Expected Goals, abgekürzt xG, ist die wichtigste statistische Innovation im Fußball der letzten zehn Jahre. Was einst als Nischenmetrik datenbegeisterter Analysten begann, hat sich zum Standardwerkzeug in der gesamten Branche entwickelt: bei Vereinen, Medien, Buchmachern und Wettern. Wer heute ernsthaft auf Fußball wettet und xG nicht nutzt, arbeitet mit einem unvollständigen Bild.
Doch xG wird häufig missverstanden. Es ist keine magische Zahl, die den Spielausgang vorhersagt. Es ist ein Werkzeug, das die Qualität der Chancen in einem Spiel quantifiziert und damit eine tiefere Analyse ermöglicht als die bloße Betrachtung des Endresultats. Die Differenz zwischen dem, was passiert ist, und dem, was laut xG hätte passieren sollen, ist eine der reichsten Informationsquellen im modernen Sportwettenmarkt.
Dieser Artikel erklärt, wie xG berechnet wird, wo die Stärken und Schwächen der Metrik liegen und wie Wetter sie praktisch einsetzen können.
Lesen Sie auch Formanalyse im Fußball.
Was xG misst und wie es berechnet wird
xG bewertet jeden Schuss in einem Fußballspiel anhand der Wahrscheinlichkeit, dass er zu einem Tor führt. Diese Wahrscheinlichkeit wird aus historischen Daten abgeleitet. Wenn aus einer bestimmten Position, unter bestimmten Umständen, in der Vergangenheit 15 von 100 Schüssen ein Tor ergaben, erhält ein Schuss aus dieser Position einen xG-Wert von 0,15.
Die Faktoren, die in die Berechnung einfließen, variieren je nach Modell. Die grundlegenden Variablen sind die Entfernung zum Tor und der Winkel. Ein Schuss aus sechs Metern zentral vor dem Tor hat einen xG-Wert von etwa 0,35 bis 0,40, während ein Schuss aus 25 Metern in spitzem Winkel bei etwa 0,02 bis 0,05 liegt.
Fortgeschrittene Modelle berücksichtigen zusätzliche Variablen: ob der Schuss mit dem Fuß oder dem Kopf ausgeführt wurde, ob ein Dribbling vorausging, wie viele Verteidiger zwischen Schütze und Tor standen, ob der Schuss aus einem Konter oder einem aufgebauten Angriff resultierte. Je mehr Variablen ein Modell einbezieht, desto präziser wird die Schätzung, aber auch desto komplexer wird die Berechnung.
Die Summe aller xG-Werte einer Mannschaft in einem Spiel ergibt das Team-xG. Wenn ein Team Schüsse mit einem Gesamt-xG von 2,3 abgegeben hat, bedeutet das, dass die Chancenqualität im Durchschnitt 2,3 Tore hätte produzieren sollen. Das tatsächliche Ergebnis kann davon erheblich abweichen, und genau diese Abweichung ist für Wetter die relevanteste Information.
Warum xG besser ist als Tordurchschnitte
Der klassische Ansatz, die Stärke eines Teams anhand seiner erzielten und kassierten Tore zu bewerten, hat einen fundamentalen Fehler: Tore sind das Ergebnis von Zufall und Qualität in unbekannter Mischung. Ein Team, das in drei Spielen jeweils drei Tore erzielt hat, könnte offensiv herausragend sein oder einfach Glück gehabt haben. Ohne Kontextinformation lässt sich das nicht unterscheiden.
xG liefert diesen Kontext. Wenn das Team mit neun Toren aus drei Spielen einen xG-Wert von nur 4,5 hatte, deutet das auf eine erhebliche Überperformance hin. Das Team hat doppelt so viele Tore erzielt, wie die Qualität seiner Chancen erwarten ließ. Statistisch gesehen ist es wahrscheinlich, dass sich diese Überperformance in den kommenden Spielen korrigiert, ein Phänomen, das als Regression zum Mittelwert bekannt ist.
Für Wetter ist diese Information Gold wert. Ein Team, das über seinen xG-Werten performt, wird vom Markt oft auf Basis seiner tatsächlichen Ergebnisse bewertet und nicht auf Basis seiner Chancenqualität. Die Quoten sind dann zu niedrig für dieses Team, weil der Markt eine Torproduktion extrapoliert, die statistisch nicht nachhaltig ist. Umgekehrt bieten Teams, die unter ihren xG-Werten liegen, weil Stürmer Großchancen vergeben oder der gegnerische Torwart überragend gehalten hat, Quoten, die höher sind als die tatsächliche Spielstärke rechtfertigt.
Diese Diskrepanzen zwischen tatsächlichen Toren und xG sind eine der zuverlässigsten Value-Quellen im Fußballwettenmarkt. Sie sind nicht garantiert profitabel, aber sie bieten einen strukturellen Vorteil, der sich über viele Wetten hinweg auszahlt.
Die Grenzen von xG
So nützlich xG ist, die Metrik hat klare Grenzen, die jeder Wetter kennen muss, um sie nicht überzubewerten.
Die offensichtlichste Einschränkung betrifft die individuelle Abschlussqualität. xG-Modelle behandeln jeden Schützen als durchschnittlich. In der Realität gibt es Spieler, die systematisch über ihren xG-Werten abschließen, weil sie über außergewöhnliche Schusstechnik oder Platzierung verfügen. Diese Spieler existieren, sind aber seltener, als viele annehmen. Die Mehrheit der Abschlussüberperformance ist kurzfristig und regressiert über größere Stichproben zum Mittelwert.
Eine zweite Einschränkung betrifft Standardsituationen. Elfmeter haben einen festen xG-Wert von etwa 0,76, aber die Umstände eines Elfmeters, Drucksituation, Qualität des Schützen und des Torwarts, werden nicht differenziert. Tore aus Freistößen und Ecken werden in manchen Modellen mit generischen Werten versehen, die die spezifische Qualität des Ausführenden nicht berücksichtigen.
Eine dritte Einschränkung ist die Nichtberücksichtigung des Spielkontexts. xG erfasst nicht, ob ein Team einen Vorsprung verteidigt und deshalb passiver spielt oder ob ein Team zurückliegt und deshalb offensiver agiert. Diese taktischen Anpassungen beeinflussen die Chancenqualität, werden aber vom Modell nicht als Ursache erkannt.
Für Wetter bedeutet das: xG ist ein Ausgangspunkt, kein Endpunkt. Die Metrik liefert die quantitative Basis, die durch qualitative Analyse ergänzt werden muss. Ein xG-Wert ohne Kontext ist eine halbe Information.
Praktische Anwendung für Wetter
Die Integration von xG in den eigenen Wettworkflow erfordert keine Programmierkenntnisse. Die Daten sind frei verfügbar und die Anwendung ist mit etwas Übung unkompliziert.
Der erste Anwendungsfall ist die Bewertung der Formkurve eines Teams. Statt auf die letzten fünf Ergebnisse zu schauen, betrachtet der xG-basierte Analyst die xG-Werte der letzten fünf Spiele. Ein Team, das drei Spiele verloren hat, aber in jedem Spiel einen höheren xG-Wert hatte als der Gegner, ist stärker als das Ergebnis vermuten lässt. Die Quoten für dieses Team werden von der Verlustserie nach unten gezogen, was Value erzeugt.
Der zweite Anwendungsfall betrifft Over/Under-Wetten. Die Summe der xG-Werte beider Teams in einem Spiel gibt eine Schätzung der zu erwartenden Tore. Wenn die historischen xG-Daten beider Teams ein Spiel mit 2,8 erwarteten Toren nahelegen, die Over-2,5-Quote aber eine implizite Wahrscheinlichkeit von nur 50 Prozent einpreist, während die Poisson-Verteilung bei 2,8 xG eine Over-Wahrscheinlichkeit von etwa 63 Prozent ergibt, liegt potenzieller Value vor.
Der dritte Anwendungsfall ist die Identifikation von Teams in Über- oder Unterperformance-Phasen. Ein einfacher Vergleich von tatsächlichen Toren und xG über die letzten sechs bis acht Spiele zeigt, ob ein Team über oder unter seinen Möglichkeiten liegt. Teams in starker Überperformance sind Kandidaten für Gegenwetten, Teams in Unterperformance für Wetten auf sie.
Wo man xG-Daten findet
Die wichtigsten frei zugänglichen Quellen für xG-Daten sind FBref, Understat und die offiziellen Statistikportale der großen Ligen. FBref bietet die breiteste Abdeckung mit Daten zu allen europäischen Top-Ligen und vielen zweiten Ligen. Die xG-Daten auf FBref stammen von StatsBomb und gehören zu den detailliertesten öffentlich verfügbaren Modellen.
Understat konzentriert sich auf die fünf großen europäischen Ligen und bietet neben xG-Daten auch Shotmaps, xG-Zeitverläufe und Spielerstatistiken. Die visuelle Aufbereitung macht es besonders geeignet für die schnelle Einschätzung einzelner Spiele.
Für fortgeschrittene Nutzer bieten kostenpflichtige Dienste wie Opta oder StatsBomb detailliertere Daten mit zusätzlichen Variablen. Für die meisten Wetter sind die kostenfreien Quellen jedoch ausreichend, um einen soliden xG-basierten Workflow aufzubauen.
Jenseits der Zahl
xG hat den Fußball nicht entzaubert, wie Kritiker gerne behaupten. Es hat ihn transparenter gemacht. Die Metrik zeigt, was das bloße Auge übersieht: dass ein langweiliges 0:0 ein chancenreiches Spiel gewesen sein kann und dass ein spektakuläres 4:3 möglicherweise zwei schwache Defensivleistungen widerspiegelt statt zwei großartigen Offensiven.
Für Wetter ist xG das Werkzeug, das die Lücke zwischen Wahrnehmung und Realität sichtbar macht. Der Markt reagiert auf Ergebnisse, weil Ergebnisse sichtbar sind. xG zeigt, was unter der Oberfläche passiert. Und dort, unter der Oberfläche, wo das Ergebnis noch nicht die Arbeit des Zufalls erledigt hat, liegt der Value, den der durchschnittliche Wetter nie zu Gesicht bekommt.
Expected Goals xG bei fußball wetten nachrichten.
