Expected Goals (xG): Datengestützte Tipps für Fußballwetten

Kein statistisches Konzept hat den Fußball in den letzten zehn Jahren so verändert wie Expected Goals. Was einst eine Nischenmetrik für Datenanalysten war, ist heute fester Bestandteil von TV-Übertragungen, Traineranalysen und — besonders relevant für diesen Artikel — der Sportwettenwelt. xG bietet etwas, das Tore allein nicht liefern: eine Einschätzung dessen, was hätte passieren sollen, unabhängig davon, was tatsächlich passiert ist. Für Wetter ist das Gold wert, denn die Diskrepanz zwischen Erwartung und Ergebnis ist genau der Ort, an dem Value entsteht.

Diese statistischen Werte sind besonders nützlich, wenn Sie Über/Unter-Wetten auf Tore präzise analysieren möchten.

Was sind Expected Goals (xG) im Fußball?

Expected Goals messen die Qualität einer Torchance. Jeder Schuss, den ein Spieler abgibt, erhält einen xG-Wert zwischen 0 und 1, der die Wahrscheinlichkeit angibt, dass dieser Schuss zu einem Tor führt. Ein Elfmeter hat einen xG-Wert von etwa 0,76 — das bedeutet, dass 76 Prozent aller Elfmeter in vergleichbaren Situationen verwandelt werden. Ein Fernschuss aus 30 Metern ohne Druckausübung hat einen xG-Wert von vielleicht 0,03. Ein Kopfball aus fünf Metern nach einer Flanke liegt bei etwa 0,15 bis 0,25, je nach Winkel und Verteidigersituation.

Die Summe aller xG-Werte eines Teams in einem Spiel ergibt den erwarteten Torwert — das Team-xG. Wenn eine Mannschaft Chancen mit einem kumulierten xG von 2,3 kreiert, aber nur einmal trifft, hat sie unter ihrem Erwartungswert abgeschlossen. Umgekehrt hat ein Team mit einem xG von 0,8, das zwei Tore erzielt, überperformt. Über einzelne Spiele kann diese Abweichung groß sein — Glück und Können des Stürmers spielen eine Rolle. Über eine ganze Saison gleichen sich die Abweichungen tendenziell aus, was xG zu einem zuverlässigen Indikator für die tatsächliche Spielstärke macht.

Der entscheidende Mehrwert von xG gegenüber reinen Torergebnissen liegt in der Rauschreduzierung. Ein Team, das in fünf Spielen 2:1, 0:0, 1:0, 0:1 und 3:2 gespielt hat, zeigt eine Bilanz von sechs erzielten und vier kassierten Toren. Schaut man auf die xG-Bilanz — vielleicht 8,5 zu 5,2 —, erkennt man, dass das Team deutlich besser gespielt hat, als die tatsächlichen Ergebnisse vermuten lassen. Das wiederum ist eine Information, die der Wettmarkt manchmal nicht vollständig einpreist.

Wie xG berechnet wird

Die Berechnung von xG basiert auf historischen Daten. Jeder Schuss in einem Fußballspiel wird mit einer Reihe von Kontextinformationen versehen: Distanz zum Tor, Winkel, Körperteil (Fuß, Kopf, anderes), Spielsituation (offenes Spiel, Konter, Ecke, Freistoß), ob der Schuss nach einem Dribbling kam, wie viele Verteidiger zwischen Ball und Tor standen und ob der Torwart positioniert oder in Bewegung war.

Diese Variablen werden in ein statistisches Modell eingespeist — typischerweise eine logistische Regression oder ein neuronales Netz —, das auf hunderttausenden historischen Schüssen trainiert wurde. Das Modell berechnet für jede Kombination von Variablen die Wahrscheinlichkeit eines Tors. Je mehr Daten und je differenziertere Variablen einfließen, desto präziser wird das Modell.

Nicht alle xG-Modelle sind gleich. Opta, StatsBomb, Understat und FBref verwenden unterschiedliche Berechnungsmethoden und Datensätze. Die Ergebnisse weichen teilweise erheblich voneinander ab — für denselben Schuss kann ein Modell einen xG-Wert von 0,12 ausgeben, ein anderes 0,18. Diese Unterschiede sind nicht trivial, insbesondere wenn sie sich über viele Schüsse eines Spiels addieren. Für Wetter bedeutet das: Man sollte konsistent eine Quelle verwenden und die Ergebnisse nicht zwischen verschiedenen Anbietern mischen.

Ein Aspekt, der oft missverstanden wird: xG bewertet die Situation vor dem Schuss, nicht die Qualität des Schusses selbst. Ein schlecht geschossener Elfmeter hat denselben xG-Wert wie ein perfekt verwandelter, weil die Situation identisch ist. Modelle, die auch die Schussqualität einbeziehen, heißen Post-Shot xG (PSxG) und werden vor allem zur Bewertung von Torhütern eingesetzt, sind aber für die Wettanalyse weniger relevant, weil sie nachträgliche Information verwenden, die vor dem Spiel nicht verfügbar ist.

xG in der Wettpraxis anwenden

Die praktische Anwendung von xG für Wetten konzentriert sich auf drei Bereiche: die Identifikation von Über- und Unterperformern, die Prognose von Über/Unter-Märkten und die Bewertung von Mannschaftsstärken für 1X2-Wetten.

Über- und Unterperformer zu identifizieren ist die direkteste Anwendung. Ein Team, das nach zehn Spieltagen 15 Tore erzielt hat, aber einen kumulierten xG von nur 10 aufweist, hat massiv überperformt. Die Wahrscheinlichkeit, dass diese Überperformance den Rest der Saison anhält, ist gering — Regression zum Mittelwert ist eines der zuverlässigsten Phänomene in der Sportstatistik. Für Wetter bedeutet das: Die Quoten dieses Teams basieren vermutlich auf den tatsächlichen 15 Toren, nicht auf den realistischeren 10 xG. Wenn der Markt die Überperformance für nachhaltig hält, der Wetter aber die Regression erwartet, kann sich eine Value-Möglichkeit ergeben — typischerweise bei Unter-Wetten auf Tore oder bei der Siegwette der Gegenmannschaft.

Für Über/Unter-Märkte liefert xG eine direkte Prognose. Man addiert die xG-Durchschnitte beider Teams und erhält eine Schätzung der erwarteten Torsumme. Wenn Mannschaft A einen saisonalen xG-Schnitt von 1,8 hat und Mannschaft B einen xG-Against-Schnitt von 1,4, deutet die Annäherung auf etwa 1,5 bis 1,6 erwartete Tore für Mannschaft A in diesem Spiel hin. Wiederholt man die Rechnung für die Gegenseite und addiert beide Werte, erhält man eine Schätzung für die Gesamttore. Liegt diese Schätzung deutlich über oder unter der Buchmacher-Linie von 2,5, kann sich eine Wette lohnen.

Für 1X2-Wetten lässt sich xG in Siegwahrscheinlichkeiten umrechnen. Modelle wie die Poisson-Verteilung nehmen die erwarteten Tore beider Teams als Input und berechnen die Wahrscheinlichkeit jedes möglichen Ergebnisses. Aus der Summe aller Ergebnisse, die zu einem Heimsieg führen, ergibt sich die Heimsiegwahrscheinlichkeit — und die kann man direkt mit der Buchmacher-Quote vergleichen. Diese Methode erfordert etwas mathematisches Handwerkszeug, liefert aber eine objektivere Grundlage als reine Intuition.

Grenzen der Metrik

xG ist ein mächtiges Werkzeug, aber kein allwissendes. Die wichtigste Einschränkung betrifft die Stichprobengröße. In den ersten Spielwochen einer Saison basiert der xG-Durchschnitt eines Teams auf wenigen Spielen. Einzelne Ausreißer — ein Spiel mit fünf hochkarätigen Chancen oder eines ohne nennenswerte Gelegenheit — verzerren den Durchschnitt erheblich. Belastbare xG-Analysen erfordern mindestens acht bis zehn Spiele, besser mehr.

Die zweite Einschränkung betrifft den Kontext. xG erfasst nicht, welcher Spieler den Schuss abgibt. Ein Schuss aus acht Metern hat denselben xG-Wert, egal ob ihn ein Weltklasse-Stürmer oder ein Verteidiger mit zwei Saisontoren abgibt. In der Realität unterscheiden sich die Abschlussqualitäten erheblich. Manche Spieler übertreffen ihren xG systematisch über Jahre — das ist kein Zufall, sondern Können. Modelle, die das ignorieren, unterschätzen Teams mit herausragenden Einzelspielern.

Drittens bildet xG keine taktischen Anpassungen ab, die Trainer speziell für ein bestimmtes Spiel vornehmen. Ein saisonaler xG-Durchschnitt sagt wenig darüber aus, wie ein Team gegen einen konkreten Gegner spielt, der eine besondere taktische Herausforderung darstellt. Ein Trainer, der gegen einen bestimmten Rivalen auf Defensive umschaltet, produziert in diesem Spiel einen xG, der deutlich unter seinem Saisondurchschnitt liegt — aber die saisonale Statistik verrät das nicht.

Die Zahl hinter dem Tor

xG hat das Verständnis von Fußball verändert, weil es eine Frage beantwortet, die Torstatistiken offenlassen: War das Ergebnis verdient? Ein 1:0-Sieg kann die logische Konsequenz totaler Dominanz sein — oder ein glücklicher Abstauber gegen den Spielverlauf. xG macht diesen Unterschied sichtbar und gibt dem Wetter ein Instrument an die Hand, das über die oberflächliche Ergebnisbilanz hinausgeht.

Für die Wettpraxis bedeutet das nicht, dass man xG blind vertrauen sollte. Es bedeutet, dass man es als eine von mehreren Analyseebenen nutzen sollte — neben der taktischen Beobachtung, der Formkurve und den Kontextfaktoren, die keine Metrik erfasst. Die Zahl hinter dem Tor erzählt eine Geschichte, die der Torstand allein verschweigt. Wer diese Geschichte lesen kann, trifft bessere Wettentscheidungen — nicht perfekte, aber fundierte.

Verlassen Sie sich auf die Prognosen der Profis von Online Wetten Fußball, um Ihre Gewinnchancen zu maximieren.