xG-Differenz statt Tordifferenz: Warum Ergebnisse oft täuschen
Eine Tabelle zeigt, wer wie viele Punkte geholt hat. Sie zeigt nicht, wie stabil diese Punkte entstanden sind. Eine Mannschaft kann mit mehreren späten Siegen und einem überragenden Torhüter weit oben stehen, obwohl sie im Spielverlauf kaum besser war als ihre Gegner. Die erwartete Tordifferenz, kurz xG-Differenz, soll genau diese Lücke schließen. Sie vergleicht die Qualität der erarbeiteten mit der Qualität der zugelassenen Chancen und blendet den Zufall des Abschlusses weitgehend aus.
Das Problem mit Ergebnissen
Fußball ist ein torarmer Sport. Wenn in 90 Minuten durchschnittlich zweieinhalb bis drei Tore fallen, entscheidet oft ein einziges Ereignis über Sieg, Remis oder Niederlage. Ein Pfostenschuss, eine Fehlentscheidung, ein abgefälschter Ball: Solche Momente tragen viel Zufall in das Endergebnis. Über 38 Spiele gleicht sich ein Teil davon aus, aber längst nicht alles. Deshalb ist die Tabelle nach zehn Spieltagen ein ungenauer Wegweiser für die Frage, welche Teams tatsächlich stark sind.
Die Tordifferenz ist schon ein besseres Maß als die Punktzahl, weil sie die Höhe der Ergebnisse einbezieht. Aber auch sie leidet unter derselben Zufallsbasis. Hier setzt die Idee an, nicht die Tore, sondern die Chancen zu zählen. Wie solche Chancenwerte entstehen, erklärt der Beitrag xG-Modell mit Schusszonen; die Grundbegriffe stehen im Artikel Expected Goals einfach erklärt.
Was die xG-Differenz misst
Definition: Die xG-Differenz (auch ExpGD) ist die Summe der xG-Werte der eigenen Abschlüsse minus die Summe der xG-Werte der gegnerischen Abschlüsse, bezogen auf einen Zeitraum, etwa eine Saison.
Ein Team, das pro Spiel im Schnitt 1,6 xG herausspielt und 1,1 xG zulässt, hat eine xG-Differenz von +0,5 pro Spiel. Über 38 Spiele ergeben sich +19 Tore. Daneben steht die tatsächliche Tordifferenz. Sind beide Werte ähnlich, spricht wenig für Glück oder Pech. Weichen sie stark ab, lohnt der zweite Blick: Verwertet das Team außergewöhnlich gut, hält der Torhüter ungewöhnlich viele Bälle, oder stimmt etwas mit den Daten nicht?
Regression zur Mitte
Der wichtigste statistische Gedanke dahinter heißt Regression zur Mitte. Extreme Werte sind in der Regel eine Mischung aus echter Leistung und Zufall. Im nächsten Zeitraum fällt der Zufallsanteil nicht erneut in dieselbe Richtung, deshalb rücken extreme Werte näher an den Durchschnitt. Ein Team, das ein Jahr lang deutlich mehr Tore erzielt hat, als seine Chancen erwarten ließen, wird im Folgejahr mit hoher Wahrscheinlichkeit weniger Überperformance zeigen. Die Chancenbilanz ändert sich dagegen langsamer, weil sie stärker von Spielstil und Kaderqualität abhängt.
Genau deshalb gilt die xG-Differenz als stabiler Indikator. Sie ist kein Orakel, aber sie enthält weniger Rauschen. Wer Prognosen für die kommende Saison baut, tut oft gut daran, sie höher zu gewichten als die letzten Resultate.
Ein durchgerechnetes Beispiel
Ein fiktives Team A erzielt in 10 Spielen 22 Tore und kassiert 9, die Tordifferenz beträgt +13. Die Summe seiner xG-Werte liegt bei 15,0, die der Gegner bei 11,0, die xG-Differenz also bei +4,0. Die Lücke von 9 Toren ist groß. Mögliche Erklärungen: Das Team hat deutlich mehr verwandelt, als die Chancen hergaben (22 Tore bei 15,0 xG), und der eigene Torhüter hat gegnerische Abschlüsse stark abgewehrt (9 Gegentore bei 11,0 xG gegen). Beides sind Dinge, die erfahrungsgemäß schwer zu wiederholen sind.
Aus dem Zahlenpaar folgt kein sicheres Urteil, aber ein Anfangsverdacht: Das Team ist vermutlich besser als ein durchschnittliches, aber wohl nicht so gut, wie die Tordifferenz suggeriert. Wer Wettquoten bewertet, sollte das einkalkulieren. Der Markt ist oft schon recht gut darin, solche Verzerrungen einzupreisen, ein Vorteil lässt sich daraus also nicht automatisch ableiten. Mehr dazu im Artikel Expected Value bei Wettquoten.
Wie man die Aussagekraft prüft
Seriös ist ein Indikator erst, wenn er sich an Daten bewähren muss. Üblich ist folgender Test: Man berechnet für viele Mannschaften und Saisons die xG-Differenz der ersten Hälfte und vergleicht sie mit der tatsächlichen Tordifferenz der zweiten Hälfte. Dasselbe macht man mit der tatsächlichen Tordifferenz der ersten Hälfte. Der Indikator, der die zweite Hälfte besser vorhersagt, hat die höhere Aussagekraft. Als Kennzahl dient häufig das Bestimmtheitsmaß, also der Anteil der erklärten Streuung. Wichtig: Die Prüfung muss zeitlich sauber erfolgen, ohne Informationen aus der Zukunft. Wie das geht, beschreibt der Beitrag zum Walk-Forward-Backtest.
Eine kurze Checkliste für die Praxis
Wer die xG-Differenz selbst nutzen möchte, sollte ein paar Regeln beachten. Erstens: immer denselben Modellanbieter für alle Vergleiche verwenden, damit die Werte untereinander vergleichbar bleiben. Zweitens: Heim- und Auswärtsspiele getrennt betrachten, wenn die Stichprobe es erlaubt, denn die Chancenverteilung unterscheidet sich zwischen beiden. Drittens: Elfmeter und Eigentore getrennt ausweisen, weil sie die Summe stark verzerren können. Viertens: nicht nur Durchschnittswerte, sondern auch die Streuung zwischen den Spielen ansehen. Ein Team mit gleichmäßigen 1,5 xG pro Spiel ist etwas anderes als eines, das abwechselnd 0,5 und 2,5 erreicht. Fünftens: Schlüsse erst ab einer ausreichenden Zahl von Spielen ziehen und die Unsicherheit offen benennen.
Grenzen und Fallstricke
Die xG-Differenz hat Schwächen. Erstens hängt sie vom verwendeten Modell ab; verschiedene Anbieter kommen für dasselbe Spiel zu unterschiedlichen Werten. Zweitens bildet sie Spielkontrolle nur indirekt ab: Eine Mannschaft, die früh führt und dann verwaltet, produziert absichtlich weniger Chancen. Drittens beeinflusst der Spielstand die Schussqualität, was zu Verzerrungen führt, wenn man nur Gesamtwerte betrachtet. Viertens sind Stichproben klein; zehn Spiele sind kaum mehr als ein Hinweis. Und fünftens bleiben echte Veränderungen unsichtbar, etwa ein Trainerwechsel oder der Verkauf eines Schlüsselspielers.
Die sinnvolle Haltung lautet daher: xG-Differenz ist ein zusätzlicher Blickwinkel, kein Ersatz für Urteilsvermögen. Gemeinsam mit Ratings wie Elo und einer sauberen Kalibrierung entsteht ein belastbareres Bild als aus jeder Einzelzahl. Wie FootballValue damit umgeht, steht in der Methodik. Als Nächstes lesen: Wofür xG-Modelle in der Praxis taugen.