SAN FRANCISCO / LONDON (IT BOLTWISE) – RotoWire, OddsJam und OpticOdds greifen Swish Analytics in mehreren Gegenklagen an. Im Kern geht es um angeblich rechtswidrig abgegriffene Verletzungsdaten sowie um den Vorwurf, Wettbewerber über gemeinsame Algorithmen bei Wettlinien auszubremsen. Aus Sicht der Kläger summieren sich die Streitwerte auf mehr als 100 Millionen US-Dollar. Auch für europäische Anbieter wird damit sichtbar, wie sensibel Datenhoheit und Quoten-Logik im Echtzeitgeschäft sind.
Der Sportwetten-Datenmarkt in den USA befindet sich offenbar in einer neuen Eskalationsstufe: Was im Dezember 2024 mit einer Klage gegen mehrere Konkurrenten in Kalifornien startete, mündet nun in einen Schlagabtausch aus Gegenklagen. Swish Analytics hatte zuvor behauptet, dass andere Anbieter proprietäre Quoten- und Prognosedaten von Partnern wie FanDuel und bet365 unberechtigt übernommen hätten. In der aktuellen Runde drehen die Beklagten den Vorwurf um und stellen Swish ihrerseits als Datenabgreifer und Marktstörer dar. Besonders brisant: Der Streit betrifft nicht nur einzelne Datensätze, sondern die Art, wie Echtzeit-Informationen in Wettlinien übersetzt werden.
Im Zentrum der Auseinandersetzung stehen zwei technische und wirtschaftliche Achsen. Erstens geht es um Verletzungsdaten und die Frage, wer die Grundlage für sogenannte Player Prop Odds liefert, also Quoten für individuelle Leistungen von Athleten. RotoWire wirft Swish Analytics vor, über lange Zeit erarbeitete Informationen rechtswidrig aus einer Datenumgebung entnommen zu haben. In dem Kontext wird außerdem berichtet, dass RotoWire Swish im Jahr 2025 eine offizielle Lizenz angeboten habe, die jedoch mit dem Hinweis abgelehnt worden sei, man bearbeite die Daten intern. Unabhängig davon bezweifeln die Kläger, dass die Beschaffung wirklich über eigene Quellen erfolgte, wenn die Daten weiterhin über Webseiten und Abonnements abgegriffen worden sein sollen.
Zweitens verschiebt sich der Konflikt in Richtung Quoten-Mechanik und Marktverhalten. OddsJam und OpticOdds argumentieren, Swish kollidiere mit dem Cartwright Act von Kalifornien, weil das Unternehmen einem konkurrierenden Anbieter offenbar einen gemeinsamen Algorithmus bereitstelle, der die Wettlinien festlegt. Das Ergebnis wären dann nahezu identische Quoten über verschiedene Buchmacher hinweg – ein Muster, das in der Praxis weniger nach unabhängiger Preisbildung aussieht und eher wie koordinierte Entscheidungen wirkt. Genau hier setzt die eigentliche Marktwirkung an: Wenn viele Marktteilnehmer ähnliche oder dieselben Rechenwege für Wettlinien nutzen, sinkt der Spielraum für echte Differenzierung, und die Varianz der Angebote für Tipper reduziert sich.
Der technische Hintergrund dieser Vorwürfe ist schnell nachvollzogen: Moderne Sportwetten-Anbieter arbeiten häufig mit KI- oder regelbasierten Vorhersagemodellen, die in kurzen Zeitfenstern Datenströme in berechnete Linien überführen. Je aktueller Verletzungs- und Spielplaninformationen sind, desto größer ist der Einfluss auf Erwartungswerte, Risikokalkulation und letztlich die Marge. Genau deshalb wird im Fall immer wieder auf die wirtschaftliche Bedeutung von Echtzeit-Datenmodellen verwiesen. Wenn ein Marktteilnehmer glaubt, dass die entscheidenden Eingabedaten ohne belastbare Lizenzierung vervielfältigt werden, sinkt aus seiner Sicht der Anreiz, selbst in Datenerhebung und Modellpflege zu investieren; umgekehrt könnte die Gegenseite argumentieren, dass der Betrieb solcher Scraping-Mechanismen für den Aufbau von Prognosen effizienter sei als die Abhängigkeit von teuren Datenverträgen.
Swish Analytics hält nach den vorliegenden Angaben dagegen alle Anschuldigungen für unbegründet und hält an der ursprünglichen Klage gegen OddsJam und OpticOdds fest. Dabei geht es erneut um die Frage, wie viel „öffentlich zugängliche“ Information tatsächlich noch als Grundlage für geschützte Modelle und daraus abgeleitete Quoten verwendet werden darf. Gleichzeitig zeigt der Konflikt, wie eng in der Branche juristische Auseinandersetzungen und Datenengineering-Prozesse zusammenlaufen. In Stellenausschreibungen von Swish Analytics soll Web-Scraping sogar explizit als erforderliche Qualifikation genannt gewesen sein; solche Hinweise können im Streit über Rechtswidrigkeit und Kenntnisstand später eine entscheidende Rolle spielen. RotoWire formuliert den Standpunkt zudem mit deutlichen Worten: „Swish Analytics hat in unfairer Weise von unserer harten Arbeit profitiert, und wir haben geklagt, um sie zu stoppen. Wir nehmen die Integrität unserer Daten und unserer Plattform ernst und beabsichtigen, sie zu schützen.“
Für deutsche Marktteilnehmer ist der Fall vor allem deshalb relevant, weil er die Konsequenzen einer unklaren Datenhoheit und einer potenziell intransparenten Quotenlogik sichtbar macht. In Deutschland setzt der Glücksspielstaatsvertrag 2021 einen strengen Rahmen, überwacht durch die Gemeinsame Glücksspielbehörde der Länder. Wer auf der GGL-Whitelist wettet, kann sich laut Systemlogik darauf verlassen, dass Anbieter besondere Pflichten erfüllen – auch wenn Details zur konkreten Quellintegration oder zum Modelltraining nicht immer öffentlich aufgeschlüsselt sind. Genau solche Aspekte rücken in solchen US-Streitigkeiten jedoch in den Fokus: Wenn intransparentes Scraping oder koordiniertes Quoten-Fixing als Risiko für Integrität und Wettbewerb diskutiert wird, wird auch in Europa klar, warum Aufsicht und Dokumentationsfähigkeit für Betreiber strategisch werden.
Auch der Spieler- und Verbraucherschutz ist indirekt berührt, weil Daten- und Quotenmodelle die Grundlage jeder Einsatzentscheidung in der Praxis beeinflussen. Das LUGAS-System sieht in Deutschland ein monatliches Einzahlungslimit von 1.000 Euro vor; im Sportwetten-Umfeld existieren zudem Begrenzungen wie ein Einsatzlimit von 1 Euro pro Spin bei Slots. Zwar betreffen diese Regeln nicht direkt Algorithmen aus US-Gerichtsverfahren, aber sie zeigen, wie stark Regulierung in der EU auf kontrollierbare Rahmenbedingungen setzt. Für deutsche Casinos mit GGL-Lizenz bedeutet das im Kern: Zufallsgeneratoren und Quotenmodelle müssen nachvollziehbar und unabhängig arbeiten, und Datenquellen sollten so gestaltet sein, dass sie keine rechtlich riskanten Abhängigkeiten erzeugen. Der US-Datenkrieg wirkt damit wie ein Frühwarnsystem – nicht, weil jede Konstellation eins zu eins übertragbar wäre, sondern weil die Mechanik hinter Quoten immer auf überprüfbaren Eingaben und sauberen Prozessen beruht.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Datenkrieg im US-Sportwettenmarkt: RotoWire und OddsJam verklagen Swish Analytics" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Datenkrieg im US-Sportwettenmarkt: RotoWire und OddsJam verklagen Swish Analytics" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Datenkrieg im US-Sportwettenmarkt: RotoWire und OddsJam verklagen Swish Analytics« bei Google Deutschland suchen, bei Bing oder Google News!