Strokes Gained Analyse für Golf Wetten — Datenbasiert wetten mit SG-Statistiken

Strokes Gained — die Sprache der modernen Golfanalyse

Wer Golf Wetten mit Daten statt mit Bauchgefühl angeht, kommt an einer Metrik nicht vorbei: Strokes Gained. Entwickelt von Mark Broadie, Professor an der Columbia Business School, hat dieses Konzept die Art verändert, wie Golfleistung gemessen wird — und damit auch, wie informierte Wetter ihre Entscheidungen treffen. Strokes Gained ist die Sprache der modernen Golfanalyse, und wer sie nicht versteht, verpasst die Daten hinter dem Schwung.

Die Grundidee ist elegant: Statt nur zu zählen, wie viele Schläge ein Spieler braucht, misst Strokes Gained, wie viel besser oder schlechter jeder einzelne Schlag im Vergleich zum Felddurchschnitt ist. Ein Drive, der 300 Yards weit und mittig ins Fairway geht, bringt einen messbaren Vorteil gegenüber dem Durchschnittsspieler. Ein verfehlter Putt aus zwei Metern kostet messbare Anteile eines Schlages. Diese Granularität macht Strokes Gained zum mächtigsten Werkzeug in der Golf-Analytik.

Für Sportwetter ist die Relevanz direkt. Laut einer Analyse von Action Network und Data Golf ist Strokes Gained: Approach die vorhersagekräftigste Einzelkategorie für Turniererfolg auf der PGA Tour. Nicht das Putting, nicht die Abschlagweite — die Fähigkeit, den Ball präzise ins Grün zu spielen, trennt die Gewinner vom Rest des Feldes. Diese Erkenntnis verändert die Wettanalyse grundlegend.

„Der Großteil der täglichen Ergebnisvarianz eines Golfers ist unvorhersehbar. Die zentrale Herausforderung jedes Modells besteht darin, die wirklich prädiktiven Faktoren zu isolieren. Ein Basismodell, das auf dem gewichteten Durchschnitt vergangener relativer Ergebnisse — bereinigt um Feldstärke — basiert, ist erstaunlich schwer zu übertreffen.“ — Matt Courchene, Mitgründer, Data Golf

Courchenes Aussage ist wichtig, weil sie zwei Dinge gleichzeitig sagt: Erstens, Golf ist schwer zu modellieren. Zweitens, die Modelle, die funktionieren, basieren auf systematischen Leistungsdaten — und Strokes Gained ist die Grundlage dieser Daten. Dieser Artikel erklärt, wie die Metrik funktioniert, welche Kategorien für Wetter relevant sind und wie Sie SG-Daten konkret in Ihre Wettentscheidungen integrieren.

Was ist Strokes Gained? Die fünf Kategorien erklärt

Strokes Gained zerlegt die Leistung eines Golfers in fünf Teilbereiche. Jeder Teilbereich misst, wie viele Schläge ein Spieler im Vergleich zum Felddurchschnitt in einer bestimmten Phase des Spiels gewinnt oder verliert. Ein Wert von +1,0 bedeutet: Der Spieler gewinnt pro Runde einen Schlag gegenüber dem Feld in dieser Kategorie. Ein Wert von -0,5 bedeutet: Er verliert einen halben Schlag. Die Summe aller Kategorien ergibt Strokes Gained: Total — die umfassendste Einzelmetrik für Golfleistung.

SG: Off-the-Tee

Diese Kategorie misst die Qualität des Abschlags — des ersten Schlags auf jedem Loch. Dabei geht es nicht nur um Weite. Ein Spieler, der 320 Yards weit schlägt, aber regelmäßig im Rough landet, kann einen niedrigeren SG:OTT-Wert haben als ein Spieler, der 280 Yards weit und konstant ins Fairway spielt. Die Metrik berücksichtigt sowohl Distanz als auch Position: Wie weit hat der Spieler den Ball geschlagen, und wie gut ist die resultierende Lage im Vergleich zum Durchschnitt?

SG:Off-the-Tee ist besonders relevant auf langen, offenen Plätzen, wo fehlende Distanz nicht durch Präzision kompensiert werden kann. Auf engen, baumbewachsenen Plätzen verliert die Kategorie an Bedeutung, weil dort die Fairway-Trefferquote wichtiger ist als die reine Weite.

SG: Approach the Green

Die Annäherungsschläge — typischerweise Eisenschläge vom Fairway oder Rough auf das Grün. Diese Kategorie misst, wie nah ein Spieler den Ball ans Loch bringt, gemessen an der Ausgangsentfernung und der Lage. Ein Approach aus 180 Metern, der den Ball auf drei Meter ans Loch legt, ist ein exzellenter Schlag. Derselbe Schlag aus 90 Metern wäre durchschnittlich.

SG:Approach gilt unter Analysten als die wichtigste Einzelkategorie — dazu mehr im nächsten Abschnitt. Für das Verständnis der Systematik reicht hier: Approach-Schläge verbinden die Abschlagqualität mit der Birdie-Chance. Wer den Ball konsistent nah ans Loch spielt, braucht keine langen Putts zu versenken.

SG: Around the Green

Alles, was innerhalb von etwa 30 Metern zum Grün passiert, aber nicht auf dem Grün selbst: Chips, Pitches, Bunker-Schläge. Diese Kategorie misst die Fähigkeit, aus schwierigen Lagen — Bunker, hohes Gras, ungünstige Hanglagen — den Ball nah genug ans Loch zu bringen, um den Putt zu retten.

SG:Around the Green ist die am wenigsten diskutierte Kategorie, aber sie ist nicht unwichtig. Spieler, die regelmäßig Grüns verfehlen, aber hervorragend chippen, können das durch hohe SG:ATG-Werte kompensieren. Für Wetter ist die Kategorie besonders auf Plätzen relevant, die kleine, stark konturierte Grüns haben — dort werden selbst die besten Approach-Spieler häufiger das Grün verfehlen und auf ihr Kurzspiel angewiesen sein.

SG: Putting

Die Putting-Leistung, gemessen an der Distanz und dem erwarteten Ergebnis jedes Putts. Ein eingelochter Zehn-Meter-Putt bringt mehr SG:Putting als ein eingelochter Zwei-Meter-Putt, weil die Erwartung unterschiedlich ist. Umgekehrt kostet ein verfehlter Zwei-Meter-Putt mehr als ein verfehlter Zehn-Meter-Putt.

SG:Putting ist die Kategorie mit der höchsten Wochenvarianz. Ein Spieler kann in einer Woche den besten Putting-Wert der Tour haben und in der nächsten den schlechtesten. Das hat weitreichende Konsequenzen für Wetter, wie der folgende Abschnitt zeigt.

SG: Tee-to-Green

Die Summe aus SG:Off-the-Tee, SG:Approach und SG:Around the Green — also alles außer Putting. SG:Tee-to-Green ist keine eigenständige Messung, sondern eine Aggregation, die bewusst das Putting ausklammert. Und genau das macht sie für Wetter besonders wertvoll: Sie isoliert die beständigeren Leistungskomponenten von der volatilsten.

SG:Tee-to-Green vs. SG:Putting — warum Ball-Strikers gewinnen

Hier wird es für Wetter konkret. Wenn Sie nur eine einzige Erkenntnis aus diesem Artikel mitnehmen, dann diese: Strokes Gained: Tee-to-Green ist ein deutlich besserer Prädiktor für zukünftige Turnierergebnisse als Strokes Gained: Putting. Die Daten von Action Network und Data Golf zeigen das konsistent über mehrere Jahre und Tausende von Turnieren.

Der Grund ist statistischer Natur. SG:Tee-to-Green misst Fähigkeiten, die relativ stabil sind: die Qualität des Schwungs, die Fähigkeit, den Ball gerade und weit zu schlagen, die Präzision bei Annäherungsschlägen. Diese Fähigkeiten verändern sich über Wochen und Monate, nicht über Tage. Ein Spieler, der in den letzten zehn Turnieren einen SG:TTG-Wert von +2,0 hatte, wird auch im nächsten Turnier wahrscheinlich einen positiven Wert haben.

SG:Putting dagegen ist volatil. Die Korrelation zwischen dem Putting-Wert eines Spielers in einer Woche und seinem Putting-Wert in der Folgewoche ist schwach. Ein Spieler kann drei Wochen lang überragend putten und dann zwei Wochen lang Durchschnitt liefern, ohne dass sich an seiner Technik etwas geändert hat. Putting ist zu einem erheblichen Teil von Faktoren abhängig, die sich der Kontrolle des Spielers entziehen: Grüngeschwindigkeit, Kornrichtung des Grases, minimale Unebenheiten, die kein Auge erkennt.

Was das für Wetten bedeutet

Die Konsequenz für die Wettanalyse ist klar: Bevorzugen Sie Spieler mit hohen SG:Tee-to-Green-Werten gegenüber Spielern, die ihre Ergebnisse hauptsächlich durch starkes Putting erzielen. Der Ball-Striker, der konstant gut vom Tee und ins Grün spielt, aber durchschnittlich puttet, ist langfristig die bessere Wette als der durchschnittliche Ball-Striker, der gerade eine heiße Putting-Phase hat.

Das klingt kontraintuitiv, weil das Leaderboard die Wahrheit zu verschleiern scheint. Wenn ein Spieler mit schwachem Ballstriking aber heißem Putter das Turnier anführt, ist sein Ergebnis real — aber nicht nachhaltig. Die Wahrscheinlichkeit, dass er vier Tage lang überdurchschnittlich puttet, sinkt mit jeder Runde. Der Ball-Striker hingegen, der gerade schlecht puttet und deshalb im Mittelfeld steht, hat eine höhere Wahrscheinlichkeit, dass sich sein Putting zur Mitte korrigiert — und dann seine starke Grundleistung im Ergebnis sichtbar wird.

Dieses Prinzip der Regression zum Mittelwert ist im Golf stärker als in fast jedem anderen Sport, weil die Stichprobengröße innerhalb eines Turniers so klein ist. Ein Golfer schlägt in einer Runde vielleicht 28 Putts. Das sind 28 Datenpunkte — viel zu wenig, um zu beurteilen, ob jemand tatsächlich besser puttet als sonst oder einfach Glück hatte. 14 Drives und 14 Approach-Schläge sind ebenfalls wenige Datenpunkte, aber die zugrundeliegende Fähigkeit ist stabiler, weshalb auch kleine Stichproben informativer sind.

Der praktische Filter

Ein einfacher, aber effektiver Filter für Ihre Wettanalyse: Sortieren Sie das Feld vor dem Turnier nach SG:Tee-to-Green der letzten 24 bis 36 Runden. Die Top 20 in dieser Metrik sind Ihr Kandidatenpool. Innerhalb dieses Pools können Sie dann mit anderen Faktoren differenzieren — Platzerfahrung, aktuelle Form, Wetter, Tee-Times. Aber der erste Schritt ist immer der TTG-Filter. Spieler, die nicht zu den besten Ball-Strikern des Feldes gehören, brauchen einen sehr spezifischen Grund, um trotzdem gewettet zu werden.

SG:Approach — die vorhersagekräftigste Metrik

Innerhalb von SG:Tee-to-Green gibt es eine Unterkategorie, die alles andere übertrifft: Strokes Gained: Approach the Green. Die Daten zeigen, dass SG:Approach die beständigste und prädiktivste Einzelmetrik auf der PGA Tour ist — beständiger als SG:Off-the-Tee, beständiger als SG:Around the Green, und weit beständiger als SG:Putting.

Was macht Approach so besonders? Es ist die Schnittstelle zwischen Technik und Ergebnis. Ein guter Drive bringt den Ball in eine gute Position, aber erst der Approach-Schlag erzeugt die Birdie-Chance. Und die Qualität von Approach-Schlägen hängt von Fähigkeiten ab, die sich nicht über Nacht verändern: Distanzkontrolle mit langen Eisen, Flugbahnkontrolle bei Wind, die Fähigkeit, aus unterschiedlichen Lagen — Fairway, erstes Rough, zweites Rough — konsistent das Grün zu treffen.

Action Network beschreibt SG:Approach als die am stärksten selbstkorrelierende Metrik im Golf. Ein Spieler, der über 20 Runden hinweg exzellente Approach-Werte hat, wird auch in den nächsten 20 Runden mit hoher Wahrscheinlichkeit exzellente Approach-Werte haben. Diese Beständigkeit — im Fachjargon „stickiness“ — ist der Schlüssel für die Wettanalyse, denn sie erlaubt es, aus vergangenen Daten auf zukünftige Leistung zu schließen.

Der Kontext der PGA Tour 2026 unterstreicht die Bedeutung. Mit einem Gesamtprizefonds von 450 Millionen US-Dollar für die reguläre Saison und Playoffs, inklusive Signature Events zu je 20 Millionen US-Dollar laut BetMGM, ziehen die Turniere die besten Spieler der Welt an. In diesen Feldern der höchsten Dichte trennt SG:Approach die Spitze vom Rest — weil die Drives bei den Besten alle lang genug sind und das Putting bei allen schwankt, aber die Approach-Qualität konstant unterscheidet.

Für die praktische Wettanwendung heißt das: Wenn Sie zwischen zwei Spielern mit ähnlichen SG:Total-Werten wählen müssen, bevorzugen Sie denjenigen mit dem höheren SG:Approach. Wenn ein Spieler einen durchschnittlichen SG:Total hat, aber einen herausragenden SG:Approach-Wert, ist er wahrscheinlich besser als seine Gesamtzahlen vermuten lassen — sein Putting oder sein Kurzspiel hat ihn in den letzten Turnieren gebremst, aber das sind die volatileren Komponenten.

Strokes Gained und Course Fit: Die richtige Metrik für den richtigen Platz

Ein hoher SG:Tee-to-Green-Wert ist ein guter Ausgangspunkt, aber kein Universalschlüssel. Verschiedene Plätze stellen unterschiedliche Anforderungen, und die relative Bedeutung der SG-Kategorien verschiebt sich je nach Platzdesign erheblich. Wer die Daten hinter dem Schwung wirklich nutzen will, muss das Konzept des Course Fit verstehen.

Ein Beispiel: Augusta National, Heimat des Masters, ist ein Platz, auf dem Länge und Approach-Qualität die dominierenden Faktoren sind. Die Fairways sind breit, das Rough ist relativ mild, aber die Grüns sind extrem schnell und stark konturiert. Spieler mit hohem SG:Off-the-Tee und SG:Approach haben hier einen strukturellen Vorteil. SG:Around the Green ist weniger relevant, weil die Grüns so groß sind, dass die meisten Spieler sie in Regulation treffen.

Kontrast dazu: Harbour Town Golf Links, ein enger, baumbestandener Platz mit kleinen Grüns. Hier ist SG:Off-the-Tee in der Distanz-Dimension fast irrelevant — die Fairways sind so eng, dass maximale Weite ein Nachteil sein kann. Stattdessen dominieren Fairway-Trefferquote, SG:Approach (weil die Annäherungen aus verschiedenen Lagen erfolgen) und SG:Around the Green (weil die kleinen Grüns häufiger verfehlt werden).

Ein oft übersehener Aspekt: Putting macht rund 40 % aller Schläge in einer Golfrunde aus. Auf Plätzen mit besonders schwierigen Grüns — Augusta mit seinen extremen Konturen, TPC Sawgrass mit seinen blitzschnellen Bermuda-Grüns — kann SG:Putting kurzfristig einen stärkeren Einfluss auf das Ergebnis haben als auf Plätzen mit flacheren, langsameren Grüns. Das ändert nichts an der Tatsache, dass Putting von Woche zu Woche volatil bleibt — aber es bedeutet, dass auf bestimmten Plätzen ein guter Putter einen größeren Vorteil hat als anderswo.

Course Fit in der Praxis

Die praktische Umsetzung von Course Fit in der Wettanalyse folgt einem dreistufigen Prozess. Schritt eins: Identifizieren Sie die primären Anforderungen des Platzes. Ist es ein langer, offener Platz? Ein enger Platz? Ein Links-Platz mit Wind? Ein Platz mit extrem schwierigen Grüns? Schritt zwei: Gewichten Sie die SG-Kategorien entsprechend. Auf einem langen Platz zählt SG:Off-the-Tee mehr, auf einem engen Platz weniger. Schritt drei: Filtern Sie das Feld nach den gewichteten SG-Werten statt nach den ungewichteten Gesamtwerten.

Plattformen wie DataGolf bieten Course-Fit-Modelle an, die diese Gewichtung automatisch vornehmen. Sie analysieren historische Turnierdaten und ermitteln, welche SG-Kategorien auf welchem Platz den höchsten Erklärungswert haben. Für Wetter, die nicht selbst modellieren wollen, sind diese Tools der effizienteste Weg, Course Fit in die Analyse zu integrieren.

Praktische Anwendung: Spieler auswählen mit SG-Daten

Theorie ist die eine Sache. Die andere ist, am Dienstagabend vor einem Turnier eine konkrete Wettentscheidung zu treffen. Hier ist ein Workflow, der SG-Daten systematisch in den Auswahlprozess integriert.

Schritt 1: Den Kandidatenpool definieren

Beginnen Sie mit SG:Tee-to-Green als Primärfilter. Sortieren Sie das Feld nach den TTG-Werten der letzten 24 Runden (ungefähr sechs bis acht Turniere, je nach Teilnahmefrequenz). Die Top 20 bis 25 % des Feldes sind Ihr Kandidatenpool. Bei einem Feld von 156 Spielern sind das rund 30 bis 40 Spieler.

Warum 24 Runden? Weniger Runden erhöhen das Risiko, dass eine einzelne starke oder schwache Woche das Bild verzerrt. Mehr Runden verwässern die aktuelle Form mit Daten, die möglicherweise nicht mehr relevant sind — Spieler ändern ihre Ausrüstung, ihre Technik, ihre körperliche Verfassung. 24 Runden sind ein Kompromiss, der beides berücksichtigt.

Schritt 2: Course Fit anwenden

Innerhalb des Kandidatenpools gewichten Sie die SG-Kategorien nach den Platzanforderungen. Auf einem langen, offenen Platz priorisieren Sie Spieler mit hohem SG:Off-the-Tee und SG:Approach. Auf einem engen Platz priorisieren Sie SG:Approach und SG:Around the Green. Die Course-Fit-Modelle von DataGolf oder ähnlichen Plattformen liefern diese Gewichtung automatisch.

Schritt 3: Rauschen herausfiltern

Hier kommt ein oft übersehener Faktor ins Spiel: Wetterbedingungen als Störvariable. Eine Studie von Jowett und Phillips im International Journal of Biometeorology hat gezeigt, dass Wetterbedingungen über 44 % der Varianz in den Durchschnittsergebnissen beim US Masters erklären. Das bedeutet: Wenn Sie die SG-Werte eines Spielers der letzten Wochen betrachten, spiegeln diese nicht nur seine Fähigkeit wider, sondern auch die Bedingungen, unter denen er gespielt hat. Ein Spieler, der drei Turniere bei starkem Wind auf Links-Plätzen gespielt hat, hat möglicherweise schlechtere SG-Werte als ein Spieler, der drei Turniere bei Windstille auf Binnenplätzen absolviert hat — obwohl beide gleich gut spielen.

Die Lösung ist, wenn möglich, die SG-Daten mit den Wetterbedingungen zu korrelieren. DataGolf bietet eine feldstärkebereinigte Metrik, die Teile dieses Problems löst, aber die Wetterbereinigung ist noch ein offenes Feld. Im Zweifel gilt: Wenn ein Spieler in den letzten Wochen unter schwierigen Bedingungen gespielt hat und trotzdem solide SG:TTG-Werte zeigt, ist das ein stärkeres Signal als die gleichen Werte bei perfekten Bedingungen.

Schritt 4: Quoten vergleichen

„Strokes Gained: Approach und Strokes Gained: Off-the-Tee sind die beständigsten Metriken von Woche zu Woche, während Putting stark schwanken kann. Setzen Sie auf die besten Ball-Strikers und hoffen Sie, dass ihr Putting mitspielt — nicht umgekehrt.“ — Jason Sobel, Senior Golf Writer, Action Network

Nachdem Sie Ihren Kandidatenpool durch den SG-Filter, den Course-Fit-Filter und die Wetter-Bereinigung auf 10 bis 15 Spieler reduziert haben, kommt der letzte Schritt: der Quotenvergleich. Prüfen Sie, welche Quoten der Markt für diese Spieler anbietet. Sind die Quoten konsistent mit Ihrer Einschätzung? Gibt es Diskrepanzen — Spieler, die der Markt zu hoch oder zu niedrig bewertet? Genau dort liegt der Wert.

Ein Spieler, der in Ihrem Modell zu den Top 5 des Feldes gehört, aber vom Markt mit der Quote eines Top-20-Kandidaten bewertet wird, ist ein potenzieller Value Bet. Umgekehrt gilt: Wenn der Markt einen Spieler bereits als Mitfavoriten einpreist und Ihre SG-Analyse das bestätigt, gibt es keinen Vorteil. Sie suchen Diskrepanzen, nicht Bestätigungen.

Grenzen von Strokes Gained: Was die Zahlen nicht verraten

Strokes Gained ist das beste verfügbare Werkzeug zur Bewertung von Golfleistung — aber es ist kein perfektes Werkzeug. Wer die Grenzen nicht kennt, läuft Gefahr, den Zahlen mehr zu vertrauen, als sie verdienen.

Die erste Grenze ist die Stichprobengröße. SG-Werte basieren auf einer begrenzten Anzahl von Runden. Selbst 24 Runden — die empfohlene Mindestbasis — sind statistisch betrachtet eine kleine Stichprobe. Die Konfidenzintervalle sind breit. Wenn ein Spieler einen SG:Approach-Wert von +0,8 über 24 Runden hat, liegt sein „wahrer“ Wert mit 95 % Sicherheit irgendwo zwischen +0,3 und +1,3. Behandeln Sie SG-Werte als Schätzungen, nicht als Fakten.

Die zweite Grenze ist die fehlende Kontextualisierung. SG-Werte sagen nichts über die mentale Verfassung eines Spielers, seine körperliche Gesundheit, seine Motivation oder seinen Lebenskontext. Ein Spieler, der gerade Vater geworden ist, eine Verletzung auskuriert oder einen Trainerwechsel vollzogen hat, ist in den SG-Daten unsichtbar — bis die Veränderung sich in den Ergebnissen zeigt. Zu diesem Zeitpunkt sind die Daten bereits hinterher.

Die dritte Grenze betrifft die Datenverfügbarkeit. Detaillierte SG-Daten sind primär für die PGA Tour verfügbar. Die DP World Tour und LIV Golf bieten weniger granulare Daten, und für kleinere Touren (Korn Ferry, Challenge Tour) existieren sie teilweise gar nicht. Wenn Sie auf Turniere wetten, für die keine SG-Daten vorliegen, müssen Sie auf andere Metriken ausweichen — Weltranglistenpunkte, historische Platzergebnisse, allgemeine Formkurven.

Und die vierte Grenze: SG misst Vergangenheit, nicht Zukunft. Die Metrik sagt, wie gut ein Spieler war, nicht wie gut er sein wird. Der prädiktive Wert von SG:TTG und SG:Approach ist höher als der von SG:Putting, aber er ist nicht deterministisch. Golf bleibt ein Sport mit enormer Varianz, und selbst die besten Modelle auf Basis von Strokes Gained erklären nur einen Teil der Ergebnisvarianz. Der Rest ist Rauschen — Wetter, Tagesform, Glück, Pech.

Fazit: Strokes Gained als Wettvorteil

Strokes Gained hat die Golfanalyse revolutioniert, und für Sportwetter ist die Konsequenz eindeutig: Wer ohne SG-Daten wettet, verschenkt einen systematischen Vorteil. Die Daten hinter dem Schwung — SG:Tee-to-Green als Primärfilter, SG:Approach als stärkster Einzelindikator, Course Fit als kontextuelle Anpassung — bieten ein Rahmenwerk, das über Bauchgefühl und Namenserkennung hinausgeht.

Die Kernbotschaften dieses Artikels lassen sich auf drei Prinzipien verdichten. Erstens: Bevorzugen Sie Ball-Strikers gegenüber Puttern, weil Ballstriking beständiger ist. Zweitens: Passen Sie Ihre Analyse an den jeweiligen Platz an, weil nicht jede SG-Kategorie überall gleich wichtig ist. Drittens: Behandeln Sie SG-Daten als das, was sie sind — starke Indikatoren mit Grenzen, keine Kristallkugeln.

Die Werkzeuge sind zugänglich. DataGolf, die PGA Tour Statistics, Action Network — all diese Quellen liefern SG-Daten in einer Form, die auch ohne Statistikstudium nutzbar ist. Die Investition besteht nicht in Geld, sondern in Zeit: die Zeit, vor jedem Turnier die Daten zu prüfen, den Kandidatenpool zu filtern und die Quoten zu vergleichen. Wer diese Zeit investiert, hat einen Informationsvorsprung — nicht weil die Daten geheim sind, sondern weil die meisten Wetter sie nicht konsequent nutzen.