Die Schlussabrechnung: alles, was meine WM-KI richtig hatte, falsch hatte und tatsächlich eingebracht hat

Die WM ist vorbei. Spanien hat Argentinien 1–0 in der Verlängerung geschlagen — torlos über neunzig Minuten, entschieden von einem Einwechselspieler, der die Vorlage eines anderen Einwechselspielers verwertete — und der letzte Tipp meines Systems in diesem Turnier lautete Spanien mit einem Tor Vorsprung, bei einer angegebenen Konfidenz von 44 Prozent: 2,3 Punkte optimistischer für Spanien als die Wettquoten, mit einer Abweichung, die schriftlich begründet war, wie es die letzte Regel des Systems verlangte. Sieger richtig, Tordifferenz richtig, Ergebnis um die Breite eines Verlängerungstors verfehlt.

Und die Fantasy-Liga, um die dieses ganze Experiment herum gebaut war, endete am selben Tag: Platz eins, 654 Punkte, 104 Vorsprung auf Platz zwei, bei elf Managern.

Das ist der letzte Teil der Serie, und es ist der, auf den ich die ganze Zeit hingearbeitet habe: die vollständige Abrechnung. Jede bewertete Runde, jeder Bug, jede Regel, die sich das System selbst geschrieben hat, was das Experiment tatsächlich eingebracht hat, wo es meine Zeit verschwendet hat und was ich dir sagen würde, wenn du dasselbe Spiel auf ein Problem von dir anwenden willst. Die vorigen Teile haben das System Runde für Runde bewertet; dieser bewertet das Experiment.

Eine letzte Wiederholung der Anmerkung, die alles einordnet, ein letztes Mal neu formuliert: Hier wurde kein Modell gebaut und keines trainiert. Ich habe dieselben fertigen KI-Modelle gemietet, die jedem offenstehen, ihnen Werkzeuge, Daten und eine Aufgabe gegeben — und die Aufgabenbeschreibung nach jeder bewerteten Runde neu geschrieben. Diese Aufgabenbeschreibung — ein Regelwerk, das sich das System größtenteils selbst über sich geschrieben hat — ist das Wertvollste, was das Turnier hervorgebracht hat. Mehr dazu am Ende.

Die Serie, an einem Ort

Acht Artikel führen hierher. Jeder davon wurde geschrieben, bevor die nächste Runde gespielt war — die Bilanz lässt sich also nicht nachträglich zurechtbiegen. Jede Behauptung stand öffentlich da, bevor die Realität sie bewertet hat. Genau darum ging es.

• Der Aufbau: eine Mannschaft aus KI-Agenten, die meine Fantasy-WM-Hausaufgaben macht — Spieler recherchieren, Aufstellungen vorhersagen, Ergebnisse tippen, Transfers vorschlagen. Dort stehen auch die praktischen Fragen: was der Betrieb kostet, wie das Ganze verdrahtet ist, welche Daten es anfasst.
• Spieltag eins: die ersten Noten. Aufstellungen stark, Ergebnistipps schwach — 46 Prozent Sieger.
• Spieltag zwei: die Tipps wurden scharf — 75 Prozent — und ich habe den Umbau der Bewertung erklärt, der die Noten überhaupt erst vertrauenswürdig gemacht hat.
• Spieltag drei: die Datenvertrauenskrise. Ich musste feststellen, dass ich meinem eigenen Protokoll darüber, wer tatsächlich gespielt hatte, nicht trauen konnte — und habe die Runde damit verbracht, die Bewertung zu putzen, statt sie zu feiern.
• Sechzehntelfinale: die Runde mit den meisten exakten Ergebnissen — und mit dem teuersten Einzeltipp des Turniers, einem 76-Prozent-Favoriten, der im Elfmeterschießen ausschied.
• Achtelfinale: die schlechteste Runde — 2 von 8 — auseinandergenommen in einen Format-Bug, eine überkorrigierte Sicherheitsregel und fair verlorene Münzwürfe.
• Viertelfinale: die beste Runde — 4 von 4 — beinahe ausradiert von einem zweiten Format-Bug, der stillschweigend jeden Tipp aus der Bewertung fallen ließ.
• Halbfinale: 0 von 2 bei zwei ehrlichen Münzwürfen, und die Runde, in der ich ein Postmortem mitgezeichnet habe, das sagte: „Es muss sich nichts ändern.”

Dann das Abschlusswochenende des Turniers: das Spiel um Platz drei — getippt Frankreich 2–1 bei 50, endete Frankreich–England 4–6, ein Zehn-Tore-Zirkus, in dem beide Trainer je die halbe Mannschaft schonten und das Rotationsmodell des Systems überrollt wurde — und das Finale, das das System richtig und leise getippt hat.

Die Bilanz, abgeschlossen

Die beiden Hälften des Systems haben das Turnier so beendet.

Die auffällige Hälfte — die Spielergebnisse. 103 bewertete Tipps: 64 Sieger korrekt getippt, 62,1 Prozent. Fünfzehn exakte Ergebnisse. Die durchschnittliche Abweichung bei der Tordifferenz: 1,17 Tore. Die Leitplanke für die ganze Saison — die Siegerquote darf nie unter 62 Prozent fallen — hielt mit 0,14 Punkten Puffer, also ungefähr so knapp, wie man eine Untergrenze halten kann und sie trotzdem noch hält.

Und die Zahl, hinter der diese Serie am härtesten her war und die sie nie eingeholt hat: die Konfidenz-Trennschärfe. Gemessen in Prozentpunkten ist das der Abstand zwischen der durchschnittlichen Konfidenz bei richtigen und bei falschen Tipps — ein Rauchmelder sollte bei echtem Rauch lauter piepen als bei angebranntem Toast, und der Abstand ist das „lauter”. Das Ziel waren zehn Punkte; das Turnier endete bei 8,14. Zu wenig — und das Postmortem, die schriftliche Selbstauswertung, die das System nach jeder Runde ablegt, hat endlich den strukturellen Grund benannt, statt zu versprechen, sich mehr anzustrengen: Nach der eigenen Einteilung des Systems lagen 46 seiner 103 Tipps in der Münzwurf-Zone, knapp die Hälfte des Turniers, und es gibt keine ehrliche Art, bei einem Münzwurf selbstsicher zu klingen.

Die leise Hälfte — wer in der Startelf steht. 984 bewertete Aufstellungs-Tipps über das gesamte Turnier: 81,8 Prozent richtig — und die beste Runde kam zum Schluss: 90 Prozent über die fünfzig bewerteten Aufstellungs-Tipps des Finales, nachdem die Aufstellungsregeln für die späten K.-o.-Runden aus dem Halbfinal-Artikel scharf geschaltet waren. Die Zahl, auf die ich wirklich am stolzesten bin, braucht vorher noch einen Begriff.

Hier ist diese Kalibrierungstabelle für das Aufstellungsmodell, über 984 Tipps: Wenn das System 0–20 Prozent sagte, standen die Spieler in 12,6 Prozent der Fälle in der Startelf. Bei 20–40 waren es 24,8 Prozent. Bei 40–60: 45 Prozent. Bei 60–80: 67 Prozent. Bei 80–100: 85,6 Prozent. Fünf Bänder, fünf ehrliche Zahlen — ein Prognostiker, dessen Prozentangaben meinen, was sie sagen.

Eine Offenlegung schuldet dir diese Abrechnung noch, denn sie steht in derselben Datendatei: Der schwächere Bruder des Startelf-Tipps — wird dieser Spieler überhaupt Minuten sehen, auch von der Bank — landete bei 75,8 Prozent, mit gröberer Kalibrierung in den unteren Bändern. Die Transferentscheidungen hingen am Startelf-Tipp, der sowohl die schärfere Frage als auch die besser erzogene Kennzahl ist; aber eine Schlussabrechnung, die nur ihre beste Tabelle zeigt, wäre keine.

Was gut lief

Die leise Hälfte hat ihren Anteil an der Liga getragen — und ich muss vorsichtig sein, wie groß dieser Anteil war. Fantasy-Punkte kommen von Spielern, die tatsächlich spielen, und ein Aufstellungsmodell, das in vier von fünf Fällen richtig liegt und jede Runde die Kauf- und Verkaufsentscheidungen füttert, hat jeden Kaderplatz auf Spieler ausgerichtet, die auch wirklich auf dem Platz stehen würden — die Voraussetzung, auf der alle anderen Punkte standen. Aber der erste Artikel dieser Serie hat eine Unterscheidung gesetzt, die diese Abrechnung einhalten muss: „Wird er auf dem Platz stehen” und „wird er gut spielen” sind zwei verschiedene Fragen. Bewertet hat das System die erste. Messi überhaupt erst zu holen — die Leistungsseite — hat nie ein öffentliches Zeugnis bekommen, und ein guter Teil der 654 Punkte gehört diesem unbewerteten Urteil und schlichtem Turnierglück. Was ich behaupten kann, ist enger und trotzdem etwas wert: Die bewertete Hälfte hat dafür gesorgt, dass die unbewerteten Wetten immer auf dem Platz standen, um sich auszuzahlen.

Demut ließ sich messen. Über das gesamte Turnier legte das System 46 Tipps in sein Münzwurf-Band — alles zwischen 42 und 58 Konfidenz, im Schnitt 52. Nach der offiziellen Wertung gingen 22 davon auf: 47,8 Prozent, eine Spur unter dem Münzwurf-Ideal. Und der eine Tipp, der das von exakt der Hälfte trennt, ist ein alter Bekannter — der Portugal-Tipp aus dem Achtelfinale, in dem der richtige Sieger stand und der wegen des Format-Bugs als falsch bewertet bleibt, nach dem Prinzip, das diese Serie sich geweigert hat zu beugen. Sogar das Beinahe-Perfekte dieses Bandes ist ehrlich. So sieht „Ich weiß es nicht, und ich sage es dir in Zahlen” aus, wenn die Realität es bewertet — und es hielt von der Vorrunde bis zum Finale.

Die Ökonomie der Schlussphase ging auf. In einem K.-o.-Fantasy-Format bringt ein Star aus einer ausgeschiedenen Mannschaft nichts mehr ein und verliert täglich an Wert. Ab dem Achtelfinale habe ich den Kader rigoros in Überlebende umgeschichtet — das System empfahl, ich drückte ab: ausgeschiedene Nationen verkauft, Geld konzentriert, bewusst fünf Millionen zu viel bezahlt für garantierte Halbfinal-Minuten — bis alle fünf verbliebenen Spieler im Finale selbst auf dem Platz standen: drei Spanier, zwei Argentinier. Jeder Punkt, den die letzten Spiele einem Fünf-Mann-Kader boten, war ein Punkt, den meiner holen konnte.

Der letzte Tipp war das System von seiner erwachsensten Seite. Spanien mit einem Tor Vorsprung, 44 Prozent Konfidenz — 2,3 Punkte über der Wahrscheinlichkeit, die die Wettquoten nahelegten. Quoten sind Prozentzahlen in anderer Kleidung: Der Preis, den ein Buchmacher anbietet, lässt sich direkt umrechnen in die Häufigkeit, mit der der Markt einen Sieg erwartet, und Spaniens Preis sagte rund 42. Die Abweichung wurde nach der Regel dokumentiert, die nach dem Halbfinale geschrieben wurde. Die Zu-null-Logik traf die torlosen neunzig Minuten exakt. Kein erzwungener lauter Tipp, damit ein Dashboard mutig aussieht. Hätte man mir diesen Tipp vor der Vorrunde gezeigt — am Markt verankert, in der Tordifferenz gedeckelt, mit angehängter Begründung, die Konfidenz bis auf die Nachkommastelle ehrlich — ich hätte nicht geglaubt, dass dieses System ihn geschrieben hat.

Jede Runde schriftlich zu bewerten — im Wissen, dass sie veröffentlicht wird — hat mehr gebracht als jeder einzelne Fix. Ich kann das Gegenexperiment einer privaten Version dieser Serie nicht durchführen, nimm es also als Überzeugung, nicht als Messung: Jede Runde, die mit ihren Fehlern im Anhang rausging, hat die Hausaufgaben der nächsten Runde besser gemacht. Rechenschaft war kein nettes Extra obendrauf; sie war tragend.

Was schiefging — der ehrliche Katalog

Vier Sorten von Fehlern, aufsteigend danach, wie viel sie mich gelehrt haben.

Daten, denen ich vertraut habe und nicht hätte vertrauen dürfen. Die Krise am dritten Spieltag: Mein Protokoll darüber, wer tatsächlich gespielt hatte — die Grundwahrheit, an der jede Note hing — war teilweise falsch, und ich hatte zwei Runden lang dagegen bewertet. Spieler, die als Bankdrücker verbucht waren, hatten gespielt; eine Verletzung war als Rotation erfasst. Der Fix war stumpf und vollständig: jeder Ist-Wert gegen den öffentlichen Spielbericht belegt, veraltete Vorhersagen ausgeschlossen, Sperren mitgezählt. Er hat eine ganze Runde Arbeit gekostet und war die beste Investition des Turniers, denn jede Zahl danach bedeutete etwas.

Format-Bugs an den Nahtstellen. Zweimal ist die Leitung zwischen „was der Tippgeber geschrieben hat” und „was die Bewertung gelesen hat” gerissen. Im Achtelfinale kosteten Tipps in einem sich selbst widersprechenden Format zwei korrekt getippte Sieger — und bleiben als falsch bewertet, denn ein Eintrag, der sich selbst widerspricht, ist falsch, egal was gemeint war. Im Viertelfinale verschwanden Tipps, die im falschen Datentyp gespeichert waren, stillschweigend komplett aus der Bewertung, und die beste Runde des Systems existierte kurzzeitig nicht. Zwei verschiedene Bugs, eine Lehre zweimal gelernt: Validierung gehört an die Stelle, an der geschrieben wird, sie muss den Behälter genauso prüfen wie den Inhalt, und alles, was Einträge liest, muss laut scheitern statt leise zu überspringen.

Regeln, die übers Ziel hinausschossen, und dann Regeln für das Überschießen. Der 76-Prozent-Favorit, der im Elfmeterschießen ausschied, brachte eine harte Konfidenz-Obergrenze hervor; die Obergrenze brachte eine Runde hervor, in der jeder Tipp im selben schmalen Band vor sich hin nuschelte und eine französische Mannschaft, die der Markt bei fünf von sechs sah, wie ein Münzwurf getippt wurde. Die Reparatur von Selbstüberschätzung hat Selbstunterschätzung hergestellt. Es brauchte zwei weitere Runden Feinarbeit — an Marktpreisen verankerte Zonen, ein lautes Ende, das nur noch bei echten Ungleichgewichten wieder aufging — bis die Konfidenz wieder Information trug. Jede Korrektur wirft einen Schatten in der Form des entgegengesetzten Fehlers, und ich plane diesen Schatten inzwischen von vornherein mit ein.

Muster, die über Regimewechsel hinweg fortgeschrieben wurden — also über Phasen, in denen sich die Regeln der Welt leise ändern, während das Modell weiter von der gestrigen Version ausgeht. Das System nahm weiter an, die Welt, die es vermessen hatte, sei die Welt, in der es sich befand. Trainer, die in der Vorrunde rotierten, rotierten im Halbfinale nicht mehr — oder kehrten genau dann zur Vorrunden-Aufstellung zurück, als es darauf ankam. Das Spiel um Platz drei stellte jede Ernsthaftigkeitsannahme auf den Kopf, auf der die K.-o.-Regeln aufgebaut waren: Beide Trainer schonten ihre Stars, Motivation ersetzte Spielstärke, und ein 2–1-Tipp traf auf ein 4–6. Und einer Kennzahl — dem Trennschärfe-Ziel — wurde noch lange hinterhergejagt, nachdem die Struktur des Turniers sie unerreichbar gemacht hatte, bis der ehrliche Zug war, sie offen einzumotten, statt einen falschen lauten Tipp zu erzwingen, um sie zu füttern. Muster haben ein Haltbarkeitsdatum. Die teuren Fehltipps liegen kurz danach.

Es gibt auch einen Fehlerkatalog über die Artikel selbst, geführt vom Review-Prozess, der jeden Teil vor der Veröffentlichung geprüft hat: eine Bildunterschrift, die etwas behauptete, was ihr Screenshot nicht zeigte; ein Tor, das als Distanzschuss beschrieben war und tatsächlich aus dem Strafraum fiel; ein „vier Wechsel auf einmal”, das in Wahrheit drei plus einer war. Jeder wurde gefunden, bevor er rausging — aber jeder begann damit, dass ich einer Zusammenfassung statt einer Quelle vertraut habe, also mit derselben Krankheit, die das System hatte, nur im Autor.

Und eine Auslassung, die diese Abrechnung selbst beinahe wiederholt hätte — die schlimmste Sorte Fehler, die einer Abrechnung passieren kann. Das Teilsystem, mit dem der allererste Artikel aufmachte — die Aufklärungsdatei über das Bietverhalten meiner Konkurrenten in der verdeckten Transfer-Auktion — hat nie ein öffentliches Zeugnis bekommen. Das Register dahinter existiert: 442 erfasste Käufe in der Liga, 85 Prozent davon über Listenpreis, ein mittlerer Aufschlag von rund 18 Prozent. Es hat meine Gebote das ganze Turnier über leise mitbestimmt. Aber ich habe nie eine Bewertung dafür gebaut, also weiß niemand, ich eingeschlossen, wie gut es tatsächlich war. Das Muster verdient einen Namen, denn es ist die schärfste Lehre dieses Abschnitts: Die beiden Teilsysteme, die bewertet wurden, wurden unerbittlich besser; das eine, das nicht bewertet wurde, wurde still ignoriert. Öffentliche Bewertung zieht die Aufmerksamkeit zu sich. Das ist ihre Kraft — und zugleich eine Schieflage, die man im Griff behalten muss.

Was es eingebracht hat

Die wörtliche Antwort: einen Fantasy-Ligatitel. 654 Punkte, 104 Vorsprung auf Platz zwei, Platz eins an jedem Kontrollpunkt, den diese Serie veröffentlicht hat. Mein Abstand zu Platz zwei bei jeder Runde, in der ich ihn veröffentlicht habe: 11 Punkte nach der Vorrunde, runter auf 5 nach dem Sechzehntelfinale — enger wurde es nie — dann 55, dann 95 und 104 beim Schlusspfiff. In den K.-o.-Runden ist es aufgegangen, weil mein Kader weiterspielte, während die Spieler anderer Kader nach Hause fuhren. Am Ende auch Erster beim Kaderwert. Was das in Geld wert ist: nichts Erwähnenswertes. Angeberpunkte in einer Liga mit elf Managern — eine Währung, die ich gerne nehme.

Die eigentliche Antwort hat drei Teile.

Ein Regelwerk, das das Turnier überdauert. Das System beendet die WM mit einem geschriebenen, getesteten, selbst verfassten Betriebshandbuch: Konfidenzzonen, die an Wettpreise gekoppelt sind; Sonderbehandlung für ultradefensive Gegner und müde Beine; harte Prüfungen, dass ein Tipp in einem lesbaren Format geschrieben ist, bevor er zählt; Aufstellungs-Obergrenzen für die späten K.-o.-Runden; eine Doktrin, verlorene Münzwürfe ohne Panik hinzunehmen; und eine Ehrlichkeitsregel — bleib innerhalb von fünf Prozentpunkten um den Wettmarkt, oder begründe die Abweichung schriftlich. In Businesskleidung ist das genau das Dokument, das jedes Team führen sollte, das ein Modell betreibt: wann man ihm traut, wann man es überstimmt und was einen dazu bringen würde, es abzuschalten. Die eigene Schlussnotiz markiert die Datei als mitzunehmendes Wissen für die Ligasaison, die als Nächstes ansteht. Das Turnier ist vorbei; die Regeln, die es bezahlt hat, sind es nicht.

Ein Satz Engineering-Lehren, die nichts mit Fußball zu tun hatten. Teste die Pipeline, nicht den Patch. Stilles Scheitern ist das teure. Füttere jede Kennzahl mit einem perfekten Tag, bevor du nach ihr steuerst — simuliere dein bestmögliches Ergebnis und schau, in welche Richtung sich die Zahl bewegt. Reagiere auf Prozessfehler, nie auf Ergebnisrauschen — repariere kaputte Begründungen auch dann, wenn das Ergebnis gepasst hat, und lass saubere Begründungen in Ruhe, auch wenn das Ergebnis wehtat. Schreib die Abbruchlinie auf, bevor du sie brauchst — die 62-Prozent-Untergrenze hat mehr Disziplinarbeit geleistet als jedes Ziel je. Motte tote Kennzahlen öffentlich ein. Jede einzelne davon wurde mit einem konkreten, dokumentierten Fehler irgendwo in den acht Artikeln oben bezahlt.

Eine Bilanz. Nicht darüber, recht zu haben — darüber, überprüfbar zu sein. Hundertdrei Tipps und fast tausend Aufstellungs-Tipps, alle gegen Quellen bewertet, alle vor dem Ereignis veröffentlicht, die Fehltreffer lauter als die Treffer. Ich habe in genug Meetings gesessen, in denen die Qualität eines KI-Systems behauptet statt gezeigt wurde, um zu wissen, was so eine Bilanz wert ist.

War es also nützlich? Das ehrliche Urteil

Teil es so auf, wie sich das System aufteilt.

Die Hälfte mit den Spieltipps: Disziplin, kein Vorsprung. Zweiundsechzig Prozent Sieger klingt ordentlich, bis man die unbequeme Frage stellt, die diese Serie dir schuldet: Hätte es genauso gut funktioniert, einfach immer auf den Favoriten des Wettmarkts zu setzen? Für die Runden, in denen der Marktpreis als saubere Zahl neben jedem Tipp protokolliert ist — ab dem Viertelfinale, acht Tipps — lautet die Antwort schlicht ja: Das System war genau einmal anderer Meinung als der Marktfavorit, als es im Halbfinale ein Unentschieden gegen eine leichte Frankreich-Tendenz setzte, und dieser Tipp ging verloren. Die früheren Runden führten den Markt in der schriftlichen Begründung mit statt als saubere Zahl, aber das Muster liest sich dort genauso: Die Tipps lehnten sich dahin, wohin sich die Quoten lehnten. Sein Wert war nie ein Vorsprung gegenüber dem Markt. Sein Wert war, dass es sich gut benommen hat: kalibriert bleiben, falsche Sicherheit verweigern, Abweichungen dokumentieren, verlorenen Münzwürfen nicht hinterherlaufen. Das ist etwas wert — es hat verhindert, dass die auffällige Hälfte je die Tabellenposition abfackelt, die die leise Hälfte aufgebaut hat — aber ich würde ein System wie dieses nicht anheuern, um einen Wettmarkt zu schlagen, und diese Serie ist der Beleg dafür, warum.

Die Aufstellungs-Hälfte: echter Mehrwert, aus einem strukturellen Grund. Kein öffentlicher Markt, auf dem echtes Geld den Besitzer wechselt, bepreist, ob ein Comunio-relevanter Kaderspieler ein Vorrundenspiel von Beginn an macht — es gibt keine Menge von Profis mit eigenem Einsatz, deren Antwort man abschreiben könnte. Die Frage ist unbepreist, datenreich, wiederkehrend und bewertbar. Genau diese Form von Problem ist es, bei der ein KI-System, das unermüdlich täglich Hausaufgaben macht, sein Geld verdient — und 984 bewertete Tipps bei 81,8 Prozent mit gerader Kalibrierung sind, wie das aussieht. Die allgemeine Regel, die ich daraus mitnehme, und der übertragbarste Satz der ganzen Serie: Richte KI auf Fragen, die noch niemand bepreist, und bewerte alles. In einem Unternehmen sehen die unbepreisten Fragen so aus: Welcher Lieferant liefert nächsten Monat wirklich pünktlich? Welche Rechnungsposition ist vom angebotenen Preis abgewichen? Welche Maschine hat den nächsten ungeplanten Stillstand? Kein Markt beantwortet dir das — deine eigenen Daten können es. Wo ein Markt oder ein Expertenkonsens schon existiert, liegt die ehrliche Obergrenze meist bei „mit Disziplin gleichziehen”. Wo keiner existiert, ist das Feld offen.

Und unter beiden Hälften der leiseste, haltbarste Ertrag des Experiments: die Betriebsdisziplin selbst — öffentliche Noten, kritische Postmortems, Untergrenzen, Kalibrierungsprüfungen — würde die meisten Systeme verbessern, die ich in freier Wildbahn gesehen habe, mit oder ohne KI darin.

Was ich anders machen würde, und was ich dir sagen würde

Wenn ich das noch einmal machen würde, in dieser Reihenfolge:

1. Verifiziere die Grundwahrheit — das Protokoll dessen, was tatsächlich passiert ist — vom ersten Tag an, nicht erst ab der Runde, in der sie bricht. Gegen ungeprüfte Ist-Werte zu bewerten war das Gefährlichste, was das System getan hat, weil es alles Nachgelagerte stillschweigend vergiftet hat.
2. Scheitere laut, ab der ersten Zeile Code. Beide Format-Bugs waren überlebbar; teuer wurden sie durch ihre Stille. Ein Pipeline-Schritt, der schlechte Eingaben schluckt und ein saubereres Ergebnis produziert, ist eine Zeitbombe mit freundlichem Gesicht.
3. Schreib die Untergrenzen und die Abbruchkriterien vor der ersten Vorhersage auf. Die 62-Prozent-Untergrenze und die Zeilen zu „was mich aufhören lassen würde” haben mehr für die Ehrlichkeit getan als jede nachträgliche Reflexion, weil sie geschrieben wurden, bevor irgendwer wusste, ob sie eingehalten werden.
4. Erwarte den Wert in der langweiligen Hälfte. Die beeindruckend klingende Fähigkeit zog die ganze Aufmerksamkeit auf sich und lieferte Marktniveau; die unglamouröse zahlte jede Woche. In einem Unternehmen haben diese Hälften auch Namen: Die auffällige Hälfte ist die Demo, die ein Meeting beeindruckt; die langweilige ist der Rechnungsabgleich, die Liefertermin-Verfolgung, die Abstimmung, die niemand filmt. Verteile deine Aufmerksamkeit entsprechend.
5. Lass das System seine eigenen Postmortems schreiben — und lies sie dann gegen den Strich. Das Regelwerk funktioniert, weil es konkret und selbst verfasst ist; vertrauenswürdig ist es, weil ein skeptischer Mensch es erst nach Prüfung mitzeichnet, und weil zweimal in dieser Serie die richtige Antwort auf das Postmortem war, es abzulehnen.
6. Halte die Stichproben demütig. Eine K.-o.-Runde sind acht Spiele, dann vier, dann zwei, dann eins. Die halbe Disziplin dieser Serie bestand darin, an jede Zahl, die es verdient hatte, ein „und das heißt für sich genommen wenig” anzuhängen — auch an die schmeichelhaften.

Der letzte Eintrag in der Lehren-Datei des Systems handelt gar nicht mehr von Fußball. Er markiert das Regelwerk als Ausgangspunkt für die heimische Ligasaison — dieselbe Disziplin, dieselbe öffentliche Bewertung, eine längere Saison und ein Transfermarkt, der jede Woche des Jahres läuft. Die Punktetabelle wird zurückgesetzt; das Gelernte nicht. Genau darum ging es bei diesem ganzen Experiment im Stillen: eine WM im Tausch gegen einen Satz Regeln über Daten, Konfidenz und Ehrlichkeit, den ich noch lange benutzen werde, wenn das Spiel um Platz drei längst vergessen ist. Spanien ist Weltmeister, meine Ligatabelle sagt 654, und das wertvollste Artefakt des Turniers ist eine Textdatei voller Fehler mit angehängten Regeln. Diesen Tausch würde ich wieder machen — und wenn in deiner eigenen Arbeit eine wiederkehrende, überprüfbare, unbepreiste Frage herumliegt, wartet dort vielleicht derselbe Tausch auf dich. Du weißt, wo du mich findest.