Software Algorithmus sagt EM-Gewinner voraus

Forscher des KIT haben mit einem Algorithmus berechnet, wer mit größter Wahrscheinlichkeit Europameister wird. Der Algorithmus berechnet normalerweise die Abstammung von Lebewesen.

Anbieter zum Thema

SIKO GmbH

PEAK-System Technik GmbH

MicroControl GmbH & Co. KG

Karlsruher Institut für Technologie (KIT)

Derzeit fiebern viele bei der Fußball-Europameisterschaft mit – während ein Algorithmus längst errechnet hat, wer wahrscheinlich gewinnen wird. Demnach stehen sich im Finale vermutlich Frankreich und England gegenüberstehen, wobei England eine etwas höhere Chance hat, Europameister zu werden. Der Algorithmus stammt von Alexandros Stamatakis, Professor für High Performance Computing am Karlsruher Institut für Technologie (KIT).

Rekonstruktion von evolutionären Beziehungen ähnlich

Der Informatiker erklärt, wie das funktioniert: „Die Berechnung von Turniersiegern ähnelt den Algorithmen zur Rekonstruktion von evolutionären Beziehungen zwischen verschiedenen Arten in der Phylogenetik.“ Deshalb lassen sich Turnierverläufe mit ähnlichen Methoden wie Stammbäume berechnen. Die Phylogenetik beschäftigt sich mit der Erforschung von Abstammungen bei Lebewesen.

Gemeinsam mit seinem Doktoranden Ben Bettisworth hat Alexandros Stamatakis das neue Software-Tool „Phylourny“ entwickelt, um den Verlauf der K.-o.-Phase von Turnieren zu prognostizieren, und seine Funktion anhand der Fußball-EM 2021 demonstriert.

Turnierverläufe müssen nicht mehr simuliert werden

Hierzu haben die Forscher einen Algorithmus aus der Bioinformatik angepasst. Bettisworth erläutert: „Unser Ansatz zeichnet sich dadurch aus, dass wir viele mögliche Turnierverläufe nicht mehr langwierig und mit gewissen Abweichungen von den exakten Werten simulieren müssen, sondern den Turnierverlauf effizient und exakt berechnen können – immer bei gegebenen Gewinnwahrscheinlichkeiten.“

Neben besseren und schnelleren Vorhersagen könnte die Arbeit der Bioinformatiker künftig auch die Entwicklung neuer Methoden zur Berechnung von Gewinnwahrscheinlichkeiten ermöglichen. Die Forscher stellen ihre Software als Open-Source-Code zur Verfügung.

(ID:47481203)