Value-Wetten in der Formel 1: So erkennt man echten Quotenvorteil
Vor neun Jahren habe ich meinen ersten saisonübergreifenden Value-Test gestartet — 47 F1-Wetten, jede mit einer eigenen Modellquote, die ich mit dem Marktdurchschnitt verglichen habe. Am Ende der Saison stand ein Plus von 3,1 Einheiten. Nicht spektakulär, aber stabil. Genau diese Stabilität ist der Punkt, um den es bei Value-Wetten geht. Wer auf die Formel 1 setzt, ohne den Begriff Value zu verstehen, kauft im Grunde Lottoscheine zu sehr unterschiedlichen Preisen, ohne zu prüfen, welcher Preis fair ist.
In diesem Text zeige ich, wie ich Value in der F1 definiere, wie ich eine eigene Modellquote baue, woran ich Edge nach 20–30 Wetten erkenne und wie ein konkreter Fall aus der Saison 2026 aussieht. Es geht nicht um Geheimformeln, sondern um saubere Arithmetik, ein bisschen Disziplin und die Bereitschaft, die eigene Schätzung neben den Buchmacher zu legen.
Was eine Value-Wette in der F1 ausmacht
Value entsteht, wenn die eigene geschätzte Wahrscheinlichkeit höher ist als die Wahrscheinlichkeit, die in der Buchmacherquote steckt. Klingt trivial, ist es aber nicht — denn die meisten Tipper schätzen die eigene Wahrscheinlichkeit gar nicht, sie schätzen den Sieger.
Beispiel: Ein Buchmacher gibt für einen Sieger eine Quote von 4,00. Daraus folgt eine implizite Wahrscheinlichkeit von 25 Prozent (1 geteilt durch 4,00). Wenn ich nach Analyse von Streckenprofil, Qualifying, Reifenwahl und Wetter zur Überzeugung komme, dass dieser Fahrer mit 33 Prozent gewinnt, dann ist die Wette Value — und zwar +32 Prozent erwartete Rendite. Liege ich bei 20 Prozent, ist sie Negativ-Value, und ich sollte sie nicht spielen, auch wenn der Tipp sich „nach gutem Gefühl“ anfühlt.
In der Formel 1 ist diese Übung besonders unforgiving, weil die Quoten sehr scharf gerechnet sind. F1 macht nur 0,4 Prozent des globalen Betting-Handle aus, und die Marge auf Outright-Märkten liegt häufig bei 105–112 Prozent — das heißt, der Buchmacher zieht sich 5 bis 12 Prozent als Sicherheit ab, bevor man überhaupt anfängt zu rechnen. Nur mit einer eigenen, sauber kalibrierten Modellquote bekommt man eine Chance, diesen Aufschlag zu schlagen. Pole-to-Win-Konversion 2025 lag bei 70 Prozent, historisch nur bei 43,2 Prozent — solche Verschiebungen sind genau das Material, aus dem Value-Wetten gebaut werden.
Ein zweites Missverständnis: Value heißt nicht „ich denke, der gewinnt“. Value heißt „der Markt unterschätzt diesen Ausgang“. Diese Differenz ist die einzige Größe, die langfristig zählt.
Die eigene Modellquote aufstellen
Vor dem ersten Rennen 2026 habe ich für jeden Fahrer in der Sieger-Wette eine handgemachte Wahrscheinlichkeit notiert. Ohne Hexenwerk, mit fünf Spalten in einer Tabelle: Pace aus den Wintertests, Streckenprofil-Match, Qualifying-Erwartung, Reifenmanagement und Zuverlässigkeitsschätzung. Jeder Punkt von 0 bis 10. Am Ende habe ich die Punkte normalisiert, sodass die Summe aller Fahrer-Wahrscheinlichkeiten exakt 100 Prozent ergibt.
Das ist der unterschätzte Schritt. Wer nicht normalisiert, hat am Ende eine Tabelle, die 137 Prozent ergibt — und man weiß nicht mehr, wo man sich verschätzt hat. Mit einer normalisierten Tabelle dagegen kann ich Quotenfaktoren wie eine Skala lesen: Verstappen 22 Prozent, Norris 19 Prozent, Russell 14 Prozent, Antonelli 11 Prozent und so weiter. Sobald ich diese eigenen Zahlen mit den Marktquoten vergleiche, fallen Value-Kandidaten fast automatisch auf.
Der Head of Betting der Formel 1, Mark Wrigley, hat es im BlackBook-Motorsport-Interview so formuliert: F1 hat im Beziehungsfeld zwischen Sport und Wettsektor lange auf eine „transactional approach“ gesetzt, jetzt soll das Produkt aktiv weiterentwickelt werden. Übersetzt für uns als Wetter: Es kommen mehr Daten, mehr Märkte, mehr Bewegung — und damit mehr Stellen, an denen das Modell des Buchmachers mit dem eigenen Modell nicht übereinstimmt. Genau dort entsteht Value.
Wer keine Tabelle bauen will, kann mit einer abgespeckten Variante starten: drei Spalten — Pace, Strecken-Match, Risiko. Auch das schlägt jede Bauchentscheidung, weil es einen zwingt, die Wahrscheinlichkeiten zu summieren statt nur einen Favoriten zu picken.
Value-Kontrolle über 20–30 Wetten
Eine einzelne Value-Wette beweist gar nichts. Auch zehn Wetten kaum. Erst zwischen 20 und 30 Wetten ergibt sich ein Sample, in dem ich erkennen kann, ob mein Modell tatsächlich besser ist als der Markt — oder ob ich mir das nur einrede.
Mein eigener Workflow sieht so aus: Ich notiere für jede gespielte Wette die Quote, meine geschätzte Wahrscheinlichkeit, den theoretischen Edge in Prozent, das Ergebnis und am Ende den realisierten Gewinn oder Verlust. Nach 20 Wetten vergleiche ich den theoretisch erwarteten Gewinn (Summe aller Edges, multipliziert mit dem Einsatz) mit dem realen Saldo. Wenn beide Werte um mehr als 30 Prozent voneinander abweichen, stimmt entweder mein Modell nicht oder der Markt ist effizienter, als ich dachte.
Wichtig dabei: Die Bewertung erfolgt nicht über Bilanz, sondern über Closing Line Value — also den Vergleich der Quote, die ich gespielt habe, mit der finalen Quote kurz vor Rennstart. Wenn meine Quoten im Schnitt höher waren als die Schlussquoten, habe ich gegen den Markt gewonnen, auch wenn das Wochenende einzelner Wetten unglücklich lief. Mehr dazu in der Übersicht zum Lesen von F1-Quoten, wo Overround und implizite Wahrscheinlichkeit ausführlich erklärt sind.
Praktisch heißt das: Value-Tracking ist kein Luxus, sondern die einzige Möglichkeit, sich nicht selbst zu betrügen. Eine gute Saison kann auf Glück beruhen. Eine gute CLV-Bilanz beruht fast immer auf besserem Modellieren.
Fallbeispiel: McLaren-Quote 2026
Eines der lehrreichsten Beispiele aus der jungen Saison 2026 ist McLarens Konstrukteurs-Quote. Vor dem Saisonstart lag sie bei 11,00 — also implizit 9,1 Prozent Wahrscheinlichkeit, dass McLaren die Konstrukteurs-WM holt. Nach den ersten zwei Mercedes-Doppelsiegen explodierte die Quote auf 50,9, also eine implizite Wahrscheinlichkeit von nur noch 1,96 Prozent.
Das ist eine brutale Bewegung in nur zwei Rennwochenenden. Aber genau hier liegt die Frage für den Value-Wetter: War die neue Quote von 50,9 fair? Oder war sie eine Überreaktion?
Mein Modell hat damals McLarens reale Wahrscheinlichkeit auf etwa 6 Prozent geschätzt — basierend auf Pace-Daten, Updates-Pipeline und der historischen Erfahrung, dass eine Saison nicht nach zwei Rennen entschieden ist. Bei einer impliziten Marktwahrscheinlichkeit von 1,96 Prozent gegen meine 6 Prozent ergab sich ein theoretischer Edge von rund +200 Prozent. Klassische Value-Konstellation.
Ob das am Ende aufging, ist hier nicht der Punkt. Der Punkt ist: Ohne eine eigene Modellquote hätte ich die Wette als „verlorene Sache“ abgehakt — wie der Großteil des Marktes. Mit Modellquote wurde sie zum Pflichtkauf. So entstehen Edges in einem Sport, der pro Saison nur 24 Datenpunkte liefert.
Ein Hinweis zur Einsatzhöhe: Bei 200 Prozent Edge ist es trotzdem keine kluge Idee, ein Drittel der Bankroll zu setzen. Das Modell kann falsch sein, das Sample ist klein, die Varianz hoch. Eine Einsatzregel von 1–2 Prozent der Bankroll bleibt der Anker, auch wenn die Edge groß scheint. 63 Prozent aller Motor-Racing-Wettenden setzen ohnehin nur 1 bis 100 USD im Monat — wer hier mit Value-Disziplin arbeitet, ist über die Saison hinweg in einer ganz anderen Liga unterwegs als die Mehrheit.
Was Value-Wetten in der F1 wirklich von Glück trennt
Value-Wetten sind die einzige systematische Methode, die Buchmacher-Marge in der Formel 1 zu unterlaufen. Sie verlangen keine Insider-Informationen, kein teures Software-Setup und keine Dauerpräsenz im Paddock. Sie verlangen nur drei Dinge: eine eigene Modellquote, die Disziplin, sie nach jedem Rennen zu aktualisieren, und die Bereitschaft, eine Wette nicht zu spielen, wenn der Edge fehlt — auch wenn der Tipp emotional reizt.
Wer das durchhält, baut sich über 20–30 Wetten ein klares Bild davon, ob das eigene Modell den Markt schlagen kann. Wer es nicht durchhält, spielt am Ende doch wieder nach Bauchgefühl — nur mit dem Etikett „Value“ auf der Verpackung. Die Differenz zwischen beiden Welten ist klein, aber sie entscheidet, ob man sich in der F1-Wettlandschaft langfristig oder nur kurz amüsiert.
Fragen zu Value-Wetten in der F1
Wie viele Value-Wetten pro Saison sind realistisch in der F1?
Über eine F1-Saison mit 24 Rennen plus Sprints und Quali-Märkten halte ich 30 bis 60 echte Value-Kandidaten für realistisch. Mehr ist meist ein Zeichen dafür, dass das eigene Modell zu großzügig schätzt. Wer streng selektiert und nur Wetten mit klarem rechnerischem Edge spielt, landet eher bei 30.
Reicht eine subjektive Modellquote oder braucht man Daten-Tools?
Eine sauber strukturierte subjektive Modellquote in einer einfachen Tabelle reicht für die ersten ein bis zwei Saisons aus. Wichtig ist die Disziplin, jede Schätzung zu normalisieren und konsequent gegen die Schlussquote zu vergleichen. Datenbanken und Telemetrie-Tools werden erst dann interessant, wenn die manuelle Methode konsistente CLV-Plus-Werte liefert.
Ab welcher Edge-Grenze lohnt sich eine F1-Value-Wette?
Ein rechnerischer Edge von 5 bis 8 Prozent nach Wettsteuer ist die untere Grenze, unter der ich keine Wette mehr spiele, weil die Modellunsicherheit den Vorteil schnell auffressen kann. 10 bis 20 Prozent Edge sind in einer Übergangssaison wie 2026 regelmäßig zu finden, vor allem an Nischenmärkten wie H2H oder schnellster Runde. Alles über 30 Prozent Edge sollte man skeptisch prüfen — so große Lücken entstehen selten und deuten oft auf einen Fehler in der eigenen Schätzung hin.
Wie unterscheidet sich Value bei Outright- und Rennmärkten?
Outright-Märkte auf die WM haben strukturell höhere Margen, langsamere Quotenbewegungen und längere Zeithorizonte — hier lässt sich Value frühzeitig einloggen und über Wochen halten. Rennmärkte sind dagegen schneller, mit engeren Spreads, aber auch mit häufigeren kurzfristigen Fehlbewertungen durch Wetter, Aufstellung oder Freitags-Zeiten. Ein sauberer Value-Wetter arbeitet in beiden Segmenten, mit getrennter Modellqualität und getrennter Einsatzdisziplin.
Verfasst vom Team von „Wetten Formel 1”.
