Wofür xG-Modelle taugen: Diagnose, Trainerbewertung und ihre Grenzen

Wer ein xG-Modell besitzt, steht schnell vor der Frage: Und jetzt? Eine Zahl pro Schuss ist noch keine Erkenntnis. Der Nutzen entsteht erst, wenn man mit den Werten Fragen beantwortet, die sich mit bloßen Ergebnissen nicht klären lassen. Dieser Beitrag zeigt typische Anwendungen und erklärt, wo ihre Aussagekraft endet. Er greift Überlegungen auf, die der Blog Differentgame bereits 2014 angestellt hat, und formuliert sie eigenständig und in eigenen Beispielen aus.

Die Frage hinter dem Modell

Jede Analyse beginnt mit einer Frage. Bei xG-Modellen sind es vor allem drei: Wie gut verwertet eine Mannschaft ihre Chancen? Wie gut verhindert sie die der Gegner? Und: Wo im Spielaufbau entstehen die Chancen? Die erste Frage betrifft Effizienz, die zweite die Defensive, die dritte die Struktur. Wie die Werte rechnerisch entstehen, haben wir im Beitrag xG-Modell mit Schusszonen beschrieben.

Effizienz messen

Der einfachste Einsatz ist der Vergleich von erwarteten und tatsächlichen Toren. Erzielt ein Team 50 Tore bei 42 xG, liegt es acht Tore über dem Erwartungswert. Das kann Klasse im Abschluss sein, etwa durch einen herausragenden Stürmer, oder Glück. Um beides zu trennen, braucht man Zeit und Vergleichswerte: Zeigt ein Spieler über mehrere Spielzeiten hinweg dauerhaft mehr Tore als xG, wird ein Qualitätseffekt wahrscheinlicher. Zeigt er es nur in einer Saison, spricht mehr für Zufall.

Derselbe Gedanke gilt auf der anderen Seite für Torhüter. Wer weniger Gegentore kassiert, als die gegnerischen Schüsse erwarten lassen, hat entweder gut gehalten oder Glück gehabt. Diese Unterscheidung wird wichtig, wenn man einen Spieler verpflichten möchte: Ein Preis, der auf einer außergewöhnlichen Saison beruht, ist riskant, wenn der Effekt nicht stabil ist. Hier greift wieder die Regression zur Mitte, die der Beitrag xG-Differenz statt Tordifferenz erklärt.

Diagnose von Spielsystemen

Das Modell kann zeigen, ob ein Spielsystem Chancen erzeugt, die sich auszahlen. Ein Team mit hohen Schusszahlen, aber niedrigem xG pro Schuss produziert viele Abschlüsse aus ungünstigen Lagen. Das ist nicht automatisch schlecht, denn auch Fernschüsse und Flanken können Teil einer Strategie sein. Aber die Zahl macht sichtbar, was die Strategie kostet. Der Gedanke dabei: Das Modell liefert einen Maßstab, und der Trainerstab entscheidet, ob die Abweichung gewollt ist.

Daraus lassen sich konkrete Fragen ableiten. Entstehen die Chancen eher über die Außenbahnen oder durch das Zentrum? Wie viele Abschlüsse folgen auf Flanken, wie viele auf Kombinationen im Strafraum? Wie viel xG kostet es, wenn die Mannschaft gegen tief stehende Gegner nur selten in den Rückraum kommt? Das Modell beantwortet das nicht allein, aber es beziffert die Größenordnung eines Problems, das man sonst nur erahnt.

Ein Fallbeispiel: Flanken gegen Kombinationen

Der erwähnte Blog beschreibt den FC Everton unter zwei Trainern. Unter dem ersten Trainer entstand ein großer Teil der Chancen über Flanken aus den Seitenbereichen, die Mannschaft hatte viel Ballbesitz im letzten Drittel, verwertete aber ihre Möglichkeiten gegen defensiv ausgerichtete Gegner schwach. Unter dem Nachfolger gab es weniger Flanken und mehr Kombinationen durch die Mitte, und die Effizienz stieg deutlich. Der Autor nutzt das als Beispiel dafür, dass nicht nur die Menge der Chancen zählt, sondern auch ihre Entstehung. Diese Beobachtung ist plausibel, bleibt aber ein Einzelfall aus zwei Spielzeiten.

Das ist die eigentliche Lehre: Das Modell zeigt eine Auffälligkeit, nicht ihre Ursache. Ob der Unterschied vom Trainer kam, von einem neuen Stürmer, von geänderten Gegnerstärken oder schlicht von Zufall, lässt sich aus den Zahlen allein nicht trennen. Dazu braucht man Videoanalyse, Kontextwissen und im besten Fall mehrere Spielzeiten.

Trainer bewerten?

Es ist verlockend, xG-Bilanzen als Zeugnis für Trainer zu verwenden. Tatsächlich lässt sich eine Mannschaft vor und nach einem Trainerwechsel vergleichen. Aber die Hürden sind hoch: Kader und Gegner ändern sich, die Stichproben sind klein, und die Spielweise hängt von der Tabellensituation ab. Ein Team, das nach einer Serie von Niederlagen den Trainer wechselt, zeigt oft allein wegen der Regression zur Mitte danach bessere Ergebnisse. Wer das ignoriert, schreibt dem neuen Trainer einen Effekt zu, den vielleicht schon der Zufall geliefert hätte. Als Entscheidungshilfe taugt die Bilanz deshalb eher als Gesprächsgrundlage denn als Urteil.

Ein weiteres Anwendungsfeld: Spielerbewertung

Auch bei der Bewertung einzelner Spieler wird xG genutzt. Ein Stürmer, der in drei Spielzeiten 18, 15 und 21 Tore erzielt hat, wirkt konstant. Zeigt die Auswertung, dass seine Chancenqualität in diesen Jahren bei etwa 13, 14 und 15 xG lag, ist ein Teil der Tore dem Abschluss zuzuschreiben, ein anderer womöglich Glück. Interessant ist dann, ob die Überperformance jedes Jahr ähnlich ausfällt. Vorsicht ist geboten, wenn ein Spieler von einer Mannschaft kommt, die ihm überdurchschnittlich viele hochwertige Chancen auflegt: Wechselt er zu einem Team mit anderem Spielstil, ändert sich die Chancenverteilung. Zahlen über Spieler sollten deshalb immer im Zusammenhang mit der Mannschaft gelesen werden, in der sie entstanden sind. Gleiches gilt für Torhüter: Ihre Quote gehaltener Schüsse hängt davon ab, wie schwer die Schüsse waren, die sie bekommen haben.

Was das für Prognosen und Wetten heißt

Für Prognosemodelle sind xG-Werte ein Eingangsmerkmal unter mehreren. Sie sind meist stabiler als Ergebnisse und helfen, Stärke und Form zu schätzen. Aber ein Merkmal ist noch keine Wette: Ob daraus ein Vorteil gegenüber dem Markt entsteht, hängt davon ab, wie genau die Wahrscheinlichkeiten sind und ob die Quoten sie schon widerspiegeln. Die Rechengrundlagen dafür erklären Expected Value bei Wettquoten und Wettquoten in Wahrscheinlichkeiten umrechnen.

Unser Umgang mit Modellen, Validierung und offenen Grenzen steht in der Methodik; den Track Record führen wir getrennt auf der Seite Statistik. Sportwetten sind mit Verlusten verbunden, siehe Risikohinweise. Als Nächstes lesen: Faire Quoten für 1X2 und Asian Handicap aus Poisson berechnen.