Expected Goals: Was die Tore wirklich sagen
Ein Team gewinnt 1:0, aber die Statistik zeigt 0.4 xG für den Sieger und 2.1 xG für den Verlierer. Was ist passiert? Das Ergebnis lügt — oder genauer: Es erzählt nur einen Teil der Geschichte. Expected Goals, kurz xG, enthüllt den Rest. Die Metrik zeigt, was ein Team hätte erzielen sollen, basierend auf der Qualität seiner Chancen.
Inhaltsverzeichnis
xG — was die Tore wirklich sagen: Diese Kennzahl hat die Fußballanalyse revolutioniert. Wo früher nur Ergebnisse und Torschüsse zählten, sehen wir heute die Qualität jeder einzelnen Chance. Ein Kopfball aus fünf Metern nach Flanke ist mehr wert als ein Fernschuss aus 25 Metern — und xG quantifiziert diesen Unterschied.
Für Wetter ist xG unverzichtbar. Die Statistik hilft zu erkennen, welche Teams über oder unter ihren Möglichkeiten abschneiden — und damit, wo Regression zum Mittelwert wahrscheinlich ist. Ein Team, das konstant mehr xG erzielt als tatsächliche Tore, wird früher oder später mehr treffen. Das ist keine Hoffnung, sondern Mathematik.
Die xG-Metrik hat sich in den letzten Jahren vom Insider-Werkzeug zum Mainstream entwickelt. Selbst TV-Übertragungen zeigen mittlerweile xG-Werte an. Aber das bedeutet nicht, dass alle Wetter sie richtig nutzen — im Gegenteil, die oberflächliche Nutzung von xG kann zu ebenso falschen Schlüssen führen wie ihre Ignoranz.
Die Daten sind frei verfügbar. Plattformen wie Understat und FBref bieten xG-Statistiken für alle großen Ligen. Wer diese Ressourcen nutzt, hat einen Informationsvorsprung gegenüber Wettern, die nur auf die Tabelle schauen.
Wie xG funktioniert
Das Konzept ist elegant: Jeder Schuss wird anhand seiner Eigenschaften bewertet. Position auf dem Feld, Schussart, vorherige Aktion, Torhüterposition, Spielsituation — all das fließt in die Berechnung ein. Das Ergebnis ist eine Zahl zwischen 0 und 1, die angibt, wie wahrscheinlich es ist, dass dieser Schuss ein Tor wird.
Ein Elfmeter hat typischerweise einen xG-Wert von etwa 0.76 — das bedeutet, dass 76 Prozent aller Elfmeter verwandelt werden. Ein Schuss aus spitzem Winkel von der Strafraumgrenze hat vielleicht 0.05 xG — nur jeder zwanzigste solche Versuch führt zum Tor. Die Summe aller xG-Werte eines Teams ergibt die erwarteten Tore für das Spiel.
Die Modelle verschiedener Anbieter unterscheiden sich leicht. Understat und FBref nutzen unterschiedliche Algorithmen, was zu leicht abweichenden Zahlen führt. Für praktische Zwecke sind diese Unterschiede meist irrelevant — die Trends zeigen in dieselbe Richtung.
Was xG nicht erfasst: die Qualität des Schützen. Lionel Messi verwandelt Chancen öfter als der Durchschnitt — sein persönlicher Schnitt liegt über dem modellierten Wert. Umgekehrt gibt es Spieler, die systematisch unterperformen. Diese individuellen Unterschiede glätten sich über große Stichproben, aber bei einzelnen Spielen können sie relevant sein.
Die Stärke von xG liegt in der Aggregation. Ein einzelner Schuss mit 0.2 xG kann treffen oder nicht — das ist Varianz. Aber über eine Saison mit hunderten von Schüssen nähert sich die tatsächliche Torquote dem xG-Schnitt an. Diese langfristige Verlässlichkeit macht xG zu einem mächtigen Prognosewerkzeug.
Overperformer und Underperformer
Die interessantesten xG-Anwendungen betreffen Teams, deren tatsächliche Ergebnisse stark von den Expected Goals abweichen. Overperformer erzielen mehr Tore, als ihre Chancen erwarten lassen — oder kassieren weniger. Underperformer haben das umgekehrte Problem.
In der Bundesliga gibt es regelmäßig solche Ausreißer. Die Saison 2024/25 mit 985 Toren (3,2 pro Spiel) — ein Rekord dieses Jahrtausends — zeigt, wie stark die Torproduktion variieren kann. Ein Team, das nach der Hinrunde eine xG-Differenz von +5 hat, aber tatsächlich bei +12 Tordifferenz steht, ist ein klassischer Overperformer. Die Statistik sagt: Diese Mannschaft hat Glück gehabt. Die Prognose: In der Rückrunde wird sie wahrscheinlich schlechter abschneiden.
Die Torhüterleistung ist oft der Schlüssel. Ein Keeper, der deutlich mehr Schüsse hält als erwartet, kann das gesamte Teamresultat verzerren. Aber auch die besten Torhüter können nicht dauerhaft über ihrem Niveau spielen. Die Regression kommt — manchmal langsam, manchmal abrupt.
Auf der offensiven Seite spielen individuelle Fähigkeiten eine größere Rolle. Teams mit herausragenden Abschlussqualitäten können systematisch über ihrem xG liegen. Aber auch hier gilt: Die Differenz sollte erklärbar sein. Ein Team ohne Weltklasse-Stürmer, das trotzdem deutlich überperformt, wird das nicht halten können.
Die praktische Nutzung: Wetten gegen Overperformer und auf Underperformer. Wenn ein Team nach guter xG-Bilanz nur durchschnittliche Ergebnisse zeigt, sind die Quoten oft zu hoch. Der Markt reagiert auf Ergebnisse, aber xG zeigt die wahre Leistung.
Anwendung in Wetten
Die direkteste Anwendung ist der Über/Unter-Markt. Wenn zwei Teams zusammen auf 3.2 xG pro Spiel kommen, ist Über 2.5 statistisch wahrscheinlicher als bei Teams mit zusammen 2.0 xG. Die Buchmacher wissen das natürlich — aber sie preisen es nicht immer perfekt ein.
Die Regression zum Mittelwert ist ein mächtiges Konzept. Studien zeigen, dass Teams mit großer Diskrepanz zwischen xG und tatsächlichen Toren sich innerhalb von zehn bis fünfzehn Spielen typischerweise normalisieren. Wer diese Phase antizipiert, findet Value.
Auch für Handicap-Wetten ist xG nützlich. Ein Team, das konstant hohe xG erzielt, aber knapp verliert, ist besser als sein Tabellenplatz — und damit möglicherweise eine gute Wahl mit Handicap-Vorsprung.
Die Kombination mit anderen Statistiken verstärkt die Aussagekraft. xG zusammen mit Formkurve, Heim-Auswärts-Split und Verletzungslage ergibt ein vollständigeres Bild als jede Einzelstatistik. Kein Indikator ist perfekt — aber mehrere zusammen sind robust.
Ein Warnhinweis: xG ist ein Durchschnittswert. Er sagt, was wahrscheinlich ist, nicht was passieren wird. Einzelne Spiele weichen oft stark vom xG ab — das ist keine Schwäche der Statistik, sondern die Natur des Spiels. Die Stärke von xG liegt in der Summe, nicht im Einzelfall.
Die saisonale Perspektive ist entscheidend. Ein Team mit negativer xG-Differenz nach fünf Spielen kann aufholen. Ein Team mit negativer xG-Differenz nach 25 Spielen hat ein echtes Problem. Die Stichprobengröße bestimmt die Zuverlässigkeit der Aussage — kleine Stichproben führen zu großen Fehlern.
Grenzen von xG
Kein Modell ist perfekt, und xG hat klare Limitationen. Die Datenqualität variiert zwischen Ligen und Anbietern. Für die Bundesliga sind die Daten exzellent, für kleinere Ligen oft lückenhaft oder weniger präzise.
Individuelle Fähigkeiten werden unterschätzt. Ein Team mit einem Elite-Stürmer wird systematisch über seinem xG liegen — und das ist kein Zufall, sondern Können. Umgekehrt kann ein Team mit schwachen Abschlussqualitäten dauerhaft unterperformen.
Taktische Faktoren fließen nur begrenzt ein. Ein Team, das auf Konter spielt, erzielt vielleicht weniger xG, aber seine Chancen sind hochwertig, weil sie aus schnellen Umschaltmomenten entstehen. Der Spielstil beeinflusst, wie xG zu interpretieren ist.
Psychologische Aspekte fehlen komplett. Ein Derby, ein Abstiegsfinale, ein Champions-League-Halbfinale — die Drucksituation beeinflusst die Chancenverwertung, aber xG kann das nicht erfassen. In solchen Spielen sind die Modelle weniger zuverlässig.
Die beste Haltung zu xG ist kritische Wertschätzung: Die Statistik ist ein mächtiges Werkzeug, aber kein Orakel. Sie zeigt Wahrscheinlichkeiten, keine Gewissheiten. Wer das versteht, kann xG gewinnbringend nutzen — ohne ihm blind zu vertrauen.
Ein praktischer Ansatz: Nutze xG als Filter, nicht als alleiniges Entscheidungskriterium. Wenn xG und andere Faktoren — Form, Motivation, Heim-Auswärts-Statistik — in dieselbe Richtung zeigen, ist die Überzeugung stärker. Wenn sie divergieren, ist Vorsicht angebracht. Diese Kombination aus Daten und Kontext führt zu besseren Entscheidungen als jede Einzelstatistik allein.
Die xG-Revolution hat den Fußball verändert — nicht nur für Analysten, sondern auch für informierte Wetter. Wer diese Metrik versteht und richtig einsetzt, hat einen Vorsprung. Aber wie jeder Vorsprung erfordert er Arbeit: Daten sammeln, interpretieren, mit anderen Faktoren abgleichen. Der Aufwand lohnt sich — für alle, die Wetten als langfristiges Unterfangen betrachten.
Häufig gestellte Fragen
Was ist xG und wie wird es berechnet?
Expected Goals (xG) berechnet die Wahrscheinlichkeit, dass ein Schuss zum Tor fuehrt. Faktoren sind Position, Winkel, Schussart und vorangegangene Aktion. Ein Elfmeter hat xG von etwa 0.76, ein Fernschuss aus spitzem Winkel vielleicht 0.03. Die Summe aller xG-Werte ergibt die erwarteten Tore.
Was verraet xG ueber Overperformer und Underperformer?
Teams die deutlich mehr Tore erzielen als ihre xG erwarten laesst, sind Overperformer. Ueber eine Saison tendiert dieser Wert zur Regression. Underperformer werden in der Regel mehr Tore schiessen. Diese Regression ist fuer Wetter ein wertvolles Signal.
Wo finde ich kostenlose xG-Daten?
Understat.com und FBref.com bieten kostenlose xG-Statistiken fuer alle grossen Ligen inklusive Bundesliga. Beide Plattformen zeigen xG pro Spiel, xG pro Team und individuelle Spielerstatistiken. Fuer tiefere Analysen bieten WhoScored und SofaScore ergaenzende Daten.
Sportwetten können süchtig machen. Spiele nur mit Geld, dessen Verlust du verkraften kannst. Die Teilnahme ist erst ab 18 Jahren erlaubt. Informationen zu Hilfsangeboten findest du unter spielen-mit-verantwortung.de. Die hier dargestellten Analysen stellen keine Garantie für Gewinne dar.