze zwischen „aussen“ (Wettmarkt) und „innen“ (Sportabteilung) wird porös, dieselben Datenströme fliessen in beide Richtungen. Clubs, die Jamestown engagieren, holen sich im Kern die Denkweise eines Wett‑Hedgefonds in ihr sportliches Tagesgeschäft – mit allen Chancen (Effizienz, Under‑the‑radar‑Talente, strukturiertes Risiko‑Management) und Ambivalenzen.

Es scheint auch ein Bewusstsein dafür zu geben, dass sich das System kannibalisieren könnte – Jamestown arbeitet, wie zuvor Starlizard, mit einer bewusst eher kleinen Auswahl von Vereinen in verschiedenen Ligen zusammen.

Die Erfolgsbilanz ist erstaunlich:

Brighton & Hove Albion ist heute ein etablierter Verein der Premier League und schon lange nicht mehr drittklassig.

Union Saint‑Gilloise ist seit vielen Jahrzehnten erstmals wieder belgischer Meister geworden und mittlerweile in der Champions League angekommen.

Como 1907 hat heute einen festen Platz in der Serie A.

Heart of Midlothian (gemeinhin einfach „Hearts“ genannt: Die Zusammenarbeit ist noch jung – aber der Verein schickt sich an, eine vierzigjährige Dominanz der Celtics und der Glasgow Rangers aufzubrechen.

Hearts schloss 2024 eine offizielle Partnerschaft mit Jamestown und erhielt „exklusive“ Nutzung von Jamestowns Player‑Data‑Services in Schottland. Vereinsführung und Jamestown betonen, dass die Verbindung nicht nur Transfers, sondern auch Gegneranalyse und die Integration von Analytics in die gesamte sportliche Abteilung betrifft. Hearts nutzte Jamestown u.a. zur Identifikation und Verpflichtung eines neuen Trainers und zum gezielten Kaderumbau. Binnen kurzer Zeit verbesserten sich Performance und tabellarische Position deutlich; in Analysen wird Hearts als Beispiel dafür geführt, wie ein Klub mit moderatem Budget durch datengetriebene Entscheidungen zu einem der „bestgeführten“ Vereine im UK‑Fussball werden kann.

Das sind atemberaubende Geschichten – und in jedem dieser Fälle können Leistungsausweise vorgezeigt werden, die sich an Schemas orientieren, welche den Clubmöglichkeiten entsprechen:

Jamestown bezeichnet sich als Football & Cricket data specialists mit Schwerpunkt auf „bespoke football player & coach analysis“. Angebote an Vereine umfassen insbesondere:

Spielerbewertungen (player valuations)

datenbasiertes Scouting und Transferrekrutierung (player recruitment)

Trainerrekrutierung (head coach recruitment)

Gegner‑ bzw. Matchplan‑Analysen (opposition team analysis).

Die Firma arbeitet laut Eigendarstellung mit massgeschneiderten Modellen pro Klub, Liga und Budget, statt mit generischen Standardmetriken.

Arbeitsweise im Klub-Alltag

Nach einem Einstieg mit einem Klub analysiert Jamestown zunächst den kompletten Kader über zahlreiche Kategorien und ordnet jeden Spieler relativ zu vergleichbaren Spielern auf seiner Position ein. Für Transfers gibt der Verein Kriterien vor (Alter, Budget, Positionsprofil, Spielstil wie Low Block vs. High Press), Jamestown filtert dann seine Datenbank und liefert Shortlists mit den aus ihrer Sicht passenden Optionen.

Ein wichtiger Fokus liegt auf Prognosen: Die Modelle sollen die Entwicklung eines Spielers abschätzen und so „Under‑the‑radar“-Talente identifizieren, bevor sie auch real voll sichtbar werden. Während im Markt häufig etwa 3000 Einsatzminuten als Schwelle für statistische Verlässlichkeit gelten, versucht Jamestown bewusst, Spieler mit weniger Erstliga‑Minuten zu entdecken, um Wertvorteile zu generieren.

Weitere Wirkungsbeispiele im Klubumfeld

Grimsby Town (League Two) berichtet von einer „aussergewöhnlich vorteilhaften“ Partnerschaft mit Jamestown, bei der global nach passenden Spielern gesucht wird, um auf kleinem Budget einen evidenzbasierten Klubaufbau zu ermöglichen.

Melbourne Victory beschreibt Jamestown als „global leader in football data innovation“ und hebt hervor, dass dieselben Erkenntnisse, die europäischen Topklubs helfen, auch im australischen Kontext genutzt werden sollen.

Augenfällig ist ein sehr selektiver Kundenkreis; Jamestown arbeitet bewusst nur mit wenigen Vereinen parallel, um individuelle Modelle und eine intensive Betreuung sicherzustellen.

Rolle im modernen „Moneyball“-Fussball

In Medien und Fan‑Diskursen wird Jamestown regelmässig als „geheime Waffe“ oder unsichtbare Kraft hinter smarten Transferstrategien und Aufstiegsgeschichten bezeichnet. Der Ansatz entspricht einer Moneyball‑Logik: Systematisches Ausnutzen von Marktineffizienzen durch tiefe Datenanalyse, aggressives Scouting jüngerer oder statistisch noch „unreifer“ Spieler und konsequente Portfolio‑Logik bei Transfers.

Gleichzeitig betonen etwa Hearts und Jamestown, dass Daten nur ein Baustein sind und immer mit klassischem Scouting, Coaching‑Know‑how und Klubphilosophie verknüpft werden. Die Bausteine, die man für „true odds“ braucht – präzise Leistungsbewertung von Teams und Spielern, Kontextanalyse, Modellierung von Spielverläufen – bilden nun die Grundlage für Kader‑, Scouting‑ und Traineranalysen im Profifussball.

Aus der Logik der Wettmodelle entstanden über die Jahre immer raffiniertere Bewertungsmetriken für Spieler und Mannschaften. Diese lassen sich relativ direkt auf Fragen übertragen wie: „Wie gut passt dieser Spieler in unsere Spielweise?“ oder „Wie performt ein Trainer im Kontext seines Kaders gemäss Erwartungswert?“

Wie viel davon sich in der Tiefe im Profi‑Fussball festsetzen wird – und wie schnell –, vermag niemand zu sagen. Sicher scheint nur: Es läuft ein grosser Wettbewerb darum, wer diese Logiken am konsequentesten versteht und nutzt. Würde man das als zu phantastisch abtun, würde man wohl der gleichen Fehleinschätzung erliegen wie viele Experten bei der Beurteilung der prognostizierten Bedeutung von KI.