Expected Goals: Was xG über ein Spiel verrät und was nicht

Ein Team gewinnt 1:0, hat aber nur einen einzigen Torschuss aus spitzem Winkel abgegeben, während der Gegner dreimal frei vor dem Tor stand. Die Tabelle notiert drei Punkte, die Kennzahl Expected Goals (kurz xG, deutsch etwa erwartete Tore ) erzählt eine andere Geschichte. Genau diese Lücke zwischen Ergebnis und Chancenqualität macht xG für Wettende interessant.

Der Wert ist allerdings kein Orakel. Wer xG unkritisch liest, zieht aus einem einzigen Spiel Schlüsse, die die Statistik nicht trägt. Dieser Artikel zeigt, wie die Modelle rechnen, wo ihre Grenzen liegen und wie Sie xG mit einer Quote vergleichen.

Was xG misst: die Qualität einer Torchance

Ein xG-Modell weist jedem Schuss eine Wahrscheinlichkeit zwischen 0 und 1 zu, dass er zum Tor führt. Grundlage sind historische Schüsse mit ähnlichen Merkmalen: Wie oft wurde aus vergleichbarer Lage getroffen? Ein Schuss mit 0,2 xG wird nach dieser Logik etwa zweimal in zehn Versuchen verwandelt, wie Hudl StatsBomb erläutert.

Addiert man die Werte aller Schüsse eines Teams, entsteht das Team-xG eines Spiels. Die Gegenseite heißt xGA (Expected Goals Against): die Summe der Chancenqualität, die eine Mannschaft dem Gegner zugelassen hat. Die Differenz aus xG und xGA über mehrere Spiele ist eines der stabilsten Maße dafür, wie gut ein Team tatsächlich spielt.

Woher die Idee kommt

Der Begriff ist älter als die Datenrevolution im Fußball. Laut der Übersicht in der englischen Wikipedia verwendeten Vic Barnett und Sarah Hilditch expected goals bereits 1993 in einer Arbeit über Kunstrasenplätze. Jake Ensum, Richard Pollard und Samuel Taylor untersuchten 2004 930 Schüsse und 93 Tore aus 37 Spielen der WM 2002 und fanden fünf signifikante Faktoren, darunter Distanz, Winkel und ob der Schütze mindestens einen Meter vom nächsten Verteidiger entfernt war.

Welche Faktoren ein xG-Modell bewertet

Moderne Modelle gehen deutlich weiter als Distanz und Winkel. Opta nennt in seiner Modellbeschreibung acht zentrale Faktoren und insgesamt mehr als 20 Variablen:

• Distanz zum Tor und Winkel zum Tor
• Position des Torhüters
• Freie Schussbahn, also wie viele Spieler zwischen Ball und Tor stehen
• Gegnerischer Druck auf den Schützen
• Schussart, etwa Fuß oder Kopf
• Spielsituation, zum Beispiel Konter oder Standard
• Vorherige Aktion, etwa Flanke, Steilpass oder Dribbling

Trainiert wurde das Opta-Modell nach eigener Angabe auf fast einer Million Schüssen aus 40 Wettbewerben der Spielzeiten 2018/19 bis 2021/22. Für Frauenwettbewerbe nutzt Opta ein eigenes Modell.

Elfmeter: ein fester Wert

Strafstöße werden nicht über die Faktoren bewertet, sondern bekommen eine Konstante, die aus der historischen Verwandlungsquote abgeleitet ist. Bei Opta sind das 0,79 xG pro Elfmeter. Hudl StatsBomb schreibt, dass viele Modelle 0,76 ansetzen, und hat den eigenen Wert mit einem Update 2022 auf 0,78 geändert. Schon hier sieht man: Dieselbe Situation hat je nach Anbieter einen anderen Zahlenwert.

Non-Penalty-xG: warum der Elfmeter herausgerechnet wird

Ein Elfmeter bringt fast 0,8 xG auf einen Schlag – mehr als manches Team in einem ganzen Spiel aus dem Spiel heraus erzeugt. Ob ein Team einen Strafstoß bekommt, hängt aber stark von Einzelentscheidungen ab und wiederholt sich kaum verlässlich. Deshalb weisen Statistikseiten zusätzlich Non-Penalty-xG (npxG) aus: xG ohne Elfmeter.

Beispiel (fiktive Zahlen): Ein Team gibt zehn Schüsse ab, darunter einen Elfmeter. Die Einzelwerte lauten 0,79 (Elfmeter), 0,32, 0,12, 0,08, 0,06, 0,05, 0,04, 0,03, 0,03 und 0,02. Die Summe ergibt 1,54 xG. Ohne den Strafstoß bleiben 0,75 npxG. Wer nur die 1,54 sieht, hält das Spiel für dominanter, als es aus dem Spiel heraus war.

Warum Datenanbieter unterschiedliche Werte liefern

xG ist keine einheitliche Statistik. Jeder Anbieter definiert Ereignisse anders, nutzt andere Variablen und trainiert auf anderen Daten. Die folgende Tabelle fasst zusammen, was die Anbieter selbst über ihre Modelle veröffentlichen.

Wie stark das durchschlägt, zeigt Hudl StatsBomb an einem eigenen Beispiel: Ein Standardmodell, das nur Distanz, Winkel, Körperteil und Vorlagenart kennt, bewertet eine Chance mit 0,30 xG. Weiß das Modell zusätzlich, dass der Torhüter aus seiner Position ist, steigt der Wert derselben Szene auf 0,65.

Für die Praxis heißt das: Vergleichen Sie Werte immer innerhalb einer Quelle. Ein Team-xG von Understat neben einen xGA-Wert eines anderen Anbieters zu legen, vermischt zwei Messinstrumente.

Stichprobengröße: wann xG etwas aussagt

Ein Spiel mit 2,5 xG zu 0,8 xG sagt wenig über das nächste Spiel. Schüsse sind seltene Ereignisse, und der Zufall entscheidet mit, welche davon ins Tor gehen. Die Wikipedia-Übersicht betont ausdrücklich, dass xG-Summen einzelner Spiele stark schwanken und Unterschiede über kurze Zeiträume oft Zufall sind.

Wie groß der Effekt ist, hat FPL Review simuliert: Ein Spieler mit einer bekannten wahren Torquote von 0,30 pro 90 Minuten wurde 100.000-mal durchgespielt, dann wurden Ausschnitte verschiedener Länge betrachtet.

Zwei Ergebnisse sind für Wettende wichtig. Erstens: Nach fünf Spielen liegt der xG-Wert eines Spielers im Mittel um fast 39 % neben seinem wahren Niveau. Zweitens: 40 Spiele xG-Daten lieferten in der Simulation eine ähnliche Genauigkeit wie 100 Spiele reine Torausbeute. xG ist also nicht perfekt, aber deutlich schneller aussagekräftig als Tore.

Typische Fehlinterpretationen

Das Team hätte 3:1 gewinnen müssen

xG beschreibt eine Erwartung, kein verdientes Ergebnis. Auch bei 3,0 xG ist eine Bandbreite von Toren normal. Zudem verändert sich das Spiel nach dem ersten Tor: Ein führendes Team zieht sich zurück, der Rückstand erzeugt mehr Schüsse. Die xG-Bilanz eines Spiels mischt deshalb Phasen mit völlig unterschiedlicher Ausgangslage.

Viele kleine Chancen sind nicht gleich wenige große

Beispiel (selbst gerechnet): Team A schießt zehnmal mit je 0,10 xG, Team B zweimal mit je 0,50 xG. Beide kommen auf 1,0 xG. Die Wahrscheinlichkeit, mindestens ein Tor zu erzielen, ist aber verschieden: bei A 1 − 0,9 hoch 10 ≈ 65,1 %, bei B 1 − 0,5 hoch 2 = 75 %. Die Summe allein verdeckt diese Struktur.

Über- und Unterperformance als Qualität deuten

Wer dauerhaft mehr Tore schießt als xG, gilt schnell als starker Abschluss. Studien zeigen, dass solche Vergleiche verrauscht sind und auch Modellfehler widerspiegeln können; die Wikipedia-Übersicht verweist dazu auf Davis und Robberechts (2024). Ein Team, das über wenige Wochen deutlich über seinen xG trifft, ist eher ein Kandidat für Normalisierung als für eine dauerhaft höhere Quote.

xG als Garantie für Treffsicherheit des Modells

Auch gute Modelle liegen nicht immer richtig. Hudl StatsBomb zitiert eine Untersuchung von Lars Maurath, nach der je nach Modellqualität 79 % bis 93 % der Team-Saisons innerhalb eines 95-%-Konfidenzintervalls zwischen xG und Toren liegen sollten. Ein Rest an Abweichung ist also eingebaut.

xG mit Quoten vergleichen: ein Rechenweg

Der Markt kennt xG längst. Ein Vorteil entsteht nur, wenn Ihre Einschätzung systematisch besser ist als die Quote. Ein einfacher Weg führt über die Poisson-Verteilung: Man nimmt einen erwarteten Torwert je Team und berechnet daraus die Wahrscheinlichkeiten für Sieg, Remis und Niederlage.

Beispiel (fiktive Werte, selbst nachgerechnet): Aus den npxG-Daten der letzten Saisonphase schätzen Sie für ein Bundesligaspiel 1,6 erwartete Tore für die Heimelf und 1,1 für die Gäste. Unter der vereinfachenden Annahme unabhängiger Poisson-Verteilungen ergibt sich:

Diese fairen Quoten vergleichen Sie mit den angebotenen Quoten, nachdem Sie die Buchmachermarge herausgerechnet haben. Liegt die marktbereinigte Wahrscheinlichkeit für den Heimsieg etwa bei 52 %, sieht Ihr Modell die Heimelf schwächer als der Markt. Eine Differenz ist aber erst dann ein Signal, wenn sie größer ist als die Unsicherheit Ihrer Eingangswerte – und die ist, wie die Tabelle zur Stichprobe zeigt, beträchtlich.

Dasselbe Vorgehen funktioniert für Über/Unter-Wetten: Die Summe der erwarteten Tore bestimmt direkt die Wahrscheinlichkeit für mehr als 2,5 Tore.

Was beim Vergleich zu beachten ist

1. npxG statt xG verwenden, damit Elfmeter das Bild nicht verzerren.
2. Offensive (xG) und Defensive (xGA) beider Teams kombinieren, nicht nur die Angriffswerte.
3. Heimvorteil, Ausfälle und Trainerwechsel bewusst einrechnen; das xG-Modell kennt sie nicht.
4. Über einen längeren Zeitraum messen, ob Ihre Einschätzung die Schlussquote schlägt – das zeigt der Closing Line Value verlässlicher als der Kontostand nach zehn Wetten.

Kurz zusammengefasst

xG misst die Qualität von Torchancen und ist über viele Spiele ein besseres Leistungsmaß als Tore. Elfmeter bekommen einen festen Wert, deshalb ist npxG für Analysen meist sinnvoller. Werte verschiedener Anbieter sind nicht direkt vergleichbar, und einzelne Spiele sind statistisch zu dünn für feste Urteile.

Für Fußballwetten ist xG ein Rohstoff, kein fertiger Tipp: Erst die Umrechnung in Wahrscheinlichkeiten und der Vergleich mit margenbereinigten Quoten zeigen, ob der Markt eine Mannschaft anders bewertet als die Daten. Wetten Sie nur mit Geld, dessen Verlust Sie verkraften können; Sportwetten sind ab 18 Jahren erlaubt.