# Statistische Analyse der Draft-Merkmale im Ranked League of Legends Eine datenbasierte Analyse von 805.000 Ranked-Spielen, die zeigt, wie Konter, Synergien und Meta zum Gewinnen beitragen. Canonical HTML: https://baronbuff.com/de/blog/features_weights/ Markdown URL: https://baronbuff.com/de/blog/features_weights.md Language: de ## Breadcrumbs - [Baron Buff](https://baronbuff.com/de/) - [Blog](https://baronbuff.com/de/blog/) - Statistische Analyse der Draft-Merkmale im Ranked League of Legends ## Page Content Forschung • 2. April 2026 • Baron Builder Diese Analyse untersuchte 805.355 Ranked-Spiele aus allen Regionen über die letzten vier Patches, entsprechend 8.052.743 Teilnehmerzeilen von Iron bis Challenger. Das Ziel war es, abzuschätzen, wie sieben Draft-bezogene Merkmale zur Siegesvorhersage beitrugen, unter Verwendung desselben statistischen Frameworks über Rollen, Ränge und Champions hinweg. Um lane-spezifische Effekte von breiteren Teamkompositions-Effekten zu trennen, wurden Konter- und Synergie-Variablen in Lane- und Cross-Lane-Komponenten aufgeteilt. Die rollenbasierte Analyse verwendete ein hierarchisches Mixed-Effects-Modell (GPBoost) mit dem Rang-Tier als Gruppierungsvariable. Die Champion-Analyse verwendete Ridge-regularisierte logistische Regression zur Stabilisierung der Koeffizientenschätzungen in kleineren Stichproben. Beide Analysen verwendeten 5-Fold Out-of-Fold Kreuzvalidierung auf Spielebene, um Datenlecks zu vermeiden. Die Ergebnisse werden in den Diagrammen und Tabellen unten angezeigt, filterbar nach Rolle und Rang: - Merkmalgewichte nach Rolle — gestapelte Balken und Datentabelle, gefiltert nach Rang - Merkmalgewichte nach Champion — gestapelte Balken und Datentabelle, gefiltert nach Rolle und Rang ## Was die Merkmale bedeuteten Goldvorsprung durch Lane-Konter maß die historische durchschnittliche Golddifferenz bei 15 Minuten zwischen dem gespielten Champion und dem Lane-Gegner. Lane-Konter-Siegrate maß die historische Siegesrate des gespielten Champions gegen den Lane-Gegner. Spielweiter Konter maß das aufsummierte Win-Rate-Delta zu 50% zwischen dem Champion des Spielers und jedem der vier gegnerischen Champions außerhalb der Lane. Game Synergy maß das aufsummierte Win-Rate-Delta zu 50% zwischen dem Champion des Spielers und den Champions des eigenen Teams, ohne den Bot-Lane-Partner, außer wo die Lane-Synergie direkt modelliert wurde. Meta bezog sich auf die Gesamt-Win-Rate des Champions für diese Rolle und diesen Rang. Lane Synergy WR galt nur für die Bot-Lane und maß die historische Siegesrate des ADC-Support-Duos. Lane Synergy Gold galt nur für die Bot-Lane und maß die kombinierte Golddifferenz bei 15 Minuten für das ADC–Support-Duo. ## Methodik Die Analyse verwendete eine logistische Linkfunktion (Bernoulli Logit), um die Siegeswahrscheinlichkeit als Funktion der sieben oben genannten standardisierten Draft-Merkmale zu modellieren, mit fünf Merkmalen für Nicht-Bot-Rollen und sieben für die Bot-Lane. "Standardisiert" bedeutet, dass alle Merkmale vor der Modellanpassung auf Mittelwert null und Einheitsvarianz skaliert wurden. Dadurch wurden die Koeffizienten direkt vergleichbar, obwohl die ursprünglichen Merkmale auf verschiedenen Skalen gemessen wurden. Die Merkmalwichtigkeit wurde quantifiziert, indem die Absolutwerte der standardisierten Koeffizienten normalisiert und jeweils als Prozentsatz der gesamten Effektgröße innerhalb des Modells ausgedrückt wurden. Für die rollenbasierte Analyse wurde pro Rolle ein hierarchisches Mixed-Effects-Modell mit GPBoost angepasst, wobei der Rang-Tier als Gruppierungsvariable für zufällige Achsenabschnitte und Steigungen diente. Die Champion-Analyse verwendete Ridge-regularisierte logistische Regression (L2-Strafe, C=1.0), um die Koeffizientenschätzungen bei kleineren Stichproben auf Champion-Ebene zu stabilisieren. Um Datenlecks zu vermeiden, verwendete die Analyse eine stratifizierte 5-Fold Out-of-Fold (OOF) Kreuzvalidierung auf Spielebene, wobei sichergestellt wurde, dass alle zehn Teilnehmer eines einzelnen Spiels demselben Fold zugewiesen wurden und so ein Informationsleck innerhalb des Spiels verhindert wurde. Bei der Berechnung von Features für Spiele eines bestimmten Folds wurden historische Statistiken nur aus den anderen vier Folds abgeleitet. P-Werte wurden auf Populationsebene mit cluster-robusten Standardfehlern berechnet, die nach Spiel gruppiert waren, um die Korrelation zwischen den zehn Teilnehmerzeilen innerhalb jedes Spiels zu berücksichtigen. ## Statistische Signifikanz und Merkmalkorrelation Die statistische Signifikanz wurde durch p-Werte berichtet. Ergebnisse wurden markiert als: - p Rolle | Goldvorsprung durch Lane-Konter | Lane Ctr WR | Game Ctr | Synergie | Meta | Lane Syn WR | Lane Syn Gold | Top | 19.8% | 7.7% | 20.3% | 12.2% | 40.0% | — | — | Dschungel | 6.4% | 4.5% | 23.9% | 15.9% | 49.3% | — | — | Mid | 11.6% | 10.2% | 18.5% | 16.9% | 42.9% | — | — | Bot | 1.8% | 9.4% | 26.2% | 16.8% | 27.0% | 15.6% | 3.3% | Support | 3.7% | 15.4% | 29.5% | 4.4% | 26.2% | 17.5% | 3.3% | ## Fazit ### Wie wichtig ist es, die Laning-Phase zu gewinnen? - Der Goldunterschied nach 15 Minuten war auf der Top-Lane ein relevantes Signal. Auf der Mid-Lane wurde sein Beitrag in höheren Rängen deutlicher. - Für ADC war dieselbe Kennzahl in diesem Modell nicht statistisch signifikant. Bei Support zeigte die Laning-Phase einen gewissen Beitrag, aber weniger als auf den Solo-Lanes. ### Wie wichtig ist es, einen Champion zu wählen, der zur Teamkomposition passt? - Insgesamt ist es für Mid-Laner und Jungler relevanter, aber auch für die anderen Lanes noch bedeutsam. - Ein gutes ADC + Support-Paar hat kaum Einfluss auf das Gewinnen der Laning-Phase, beeinflusst aber den Rest des Spiels erheblich. ### Wie relevant ist es, die gegnerischen Picks zu kontern? - Das Kontern deines Lane-Duells geht über die Laning-Phase hinaus, und der Einfluss von Lane-Kontern nach der Laning-Phase ist höher als währenddessen. - Auch Begegnungen mit Champions anderer Lanes hatten über Rollen und Ränge hinweg erhebliches Gewicht. In vielen Zellen war der spielweite Konter der größte Einzelfaktor. ### Was ist mit der Meta? - Im mittleren bis hohen Elo (Plat+) spielt die Meta für ADC kaum eine Rolle, ist aber für die anderen Rollen weiterhin relevant. - Meta wog in vielen niedrigen Rangzellen stärker und in großen Teilen von Gold und Platinum schwächer. Das Muster hing von der Rolle ab, daher würde eine einzige Regel pro Rang das Ergebnis überzeichnen. ### Ändert sich das oben Genannte von Champion zu Champion? - Die Schätzungen unterschieden sich stark zwischen Champions, und kleine Stichproben begrenzten belastbare Vergleiche. Katarina, LeBlanc und Kassadin waren Beispiele, bei denen die Laning-Kennzahl deutlich mehr Gewicht hatte als bei vielen anderen Champions. ## Warum Meta nicht in der Champion-Tabelle erscheint Meta erschien aus einem statistischen Grund nicht in der Champion-Tabelle. Wenn die Analyse auf eine einzelne Champion-Rolle-Rang-Gruppe beschränkt wurde, war die Meta-Win-Rate dieses Champions für jedes Game in der Gruppe derselbe Wert. Ein Merkmal, das nicht über Beobachtungen variiert, kann durch logistische Regression nicht geschätzt werden. Aus diesem Grund wurde der Beitrag von Meta zum Sieg in der Rollenanalyse erfasst, wo verschiedene Champions mit unterschiedlichen Meta-Win-Rates in derselben Gruppe erschienen, aber nicht in der Champion-Analyse. ## Bekannte Verzerrung Die Analyse identifizierte eine wichtige Verzerrung in der Rollenanalyse: Die Pick-Raten der Champions waren unausgeglichen. Populäre Champions trugen wesentlich mehr Daten bei als seltene Picks — in einigen Fällen bis zu 20-mal mehr. Infolgedessen wurden die Regressionen auf Rollenebene unverhältnismäßig von populären Champions beeinflusst. Die Champion-Analyse war von dieser spezifischen Verzerrung nicht betroffen, da jeder Champion unabhängig analysiert wurde. [← Startseite](https://baronbuff.com/de/) ## Machine-Readable References - [LLM index](https://baronbuff.com/llms.txt) - [Full LLM reference](https://baronbuff.com/llms-full.txt) - [Sitemap](https://baronbuff.com/sitemap.xml)