Expected Goals (xG)

Was sind Expected Goals (xG)?

Expected Goals, abgekürzt als xG oder auf Deutsch Erwartete Tore, ist eine der wichtigsten modernen Statistikmetriken im Fußball. Sie quantifiziert die Qualität von Torchancen, indem jedem Schuss eine Wahrscheinlichkeit zwischen 0 und 1 zugewiesen wird – diese Wahrscheinlichkeit gibt an, wie sehr man erwarten kann, dass dieser Schuss zu einem Tor führt.

Im Gegensatz zur traditionellen Torschussstatistik, die lediglich zählt, wie oft eine Mannschaft auf das Tor geschossen hat, berücksichtigt xG den Kontext jedes Schusses. Ein Schuss aus 25 Metern in spitzem Winkel wird anders bewertet als ein Schuss aus 6 Metern mit optimalem Winkel. Der xG-Wert antwortet auf die Frage: „Wie wahrscheinlich ist es, dass ein durchschnittlicher Spieler aus dieser Position ein Tor erzielt?"

Warum ist xG besser als traditionelle Torschussstatistik?

Die klassische Torschussstatistik hat einen fundamentalen Nachteil: Sie behandelt alle Schüsse gleich. Ein Distanzschuss aus 30 Metern zählt genauso wie ein Schuss aus zwei Metern vor dem leeren Tor. Das führt zu verzerrten Bildern von Spielleistungen. Ein Team kann 15 Schüsse haben, aber diese sind möglicherweise alle von schlechter Qualität. Ein anderes Team mit nur 8 Schüssen könnte deutlich bessere Chancen gehabt haben.

Expected Goals löst dieses Problem, indem es die Chancenqualität misst, nicht nur die Chancenanzahl. Dies ist besonders wichtig für:

• Wetter und Analysten: xG zeigt, ob Ergebnisse das tatsächliche Spielniveau widerspiegeln oder durch Glück/Pech verzerrt sind
• Trainer und Clubs: Sie können erkennen, ob ihre Offensive effizient ist oder ob Verbesserungen nötig sind
• Langfristprognosen: xG ist ein besserer Indikator für zukünftige Leistung als reine Ergebnisse

Wie wird der xG-Wert berechnet?

Die Berechnung von xG basiert auf Machine-Learning-Modellen, die mit Hunderttausenden von historischen Schussdaten trainiert wurden. Das Verfahren ist mathematisch komplex, aber das Konzept dahinter ist intuitiv: Wenn man weiß, dass aus einer bestimmten Position mit bestimmten Umständen durchschnittlich 25 von 100 Schüssen ein Tor erzielen, dann hat jeder Schuss aus dieser Position einen xG-Wert von 0,25.

Die wichtigsten Faktoren bei der xG-Berechnung

Die xG-Modelle berücksichtigen eine Vielzahl von Faktoren:

Das mathematische Modell: Wie funktioniert es?

Die Berechnung erfolgt durch einen Algorithmus, der den aktuellen Schuss mit über 40.000 ähnlichen Schüssen aus der Vergangenheit vergleicht. Das System nutzt eine Technik namens „Boosted Regression", um die Trefferquote dieser ähnlichen Schüsse zu ermitteln. Diese Quote wird dann als xG-Wert für den aktuellen Schuss verwendet.

Ein konkretes Beispiel: Wenn das System feststellt, dass 1.000 Schüsse mit ähnlichen Merkmalen (Entfernung, Winkel, Bedrängnis, etc.) in der Vergangenheit 250-mal ein Tor erzielt haben, dann hat der aktuelle Schuss einen xG-Wert von 0,25 (250 Tore von 1.000 Schüssen).

Unterschiede zwischen xG-Anbietern

Es gibt mehrere Anbieter von xG-Daten, und ihre Modelle unterscheiden sich leicht:

• Sportec Solutions: Offizieller xG-Anbieter der Bundesliga und DFL. Nutzt sowohl Ereignis- als auch Positionsdaten für höhere Genauigkeit. Seit 2021/22 berücksichtigt Sportec auch „Shot Condition" (Schussbedingungen).

• StatsBomb: Einer der führenden Anbieter, bekannt für detaillierte Datenerfassung und transparente Methoden.

• Understat: Beliebter kostenloser Datenquelle für Fans und Analysten. Bietet xG-Werte für die großen europäischen Ligen.

• FBref (Sports Reference): Integriert xG-Daten von StatsBomb und bietet kostenlose, umfangreiche Datenbanken.

Die Unterschiede zwischen diesen Anbietern sind gering, aber messbar. Unterschiedliche Algorithmen können zu Variationen von ±0,05 bei einzelnen Schüssen führen. Für langfristige Analysen ist dies vernachlässigbar, wichtig ist die Konsistenz – man sollte sich für einen Anbieter entscheiden und dabei bleiben.

Expected Goals Against (xGA) – Die defensive Perspektive

Während xG die offensive Qualität misst, zeigt Expected Goals Against (xGA) die defensive Seite. xGA gibt an, wie viele Tore ein Team statistisch hätte kassieren sollen, basierend auf den Chancen, die es dem Gegner ermöglicht hat.

Ein Team kann wenig Gegentore kassieren, aber wenn es regelmäßig hochkarätige Chancen zulässt, ist nicht die Verteidigung exzellent – sondern der Torwart rettet übernatürlich viel. Dies ist wichtig, denn Torhüter regredieren zur Norm: Früher oder später werden diese hohen xGA-Werte in echte Gegentore umgewandelt.

xG vs xGA: Offensive und Defensive im Vergleich

Die xG-Differenz (xGD) als Indikator für Teamstärke

Die xG-Differenz ist das Differenzial zwischen den erwarteten Toren einer Mannschaft und den erwarteten Gegentor. Ein Team mit einer xGD von +0,5 pro Spiel erzeugt im Durchschnitt 0,5 mehr erwartete Tore als es zulässt.

Dies ist ein sehr starker Indikator für wahre Teamstärke. Wenn ein Team über eine Saison von 34 Spielen eine xGD von +0,5 hat, bedeutet das kumulativ +17 erwartete Tore über die Saison – ein signifikanter Vorteil, der sich in Punkten widerspiegeln sollte.

Wenn die tatsächliche Tabelle deutlich von der xGD-Erwartung abweicht, deutet dies auf Regression zur Norm hin: Die Ergebnisse werden sich langfristig dem xG-Niveau anpassen.

Woher kommt xG? Die Geschichte der Erwarteten Tore

Die Ursprünge des xG-Konzepts

Expected Goals ist keine neue Erfindung – die Grundidee existiert bereits seit den 2010er Jahren, als Datenanalysten im Fußball begannen, Schussdaten systematisch zu sammeln und zu analysieren. Die Idee war einfach: Wenn man genug Daten über Schüsse sammelt, kann man mathematische Modelle entwickeln, um die Wahrscheinlichkeit eines Tores vorherzusagen.

Die Popularisierung von xG verdankt sich mehreren Faktoren:

• Verfügbarkeit von Tracking-Daten: Moderne Stadien erfassen automatisch die Position aller Spieler
• Rechenleistung: Machine-Learning-Modelle wurden schneller und günstiger
• Professionalisierung: Clubs und Wettanbieter erkannten den Wert

Die Evolution von xG-Modellen

Die Entwicklung von xG kann man in Phasen unterteilen:

Phase 1 (2010er): Einfache Modelle mit nur Entfernung und Winkel

• Begrenzte Genauigkeit
• Hauptsächlich akademisches Interesse

Phase 2 (2017-2020): Fortgeschrittene Modelle mit Tracking-Daten

• Berücksichtigung von Verteidigern, Torwart-Position, Spielzugart
• Adoption durch Clubs und Fernsehsender

Phase 3 (2021-2023): Integration in offizielle Ligen

• Bundesliga führt xG offiziell ein (Saison 2021/22)
• Sportec Solutions wird offizieller Anbieter
• Neue Faktoren wie „Shot Condition" werden hinzugefügt

Phase 4 (2024+): Echtzeit-Analyse und KI

• Sofortige xG-Berechnung während des Spiels
• Integration mit anderen Metriken (xA, xP)
• Prädiktive Modelle für Spielausgänge

Die Saison 2021/22 war ein Wendepunkt: Die Bundesliga führte offiziell xG ein und nutzte dabei Sportec Solutions als Datenpartner. Seit diesem Moment sind xG-Werte regelmäßig in Fernsehübertragungen zu sehen.

Wie nutze ich xG für Sportwetten?

xG als Indikator für über- und unterperformende Teams

Das Kernkonzept für Wetter ist dieses: Ergebnisse lügen nicht, aber sie erzählen nicht die ganze Geschichte. Ein Team kann eine Serie von Siegen haben, aber wenn es dabei konstant unter seinem xG-Wert bleibt, ist diese Serie wahrscheinlich nicht nachhaltig.

Überperformance-Beispiel: Ein Team gewinnt fünf Spiele in Folge, aber:

• Durchschnittliches xG pro Spiel: 0,8
• Durchschnittliches xGA pro Spiel: 1,5
• Tatsächliche Bilanz: 5 Siege

Dies ist statistisch unwahrscheinlich. Das Team hat großes Glück gehabt – der Torwart hat übernatürlich gut gespielt, oder Chancen wurden übernatürlich effizient genutzt. Diese Form ist nicht nachhaltig. Wetter könnten gegen dieses Team wetten, da eine Normalisierung wahrscheinlich ist.

Unterperformance-Beispiel: Ein Team hat zwei Niederlagen und ein Unentschieden, aber:

• Durchschnittliches xG pro Spiel: 2,0
• Durchschnittliches xGA pro Spiel: 0,9
• Tatsächliche Bilanz: 0 Siege, 1 Unentschieden, 2 Niederlagen

Dieses Team hätte statistisch 5-6 Punkte sammeln sollen, hat aber nur 1 Punkt. Dies deutet auf Pech oder schlechte Chancenverwertung hin. Die Quoten werden dieses Team unterschätzen, da der Markt auf die schlechten Ergebnisse reagiert, nicht auf die gute Leistung.

xG-Wetten Strategien und praktische Anwendung

Strategie 1: Regression-zur-Norm-Wetten

• Identifizieren Sie Teams mit großem Unterschied zwischen xG und tatsächlichen Toren
• Wetten Sie darauf, dass sich die Ergebnisse normalisieren
• Beispiel: Team mit hohem xG, aber niedrigen Toren → Over-Wette auf nächste Spiele

Strategie 2: Defensive Schwächen erkennen

• Achten Sie auf Teams mit hohem xGA, aber niedriger Gegentore
• Wetten Sie auf Over-Märkte, da Gegentore wahrscheinlich sind
• Beispiel: Team mit 1,2 xGA pro Spiel, aber nur 0,5 tatsächliche Gegentore → Over-Wette

Strategie 3: xGD-Analyse für Langzeittrends

• Vergleichen Sie die xGD mit der tatsächlichen Tabelle
• Teams mit hoher positiver xGD sollten langfristig aufsteigen
• Teams mit niedriger xGD trotz guter Platzierung sollten fallen

Praktisches Beispiel: Bayern München spielt gegen Hoffenheim:

• Bayern: xG 2,3, xGA 0,6 → xGD +1,7
• Hoffenheim: xG 0,8, xGA 2,3 → xGD -1,5

Die Quote für Bayern-Sieg könnte zu niedrig sein, da Bayern eine xGD von +1,7 hat, was auf Überlegenheit hindeutet. Hoffenheim wird über mehrere Spiele hinweg wahrscheinlich fallen, wenn diese Muster anhält.

xG-Daten und Tools für Wetter

Die gute Nachricht: xG-Daten sind heute kostenlos verfügbar. Sie brauchen keine teuren Abonnements, um anzufangen.

Kostenlose Datenquellen:

1. Understat (understat.com)

   • Detaillierte xG-Statistiken für alle großen europäischen Ligen
   • Spieler- und Team-Level-Daten
   • Benutzerfreundliche Oberfläche
   • Kostenlos für Basisinformationen

2. FBref (fbref.com)

   • Umfassende Datenbank mit xG von StatsBomb
   • Historische Daten über mehrere Saisons
   • Kostenlos zugänglich
   • Gut für Langzeitanalysen

3. Bundesliga.de und DFL-Statistiken

   • Offizielle xG-Werte der Bundesliga
   • In Spielberichten und Statistiken integriert

4. Wettanbieter-Plattformen

   • Viele moderne Wettanbieter zeigen xG-Werte direkt in ihren Spiel-Previews

Wie man xG-Daten nutzt:

1. Vor jedem Tipp die xG-Bilanz der beteiligten Teams prüfen
2. Über mehrere Spiele hinweg vergleichen (mindestens 5-10 Spiele)
3. xG mit xGA kombinieren für vollständiges Bild
4. Regression zur Norm als Leitprinzip verwenden

xG im Kontext: Expected Assists (xA) und andere Metriken

Expected Assists (xA) verstehen

Während xG die Schussqualität misst, misst Expected Assists (xA) die Qualität der Pässe, die zu Schüssen führen. Ein Spieler, der viele Chancen kreiert, sollte eine hohe xA haben, unabhängig davon, ob seine Teamkollegen diese Chancen verwandeln.

xA antwortet auf die Frage: „Wie viele Tore hätte ein durchschnittlicher Spieler aus den Chancen erzielen sollen, die dieser Spieler kreiert hat?"

Ein Spieler mit 5,2 xA über eine Saison hat Chancen kreiert, die statistisch zu etwa 5 Toren hätten führen sollen. Wenn sein Team nur 2 Tore aus diesen Chancen erzielt hat, ist das eine schlechte Chancenverwertung durch die Stürmer, nicht ein Kreativitätsproblem des Spielers.

Das xG-Ökosystem: xP, npxG und weitere Varianten

Expected Points (xP):

• Kombiniert xG und xGA, um die erwarteten Punkte zu berechnen
• Ein Team mit xG 2,0 und xGA 1,0 hätte statistisch mehr Punkte verdient

Non-Penalty xG (npxG):

• Schließt Elfmeter aus der Berechnung aus
• Nützlich, um die „normale" Spielweise zu messen, ohne Elfmeter-Verzerrungen

xG per Shot:

• Durchschnittlicher xG-Wert pro Schuss
• Zeigt die Effizienz der Schussauswahl

Häufige Missverständnisse über Expected Goals

Missverständnis 1: xG ist eine Spielvorhersage

Das ist falsch. xG ist kein Vorhersage-Tool für einzelne Spiele. Ein Team mit xG 2,0 wird nicht garantiert 2 Tore schießen – es könnte 0 sein, es könnte 4 sein. xG ist ein Durchschnittswert über viele Spiele.

Die richtige Interpretation: Wenn ein Team über eine ganze Saison xG 2,0 pro Spiel hat, wird es über alle Spiele hinweg etwa 2,0 Tore pro Spiel erzielen.

Missverständnis 2: Das Wetter beeinflusst xG

Das ist falsch. Mehrere Studien haben gezeigt, dass Wetter statistisch vernachlässigbar ist. Regen, Wind und Temperatur beeinflussen die Trefferquote nicht signifikant genug, um in xG-Modellen berücksichtigt zu werden.

Missverständnis 3: xG berücksichtigt die Spielerfähigkeit

Das ist teilweise richtig. xG misst die Chancenqualität, nicht die Spielerfähigkeit. Ein Elfmeter hat für jeden Spieler den gleichen xG-Wert (0,77), aber Cristiano Ronaldo wird ihn öfter verwandeln als ein durchschnittlicher Spieler. xG zeigt die objektive Chancenqualität, nicht die individuelle Leistung.

Missverständnis 4: Ein Team mit höherem xG gewinnt immer

Das ist falsch. xG ist ein Indikator für Leistung, nicht für Ergebnis. Ein Team kann xG 3,0 haben und 1:2 verlieren, wenn der Gegner seine zwei Chancen perfekt nutzt. Über viele Spiele hinweg gewinnt das Team mit höherem xGD, aber einzelne Spiele sind variabel.

Missverständnis 5: xG ist die einzige Metrik, die zählt

Das ist falsch. xG ist ein wichtiger, aber nicht ausreichender Indikator. Andere Faktoren spielen eine Rolle:

• Spielerqualität und Erfahrung
• Taktische Flexibilität
• Spielergesundheit
• Psychologische Faktoren (Selbstvertrauen, Druck)
• Schiedsrichterentscheidungen

xG sollte als Teil einer umfassenden Analyse verwendet werden, nicht als alleiniges Entscheidungskriterium.

Die Zukunft von Expected Goals

Neue Entwicklungen in xG-Modellen

Die xG-Technologie entwickelt sich ständig weiter. Einige Trends für die Zukunft:

1. Tracking-Daten-Integration: Moderne Stadien erfassen die Position aller Spieler in Echtzeit. Dies ermöglicht präzisere xG-Berechnungen, die nicht nur den Schuss selbst, sondern auch die Bewegung der Spieler vor dem Schuss berücksichtigen.

2. Echtzeit-Analyse: xG-Werte werden bereits während des Spiels berechnet und auf Bildschirmen angezeigt. Dies wird noch detaillierter und schneller werden.

3. Künstliche Intelligenz und Deep Learning: Neuronale Netze können Muster erkennen, die traditionelle Modelle übersehen. Dies könnte zu noch präziseren xG-Werten führen.

4. Integration mit anderen Metriken: xG wird zunehmend mit xA, Druck, Ballbesitz und anderen Metriken kombiniert, um ein umfassenderes Bild zu zeichnen.

5. Spielergebnisse vorhersagen: Während xG einzelne Spiele nicht vorhersagt, könnten zukünftige Modelle Wahrscheinlichkeiten für Spielausgänge berechnen, basierend auf xG und anderen Faktoren.

Häufig gestellte Fragen zu Expected Goals

F: Was bedeutet ein xG-Wert von 0,25? A: Das bedeutet, dass ein durchschnittlicher Spieler aus dieser Position in 25 von 100 ähnlichen Situationen ein Tor erzielen würde. Mit anderen Worten: 25% Wahrscheinlichkeit.

F: Wie wird der xG-Wert eines Elfmeters berechnet? A: Ein Elfmeter hat typischerweise einen xG-Wert von 0,76 bis 0,78 (je nach Anbieter). Dies bedeutet, dass etwa drei von vier Elfmetern verwandelt werden – eine sehr hohe Quote, aber nicht 100%, da auch Profis manchmal danebenschießen.

F: Kann ich xG-Werte kostenlos abrufen? A: Ja. Understat.com, FBref.com und die Bundesliga-Website bieten kostenlose xG-Statistiken. Sie brauchen kein Abonnement.

F: Welcher xG-Anbieter ist der beste? A: Es gibt keinen „besten" – die Unterschiede sind gering. Wichtig ist Konsistenz. Wählen Sie einen Anbieter (z.B. Understat) und bleiben Sie dabei, damit Ihre Analysen vergleichbar sind.

F: Zeigt ein hoher xG-Wert, dass ein Team gewinnt? A: Nicht zwangsläufig. Ein Team kann xG 3,0 haben und 1:2 verlieren. Aber über mehrere Spiele hinweg sollte das Team mit höherem xGD (xG minus xGA) bessere Ergebnisse haben.

F: Wie lange dauert es, bis xG sich in echten Ergebnissen widerspiegelt? A: Typischerweise 10-20 Spiele. Über eine kurze Serie (3-5 Spiele) können Glück und Pech den xG überlagern. Über eine ganze Saison (34 Spiele) sollten sich die Ergebnisse dem xG annähern.

F: Beeinflussen Spielerverletzungen den xG-Wert? A: Nein, nicht direkt. xG misst die Chancenqualität, nicht die Teamzusammensetzung. Aber wenn eine wichtige Stürmer verletzt ist, könnte das Team weniger xG produzieren.

F: Kann ich xG für Live-Wetten nutzen? A: Ja, und das ist sogar sehr wertvoll. Wenn ein Team im Spiel ein hohes xG aufbaut, aber noch nicht viele Tore erzielt hat, könnte eine Over-Wette auf die Gesamttorzahl wertvoll sein.

Zusammenfassung: Expected Goals ist eine revolutionäre Metrik, die Fußballanalyse und Sportwetten verändert hat. Durch die Messung der Chancenqualität statt nur der Chancenanzahl können Wetter und Analysten ein viel genaueres Bild von Teamleistung und zukünftigen Ergebnissen bekommen. Für jeden, der Fußball ernsthaft analysieren oder Sportwetten strategisch angehen möchte, ist das Verständnis von xG essentiell.