ICM von Grund auf: Wie Malmuth-Harville Chips in Dollar verwandelt

Chips an einem Final Table sind kein Geld – sie sind Lotterielose mit abnehmenden Erträgen. Hier ist der exakte Algorithmus, der einen Stack in einen Dollar-Betrag umwandelt, von Grund auf hergeleitet und mit realen Zahlen durchgespielt.

Jeder Tournament Player hat den Slogan gehört: „Deine Chips sind ihren Nennwert nicht wert.“ Er wird an Final Tables wie eine heilige Schrift wiederholt, meistens kurz bevor jemand einen schlechten Call macht und die Variance beschuldigt. Aber der Slogan ist keine Folklore – er ist ein Theorem. Es gibt einen exakten, berechenbaren Algorithmus, der einen Vektor von Stacks und eine Payout Structure nimmt und einen Dollar-Betrag für jeden Sitz zurückgibt. Dieser Algorithmus ist das Independent Chip Model, und die am weitesten verbreitete Version davon ist Malmuth-Harville.

Wenn Du ICM als Black Box verstehst – „der Calculator sagt fold“ – wirst Du die einfachen Spots richtig und die schwierigen Spots falsch spielen. Wenn Du es als Algorithmus verstehst, kannst Du es am Table rekonstruieren, antizipieren, wann es bricht, und genau wissen, warum der Chip Leader an einem Final Table ärmer ist, als sein Stack vermuten lässt, während der Short Stack reicher ist als seiner. Dieser Artikel leitet das Modell sauber her, zeigt ein konkretes Beispiel mit vier Spielern und expliziten Zahlen, vergleicht Malmuth-Harville mit seinem weniger bekannten Cousin Malmuth-Weitzman und zeigt dann, wo statisches ICM endet und Future Game Simulation beginnt.

Das Kernproblem: Chips sind nicht linear zum Geld

In einem Cash Game ist ein Chip ein Dollar. Stack EV und Money EV sind dasselbe, weshalb die Cash Game Strategie darauf reduziert wird, die pro Hand gewonnenen Chips zu maximieren. Turniere trennen diese Verbindung. Du kannst keine Chips auscashen; Du kannst nur Deine Finishing Position in eine Payout umwandeln. Und die Payout Structure ist konkav – der erste Platz zahlt viel weniger als der proportionale Wert aller im Spiel befindlichen Chips.

Konkret: In einer typischen Structure könnte der erste Platz 50 % des Prize Pools betragen, während der Spieler am Ende 100 % der Chips hält. Diese 50 Prozentpunkte der „fehlenden“ Equity sind nicht verschwunden – sie wurden proportional zu ihren Chancen, andere Spieler zu überdauern, an alle anderen auf dem Weg verteilt. Die ganze Aufgabe von ICM besteht darin, herauszufinden, wie ein fester Prize Pool unter den verbleibenden Spielern aufgeteilt wird, basierend nur auf ihren aktuellen Chip Counts.

Das Wort „Independent“ im Namen kennzeichnet die zentrale vereinfachende Annahme: ICM behandelt Finishing Probabilities so, als ob sie nur von den Chip Counts abhängen, wobei Position, Skill, Blind Level und zukünftiges Spiel ignoriert werden. Diese Annahme ist im Detail falsch und im Ganzen nützlich – mehr dazu, wenn wir zu FGS kommen.

Das Malmuth-Harville Modell

Malmuth-Harville basiert auf einem einzigen, klaren Axiom:

Die Wahrscheinlichkeit, dass ein bestimmter Spieler den ersten Platz belegt, entspricht seinem Anteil an den gesamten im Spiel befindlichen Chips.

Wenn Spieler i Stack \(s_i\) hält und die gesamten im Spiel befindlichen Chips \(T\) sind, dann gilt:

\[P(i \text{ finishes 1st}) = \dfrac{s_i}{T}\]

Das ist der gesamte Motor. Alles andere ist Buchführung.

Der elegante Teil ist, wie es mit niedrigeren Finishing Positions umgeht. Sobald feststeht, wer den ersten Platz belegt, werden dieser Spieler und seine Chips aus der Betrachtung genommen, und Du stellst die gleiche Frage dem verbleibenden Feld mit den verbleibenden Chips. Die Wahrscheinlichkeit, dass Spieler j den zweiten Platz belegt, ist die Wahrscheinlichkeit, dass jemand anderes den ersten Platz belegt, multipliziert mit der Wahrscheinlichkeit, dass j „gewinnt“ das Sub-Tournament unter den Überlebenden.

Formal ist die Wahrscheinlichkeit, dass j den zweiten Platz belegt, eine Summe über jeden möglichen Erstplatzierten k (mit k ≠ j):

\[P(j \text{ is 2nd}) = \sum_{k \neq j} P(k \text{ is 1st}) \cdot \dfrac{s_j}{T - s_k}\]

Lies das sorgfältig. Unter der Bedingung, dass k den ersten Platz belegt, verlassen ks Chips den Pool, die neue Gesamtmenge ist \(T - s_k\), und innerhalb dieses reduzierten Feldes belegt Spieler j „ersten“ Platz (d.h. zweiten insgesamt) mit der Wahrscheinlichkeit \(s_j / (T - s_k)\). Summiere über jede Art, wie der erste Platz besetzt werden könnte, und Du hast js exakte Zweitplatz-Wahrscheinlichkeit.

Der dritte Platz rekursiert eine Ebene tiefer: Summiere über alle geordneten Paare von (1. und 2.) Platzierten, entferne beide Stacks und berechne js Anteil an den verbleibenden Chips. Im Allgemeinen listest Du die Finish Orders auf, gewichtest jede Order mit ihrer Malmuth-Harville-Wahrscheinlichkeit und akkumulierst. Für n verbleibende Spieler gibt es n! Orderings – trivial für einen Final Table von neun Spielern (362.880 Orders, Millisekunden Rechenzeit), weshalb ICM an einem echten Final Table exakt und nicht annähernd ist.

Deine Dollar Equity

Sobald Du die vollständige Finish Distribution hast – für jeden Spieler die Wahrscheinlichkeit, 1., 2., 3. usw. zu werden – ist die Umrechnung in Geld ein Skalarprodukt. Sei \(\text{pay}[r]\) die Payout für die Finishing Position r. Dann gilt:

\[\text{EV}(i) = \sum_r P(i \text{ finishes in position } r) \cdot \text{pay}[r]\]

Diese einzelne Zeile ist das Hauptergebnis des Modells: Deine Tournament Equity in Dollar ist die Summe, über jede Finishing Position, der Wahrscheinlichkeit, dass Du dort landest, multipliziert mit dem, was diese Position zahlt. ICM ist nichts weiter als eine prinzipielle Methode, diese Wahrscheinlichkeiten zu berechnen.

Ein konkretes Vier-Spieler-Beispiel

Theorie lässt sich besser anhand von Zahlen verinnerlichen. Vier Spieler sind noch übrig. Stacks und ein Prize Pool von 10.000 $ werden 50 / 30 / 15 / 5 ausgezahlt:

| Spieler | Stack | Chip-Anteil | Payout für diesen Platz | |---|---|---|---| | A | 5.000 | 50% | 1. = 5.000 $ | | B | 3.000 | 30% | 2. = 3.000 $ | | C | 1.500 | 15% | 3. = 1.500 $ | | D | 500 | 5% | 4. = 500 $ | | Gesamt | 10.000 | 100% | Pool = 10.000 $ |

Beachte die bewusste Falle in diesem Setup: Die Payouts (50/30/15/5) spiegeln exakt die Chip Shares (50/30/15/5) wider. Wären Chips linear zum Geld, würde der $EV jedes Spielers seinen Chip-Anteil-Dollar entsprechen: A = 5.000 $, B = 3.000 $, C = 1.500 $, D = 500 $. ICM wird zeigen, dass nichts davon zutrifft.

Schritt 1 — P(1.) ist einfach der Chip-Anteil

Direkt aus dem Axiom, und es summiert sich genau zu 1:

(0,5000 + 0,3000 + 0,1500 + 0,0500 = 1,0000.) ✓

Schritt 2 — Ein durchgerechneter Zweig von P(2.)

Berechnen wir P(D wird 2.) von Hand, indem wir über alle möglichen Erstplatzierten summieren:

Summe: 0,05000 + 0,02143 + 0,00882 = 0,08025. D, der 5 % der Chips hält, belegt also etwa 8 % der Zeit den zweiten Platz. Dieselbe Rekursion, auf jeden Spieler angewendet (hier berechnet durch vollständige Enumeration aller 24 Orderings), ergibt die vollständige Finish Distribution unten. Die Spalte für den 1. Platz ist exakt nach Axiom; die Spalten für den 2./3./4. Platz sind die korrekte Malmuth-Harville-Rekursion, gerundet:

| Spieler | P(1.) | P(2.) | P(3.) | P(4.) | |---|---|---|---|---| | A | 0,5000 | 0,3288 | 0,1456 | 0,0255 | | B | 0,3000 | 0,3687 | 0,2613 | 0,0699 | | C | 0,1500 | 0,2222 | 0,4197 | 0,2081 | | D | 0,0500 | 0,0803 | 0,1733 | 0,6965 |

Jede Reihe summiert sich zu 1,0, und jede Spalte summiert sich zu 1,0 – beides sind Plausibilitätsprüfungen, die das Modell bestehen muss. Beachte, wie der Short Stack D mit überwältigender Wahrscheinlichkeit zuerst bustet (69,65 %), aber nicht mehr garantiert: Das Überleben ist bis zum Schluss probabilistisch.

Schritt 3 — Umrechnung in Dollar

Multipliziere die Finish Distribution jedes Spielers mit dem Payout-Vektor [5000, 3000, 1500, 500]:

| Spieler | Chip-Anteil | „Chip-Equity“ $ (linear) | ICM $EV | Delta vs Chips | |---|---|---|---|---| | A | 50% | 5.000 $ | 3.717,74 $ | −1.282,26 $ | | B | 30% | 3.000 $ | 3.033,17 $ | +33,17 $ | | C | 15% | 1.500 $ | 2.150,19 $ | +650,19 $ | | D | 5% | 500 $ | 1.098,89 $ | +598,89 $ | | Gesamt | 100% | 10.000 $ | 10.000,00 $ | 0 |

Die Dollars summieren sich wieder zum gesamten 10.000 $-Prize Pool auf – Equity bleibt erhalten, wird niemals erzeugt oder zerstört. Das ist der Kern des gesamten Modells, in einfachen Zahlen ausgedrückt:

Dies ist keine Eigenart dieser speziellen Stacks; es ist strukturell bedingt. Die Konkavität der Payout Ladder plus die Tatsache, dass selbst ein 1-Chip-Stack irgendeine Finishing Position garantiert, bedeutet, dass Short Stacks systematisch im Verhältnis zu Chips überbewertet und Big Stacks systematisch unterbewertet werden. Jeder wird „zur Mitte“ der Bezahlschema gezogen.

Warum das Deine Spielweise verändert

Die praktische Konsequenz lässt sich in einem Satz zusammenfassen: Risikoprämie. Weil Deine zuletzt verlorenen Chips (in $) mehr wert sind als Deine nächsten gewonnenen Chips, steigt die Breakeven Equity für einen Stack-off über den naiven Chip-EV-Breakeven hinaus. Ein Spot, der ein klarer Chip-EV Call ist, kann ein klarer ICM fold sein.

Betrachte die Situation des Leaders A durch die obige Brille: A, der Chips gegen einen Medium Stack riskiert, setzt Dollars zu einem ungünstigen Wechselkurs ein – A zahlt die vollen marginalen Chip-Kosten bei Verlusten, erhält aber einen diskontierten marginalen Chip Value bei Gewinnen, weil ein Double Up As Geld nicht verdoppelt (A ist bereits nahe am oberen Ende der Kurve). Der Short Stack D hingegen hat eine geringe Risikoprämie gegenüber den größeren Stacks: Ds Chips sind günstig zu riskieren, da Ds Downside klein und durch die Laddering Equity gut kompensiert wird. Dies ist das mathematische Rückgrat von „Big Stacks sollten bullyen, aber nicht gegen den anderen Big Stack“ und „ICM Pressure trifft die Medium Stacks am härtesten“ – die Medium Stacks haben die meiste Ladder Equity zu verlieren und am wenigsten zu gewinnen.

Das musst Du nicht von Hand schätzen. Gib die Stacks und Payouts in den shadepoker's ICM Rechner ein, lies den $EV jedes Sitzes ab, und die Risikoprämie für jede gegebene Konfrontation ergibt sich aus dem Vergleich der Dollar Equity vor/nach dem Gewinn versus Busting. Dieser Dollar-Swing vor vs. nach – nicht der Chip Swing – ist die Zahl, gegen die Deine River-Entscheidung bepreist werden sollte.

Malmuth-Harville vs. Malmuth-Weitzman

Malmuth-Harville ist der Standard in praktisch jedem kommerziellen ICM-Tool, aber es ist nicht das einzige Finish-Order-Modell. Malmuth-Weitzman beantwortet dieselbe Frage – gegeben die Chip Counts, wie ist die Finish Distribution – mit einer anderen Konditionierungsregel.

Der Unterschied liegt in der Ableitung der niedrigeren Plätze. Harville baut die Distribution vorwärts auf: Lege fest, wer den ersten Platz belegt (Wahrscheinlichkeit = Chip Share), entferne diesen Spieler, rekursiere über die Überlebenden. Weitzman hingegen argumentiert von unten nach oben – modelliert die Wahrscheinlichkeit, als Letzter zu enden, als umgekehrt proportional zum Chip Stack, und rekursiert dann aufwärts durch die Eliminationsreihenfolge. Die beiden Modelle stimmen exakt bei P(1.) und im Zwei-Spieler-Fall überein, aber sie weisen den mittleren Finishing Positions in größeren Feldern leicht unterschiedliche Wahrscheinlichkeiten und damit leicht unterschiedliche Dollar Equities zu.

Welches ist „richtig“? Keines ist empirisch perfekt – beide sind Vereinfachungen eines realen Eliminationsprozesses, der von Blinds, Position und Skill abhängt. Harville gewann den Popularitätswettbewerb, weil seine Vorwärtsrekursion intuitiv, schnell ist und beobachteten Tournament-Daten akzeptabel gut entspricht. Weitzman neigt dazu, marginal pessimistischer für Big Stacks und marginal freundlicher zu Short Stacks zu sein als Harville. Die Meinungsverschiedenheit ist real, aber normalerweise gering im Verhältnis zum Modellierungsfehler, den beide gegenüber der Realität teilen. Für praktische Zwecke: Wisse, dass „ICM“ fast immer Malmuth-Harville bedeutet, wisse, dass Weitzman als prinzipielle Alternative existiert, und zerbrich Dir nicht den Kopf über die Unterschiede in der zweiten Dezimalstelle zwischen ihnen – sie werden von den Annahmen, die beide treffen, in den Schatten gestellt.

Über statisches ICM hinaus: Future Game Simulation

Hier ist die ehrliche Einschränkung. Statisches ICM geht davon aus, dass das Tournament ohne weiteres Spiel entschieden wird – als ob die Finish Distribution in dem Moment kristallisiert, in dem Du die Stacks einfrierst. Es enthält zwei Fiktionen:

  1. Keine zukünftigen Hände. Blinds steigen nicht, Antes leeren keine Stacks, niemand open-shoved in jemand anderen. Die Chips werden als feste Lotterie behandelt.
  2. Kein Skill. Jeder Spieler ist identisch. Ein Weltklasse-Reg und ein Freizeitspieler mit demselben Stack erhalten dieselbe Equity. Die Position relativ zum Button – ein massiver Short Stack Edge – ist für das Modell unsichtbar.

Diese Fiktionen spielen vor allem dann eine Rolle, wenn noch viel zukünftiges Spiel übrig ist: tiefere Stacks, große Blinds im Verhältnis zu den Stacks und ein Button, der sich mehrmals drehen wird, bevor jemand bustet. Statisches ICM bewertet diese Spots systematisch falsch, weil es die Positions- und Initiativevorteile ignoriert, die sich im nächsten Orbit ergeben.

Future Game Simulation (FGS) ist die Verfeinerung. Anstatt die Stacks einzufrieren, simuliert FGS die nächsten k Hände des Spiels – typischerweise ein kleiner Lookahead von ein bis vier Händen – unter Verwendung einer vereinfachten Strategie (oft ein Push/Fold- oder Solver-basiertes Modell) dafür, wie die Blinds umkämpft werden, und erst dann wendet es statisches ICM auf die resultierende Stack Distribution an. Im Grunde lässt FGS die Chips ein wenig „vorspielen“, bevor es sie in Dollar umwandelt, wodurch der Wert der Position und die Kosten des baldigen Postens der Blinds erfasst werden.

Der Vorteil: FGS belohnt das Halten der Position auf einem Short Stack, bestraft das bevorstehende Posten großer Blinds mit einem marginalen Holding und schränkt im Allgemeinen einige der härtesten ICM-Folds an Spots ein, an denen Du Deinen Skill und Deine Position nutzen kannst, bevor jemand eliminiert wird. Die Kosten sind Rechenaufwand und Modellierungskomplexität – die Simulation ist nur so gut wie die Strategie, die Du für diese zukünftigen Hände annimmst, und der Zustandsraum explodiert schnell mit der Lookahead-Tiefe, weshalb FGS-Tiefen flach gehalten werden. Stell Dir FGS als statisches ICM plus einen kurzen, prinzipientreuen Blick in den nächsten Orbit. Für Final-Table- und Bubble-Entscheidungen, bei denen das zukünftige Spiel dünn ist, ist statisches Malmuth-Harville bereits hervorragend; für tiefere Mid-Stage-Pay-Jump-Spots korrigiert FGS es bedeutsam.

Das Fazit

ICM ist keine Stimmung. Es ist ein konkreter Algorithmus: P(1.) entspricht dem Chip-Anteil, niedrigere Plätze folgen durch Entfernen der höher Platzierten und Rekursion, und Deine Dollar Equity ist die Finish Distribution, multipliziert mit der Payout Ladder. Wende es auf jeden Spot mit vier Spielern an, und die gleiche strukturelle Wahrheit wird jedes Mal sichtbar – der Chip Leader ist weniger wert als sein Stack, der Short Stack mehr, und die Medium Stacks sind diejenigen, die das Modell am stärksten unter Druck setzt.

Spieler, die dies verinnerlichen, „spielen nicht nur tight an der Bubble“. Sie bewerten jeden All-in gegen den Dollar-Swing statt gegen den Chip Swing, sie wissen, wann ihre Risikoprämie sie zum Gamblen befreit und wann sie sie fesselt, und sie verstehen genau, welche Annahmen des Modells kurz davor sind, zu brechen – was der Moment ist, sich stattdessen auf FGS oder reines Urteilsvermögen zu verlassen. Diese Lücke, zwischen der Behandlung von Chips als Geld und dem Wissen des genauen Wechselkurses, ist die Lücke zwischen Min-Cashing und Final-Table-Scoring. Gib einen echten Spot in den shadepoker's ICM Rechner ein, lies die Dollar Equities ab und beginne, die Umrechnung zur zweiten Natur zu machen.