WANN SOLLTE DER VAR DEN SCHIEDSRICHTER ÜBERSTIMMEN?
Am 26. Juni 2026, im letzten Spieltag der WM-Gruppenphase, traf Iran in Seattle auf Ägypten. Die Autoren waren im Stadion. In der 93. Minute erzielte Shoja Khalilzadeh, was wie der Siegtreffer aussah, und das Schiedsrichterteam auf dem Platz wertete das Tor als regulär. Nach minutenlanger Beratung kippte der Videoassistent (VAR) die Entscheidung: Laut seiner 3D-Rekonstruktion hatte sich ein kleiner Teil des Fußes des Torschützen im Abseits befunden. Das Spiel endete unentschieden. Laut The Athletic hatte Iran noch eine Chance von 92 %, die K.-o.-Runde zu erreichen; die Ergebnisse des nächsten Tages drückten sie auf null.
Die Frage der Autoren ist einfach: Sollte eine sehr kleine Abseitsmarge, die der VAR meldet, genügen, um die Entscheidung des Schiedsrichters zu kippen?
Ein Bild ist 17 Zentimeter lang
Präzision auf dem Bildschirm ist nicht Präzision auf dem Platz. In einem Video mit 30 Bildern pro Sekunde bewegt sich ein Sportler, der mit 5 Metern pro Sekunde läuft, zwischen zwei aufeinanderfolgenden Bildern um etwa 17 Zentimeter. Schon eine leichte Unsicherheit über den genauen Moment, in dem der Ball gespielt wurde, kann mehr ausmachen als die Millimeter eines 3D-Modells.
Amir Ali Ahmadi von der Princeton University sowie Parsa und Radeen Alavi von der Algonquin Regional High School haben den Streit in ein Wahrscheinlichkeitsmodell übersetzt. Die wahre Marge, θ, ist der Abstand des Angreifers jenseits der Abseitslinie: positiv bedeutet Abseits. Der Schiedsrichter nimmt sie mit einem zufälligen Fehler der Streuung σ_H wahr, sagt aber nur Ja oder Nein. Der VAR misst eine Zahl, mit einem eigenen zufälligen Fehler der Streuung σ_AI. Beide Fehler werden als gaußverteilt und unabhängig angenommen.
Die √(2/π)-Regel
Die Autoren suchen dann die Marge, die das Beobachtete am wahrscheinlichsten macht – eine Entscheidung des Schiedsrichters und eine Zahl des VAR –, eine Methode namens Maximum-Likelihood. Sie beweisen, dass diese beste Schätzung immer existiert und eindeutig ist. Besser noch: Die endgültige Entscheidung erfordert überhaupt keine Rechnung, nur einen Vergleich mit einer Schwelle:
c = √(2/π) × σ_AI² / σ_H
Wenn die beiden uneins sind, kippt der VAR die Entscheidung des Schiedsrichters nur, wenn die von ihm gemessene Marge größer als c ist. Darunter bleibt die Entscheidung des Schiedsrichters bestehen. Die Zahl √(2/π), etwa 0,80, stammt aus der Glockenkurve selbst.
Nehmen wir einen Schiedsrichter, dessen typischer Fehler 10 cm beträgt, und einen VAR, dessen typischer Fehler 2 cm beträgt. Die Schwelle liegt bei 0,32 cm. Eine widersprechende VAR-Marge von 0,20 cm lässt die Entscheidung des Schiedsrichters stehen; eine von 0,50 cm kippt sie. Es reicht nicht, den Angreifer jenseits der Linie zu verorten: Der VAR muss ihn deutlich jenseits davon verorten.
Zwei Fehler, die nicht gleich schwer wiegen
Die Formel birgt eine Asymmetrie. Die Schwelle wächst mit dem Quadrat des Fehlers des VAR, ist aber nur umgekehrt proportional zu dem des Schiedsrichters: Verdoppelt sich der Fehler des VAR, vervierfacht sich die Schwelle; verdoppelt sich der des Schiedsrichters, halbiert sie sich nur. Ein ungenauerer VAR braucht stärkere Belege; ein ungenauerer Schiedsrichter lässt sich leichter überstimmen. Die Autoren führen die unterschiedlichen Potenzen auf die zwei Arten von Information zurück: eine Zahl beim VAR, bloß ein Vorzeichen beim Schiedsrichter.
Beides zu kombinieren, zahlt sich auch aus. Bei gleichen Fehlern von 2 cm und einer wahren Marge von 2 cm liegen der Schiedsrichter allein oder der VAR allein in 15,87 % der Fälle falsch; die kombinierte Regel in 9,70 %.
Das Modell kommt auch mit Verzerrungen zurecht. Ein Schiedsrichter, der dazu neigt, auf Abseits zu entscheiden, im Mittel um 5 cm, bekommt zwei verschiedene Schwellen: 0,20 cm, um eine Abseitsentscheidung zu kippen, 0,46 cm, um eine Entscheidung auf kein Abseits zu kippen. Und wenn der VAR selbst eine bekannte Verzerrung von 1 cm hat, kann das Urteil kippen, wenn man sie ignoriert.
Um die Regel anzuwenden, braucht man die vier Fehlerparameter. Der Artikel zeigt, wie man sie aus Kalibrierungsszenen schätzt, in denen die wahre Marge bekannt ist: ein einfacher Mittelwert und eine Streuung für den VAR und eine „Probit“-Anpassung für die Ja-Nein-Entscheidungen des Schiedsrichters.
Über das Spielfeld hinaus
Dieselbe Struktur taucht überall auf, wo ein Mensch ein Urteil fällt und eine Maschine eine Messung derselben Größe liefert: ein Arzt, der eine Läsion für gutartig oder bösartig hält, neben einem KI-Malignitätswert, ein Ingenieur, der ein Flugzeugteil freigibt, neben einem Wert für die Schwere eines Defekts, ein Fondsmanager neben der erwarteten Rendite eines Modells. Die Autoren schlagen vor, die tatsächliche Wirkung der Regel dort zu testen, wo die Kalibrierung einfach ist, etwa im Finanzwesen, in der medizinischen Bildgebung und auf Prognosemärkten.
Der Artikel ist als Lehrstück geschrieben, für Studierende im Grundstudium und fortgeschrittene Oberstufenschüler, die grundlegende Wahrscheinlichkeitsrechnung und Analysis kennen. Seine Parameter sind illustrativ: Kein echter Schiedsrichter und kein echtes VAR-System wurde kalibriert. Seine letzte Zeile gehört der Danksagung, in der die Autoren angeben, ChatGPT für Abbildungen, Korrekturlesen und Plausibilitätsprüfungen genutzt zu haben, „wobei sie ihre √(2/π)-Regel befolgten, um sicherzustellen, dass die KI ihr menschliches Urteil nicht umstieß“.
