KI Fussball Kombiwetten xG: Expected Goals als Fundament präziser Prognosen

Expected Goals haben die Fussballanalyse revolutioniert wie kaum eine andere Kennzahl. Was vor zehn Jahren noch ein Nischenthema für Datenanalysten war, ist heute in jeder Sportschau-Sendung präsent. Aber während die meisten Zuschauer nur die Zahl sehen, die nach dem Spiel eingeblendet wird, verstehen nur wenige, was wirklich dahintersteckt. Für Kombiwetten ist dieses Verständnis jedoch entscheidend. Denn wer xG richtig interpretiert, kann Muster erkennen, die dem blossen Blick auf die Tabelle verborgen bleiben. Dieser Artikel taucht tief ein in die Welt der Expected Goals und zeigt dir, wie du diese Kennzahl für bessere Wettentscheidungen nutzen kannst.

Die Grundidee von Expected Goals ist bestechend einfach: Nicht jeder Torschuss ist gleich. Ein Elfmeter hat eine andere Trefferwahrscheinlichkeit als ein Fernschuss aus 30 Metern. Ein Kopfball nach einer Flanke ist schwieriger zu verwandeln als ein Schuss aus fünf Metern nach einem Querpass. xG quantifiziert diese Unterschiede und weist jedem Schuss einen Wert zwischen 0 und 1 zu, der die Wahrscheinlichkeit eines Tores angibt. Die Summe aller xG-Werte einer Mannschaft ergibt die Expected Goals für das gesamte Spiel, also die Anzahl der Tore, die man basierend auf der Chancenqualität statistisch erwarten würde.

Die Mathematik hinter Expected Goals

Um xG wirklich zu verstehen, muss man sich mit der Methodik beschäftigen. Die verschiedenen Anbieter von xG-Daten verwenden leicht unterschiedliche Modelle, aber die Grundprinzipien sind ähnlich. Im Kern handelt es sich um Machine-Learning-Modelle, die auf historischen Daten trainiert wurden. Diese Modelle haben Hunderttausende von Torschüssen analysiert und gelernt, welche Faktoren die Trefferwahrscheinlichkeit beeinflussen.

Der wichtigste Faktor ist die Position des Schusses. Je näher am Tor und je zentraler, desto höher der xG-Wert. Das ist intuitiv nachvollziehbar: Ein Schuss aus fünf Metern zentral vor dem Tor hat bessere Chancen als einer aus 25 Metern am Strafraumrand. Aber die Position allein reicht nicht aus. Auch der Winkel zum Tor spielt eine Rolle. Ein Schuss aus spitzem Winkel, auch wenn er nah am Tor ist, hat geringere Erfolgsaussichten als einer aus zentraler Position.

Ein weiterer wichtiger Faktor ist die Art des Schusses. Kopfbälle haben im Durchschnitt niedrigere xG-Werte als Schüsse mit dem Fuss, weil sie schwieriger zu kontrollieren sind. Auch die Spielsituation fliesst ein: Schüsse nach Kontern haben oft höhere xG-Werte, weil die Abwehr noch nicht organisiert ist. Schüsse nach Standardsituationen werden separat bewertet, weil sie eigenen Gesetzmässigkeiten folgen.

Moderne xG-Modelle berücksichtigen noch weitere Faktoren: die Position der Verteidiger, den Druck auf den Schützen, die Geschwindigkeit des Spiels, sogar die Qualität des Passes, der zum Schuss führte. Je mehr Faktoren ein Modell einbezieht, desto präziser wird es, aber auch desto komplexer. Die besten Modelle erreichen eine beeindruckende Genauigkeit, aber sie sind nie perfekt. Es gibt immer Situationen, die sich nicht vollständig in Zahlen fassen lassen.

Ein konkretes Beispiel: Ein Elfmeter hat einen xG-Wert von etwa 0,76 bis 0,77. Das bedeutet, dass statistisch gesehen etwa 76 bis 77 Prozent aller Elfmeter verwandelt werden. Diese Zahl basiert auf der Analyse von Tausenden von Elfmetern über viele Jahre. Sie berücksichtigt nicht, wer schiesst oder wer im Tor steht, denn das Modell arbeitet mit Durchschnittswerten. Ein Weltklasse-Schütze wie ein erfahrener Stürmer wird mehr Elfmeter verwandeln als der Durchschnitt, ein nervöser Nachwuchsspieler weniger. Diese individuelle Komponente ist eine der Grenzen von xG.

xG in der praktischen Wettanwendung

Für Kombiwetten ist xG aus mehreren Gründen wertvoll. Der offensichtlichste ist die Identifikation von Über- und Unterperformern. Ein Team, das in den letzten zehn Spielen 15 Tore geschossen hat, wirkt auf den ersten Blick offensivstark. Aber wenn sein kumulierter xG-Wert nur bei 10 liegt, dann hat es mehr Tore erzielt, als die Qualität seiner Chancen hergab. Diese Überperformance ist statistisch nicht nachhaltig. Irgendwann wird sich die Bilanz dem Erwartungswert annähern, und das Team wird weniger Tore schiessen als zuletzt.

Umgekehrt gilt: Ein Team, das weniger Tore erzielt als sein xG-Wert erwarten lässt, hat Pech gehabt oder ineffiziente Stürmer. Aber die Chancen sind da, und früher oder später werden sie auch genutzt. Solche Teams sind interessante Kandidaten für Wetten auf Tore, weil die Quoten oft die jüngsten Ergebnisse widerspiegeln, nicht die zugrunde liegende Chancenqualität.

Die gleiche Logik gilt für die Defensive. Ein Team mit niedrigem xGA (Expected Goals Against) lässt wenige hochwertige Chancen zu, was auf eine solide Abwehr hindeutet. Selbst wenn es in den letzten Spielen einige Gegentore kassiert hat, könnte das auf Pech zurückzuführen sein. Umgekehrt: Ein Team, das trotz hohem xGA wenige Gegentore kassiert hat, profitiert möglicherweise von einem überragenden Torwart oder von Glück. Diese positive Abweichung wird sich langfristig korrigieren.

Für die praktische Anwendung bei Kombiwetten empfiehlt es sich, xG-Differenzen zu berechnen. Die Differenz zwischen xG und tatsächlichen Toren zeigt, ob ein Team über oder unter seinen Möglichkeiten performt. Eine positive Differenz bedeutet Überperformance, eine negative Unterperformance. Teams mit stark positiver Differenz sind Kandidaten für eine Korrektur nach unten, Teams mit stark negativer Differenz für eine Korrektur nach oben.

xG-Datenquellen und ihre Unterschiede

Nicht alle xG-Daten sind gleich. Verschiedene Anbieter verwenden unterschiedliche Modelle, und die Ergebnisse können deutlich variieren. Für den ernsthaften Kombiwetten-Spieler ist es wichtig, diese Unterschiede zu kennen und die Daten entsprechend zu interpretieren.

Die bekanntesten öffentlichen Quellen für xG-Daten sind Understat, FBref und WhoScored. Understat bietet detaillierte xG-Statistiken für die grossen europäischen Ligen und ist kostenlos zugänglich. Die Daten werden regelmässig aktualisiert und umfassen sowohl Spieler- als auch Teamstatistiken. FBref, betrieben von Sports Reference, bietet ebenfalls umfassende xG-Daten, die auf dem Modell von StatsBomb basieren. WhoScored verwendet ein eigenes Modell und bietet zusätzlich Spielerbewertungen und taktische Analysen.

Die Unterschiede zwischen den Modellen können erheblich sein. Ein Schuss, der bei Understat einen xG-Wert von 0,15 hat, könnte bei StatsBomb mit 0,20 bewertet werden. Diese Abweichungen entstehen durch unterschiedliche Methoden und Datengrundlagen. StatsBomb beispielsweise berücksichtigt die Position des Torwarts und der Verteidiger, was zu präziseren Schätzungen führen kann. Andere Modelle verwenden einfachere Ansätze, die weniger Daten erfordern, aber auch weniger genau sind.

Für Kombiwetten ist es ratsam, mehrere Quellen zu konsultieren und die Ergebnisse zu vergleichen. Wenn verschiedene Modelle zu ähnlichen Schlüssen kommen, ist die Wahrscheinlichkeit höher, dass die Einschätzung korrekt ist. Wenn sie stark abweichen, ist Vorsicht geboten. Die Wahrheit liegt möglicherweise irgendwo in der Mitte, oder einer der Anbieter hat einen Fehler gemacht.

Über-Unter-Wetten mit xG optimieren

Ein besonders fruchtbares Anwendungsgebiet für xG sind Über-Unter-Wetten auf die Toranzahl. Die Logik ist einfach: Wenn beide Teams hohe xG-Werte produzieren, ist ein torreiches Spiel wahrscheinlich. Wenn beide Teams niedrige xG-Werte haben, deutet das auf ein torarmes Spiel hin.

Aber die Sache ist komplexer als diese einfache Faustregel. Die xG-Werte eines Teams hängen auch vom Gegner ab. Eine offensive Mannschaft, die gegen eine schwache Defensive spielt, wird höhere xG-Werte erzielen als gegen eine starke Abwehr. Die isolierte Betrachtung der xG-Werte eines Teams reicht daher nicht aus. Man muss auch berücksichtigen, gegen wen diese Werte erzielt wurden.

Eine fortgeschrittene Methode ist die Berechnung von bereinigten xG-Werten, die die Stärke der Gegner einbeziehen. Wenn ein Team hohe xG-Werte gegen schwache Gegner erzielt hat, sind diese weniger aussagekräftig als hohe Werte gegen starke Gegner. Einige xG-Modelle bieten solche bereinigten Werte an, andere nicht. Wenn du selbst rechnest, kannst du die xG-Werte der Gegner als Referenz verwenden.

Für eine konkrete Über-Unter-Wette könntest du folgendermassen vorgehen: Berechne den durchschnittlichen xG-Wert beider Teams aus den letzten fünf Heimspielen bzw. Auswärtsspielen. Addiere die beiden Werte. Wenn die Summe deutlich über 2,5 liegt, spricht das für eine Über-Wette. Wenn sie deutlich unter 2,5 liegt, spricht das für eine Unter-Wette. Aber prüfe auch, ob die Quote einen Value bietet. Eine Über-Wette bei einer Quote von 1,50 lohnt sich nur, wenn die Wahrscheinlichkeit höher als 67 Prozent ist.

Beide-Teams-treffen mit xG analysieren

Ein weiterer Markt, der sich gut mit xG analysieren lässt, ist Beide-Teams-treffen. Hier wettest du darauf, ob beide Mannschaften mindestens ein Tor erzielen werden. Die xG-Daten können dir zeigen, wie wahrscheinlich das ist.

Der Schlüssel liegt in der Kombination von offensiven und defensiven xG-Werten. Ein Team, das regelmässig hohe xG-Werte erzielt, wird wahrscheinlich treffen. Ein Team, das hohe xGA-Werte zulässt, wird wahrscheinlich ein Gegentor kassieren. Wenn beide Teams sowohl offensiv als auch defensiv aktiv sind, ist BTTS wahrscheinlich.

Aber auch hier gibt es Feinheiten. Manche Teams spielen sehr kontrollierten Fussball mit wenigen Chancen auf beiden Seiten. Diese Spiele enden oft 1:0 oder 0:0, was für BTTS-Nein spricht. Andere Teams spielen offenen Schlagabtausch mit vielen Chancen. Diese Spiele enden häufiger mit Toren auf beiden Seiten.

Eine praktische Kennzahl ist der Anteil der Spiele, in denen ein Team getroffen hat, kombiniert mit dem Anteil der Spiele, in denen es ein Gegentor kassiert hat. Wenn ein Team in 90 Prozent seiner Spiele trifft und in 80 Prozent ein Gegentor kassiert, ist es ein klassischer BTTS-Kandidat. Die xG-Daten untermauern diese Statistik mit der zugrunde liegenden Chancenqualität.

xG für Handicap-Wetten nutzen

Asian Handicaps sind ein weiterer Markt, bei dem xG wertvolle Einblicke liefern kann. Bei einem Handicap wettest du auf den Ausgang eines Spiels unter Berücksichtigung eines virtuellen Vorsprungs oder Rückstands. Die xG-Differenz zwischen zwei Teams kann dir zeigen, wie gross der tatsächliche Leistungsunterschied ist.

Wenn Team A einen durchschnittlichen xG-Wert von 2,0 pro Spiel hat und Team B nur 1,0, dann beträgt die erwartete Differenz 1,0 Tore pro Spiel. Ein Handicap von -1,5 auf Team A wäre demnach riskant, weil die erwartete Differenz darunter liegt. Ein Handicap von -0,5 oder -1,0 wäre eher angemessen.

Aber auch hier musst du die Gegner berücksichtigen. Die xG-Werte hängen vom Spielniveau ab. Ein Team, das in der Bundesliga einen xG von 1,5 pro Spiel erzielt, könnte gegen einen Zweitligisten 2,5 erzielen. Die direkte Übertragung von Ligastatistiken auf ein spezifisches Spiel erfordert Anpassungen.

Eine fortgeschrittene Methode ist die Verwendung von xG-Tabellen. Diese Tabellen zeigen nicht die tatsächlichen Punkte, sondern die Expected Points basierend auf den xG-Differenzen. Ein Team, das in der realen Tabelle auf Platz 8 steht, aber in der xG-Tabelle auf Platz 3, performt unter seinen Möglichkeiten. Für Handicap-Wetten könnte das bedeuten, dass dieses Team unterschätzt wird und die Quoten entsprechend attraktiv sind.

Die Grenzen von Expected Goals

So mächtig xG auch ist, die Kennzahl hat ihre Grenzen. Diese zu kennen ist ebenso wichtig wie die Stärken zu nutzen. Wer xG blind vertraut, wird früher oder später enttäuscht werden.

Die erste Grenze ist die individuelle Qualität. xG-Modelle arbeiten mit Durchschnittswerten. Sie sagen, dass ein durchschnittlicher Spieler aus einer bestimmten Position mit einer bestimmten Wahrscheinlichkeit trifft. Aber Lionel Messi ist kein durchschnittlicher Spieler. Er wird aus derselben Position häufiger treffen als der Durchschnitt. Umgekehrt gibt es Spieler, die notorisch ineffizient sind und weniger treffen, als xG erwarten lässt. Diese individuelle Komponente erfassen die meisten Modelle nicht.

Die zweite Grenze ist die Kontextabhängigkeit. xG-Modelle erfassen die Position und einige Spielfaktoren, aber nicht alles. Sie wissen nicht, ob der Schütze unter Druck steht, ob er müde ist, ob das Spiel hochbedeutend oder bedeutungslos ist. Diese psychologischen und situativen Faktoren beeinflussen die Trefferwahrscheinlichkeit, werden aber von den Modellen nicht erfasst.

Die dritte Grenze ist die Datenqualität. xG-Modelle sind nur so gut wie die Daten, auf denen sie basieren. Für die grossen europäischen Ligen ist die Datenlage hervorragend. Für kleinere Ligen oder untere Spielklassen ist sie oft lückenhaft. Wenn du xG-Daten für ein Drittliga-Spiel verwendest, solltest du skeptisch sein. Die Modelle sind möglicherweise nicht auf diese Spielklasse kalibriert.

Die vierte Grenze ist die Regression zur Mitte. xG sagt dir, dass ein Team langfristig seinem Erwartungswert entsprechen wird. Aber langfristig kann viele Spiele bedeuten. Ein Team kann über eine halbe Saison oder länger über- oder unterperformen, bevor die Korrektur einsetzt. Für einzelne Wetten ist diese Erkenntnis nur begrenzt nützlich.

xG im Kontext anderer Kennzahlen

xG sollte nie isoliert betrachtet werden. Die Kennzahl ist am wertvollsten, wenn sie im Kontext anderer Statistiken interpretiert wird. Hier einige Kombinationen, die für Kombiwetten nützlich sind.

xG plus Formkurve: Wenn ein Team steigende xG-Werte hat, deutet das auf eine Formverbesserung hin. Die Mannschaft kreiert mehr und bessere Chancen, was sich früher oder später in Toren niederschlagen wird. Umgekehrt: Sinkende xG-Werte sind ein Warnsignal, auch wenn die Ergebnisse noch stimmen.

xG plus Ballbesitz: Ein Team mit hohem Ballbesitz und niedrigem xG spielt möglicherweise zu langsam und ideenlos. Es kontrolliert das Spiel, aber ohne Gefahr zu erzeugen. Umgekehrt kann ein Team mit niedrigem Ballbesitz und hohem xG auf Konter spezialisiert sein und dabei hocheffektiv agieren.

xG plus Schussstatistiken: Die Anzahl der Schüsse im Verhältnis zu xG zeigt die Qualität der Abschlüsse. Viele Schüsse mit niedrigem xG bedeuten, dass das Team aus ungünstigen Positionen schiesst. Wenige Schüsse mit hohem xG bedeuten, dass es geduldig auf gute Chancen wartet.

xG plus Pressing-Daten: Teams, die hoch pressen, erzeugen oft Chancen durch Ballgewinne in gefährlichen Zonen. Wenn die Pressing-Intensität hoch ist und der xG-Wert ebenfalls, ist das ein kohärentes Bild einer offensiven Mannschaft.

xG-basierte Wettstrategien entwickeln

Aus all dem Wissen lassen sich konkrete Wettstrategien ableiten. Hier einige Ansätze, die auf xG basieren und für Kombiwetten geeignet sind.

Die Regression-Strategie: Identifiziere Teams, die stark über- oder unterperformen, und wette auf eine Korrektur. Ein Team mit vielen Toren, aber niedrigem xG, wird bald weniger treffen. Wette gegen dieses Team oder auf Unter-Tore in seinen Spielen. Ein Team mit wenigen Toren, aber hohem xG, wird bald mehr treffen. Wette auf dieses Team oder auf Über-Tore.

Die Missmatch-Strategie: Suche Spiele, bei denen die xG-Daten einen klaren Favoriten zeigen, aber die Quoten das nicht widerspiegeln. Das kann passieren, wenn ein Team eine Pechsträhne hat und die Quoten seine jüngsten Ergebnisse übergewichten. Die xG-Daten zeigen, dass die Mannschaft besser ist als ihre Resultate, und du kannst von der Diskrepanz profitieren.

Die Spezialisierungs-Strategie: Konzentriere dich auf einen bestimmten Markt und werde Experte darin. Wenn du dich auf Über-Unter-Wetten spezialisierst, kannst du die xG-Daten systematisch nutzen und über die Zeit ein Gefühl dafür entwickeln, welche Konstellationen profitabel sind.

Für Kombiwetten ist es wichtig, dass jede einzelne Auswahl auf solider Analyse basiert. Kombiniere nicht einfach mehrere xG-basierte Tipps, ohne die Qualität jeder Einzelwette zu prüfen. Eine Dreier-Kombination aus drei fundierten Wetten ist besser als eine Sechser-Kombination aus sechs mittelmässigen.

Expected Goals als Teil des Gesamtbildes

Am Ende ist xG ein Werkzeug, nicht mehr und nicht weniger. Es liefert wertvolle Informationen, die anderen Analysen nicht verfügbar sind. Aber es ersetzt nicht das Denken, das Kontextwissen und die Erfahrung. Die besten Kombiwetten entstehen, wenn du xG-Daten mit anderen Informationen kombinierst und ein Gesamtbild entwickelst.

Die Frage ist nicht, ob du xG verwenden solltest. Die Frage ist, wie du es am besten verwendest. Die Antwort variiert je nach deinem Stil, deinen Stärken und den Märkten, auf denen du wettest. Was für einen Wetter funktioniert, muss für einen anderen nicht funktionieren. Experimentiere, dokumentiere und lerne aus deinen Erfahrungen. Mit der Zeit wirst du deinen eigenen Ansatz entwickeln, der xG als einen von mehreren Bausteinen integriert.

Das Schöne an xG ist, dass die Daten öffentlich zugänglich sind. Du brauchst keine teuren Abonnements oder geheimen Quellen. Was du brauchst, ist Zeit, Geduld und die Bereitschaft, dich in die Materie einzuarbeiten. Dieser Artikel ist ein Ausgangspunkt, aber die eigentliche Arbeit beginnt, wenn du die Konzepte auf reale Spiele anwendest und siehst, wie sie sich in der Praxis bewähren.

Erweiterte xG-Metriken verstehen

Neben dem klassischen xG-Wert gibt es eine Reihe von abgeleiteten Metriken, die für Kombiwetten nützlich sein können. Diese erweiterten Kennzahlen bieten zusätzliche Einblicke und helfen dir, ein vollständigeres Bild zu zeichnen.

xGD steht für Expected Goals Difference und ist schlicht die Differenz zwischen xG und xGA eines Teams. Ein positiver xGD-Wert bedeutet, dass ein Team mehr Tore erzielen sollte als es kassiert, also eine positive Torbilanz. Diese Kennzahl ist besonders nützlich für die Einschätzung der Gesamtstärke eines Teams und für Handicap-Wetten.

xPTS oder Expected Points berechnet, wie viele Punkte ein Team basierend auf den xG-Werten seiner Spiele hätte sammeln sollen. Die Berechnung basiert auf Simulationen: Für jedes Spiel wird anhand der xG-Werte beider Teams simuliert, wie wahrscheinlich ein Sieg, ein Unentschieden oder eine Niederlage gewesen wäre. Die Summe dieser Wahrscheinlichkeiten ergibt die erwarteten Punkte. Ein Team mit deutlich weniger realen Punkten als xPTS hat Pech gehabt oder kritische Situationen schlecht gemeistert.

NPxG steht für Non-Penalty Expected Goals und schliesst Elfmeter aus der Berechnung aus. Das ist sinnvoll, weil Elfmeter oft vom Spielverlauf unabhängig sind und die Einschätzung der spielerischen Qualität verfälschen können. Ein Team, das viele Elfmeter bekommt, hat einen aufgeblähten xG-Wert, der nicht seine tatsächliche Offensivstärke widerspiegelt. NPxG gibt ein klareres Bild davon, wie gefährlich ein Team aus dem Spiel heraus ist.

xGChain und xGBuildup messen den Beitrag einzelner Spieler zur Chancenkreation. xGChain berücksichtigt alle Spieler, die an einer Aktion beteiligt waren, die zu einem Schuss führte. xGBuildup schliesst den Schützen und den Assistgeber aus und konzentriert sich auf die Spieler, die den Angriff eingeleitet haben. Diese Metriken sind weniger relevant für Spielwetten, aber sie können helfen, die Abhängigkeit eines Teams von bestimmten Spielern einzuschätzen.

xG und Torwartleistung

Ein Aspekt, der bei xG-Analysen oft übersehen wird, ist die Torwartleistung. Die xGA-Werte zeigen, wie viele Tore ein Team basierend auf den zugelassenen Chancen hätte kassieren sollen. Aber ein überdurchschnittlicher Torwart kann diese Erwartung regelmässig unterbieten, während ein schwacher Torwart sie übertrifft.

Die Kennzahl PSxG (Post-Shot Expected Goals) hilft hier weiter. Im Gegensatz zum normalen xG, das vor dem Schuss berechnet wird, berücksichtigt PSxG auch die Platzierung und Härte des Schusses. Ein Schuss, der zentral auf den Torwart geht, hat einen niedrigeren PSxG-Wert als einer, der in die Ecke fliegt. Die Differenz zwischen PSxG und tatsächlichen Gegentoren zeigt, wie gut oder schlecht der Torwart im Vergleich zur Erwartung abgeschnitten hat.

Für Kombiwetten ist diese Information wertvoll. Wenn ein Team wenige Gegentore kassiert hat, aber der Torwart laut PSxG-Daten überperformt, könnte eine Korrektur bevorstehen. Umgekehrt: Wenn ein Team viele Gegentore kassiert hat, aber der Torwart unterdurchschnittlich gehalten hat, könnte sich das stabilisieren.

Saisonale Schwankungen in xG-Daten

xG-Werte sind nicht über die gesamte Saison konstant. Teams entwickeln sich, passen ihre Taktik an und durchlaufen Formphasen. Diese Dynamik solltest du bei der Interpretation berücksichtigen.

Zu Saisonbeginn sind xG-Daten weniger zuverlässig, weil die Stichprobe klein ist. Nach drei Spielen hast du vielleicht einen xG-Wert von 2,5 pro Spiel, aber das könnte auf einem einzigen Ausreisser-Spiel basieren. Mit fortschreitender Saison werden die Daten stabiler und aussagekräftiger.

Im Saisonverlauf verändern sich die xG-Werte vieler Teams. Eine Mannschaft, die im Herbst offensiv stark war, kann im Frühjahr einbrechen, etwa weil Schlüsselspieler verletzt sind oder die Taktik des Trainers entschlüsselt wurde. Umgekehrt können Teams, die schlecht gestartet sind, nach Verstärkungen oder taktischen Anpassungen aufblühen.

Für Kombiwetten empfiehlt es sich, sowohl die Gesamtdaten der Saison als auch die jüngeren Trends zu betrachten. Ein gewichteter Durchschnitt, der den letzten fünf Spielen mehr Gewicht gibt als den früheren, kann ein aktuelleres Bild liefern. Einige xG-Plattformen bieten solche gleitenden Durchschnitte an, andere musst du selbst berechnen.

Praktische Übung: Eine xG-basierte Analyse durchführen

Um das Gelernte anzuwenden, hier eine Schritt-für-Schritt-Anleitung für eine xG-basierte Wettanalyse. Nimm dir ein Spiel, das dich interessiert, und führe die folgenden Schritte durch.

Im ersten Schritt sammelst du die xG-Daten beider Teams. Notiere die durchschnittlichen xG- und xGA-Werte der letzten fünf bis zehn Spiele, sowohl gesamt als auch aufgeteilt nach Heim und Auswärts. Notiere auch die tatsächlichen Tore und Gegentore im gleichen Zeitraum.

Im zweiten Schritt berechnest du die Differenzen. Wie viele Tore hat jedes Team mehr oder weniger erzielt als sein xG-Wert? Wie viele Gegentore mehr oder weniger als sein xGA-Wert? Ein Team mit positiver Differenz performt über Erwartung, eines mit negativer darunter.

Im dritten Schritt interpretierst du die Ergebnisse. Welches Team kreiert die besseren Chancen? Welches lässt die besseren zu? Gibt es Anzeichen für Über- oder Unterperformance, die sich korrigieren könnte? Welche Märkte sind basierend auf diesen Daten interessant?

Im vierten Schritt vergleichst du deine Einschätzung mit den Quoten. Bietet der Buchmacher einen Value? Wenn deine xG-Analyse einen Heimsieg mit 55 Prozent Wahrscheinlichkeit nahelegt und die Quote bei 2,00 liegt, hast du einen potenziellen Value. Wenn die Quote bei 1,70 liegt, nicht.

Diese Übung dauert anfangs vielleicht eine halbe Stunde pro Spiel. Mit Erfahrung wirst du schneller und entwickelst ein Gespür dafür, welche Datenpunkte wirklich relevant sind. Das Ziel ist nicht, jeden Aspekt zu analysieren, sondern die wichtigsten Signale zu erkennen und in Wettentscheidungen umzusetzen.