Expected Goals Bundesliga – xG für bessere Wettentscheidungen

Expected Goals: Die Kennzahl, die Bundesliga-Wetter kennen müssen

Expected Goals — kurz xG — ist die Kennzahl, die in den letzten Jahren die Fußballanalyse stärker verändert hat als jede andere Metrik. Das Prinzip: Jeder Torschuss wird anhand seiner Position, des Winkels, der Entfernung zum Tor, des Schusstyps und der Spielsituation bewertet und erhält einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit eines Treffers ausdrückt. Ein Elfmeter hat einen xG-Wert von etwa 0,76. Ein Fernschuss aus 25 Metern liegt bei 0,03. Die Summe aller Schüsse eines Teams ergibt den xG-Wert pro Spiel.

Für den Wettmarkt ist xG aus einem simplen Grund relevant: Die Kennzahl trennt Leistung von Ergebnis. Ein Team, das ein Spiel 1:0 gewinnt, aber einen xG-Wert von 0,8 gegenüber 2,3 des Gegners hat, hatte Glück. Ein Team, das 0:0 spielt, aber einen xG-Wert von 3,1 erzeugt, war unlucky. Kurzfristig bestimmt das Ergebnis die Tabelle. Mittelfristig korrigiert sich die Abweichung zwischen xG und tatsächlichen Toren fast immer. Und genau diese Korrektur — die Regression zum Mittelwert — ist das Fundament, auf dem xG-basierte Wettstrategien aufbauen.

In der Bundesliga, wo der Torschnitt bei 3,26 pro Spiel liegt und die Varianz zwischen den Teams erheblich ist, bietet xG einen Informationsvorsprung, den die reine Ergebnistabelle nicht liefert. Ein Team auf Platz zehn mit starken xG-Werten ist möglicherweise besser als ein Team auf Platz sieben, das von einer überdurchschnittlichen Chancenverwertung profitiert. Der Wettmarkt preist Tabellenstände schneller ein als xG-Trends, und genau in dieser Lücke liegt Potenzial.

Wie xG berechnet wird

Die Berechnung von xG basiert auf historischen Daten. Zehntausende von Torschüssen aus vergangenen Saisons werden nach Merkmalen kategorisiert: Entfernung zum Tor, Winkel, Schussart (Fuß, Kopf, Volley), ob der Schuss nach einem Konter, einem Eckball oder einem Dribbling entstanden ist, ob der Torwart in Position war, wie viele Verteidiger im Weg standen. Für jede Kombination dieser Merkmale berechnet ein statistisches Modell die historische Trefferwahrscheinlichkeit.

Verschiedene Anbieter nutzen leicht unterschiedliche Modelle. Opta, StatsBomb und Understat gewichten die Einflussfaktoren verschieden, was zu Abweichungen in den xG-Werten führt. Diese Abweichungen sind in der Regel gering — weniger als 0,3 xG pro Spiel —, können aber bei der Analyse einzelner Partien relevant werden. Für Wetter empfiehlt sich die Nutzung eines konsistenten Modells statt des Vergleichs verschiedener Quellen, um Methodenwechsel als Fehlerquelle auszuschließen.

Was xG nicht erfasst, ist ebenso wichtig wie das, was es erfasst. Individuelle Schussqualität fließt nur begrenzt ein. Wenn Kane aus 16 Metern schießt, weist das Modell diesem Schuss den gleichen xG-Wert zu wie einem identischen Schuss von einem Zweitliga-Stürmer. In der Realität ist Kanes Abschlussqualität überdurchschnittlich, was bedeutet, dass er seinen xG-Wert regelmäßig übertrifft. Spieler wie Kane oder Olise sind systematische Überperformer, und diese Überperformance ist nicht reine Varianz, sondern Ausdruck individueller Klasse.

Für die praktische Anwendung bedeutet das: xG ist ein Teamindikator, kein Spielerindikator. Der Gesamtwert eines Teams über eine Saison gibt zuverlässig Auskunft darüber, wie viele Tore aufgrund der Chancenqualität zu erwarten waren. Die Abweichung zwischen xG und tatsächlichen Toren zeigt, ob ein Team seine Chancen effizient nutzt oder ob eine Korrektur bevorsteht. Individuelle xG-Werte einzelner Spieler sind weniger aussagekräftig, weil sie die persönliche Abschlussqualität nicht berücksichtigen.

xG für Wetten nutzen: Über- und Underperformer

Die wertvollste Anwendung von xG für den Wettmarkt ist die Identifikation von Über- und Underperformern. Ein Team, das mehr Tore erzielt als sein xG-Wert prognostiziert, ist ein Überperformer. Ein Team, das weniger Tore erzielt als erwartet, ist ein Underperformer. Beide Szenarien deuten auf eine bevorstehende Korrektur hin.

In der Bundesliga 2025/26 liefert Dortmund ein Beispiel für die Anwendung. Guirassy erzielte in der Hinrunde weniger Tore als sein xG-Wert erwarten ließ — ein Zeichen für Pech bei der Chancenverwertung, nicht für mangelnde Qualität. Die Konsequenz: Der Markt bewertete Dortmunds Offensive auf Basis der tatsächlichen Tore niedriger als auf Basis der erzeugten Chancen. Wer die xG-Daten kannte, konnte auf eine Korrektur setzen, und tatsächlich begann Guirassy ab dem 20. Spieltag eine Torserie, die den Underperformance-Rückstand teilweise ausglich.

Auf der defensiven Seite funktioniert die Logik spiegelverkehrt. Ein Team, das weniger Gegentore kassiert als die Gegner-xG erwarten lässt, profitiert von überdurchschnittlichen Torwartleistungen oder Glück. Beide Faktoren sind nicht nachhaltig über eine ganze Saison. Wenn ein Bundesliga-Team nach 15 Spieltagen 12 Gegentore bei 18 xGA (Expected Goals Against) aufweist, deutet das darauf hin, dass die Defensive nicht so stabil ist, wie die Tabelle suggeriert. Für Wetter bedeutet das: Die nächsten Spiele dieses Teams bieten möglicherweise Value auf mehr Gegentore — also Over-Wetten oder BTTS.

Die Kombination aus offensivem und defensivem xG ergibt die xG-Differenz, den vielleicht nützlichsten Einzelwert für Wetter. Teams mit positiver xG-Differenz erzeugen mehr und bessere Chancen als ihre Gegner. Teams mit negativer xG-Differenz tun das Gegenteil. Die xG-Differenz korreliert stärker mit zukünftiger Leistung als die Tabelle, weil sie das Rauschen einzelner Ergebnisse herausfiltert. In der Bundesliga zeigt die xG-Differenz nach zehn Spieltagen bereits ein zuverlässigeres Bild der Teamstärke als der Tabellenplatz nach fünf.

xG ist ein Kompass — kein Navi

xG hat die Fußballanalyse revolutioniert, aber es ist kein Orakel. Die Kennzahl beschreibt Wahrscheinlichkeiten, keine Gewissheiten. Ein Team mit hohem xG kann trotzdem verlieren, und ein Team mit niedrigem xG kann trotzdem gewinnen. Was xG bietet, ist eine informierte Basis für Entscheidungen, die über die bloße Ergebnistabelle hinausgeht.

Für den Bundesliga-Wetter bedeutet das: xG ist ein Werkzeug unter mehreren, nicht das einzige. Es ergänzt die Formanalyse, die Heim-Auswärts-Bilanz und den Direkten Vergleich. Es ersetzt sie nicht. Die Stärke von xG liegt in der mittelfristigen Prognose — über fünf bis zehn Spiele zeigt die Kennzahl zuverlässig an, ob ein Team besser oder schlechter ist als seine Ergebnisse. Für einzelne Spiele ist xG weniger aussagekräftig, weil die Varianz zu groß ist.

Ein praktischer Workflow: Vor jedem Spieltag die xG-Bilanz beider Teams der letzten fünf Spiele prüfen. Wenn ein Team eine xG-Differenz von +1,5 zeigt, aber nur fünf Punkte geholt hat, deutet das auf Underperformance hin — die Ergebnisse werden sich wahrscheinlich verbessern. Wenn ein Team eine xG-Differenz von −0,5 zeigt, aber zehn Punkte geholt hat, liegt Überperformance vor — eine Korrektur nach unten ist wahrscheinlich. Dieser einfache Check dauert wenige Minuten und liefert eine Informationsebene, die in der reinen Tabelle nicht sichtbar ist.

Die Daten sind frei verfügbar. FBRef, Understat und Fotmob liefern xG-Werte für jede Bundesliga-Partie und für jedes Team über die Saison. Wer fünfzehn Minuten pro Spieltag investiert, um die xG-Bilanzen der nächsten Gegner zu prüfen, hat einen Informationsvorsprung gegenüber Wettern, die nur auf Ergebnisse und Tabellen schauen. Das ist kein Geheimwissen, aber es ist Wissen, das die Mehrheit der Gelegenheitswetter nicht nutzt. Und in einem Markt, in dem Informationsvorsprünge schrumpfen, zählt jeder Vorteil.