Was steckt hinter xG?
xG, das Expected Goals‑Modell, ist kein Wahrsager, sondern ein mathematischer Schätzwert für die Qualität einer Torchance. Es wandelt Abstand, Winkel, Pressing‑Intensität und viele weitere Variablen in eine Wahrscheinlichkeit um. Klingt simpel, ist aber ein komplexes Geflecht aus Statistik, Physik und Spielkultur. Schau mal: ein Schuss aus 20 Metern mit wenig Verteidigerdruck kann ein höheres xG besitzen als ein naher Kopfball aus 3 Metern, wenn die Verteidigung stark blockiert.
Wahrscheinlichkeit versus Erwartungswert
Hier kommt die erste Falle: Viele verwechseln die Trefferwahrscheinlichkeit mit dem erwarteten Torwert. Ein Schuss mit 0,12 xG bedeutet nicht, dass er mit 12 % Sicherheit ein Tor ist – es bedeutet, dass ein solcher Schuss im Mittel 0,12 Tore erzielt, wenn man ihn 100‑mal wiederholt. Und das ist ein entscheidender Unterschied, denn die Varianz bleibt hoch.
Poisson‑Verteilung im Hintergrund
Einfacher ausgedrückt: Die Tore, die ein Team über ein Spiel hinweg erzielt, lassen sich gut mit einer Poisson‑Verteilung modellieren. Der Mittelwert λ ist dabei das aggregierte xG aller Chancen. Das bedeutet, je höher das kumulierte xG, desto größer die Chance, dass das Ergebnis in die Nähe der Erwartung rückt. Trotzdem bleibt das Spiel ein Glücksspiel – das ist die Schönheit des Fußballs.
Datenbasis und Modellannahmen
Kein Modell funktioniert ohne saubere Daten. Hierfür benötigen wir minutiös erfasste Event‑Logs, idealerweise mit über 100 000 Schüssen. Und natürlich: jede Messung ist mit einem Fehler behaftet. Die Annahme, dass alle Schüsse unabhängig voneinander sind, ist stark vereinfacht – ein Konterschuss nach einem Ballverlust ist kaum unabhängig vom vorherigen Pass.
Der Einfluss von Kontextfaktoren
Ein weiterer Stolperstein: Team‑taktik, Wetter und Platzverhältnisse. Diese Faktoren werden selten in Standard‑xG‑Modellen berücksichtigt, obwohl sie die Erfolgswahrscheinlichkeit massiv modulieren. Hier kann ein erfahrener Analyst mit Adjustierungsfaktoren nachhelfen.
Praktische Anwendung im Prognose‑Business
Auf aifussballvorhersage.com nutzen wir xG nicht als Kristallkugel, sondern als Basis für unsere Vorhersagealgorithmen. Wir kombinieren das erwartete Torvolumen mit historischen Formkurven, um über‑ und unterdurchschnittliche Leistungen zu identifizieren. Und das Ergebnis? Viel häufiger treffen wir die richtige Entscheidung, als wenn wir nur auf das Endergebnis schauen.
Hier ist der Deal: Wenn du das nächste Mal eine Tabelle analysierst, ignoriere das reine Punktesystem und fokussiere dich auf das kumulierte xG. Subtrahiere das gegnerische xG, schaue dir die Differenz an – das ist das wahre Potenzial für bevorstehende Überraschungen.
Jetzt nimm deine Daten, setz das einfache Poisson‑Modell an und prüfe die Abweichungen vom realen Ergebnis. Wenn du das konstant machst, wirst du schneller sehen, welche Teams systematisch über- oder unterperformen. Und das ist deine Eintrittskarte für profitablere Vorhersagen.