Die Versprechen der künstlichen Intelligenz sind gewaltig: Von der Heilung von Krankheiten bis hin zur autonomen Programmierung komplexer Software scheint keine Aufgabe zu groß. Doch wenn es um die Vorhersage von Sportergebnissen in der englischen Premier League geht, zeigt sich ein überraschendes Bild. Eine neue Studie des Londoner KI-Start-ups General Reasoning belegt, dass selbst die fortschrittlichsten Modelle von Google, OpenAI und Anthropic kläglich scheitern, wenn sie echtes Geld auf Fußballspiele setzen müssten.

Die KellyBench-Studie: KI gegen die Realität

Unter dem Namen KellyBench veröffentlichte General Reasoning diese Woche einen Bericht, der die Grenzen aktueller Large Language Models (LLMs) aufzeigt. Die Forscher kreierten eine virtuelle Rekonstruktion der Premier League Saison 2023–24. Dabei wurden acht der weltweit führenden KI-Systeme mit detaillierten historischen Daten, Team-Statistiken und Informationen über vergangene Begegnungen gefüttert. Die Anweisung war klar: Entwickle ein Modell, das die Rendite maximiert und das Risiko durch kluges Wetten minimiert.

Das Ergebnis war für die Entwickler ernüchternd. Anstatt Gewinne einzufahren, verloren alle getesteten Modelle über den Zeitraum der Saison hinweg Geld. Dies deutet darauf hin, dass die Systeme zwar hervorragend darin sind, Muster in statischen Datensätzen zu erkennen, aber enorme Schwierigkeiten haben, die Dynamik und Unvorhersehbarkeit der realen Welt über längere Zeiträume hinweg zu analysieren.

xAI Grok als Schlusslicht

Besonders im Fokus der Kritik steht xAI Grok. Während Modelle wie GPT-4 von OpenAI oder Claude von Anthropic ebenfalls Verluste verzeichneten, schnitt Grok in der Simulation besonders schlecht ab. Dies ist insofern bemerkenswert, da xAI oft mit der Fähigkeit wirbt, durch die Integration von Echtzeitdaten eine aktuellere Sicht auf das Weltgeschehen zu haben. In der Praxis der Sportwetten half dieser vermeintliche Vorteil jedoch wenig. Die Studie unterstreicht, dass der Zugang zu massiven Datenmengen nicht automatisch zu einer besseren Entscheidungsfindung führt, wenn die zugrunde liegende Logik die Komplexität menschlicher Wettbewerbe nicht erfassen kann.

Die Kluft zwischen Code und Kontext

Warum versagen diese hochintelligenten Systeme bei einer Aufgabe, die viele menschliche Experten besser beherrschen? General Reasoning sieht das Hauptproblem in der Lücke zwischen spezialisierten Fähigkeiten und allgemeiner Problemlösungskompetenz. KI-Modelle haben in den letzten Jahren gigantische Sprünge beim Schreiben von Software-Code oder beim Bestehen akademischer Prüfungen gemacht. Doch diese Aufgaben finden in einer kontrollierten Umgebung mit klaren Regeln statt.

Ein Fußballspiel hingegen wird von Faktoren beeinflusst, die sich nur schwer in Zahlen fassen lassen: Die psychologische Verfassung eines Spielers, taktische Anpassungen während des Spiels oder schlichtes Pech. Die KI-Modelle neigen dazu, statistische Ausreißer falsch zu bewerten oder die Bedeutung historischer Daten für die unmittelbare Zukunft zu überschätzen.

Fazit für die Tech-Branche

Für uns bei IAExpertos.net zeigt dieser Bericht einmal mehr, dass wir uns noch in der Frühphase der KI-Entwicklung befinden. Die Fähigkeit einer KI, menschlich klingende Texte zu verfassen oder komplexe mathematische Probleme zu lösen, darf nicht mit echter Weltweisheit verwechselt werden. Für Unternehmen bedeutet dies: Vertrauen Sie KI-Modellen bei datengestützten Vorhersagen nicht blind, insbesondere wenn es um hochdynamische Märkte oder Ereignisse geht.

Die KellyBench-Studie ist ein wichtiger Weckruf für Entwickler, die Modelle nicht nur auf Wissen, sondern auf echtes Reasoning – also logisches Denken in unstrukturierten Umgebungen – zu trainieren. Bis dahin bleiben Sportwetten wohl eine Domäne, in der menschliches Bauchgefühl und spezialisierte Analysetools der generativen KI noch weit überlegen sind.