Head-to-Head-Analyse bei Tischtennis-Wetten: Direktvergleiche richtig nutzen
Available in US
Warum der Direktvergleich im Tischtennis mehr verrät als das Ranking
Zwei Spieler stehen sich gegenüber: Spieler A auf Weltranglistenplatz 15, Spieler B auf Platz 28. Wer gewinnt? Die naheliegende Antwort — Spieler A, weil er höher gerankt ist — wäre in vielen Sportarten eine vernünftige Ausgangshypothese. Im Tischtennis kann sie dich jedoch systematisch in die Irre führen, und der Grund liegt in der besonderen Natur des Sports.
Tischtennis wird weltweit von geschätzt 164 Millionen aktiven Spielern betrieben, und auf der Profiebene treffen sich Spieler mit sehr unterschiedlichen Spielstilen regelmäßig wieder. Anders als im Fußball, wo Mannschaften sich höchstens vier Mal pro Saison begegnen, können sich TT-Spieler in einem Jahr ein Dutzend Mal gegenüberstehen. Wang Chuqin allein bestritt 2025 insgesamt 130 Matches, und bei dieser Frequenz entstehen wiederkehrende Begegnungen mit denselben Gegnern — Begegnungen, deren Ausgang oft durch spielstilbedingte Faktoren bestimmt wird, die sich im Ranking nicht abbilden.
Der Direktvergleich — die Head-to-Head-Bilanz — erfasst genau diese spielstilbedingten Dynamiken. Wenn Spieler B die letzten sieben Begegnungen gegen Spieler A gewonnen hat, obwohl A 13 Plätze höher gerankt ist, dann sagt das etwas Fundamentales über die Interaktion ihrer Spielstile aus: Bs Topspinvariante neutralisiert As Aufschlagwaffe, oder Bs Beinarbeit kompensiert As höhere Grundschlagqualität. Diese Muster sind im Tischtennis stabiler als in den meisten anderen Sportarten, und deshalb ist die H2H-Bilanz für den TT-Wetter ein unverzichtbares Prognoseinstrument.
H2H-Daten finden: Quellen und Datenbanken
Die größte Herausforderung bei der H2H-Analyse im Tischtennis ist nicht die Interpretation der Daten, sondern deren Beschaffung. Im Tennis liefern Plattformen wie ATP und WTA umfassende H2H-Statistiken für jeden Spieler auf der Tour. Im Tischtennis ist die Datenlage fragmentierter, aber nicht hoffnungslos — man muss nur wissen, wo man suchen muss und wie man verschiedene Quellen kombiniert.
Die offizielle ITTF-Datenbank erfasst Ergebnisse aller von der ITTF sanktionierten Turniere und bietet damit die breiteste Datenbasis. Du kannst dort nach Spielernamen suchen und ihre Turnierergebnisse durchforsten, musst aber die H2H-Bilanz oft manuell zusammenstellen, weil die Datenbank keine direkte H2H-Vergleichsfunktion bietet. Die WTT-Plattform liefert für neuere Events aufbereitete Matchstatistiken, die H2H-Bilanzen teilweise automatisch anzeigen — aber nur für WTT-Events seit der Gründung der Plattform.
Spezialisierte Drittanbieter-Seiten aggregieren diese Daten und bereiten sie wettrelevant auf. Dort findest du oft bereits fertige H2H-Übersichten mit Satzstatistiken, Turnierkontext und Zeitverlauf. Die Qualität variiert, und ich empfehle, die Daten mindestens stichprobenartig mit den offiziellen ITTF-Ergebnissen abzugleichen. Fehler in Drittanbieter-Datenbanken kommen vor, und eine falsche H2H-Bilanz kann dich auf eine Fehlwette führen, die sich durch eine Minute Gegenprüfung hätte vermeiden lassen.
Mein persönlicher Workflow: Ich pflege eine eigene Tabelle mit H2H-Bilanzen der etwa 40 Spieler, auf die ich regelmäßig wette. Nach jedem Turnier aktualisiere ich die relevanten Einträge — ein Zeitaufwand von vielleicht zwanzig Minuten pro Woche, der sich in besseren Wettentscheidungen vielfach auszahlt.
Interpretation: Stichproben, Kontextfaktoren und spielstilbedingte Muster
Eine H2H-Bilanz von 3:0 — Spieler A hat alle drei Begegnungen gegen Spieler B gewonnen — sieht eindeutig aus. Aber ist sie es wirklich? Die Antwort hängt von Kontextfaktoren ab, die in der reinen Bilanz nicht sichtbar sind und die du als analytischer Wetter erkennen musst.
Der wichtigste Kontextfaktor ist die Stichprobengröße. Bei drei Begegnungen ist die statistische Aussagekraft gering — ein Spieler kann drei Mal in Folge verlieren und trotzdem der bessere Spieler sein, wenn die Matches in Phasen fielen, in denen er mit Verletzung, Formtief oder Materialwechsel zu kämpfen hatte. Meine Faustregel: Unter fünf Begegnungen behandle ich die H2H-Bilanz als schwaches Signal, das andere Indikatoren ergänzt, aber nicht dominiert. Ab sechs bis acht Begegnungen wird das Signal robust genug, um in die Quotenbewertung einzufließen. Ab zehn oder mehr Begegnungen spreche ich von einem stabilen Muster, das ich als starken Prognosefaktor gewichte.
Der zweite Kontextfaktor ist die Aktualität. Eine H2H-Bilanz von 5:2, deren letzte Begegnung zwei Jahre zurückliegt, hat weniger Prognosekraft als eine Bilanz von 3:1 aus den letzten sechs Monaten. Spieler entwickeln sich weiter, ändern ihren Spielstil, wechseln das Material oder arbeiten gezielt an Schwächen. Mathias Dahms vom DSWV betont, dass der legale Sportwettenmarkt heute sicherer und analytisch ausgereifter sei als je zuvor — und das gilt auch für die Werkzeuge, die Wettern zur Verfügung stehen. Aktuelle H2H-Daten sind ein solches Werkzeug, und ihre Qualität hängt direkt davon ab, wie konsequent du sie pflegst und wie kritisch du sie interpretierst.
Der dritte Kontextfaktor, den ich bei keinem Konkurrenten in der Analyse finde: die Turnierstufe der früheren Begegnungen. Ein H2H-Ergebnis aus einer Contender-Erstrunde hat eine andere Bedeutung als eines aus einem Grand-Smash-Halbfinale. Im Halbfinale sind beide Spieler im Turnierrhythmus, motiviert und unter Leistungsdruck — das Ergebnis spiegelt ihre tatsächliche Leistungsfähigkeit unter Wettkampfbedingungen besser wider als ein Match aus der ersten Qualifikationsrunde, in dem der Favorit möglicherweise noch nicht sein Topniveau abgerufen hat.
H2H-Daten in Wettentscheidungen integrieren
Die H2H-Bilanz ist nie der alleinige Grund für eine Wette — aber sie ist ein Faktor, der deine Wahrscheinlichkeitseinschätzung korrigieren kann und sollte. Mein Modell gewichtet die H2H-Bilanz mit einem Faktor zwischen 10 und 25 Prozent in der Gesamtprognose, je nach Stichprobengröße und Aktualität der Daten. Bei einer stabilen Bilanz von 8:2 mit aktuellen Begegnungen erhöht oder senkt das meine Gewinnwahrscheinlichkeit um bis zu fünf Prozentpunkte gegenüber der reinen Elo-Berechnung.
Ein konkretes Beispiel: Mein Elo-Modell berechnet eine Gewinnwahrscheinlichkeit von 52 Prozent für Spieler A. Die H2H-Bilanz zeigt aber 2:6 zugunsten von Spieler B — ein deutliches Muster über ausreichend viele Begegnungen. Ich korrigiere die Wahrscheinlichkeit auf etwa 45 Prozent für Spieler A und überprüfe, ob die angebotene Quote für Spieler B dadurch zum Value Bet wird. Wenn der Buchmacher Spieler B mit einer Quote von 2,40 listet — was einer impliziten Wahrscheinlichkeit von 41,7 Prozent entspricht — und mein korrigiertes Modell ihm 55 Prozent gibt, habe ich einen Edge von über 13 Prozentpunkten. Das ist ein starker Value Bet, den ich ohne die H2H-Korrektur übersehen hätte.
Die Kunst liegt darin, die H2H-Analyse nicht zu überbewerten. Drei Begegnungen sind kein Schicksal, und selbst ein stabiles Muster kann durch veränderte Umstände gebrochen werden. Der Wetter, der H2H-Daten als absoluten Indikator behandelt, macht einen ebenso großen Fehler wie derjenige, der sie komplett ignoriert. Der richtige Ansatz liegt in der gewichteten Integration in ein Gesamtmodell, das Ranking, Form, H2H und Kontextfaktoren zusammenführt. Weitere Methoden der Spieleranalyse findest du in unserem Beitrag zur Spieleranalyse bei Tischtennis-Wetten.
Ab wie vielen Begegnungen ist ein H2H-Vergleich aussagekräftig?
Unter fünf Begegnungen ist die statistische Aussagekraft gering — die Bilanz ist ein schwaches Signal. Ab sechs bis acht Begegnungen wird das Muster robust genug für die Quotenbewertung. Ab zehn oder mehr Begegnungen spreche ich von einem stabilen Muster mit hoher Prognosekraft.
Wo finde ich H2H-Statistiken für Tischtennisspieler?
Die ITTF-Datenbank liefert Turnierergebnisse, aus denen du H2H-Bilanzen manuell zusammenstellen kannst. Die WTT-Plattform bietet für neuere Events aufbereitete Matchstatistiken. Spezialisierte Drittanbieter-Seiten aggregieren diese Daten und zeigen oft fertige H2H-Übersichten mit Satz- und Turnierkontext.
Erstellt von der Redaktion von „Tischtennis Wetten”.
