Expected Goals hat die Fußballanalyse in den letzten Jahren revolutioniert — und die Sportwettenbranche gleich mit. Was einst eine Nischenkennzahl für Datenanalysten war, ist heute ein Standardwerkzeug für jeden ernsthaften Wetter. Der Grund: xG misst nicht, was passiert ist, sondern was hätte passieren sollen. Und dieser Unterschied zwischen Ergebnis und zugrunde liegender Leistung ist genau das, wovon profitable Wetter leben.
Wer sich ausschließlich an Ergebnissen orientiert, sieht die Oberfläche. Ein 1:0-Sieg sagt wenig darüber aus, ob die siegreiche Mannschaft dominant war oder ob sie einen glücklichen Treffer gegen den Spielverlauf erzielt hat. xG liefert die Antwort auf diese Frage — und damit eine Grundlage für Wettentscheidungen, die den meisten Gelegenheitsspielern verborgen bleibt.
Lesen Sie auch Fußball Spielanalyse.
Was Expected Goals bedeutet
xG weist jedem Torschuss einen Wahrscheinlichkeitswert zu, basierend auf der Position des Schützen, dem Schusswinkel, der Entfernung zum Tor und weiteren Variablen. Ein Elfmeter hat einen xG-Wert von etwa 0,76 — er wird in 76 Prozent der Fälle verwandelt. Ein Fernschuss aus dreißig Metern hat vielleicht einen xG von 0,03 — drei Prozent Torwahrscheinlichkeit. Die Summe aller xG-Werte einer Mannschaft ergibt den Expected-Goals-Wert für das Spiel.
Wenn ein Team in einem Spiel einen xG von 2,4 erzielt, hat es Chancen kreiert, die statistisch 2,4 Toren entsprechen. Hat es tatsächlich drei Tore geschossen, lag es über seinem xG — ein möglicher Hinweis auf Effizienz oder Glück. Hat es nur ein Tor geschossen, lag es darunter — die Mannschaft hat ihre Chancen nicht genutzt, was auf Pech oder schwache Abschlussqualität hindeutet.
Der entscheidende Punkt für Wetter: xG misst die Qualität der Chancenerstellung, nicht das Ergebnis. Ein Team, das regelmäßig hohe xG-Werte produziert, aber wenig Tore schießt, wird sich langfristig dem Erwartungswert annähern — die Tore werden kommen. Umgekehrt wird ein Team, das deutlich über seinem xG trifft, irgendwann auf den Boden der Statistik zurückkehren. Diese Regressionstendenz ist das wertvollste Werkzeug in der xG-Analyse.
Wie xG berechnet wird
Die Berechnung von xG basiert auf historischen Daten aus Hunderttausenden von Torschüssen. Jeder Schuss wird anhand mehrerer Parameter kategorisiert, und für jede Kombination dieser Parameter existiert eine empirisch ermittelte Torwahrscheinlichkeit.
Die wichtigsten Variablen sind die Position des Schusses auf dem Spielfeld und der Winkel zum Tor. Ein zentraler Schuss aus dem Fünfmeterraum hat eine deutlich höhere Torwahrscheinlichkeit als ein Schuss aus spitzem Winkel von der Strafraumgrenze. Die Entfernung zum Tor ist der zweitwichtigste Faktor — jeder zusätzliche Meter reduziert die Wahrscheinlichkeit messbar.
Erweiterte xG-Modelle berücksichtigen zusätzliche Faktoren: die Schusstechnik (Kopfball, Volley, flacher Schuss), die Spielsituation (offenes Spiel, Freistoß, Ecke), die Geschwindigkeit des Angriffs, die Anzahl der Verteidiger zwischen Schütze und Tor sowie die Position des Torwarts. Je mehr Variablen ein Modell einbezieht, desto präziser wird die Schätzung — aber auch desto komplexer die Berechnung.
Für den Wetter ist die exakte Berechnung weniger relevant als das Verständnis des Prinzips. Man muss kein eigenes Modell bauen, um xG zu nutzen. Plattformen wie Understat, FBref oder StatsBomb stellen xG-Daten kostenlos oder gegen geringe Gebühren bereit. Was man braucht, ist die Fähigkeit, diese Daten zu interpretieren und in Wettentscheidungen zu übersetzen.
xG für die Wettanalyse nutzen
Die direkteste Anwendung von xG im Wettbereich ist die Identifikation von über- und unterbewerteten Teams. Ein Team, das nach zehn Spieltagen 15 Tore geschossen hat, aber einen kumulierten xG von nur 10,5 aufweist, schießt deutlich über Erwartung. Die Quoten für dieses Team basieren auf den tatsächlichen Ergebnissen, nicht auf dem xG — und wenn die Regression einsetzt, werden die Ergebnisse schwächer ausfallen als die Quoten suggerieren.
Umgekehrt ist ein Team mit 8 Toren bei einem xG von 13,2 ein Kandidat für eine Leistungsexplosion. Die Chancenerstellung ist vorhanden, die Verwertung hinkt hinterher. Wenn die Abschlussqualität sich normalisiert — und das tut sie fast immer —, werden die Ergebnisse besser, bevor der Markt reagiert. Genau in diesem Zeitfenster liegt der Value.
Ein zweiter Anwendungsbereich ist die Bewertung defensiver Stärke. xG Against — der xG-Wert, den Gegner gegen ein Team produzieren — zeigt, wie viele Chancen eine Mannschaft zulässt. Ein Team mit wenigen Gegentoren, aber hohem xG Against, hat einen Torwart in Weltklasseform oder profitiert von gegnerischer Ineffizienz. Beides normalisiert sich über die Zeit. Die Defensive ist anfälliger, als die Ergebnistabelle zeigt.
Für Over/Under-Märkte ist xG besonders wertvoll. Man addiert die xG-Werte beider Teams und vergleicht mit der angebotenen Total-Linie. Wenn Team A einen Saison-xG von 1,8 pro Spiel hat und Team B 1,5, ergibt sich ein erwarteter Gesamtwert von 3,3 — deutlich über der üblichen Linie von 2,5. Wenn die Over-Quote bei 1,90 steht und die bereinigte Wahrscheinlichkeit höher liegt, existiert Value auf Over.
Die Integration von xG in die Spielanalyse ersetzt nicht die klassische Analyse, sondern ergänzt sie. Form, Motivation, Verletzungen und taktische Umstellungen bleiben relevant. Aber xG liefert eine objektive Basis, auf der subjektive Einschätzungen aufbauen können — eine Basis, die weniger anfällig für Ergebnis-Bias und selektive Wahrnehmung ist.
Grenzen und Fehlerquellen von xG
xG ist kein Orakel. Die Kennzahl hat systematische Schwächen, die man kennen muss, um sie sinnvoll einzusetzen.
Die erste Grenze: xG erfasst nicht die individuelle Abschlussqualität. Ein xG-Wert von 0,30 für einen Schuss bedeutet, dass der durchschnittliche Spieler in dieser Situation in 30 Prozent der Fälle trifft. Ein Weltklasse-Stürmer trifft vielleicht in 40 Prozent, ein Verteidiger in 15 Prozent. Wer schießt, macht einen Unterschied, den Standard-xG-Modelle nicht abbilden. Erweiterte Modelle wie xGOT (Expected Goals on Target) korrigieren teilweise für die Schussqualität, sind aber weniger verbreitet.
Die zweite Grenze: Kleine Stichproben. Nach drei Spieltagen sind xG-Werte statistisch noch nicht aussagekräftig. Ein Team kann in drei Spielen einen xG von 6,0 haben und trotzdem nur ein Tor geschossen haben — das ist ungewöhnlich, aber bei kleinen Stichproben nicht alarmierend. Erst ab etwa zehn bis fünfzehn Spielen stabilisieren sich die xG-Werte genug, um belastbare Schlüsse zu ziehen.
Die dritte Grenze: xG misst keine Spielkontrolle. Ein Team kann einen hohen xG haben, weil es drei hochkarätige Konterchancen hatte — bei ansonsten völliger Dominanz des Gegners. Der nackte xG-Wert verrät nicht, wie das Spiel tatsächlich verlief. Für eine vollständige Analyse sollte man xG immer im Kontext von Ballbesitz, Pressindizes und der Art der Chancen betrachten.
Das xG-Fenster
xG schafft etwas, das wenige andere Metriken können: Es macht den Zufall sichtbar. In einer Sportart, in der ein einziger abgefälschter Schuss über Sieg und Niederlage entscheidet, trennt xG das Signal vom Rauschen. Das Ergebnis ist Rauschen. Die Chancenerstellung ist das Signal.
Für Wetter bedeutet das: Wer xG ignoriert, wettet auf Rauschen. Wer xG nutzt, wettet auf das Signal — und das Signal ist langfristig berechenbarer als jedes Einzelergebnis. Es ist kein Zufall, dass professionelle Wettbüros und Syndikate xG als Kernbestandteil ihrer Modelle verwenden. Die Daten sind öffentlich. Der Vorteil liegt nicht im Zugang, sondern in der konsequenten Anwendung.
Expected Goals xG bei fußball wetten strategie.
