Expected Goals (xG) erklärt – Was xG für Fußballwetten bedeutet
Was Expected Goals sind und warum sie entwickelt wurden
Expected Goals — kurz xG — messen die Qualität von Torchancen. Jeder Schuss bekommt einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit eines Tors angibt. Ein Elfmeter hat etwa 0.76 xG, ein Kopfball aus fünf Metern vielleicht 0.30, ein Fernschuss von der Mittellinie 0.01.
Die Metrik wurde entwickelt, um Fußball objektiver zu bewerten. Das Ergebnis eines Spiels hängt von Zufall ab — der Ball trifft den Pfosten oder geht rein. xG ignoriert den Zufall und schaut auf die Chancenqualität. Ein Team mit mehr xG hat besser gespielt, auch wenn es verloren hat.
Die Berechnung basiert auf historischen Daten. Millionen von Schüssen wurden analysiert: Position, Winkel, Spielsituation, Körperteil, Torhüterposition. Aus diesen Daten entstanden Modelle, die jedem neuen Schuss einen xG-Wert zuweisen.
Verschiedene Anbieter nutzen verschiedene Modelle. Opta, StatsBomb, Understat — alle berechnen xG leicht unterschiedlich. Die Grundlogik ist gleich, aber Details variieren. Für Wetter bedeutet das: Eine xG-Quelle wählen und dabei bleiben.
Wie xG berechnet wird — die Faktoren hinter der Zahl
Die Position des Schusses ist der wichtigste Faktor. Schüsse aus zentraler Position vor dem Tor haben höhere xG als Schüsse aus spitzem Winkel. Die Entfernung zum Tor fließt ebenfalls ein — je näher, desto höher der Wert.
Das Körperteil beeinflusst die Berechnung. Kopfbälle haben typischerweise niedrigere xG als Schüsse mit dem Fuß, weil sie schwerer zu kontrollieren sind. Volleyschüsse haben wiederum andere Werte als Schüsse nach Ballannahme.
Die Spielsituation wird berücksichtigt. Ein Schuss nach einem Konter — mit weniger Verteidigern zwischen Ball und Tor — hat höheren xG als derselbe Schuss aus aufgebautem Spiel.
Die Anzahl der Verteidiger zwischen Ball und Tor fließt bei fortgeschrittenen Modellen ein. Ein freier Schuss aus zehn Metern hat höheren xG als derselbe Schuss mit drei Verteidigern im Weg.
Die Torhüterposition fließt bei fortgeschrittenen Modellen ein. Wenn der Keeper weit vor dem Tor steht, ist ein Lupfer wahrscheinlicher erfolgreich. Diese Nuance erfassen nicht alle Modelle.
Eigentore und abgefälschte Schüsse sind problematisch. Ein abgefälschter Ball, der ins Tor geht, hatte vielleicht einen xG von 0.05 — das Ergebnis war Zufall. Diese Fälle zeigen die Grenzen der Metrik.
Die Summe aller xG-Werte eines Teams ergibt die Expected Goals des Spiels. Wenn Bayern 2.5 xG gegen Augsburgs 0.8 xG erzielt, hat Bayern die besseren Chancen kreiert — unabhängig vom tatsächlichen Ergebnis.
xG für Sportwetten nutzen — praktische Anwendungen
Die Differenz zwischen xG und tatsächlichen Toren zeigt Über- oder Unterperformance. Ein Team, das regelmäßig mehr Tore schießt als sein xG erwarten lässt, überperformt. Diese Überperformance ist oft nicht nachhaltig — Regression folgt.
Die Wettquoten implizieren Wahrscheinlichkeiten. Wenn Bayern zu Hause gegen Augsburg 1.30 notiert, impliziert das etwa 77 Prozent Siegwahrscheinlichkeit. xG-Analyse kann zeigen, ob diese Einschätzung zu hoch oder zu niedrig ist.
Der Vergleich von xG und Ergebnissen über mehrere Spiele identifiziert Trends. Ein Team, das fünf Spiele in Folge weniger Tore geschossen hat als sein xG, ist vielleicht unterbewertet. Die Quoten könnten noch das Pech der letzten Wochen reflektieren.
Die Tor-Märkte profitieren besonders von xG-Analyse. Über 2.5 Tore bei einem Spiel, in dem beide Teams hohe xG-Werte haben, ist wahrscheinlicher als bei defensiv geprägten Paarungen. Die xG-Historie beider Teams gibt Hinweise.
Die xG-Against-Statistik zeigt die defensive Qualität. Ein Team mit niedrigem xG-Against lässt wenig hochwertige Chancen zu. Diese Defensive Stärke ist für BTTS-Nein-Wetten relevant.
BTTS-Wetten lassen sich mit xG bewerten. Wenn beide Teams regelmäßig xG über 1.0 pro Spiel produzieren, ist es wahrscheinlicher, dass beide treffen. Die xG-Statistik ergänzt die reine Tor-Statistik.
Die Form-Analyse wird durch xG präziser. Ein Team mit guten Ergebnissen, aber niedrigem xG, ist fragil. Ein Team mit schlechten Ergebnissen, aber hohem xG, könnte bald drehen. Diese Nuancen entgehen der reinen Ergebnis-Betrachtung.
xG-Datenquellen und Tools für Wetter
Understat bietet kostenlose xG-Daten für die fünf großen europäischen Ligen. Die Seite zeigt xG pro Spiel, pro Team und pro Spieler. Für den Einstieg ist Understat ausreichend.
FBref integriert xG-Daten von StatsBomb. Die Statistiken sind umfangreicher, die Darstellung komplexer. Wer tiefer einsteigen will, findet hier mehr Material.
Kommerzielle Anbieter wie Opta oder StatsBomb bieten präzisere Modelle und mehr Daten — aber zu Preisen, die für Hobbywetter unrealistisch sind. Die kostenlosen Quellen reichen für die meisten Zwecke.
Die eigene Tabelle bleibt wichtig. xG-Werte sammeln, mit Ergebnissen vergleichen, Muster erkennen — dieser Prozess erfordert eigene Dokumentation. Die Datenquellen liefern Rohmaterial, die Analyse ist Eigenleistung.
xG verstehen heißt Fußball verstehen
Expected Goals sind keine Magie. Sie sind ein Werkzeug, das Fußball objektiver messbar macht. Wie jedes Werkzeug haben sie Grenzen — sie erfassen nicht alles, sie können irren, sie ersetzen kein Fachwissen.
Die Integration von xG in die Wettanalyse erfordert Zeit. Die Daten sammeln, interpretieren, mit anderen Faktoren kombinieren — das ist Arbeit. Aber diese Arbeit lohnt sich: xG bieten einen Informationsvorsprung gegenüber Wettern, die nur auf Ergebnisse schauen.
Die Buchmacher nutzen xG längst. Ihre Modelle integrieren diese Metrik in die Quotenberechnung. Der Vorteil des einzelnen Wetters liegt nicht im Besitz der Daten, sondern in ihrer intelligenten Interpretation und Kombination mit lokalem Wissen.