Expected Assists (xA)

Was sind Expected Assists (xA) und wie unterscheiden sie sich von normalen Assists?

Expected Assists (xA, auf Deutsch: Erwartete Vorlagen) ist eine fortgeschrittene Fußballstatistik, die die Wahrscheinlichkeit misst, dass ein Pass oder eine Aktion zu einem Tor führt. Im Gegensatz zum klassischen Assist-Wert, der nur erfolgreiche Torvorlagen zählt, bewertet xA die Qualität jeder einzelnen Torchancen-Vorbereitung – unabhängig davon, ob der Schuss am Ende ins Tor geht oder nicht. Diese Metrik wurde entwickelt, um die kreative Leistung von Spielern genauer zu erfassen, indem sie nicht nur das Ergebnis, sondern die Qualität der Chance misst.

Ein Spieler mit hohem xA-Wert pro Spiel schafft regelmäßig hochwertige Torchancen für seine Mitspieler, auch wenn das Ergebnis manchmal nicht durch tatsächliche Assists sichtbar wird. Ein Mittelfeldspieler mit 0,30 xA pro Spiel ist ein wichtiger kreativer Faktor im Spielaufbau – unabhängig davon, wie viele offizielle Assists er hat. Diese Metrik ermöglicht eine genauere Bewertung von Spielern, die den klassischen Assist-Statistiken zufolge wenig, aber tatsächlich viel zur Offensivgefahr beitragen.

Warum Expected Assists normalen Assists überlegen ist

Traditionelle Assists haben ein fundamentales Problem: Sie sind stark vom Können des Schützen abhängig. Ein perfekter Pass, der der Stürmer knapp vorbeischießt, wird nicht als Assist gezählt, obwohl die Vorlage hochwertig war. Umgekehrt kann ein mittelmäßiger Pass zu einem Assist führen, wenn der Torschütze eine außergewöhnliche Leistung zeigt. xA löst dieses Problem, indem es die Qualität der Vorlage unabhängig vom Endergebnis misst.

Dies ist besonders wichtig bei der Bewertung von Mittelfeldern und Außenverteidigern, deren kreative Leistung durch traditionelle Assist-Statistiken oft unterbewertet wird. Mit xA können Analysten und Trainer genau sehen, wer die besten Chancen kreiert, unabhängig davon, wie effizient die Torschützen diese nutzen.

Wie wird der xA-Wert berechnet und welche Faktoren spielen eine Rolle?

Die Berechnungsmethodik von Expected Assists

Die Berechnung von xA basiert auf einem mathematischen Modell, das Millionen von historischen Schussversuchen analysiert. Das System funktioniert folgendermaßen: Jedes Mal, wenn ein Pass zu einem Schussversuch führt, wird dieser Schuss analysiert und erhält einen xG-Wert (Expected Goals), der die Wahrscheinlichkeit angibt, dass dieser Schuss ein Tor wird. Dieser xG-Wert wird dann dem Pass zugewiesen – das ist die xA des Passes.

Vereinfacht gesagt: Wenn ein Mittelfeldspieler einen Pass spielt, der zu einem Schuss mit einem xG-Wert von 0,15 führt, dann erhält dieser Pass einen xA-Wert von 0,15. Das bedeutet, dass dieser Pass in 15 von 100 ähnlichen Situationen zu einem Tor führen würde. Die Summe aller xA-Werte eines Spielers über ein Spiel oder eine Saison zeigt seine gesamte Chancenkreation.

Unterschiedliche Datenanbietern wie StatsBomb, Opta Sports und Wyscout verwenden leicht unterschiedliche Modelle, aber das Grundprinzip bleibt gleich: Historische Daten + aktuelle Spielsituation = Wahrscheinlichkeit für ein Tor.

Welche Faktoren beeinflussen den xA-Wert?

Der xA-Wert wird durch eine Vielzahl von Faktoren beeinflusst, die zusammen die Qualität einer Torchance bestimmen. Diese Faktoren sind wissenschaftlich erforscht und basieren auf historischen Daten von Tausenden von Spielen.

Besonders wichtig ist zu verstehen, dass xA nicht einfach nur die Entfernung zum Tor berücksichtigt. Ein Pass aus 8 Metern, der einen Spieler in eine schlechte Position bringt, hat ein anderes xA als ein Pass aus 12 Metern, der einen Spieler in optimaler Schussposition platziert. Die Modelle sind so sophisticated, dass sie sogar die Körperposition des Schützen und die Richtung des Passes berücksichtigen.

Woher kommt Expected Assists und wie hat sich die Metrik entwickelt?

Geschichte und Ursprung von Expected Assists

Expected Assists ist eine relativ junge Metrik, die aus der Entwicklung von Expected Goals (xG) hervorgegangen ist. Während xG bereits seit den 2010er Jahren von Analysten verwendet wurde, kam xA erst später hinzu. Die Logik war einfach: Wenn wir Torschüsse mit xG bewerten können, warum nicht auch die Pässe, die zu diesen Schüssen führen?

Die Pioniere dieser Metrik waren Datenanalytik-Unternehmen wie StatsBomb und später Wyscout, die erkannten, dass die traditionelle Assist-Statistik für eine moderne Spieleranalyse nicht ausreichend war. Anfang der 2020er Jahre wurde xA zunehmend in professionellen Fußballclubs verwendet, insbesondere bei englischen und deutschen Clubs, die früh in datengestützte Entscheidungsfindung investierten.

Der Durchbruch kam, als prominente Analysten wie die Macher von „Expected Goals, Expected Assists, Pressures, Carries, High Turnovers" von Sky Sports xA in ihre Berichterstattung integrierten. Dies machte die Metrik für ein breiteres Publikum zugänglich und führte dazu, dass sie heute in fast allen modernen Fußball-Analysen verwendet wird.

Evolution und Verbesserungen der xA-Modelle

Seit ihrer Einführung haben sich xA-Modelle erheblich verbessert. Die frühen Versionen waren relativ einfach und berücksichtigten nur wenige Faktoren. Moderne Modelle sind deutlich sophisticierter und nutzen Machine Learning, um Muster in historischen Daten zu erkennen, die menschliche Analysten übersehen würden.

Ein wichtiger Fortschritt war die Unterscheidung zwischen verschiedenen Arten von Vorlagen. Heutige Modelle trennen xA aus offenen Spielsituationen von xA aus Standardsituationen (Freistöße, Ecken), da diese völlig unterschiedliche Dynamiken haben. Ein Pass aus einem Freistoß hat ein anderes Chancenprofil als ein Pass aus dem offenen Spiel.

Ein weiterer Fortschritt ist die Einführung von „Progressive Assists" und anderen Kontextvariablen. Während xA misst, wie wahrscheinlich ein Pass zu einem Tor führt, können Analysten jetzt auch sehen, ob ein Pass das Spiel vorantreibt oder nur eine Seitenwärts-Sicherung ist.

Wie wird Expected Assists bei der Spieleranalyse angewendet?

Individuelle Spielerbewertung mit Expected Assists

Eine der wichtigsten Anwendungen von xA ist die Bewertung der individuellen Kreativität eines Spielers. Trainer und Scouts verwenden xA, um zu identifizieren, welche Spieler die besten Chancen kreieren, unabhängig davon, ob diese Chancen in Tore umgewandelt werden.

Ein klassisches Beispiel ist Neymar in der Saison 2020/21: Er hatte nur 5 offizielle Assists, aber einen xA-Wert von 6,1. Das bedeutet, dass Neymar tatsächlich hochwertige Chancen kreiert hatte, seine Mitspieler diese aber nicht optimal nutzen konnten. Dies zeigt, dass Neymar als Spieler produktiver war, als die Assist-Statistik suggeriert.

Umgekehrt gibt es Spieler, die mehr Assists haben als ihr xA suggeriert – das bedeutet, dass sie von besonders effizienten Torschützen profitieren. Diese Spieler sollten nicht überbewertet werden, da ihre Chancenkreation möglicherweise nicht so hochwertig ist, wie ihre Assist-Zahlen suggerieren.

xA pro 90 Minuten und faire Spielervergleiche

Um Spieler fair zu vergleichen, wird xA normalerweise auf 90 Minuten normalisiert (xA pro 90 oder xA/90). Dies ist wichtig, weil Spieler unterschiedlich viele Minuten spielen. Ein Spieler, der 30 Spiele à 90 Minuten absolviert, hat mehr Gelegenheiten, xA zu akkumulieren, als ein Spieler, der nur 15 Spiele spielt.

Typische xA/90-Werte für verschiedene Positionen:

• Außenverteidiger: 0,08–0,15 xA/90
• Offensives Mittelfeld: 0,15–0,30 xA/90
• Flügelstürmer: 0,12–0,25 xA/90
• Stürmer: 0,05–0,15 xA/90 (weniger Chancenkreation, mehr Torschuss-Fokus)
• Defensive Mittelfeldspieler: 0,05–0,12 xA/90

Spieler auf Elite-Niveau können Werte von über 0,35 xA/90 erreichen. Dies sind typischerweise die besten kreativen Spieler in Europas Top-Ligen.

Wie wird Expected Assists bei der Teamanalyse verwendet?

Offensive Leistung auf Mannschaftsebene

Auf Teamebene wird xA verwendet, um die gesamte Chancenkreation einer Mannschaft zu bewerten. Ein Team mit hohem xA generiert viele hochwertige Torchancen, während ein Team mit niedrigem xA weniger Chancen kreiert.

Interessanterweise korreliert Team-xA nicht perfekt mit der Anzahl der erzielten Tore. Ein Team kann hohe xA-Werte haben, aber wenige Tore erzielen, wenn die Torschützen ineffizient sind. Umgekehrt kann ein Team mit niedrigem xA überraschend viele Tore erzielen, wenn die Torschützen sehr effizient sind. Dies ist oft ein Zeichen von Glück oder von besonders hocheffizienten Spielern.

Ein Team mit hohem xA und hohem tatsächlichen Torergebnis ist ein Team, das sowohl gut Chancen kreiert als auch diese effizient nutzt – dies ist typischerweise ein Zeichen für eine starke Mannschaft mit guten Chancen, Titel zu gewinnen.

Unterscheidung zwischen Open Play und Standard Situationen

Ein großer Vorteil moderner xA-Analysen ist die Unterscheidung zwischen xA aus offenen Spielsituationen und xA aus Standardsituationen (Freistöße, Ecken). Dies gibt Trainern wichtige Informationen über die Stärken und Schwächen ihrer Mannschaft.

Ein Team könnte beispielsweise sehr gutes xA aus offenen Spielsituationen haben (zeigt gutes Positionsspiel und Kombinationsspiel), aber schwaches xA aus Standardsituationen (zeigt schwache Set-Piece-Routine). Dies würde einem Trainer sagen, wo er trainieren sollte.

Getafe ist ein klassisches Beispiel aus der Analyse: Das Team generierte 21 xA in einer Saison, setzte diese aber nur in 14 Tore um. Eine tiefere Analyse zeigte, dass Getafe besonders bei Spielzügen Probleme hatte, ihre Chancen zu nutzen – nicht bei Standard Situationen. Dies war wichtige Information für die Trainer.

Was sind häufige Missverständnisse über Expected Assists?

Mythos 1: xA sagt voraus, wie viele Assists ein Spieler haben sollte

Dies ist ein weit verbreitetes Missverständnis. xA misst nicht, wie viele Assists ein Spieler haben sollte, sondern wie viele Tore aus seinen Vorlagen wahrscheinlich fallen würden, wenn die Torschützen durchschnittlich effizient wären.

Der Unterschied ist subtil aber wichtig: Ein Spieler mit 0,5 xA pro Spiel und durchschnittlichen Torschützen sollte etwa 0,5 Assists pro Spiel haben. Aber wenn dieser Spieler Mitspieler hat, die 30% schlechter sind als der Durchschnitt, wird er weniger Assists haben. Umgekehrt, wenn er mit Elite-Torschützen spielt, wird er mehr Assists haben.

Mythos 2: Ein hoher xA-Wert garantiert Erfolg

xA ist eine Wahrscheinlichkeitsmetrik, nicht eine Garantie. Ein Spieler mit hohem xA kann trotzdem schlecht abschneiden, wenn:

• Der Gegner überraschend gut verteidigt
• Die Torschützen ungewöhnlich ineffizient sind
• Glück nicht auf seiner Seite ist

Außerdem ist xA nur ein Aspekt des Fußballs. Ein Spieler mit hohem xA könnte in der Verteidigung schwach sein oder nicht gut in die Teamtaktik passen. xA sollte immer im Kontext anderer Metriken und qualitativen Analysen betrachtet werden.

Mythos 3: xA ist besser als traditionelle Statistiken und ersetzt sie

xA ist ein ergänzendes Werkzeug, nicht ein Ersatz für traditionelle Statistiken. Die beste Analyse kombiniert xA mit anderen Metriken wie:

• Traditionelle Assists
• Expected Goals (xG) – für Torschuss-Qualität
• Ballbesitz und Pass-Genauigkeit
• Defensive Metriken (Tackles, Interceptions)
• Visuelle Analyse von Spielvideos

Ein Spieler könnte hohe xA haben, aber auch viele schlechte Pässe spielen. Ein anderer könnte wenige Chancen kreieren, aber extrem präzise passen. Die beste Spielerbewertung nutzt alle verfügbaren Informationen.

Wie nutzt man Expected Assists bei Fußballwetten?

Expected Assists bei Assist-Wetten

xA ist ein mächtiges Werkzeug für Wetten auf Assists. Wenn die Wettquoten eines Spielers für Assists nicht mit seinen xA-Werten übereinstimmen, könnte dies eine Wettgelegenheit sein.

Beispiel: Ein Spieler hat in den letzten 5 Spielen durchschnittlich 0,35 xA/90 Minuten, aber die Wettquote für „Spieler hat mind. 1 Assist" ist bei +200. Wenn dieser Spieler normalerweise in 70% der Spiele, in denen er 0,35+ xA/90 hat, mindestens 1 Assist erzielt, dann ist die Quote von +200 möglicherweise unterbewertet.

Die Logik: xA ist ein Indikator für die Wahrscheinlichkeit eines Assists. Ein Spieler mit konsistent hohem xA wird langfristig viele Assists haben, auch wenn die Varianz kurzfristig hoch ist.

xA für Spielerleistungs-Wetten

xA kann auch für andere Spielerwetten verwendet werden, nicht nur für Assists. Zum Beispiel:

• Torschuss-Wetten: Ein Spieler mit hohem xA spielt in Positionen, in denen er auch Torschüsse versucht. xA könnte ein Indikator für die Anzahl der Schüsse sein.
• Chancen-Wetten: Bei Wetten auf die Gesamtzahl der Chancen in einem Spiel kann das xA beider Teams informativ sein.
• Team-Performance-Wetten: Ein Team mit hohem xA über mehrere Spiele ist wahrscheinlich eine starke Mannschaft und könnte ein gutes Wettangebot sein.

Die wichtigste Regel: Verwenden Sie xA zusammen mit anderen Informationen (Form, Verletzungen, Gegner-Stärke, etc.), nicht isoliert.

Welche Grenzen und Kritikpunkte gibt es bei Expected Assists?

Technische Limitationen von xA

Obwohl xA ein ausgefeiltes Modell ist, hat es technische Grenzen:

Datenqualität: xA ist nur so gut wie die Daten, auf denen es basiert. Wenn die Pass- oder Schussdaten ungenau sind, ist auch xA ungenau. Verschiedene Datenanbieter (StatsBomb, Opta, Wyscout) verwenden unterschiedliche Definitionen, was zu unterschiedlichen xA-Werten für das gleiche Spiel führt.

Edge Cases: Bestimmte Spielsituationen sind schwer zu modellieren. Ein Chip-Pass über den Torhüter oder ein unerwarteter Rückpass können in Modellen unterrepräsentiert sein.

Modell-Stabilität: Während xA stabiler ist als traditionelle Assists, kann es immer noch volatil sein, besonders über kurze Zeiträume (einzelne Spiele oder wenige Spiele).

Kontextuelle Probleme mit xA

Über technische Probleme hinaus gibt es kontextuelle Limitationen:

Taktische Variation: Ein und derselbe Pass könnte in verschiedenen taktischen Systemen unterschiedliche Bedeutung haben. Ein Pass in ein 5-3-2-System ist nicht das gleiche wie in einem 4-3-3.

Gegner-Stärke: xA berücksichtigt nicht direkt die Stärke des Gegners. Ein Team könnte gegen schwache Gegner hohes xA haben, aber gegen starke Gegner nicht.

Spieler-Entwicklung: xA ist historisch basiert. Ein junger Spieler, dessen Technik sich schnell verbessert, könnte aktuell unterschätzt sein, wenn die Modelle auf älteren Daten basieren.

Ballbesitz-Verzerrung: Teams mit hohem Ballbesitz generieren automatisch mehr Chancen einfach durch mehr Pässe. xA könnte daher Spieler in ballbesitz-dominierten Teams überrepräsentieren.

Häufig gestellte Fragen zu Expected Assists (FAQ)

Was ist der Unterschied zwischen xA und xG? xA misst die Wahrscheinlichkeit, dass ein Pass zu einem Tor führt (gemessen am xG des resultierenden Schusses). xG misst die Wahrscheinlichkeit, dass ein Schuss selbst ein Tor wird. xA ist für Vorlagenspieler, xG ist für Torschützen.

Kann ein Spieler mehr Assists haben als sein xA? Ja, das passiert regelmäßig. Ein Spieler mit 0,8 xA könnte 2 Assists haben, wenn seine Torschützen besonders effizient sind. Umgekehrt könnte ein Spieler mit 1,2 xA nur 0 Assists haben, wenn die Torschützen unglücklich sind.

Welcher xA-Wert ist gut? Das hängt von der Position ab. Für einen Außenverteidiger ist 0,10 xA/90 gut. Für einen offensiven Mittelfeldspieler sollten es mindestens 0,20 xA/90 sein. Elite-Spieler erreichen 0,30+ xA/90.

Wie lange sollte ich xA betrachten? Mindestens 5-10 Spiele für eine erste Einschätzung. Idealerweise eine ganze Saison (30+ Spiele) für stabile Aussagen. Einzelne Spiele sind zu volatil.

Verwenden professionelle Clubs xA wirklich? Ja, fast alle großen europäischen Clubs verwenden xA in ihren Analysen. Es ist ein Standard-Tool bei der Spielerbewertung, Scouting und Taktik-Analyse.

Kann ich xA-Werte online finden? Ja, Websites wie FBRef.com, Understat.com und SofaScore bieten xA-Daten kostenlos oder kostenpflichtig an.

Ist xA besser als Video-Analyse? Nein, xA und Video-Analyse ergänzen sich. xA gibt dir Zahlen, Video-Analyse gibt dir Kontext. Die beste Bewertung kombiniert beide.

Wie unterscheidet sich xA von „Key Passes"? Key Passes sind alle Pässe, die direkt zu einem Schussversuch führen. xA gewichtet diese Pässe nach ihrer Qualität. Ein Key Pass könnte ein schlechter Pass sein, der der Gegner fast abfängt, aber trotzdem zu einem Schuss führt. xA würde diesem Pass einen niedrigen Wert geben.

Kann xA für Verteidiger berechnet werden? Technisch ja, aber es ist weniger aussagekräftig. Verteidiger kreieren nicht viele Chancen, daher ist xA für sie ein weniger wichtige Metrik. Defensive Metriken sind für Verteidiger relevanter.

Wie oft sollte ich xA-Daten aktualisieren? Für aktuelle Analysen solltest du xA-Daten nach jedem Spieltag aktualisieren. Für längerfristige Bewertungen (Spielerkauf, Wetten) solltest du mindestens wöchentlich aktualisieren.

Fazit: Expected Assists als Werkzeug für moderne Fußball-Analyse

Expected Assists (xA) hat sich in den letzten Jahren zu einer unverzichtbaren Metrik in der modernen Fußball-Analyse entwickelt. Im Gegensatz zu traditionellen Assists, die stark vom Können der Torschützen abhängen, misst xA die objektive Qualität der Chancenkreation eines Spielers oder einer Mannschaft.

Die Metrik ist besonders wertvoll für:

• Spielerbewertung: Identifizieren von kreativen Spielern, deren Assists-Zahlen ihre Leistung nicht widerspiegeln
• Wettanalyse: Vorhersage von Assist-Wahrscheinlichkeiten und Identifizierung von Wettgelegenheiten
• Taktische Analyse: Verständnis, wo eine Mannschaft ihre Chancen kreiert
• Scouting: Bewertung von Spielern aus verschiedenen Ligen und Systemen auf vergleichbarer Basis

Allerdings sollte xA immer im Kontext anderer Metriken und qualitativer Analyse betrachtet werden. Es ist ein mächtiges Werkzeug, aber kein Ersatz für umfassende Spieleranalyse. Die beste Entscheidung in Fußball und Wetten kombiniert xA-Daten mit Video-Analyse, Kontext-Wissen und traditionellen Statistiken.

Mit xA haben Analysten, Trainer und Wetter ein wissenschaftliches Werkzeug, um die Kreativität im Fußball objektiv zu bewerten – und das ist ein großer Schritt vorwärts für den modernen Fußball.