Was Expected Goals Wirklich Misst (und Was Nicht)

Jeder Schuss im Fußball trägt eine Wahrscheinlichkeit, zum Tor zu werden, und genau diese Wahrscheinlichkeit versucht xG, zu Deutsch erwartete Tore, in eine Zahl zu fassen. Ein Abstauber aus zwei Metern vor leerem Tor kann einen xG-Wert von 0,9 haben. Ein Fernschuss aus dreißig Metern, aus spitzem Winkel und mit einem Verteidiger im Rücken, liegt vielleicht bei 0,03. Addiert man den xG-Wert jedes Schusses eines Teams oder Spielers über ein Spiel, eine Saison oder eine Karriere, erhält man eine Zahl, die ungefähr zeigt, wie viele Tore diese Schussqualität hätte produzieren sollen.

Das Modell hinter der Zahl analysiert Tausende historische Schüsse und stellt für jeden neuen dieselbe Frage: Von allen Schüssen aus dieser Distanz, diesem Winkel, unter diesem Druck, nach dieser Art von Vorlage, wie viele gingen rein? Distanz und Winkel zum Tor leisten den Großteil der Arbeit. Ob der Schuss ein Kopfball war oder mit dem Fuß, macht einen Unterschied. Ob der Ball aus einem Rückpass, einer Flanke oder einem Steckpass kam, verändert die Zahl. Gegnerischer Druck, die Position des Torwarts und ob es ein Eins-gegen-eins war, wirken sich je nach Detailtiefe des Modells zusätzlich aus.

Was das Modell nicht weiß

Was xG nicht ist: eine Vorhersage für diesen konkreten Schuss. Erling Haaland verwandelt seine 0,9-xG-Chancen nicht deshalb in 90 Prozent der Fälle, weil er Haaland ist, das Modell weiß nicht, wer schießt. Es kennt nur, wie der Schuss geometrisch aussah. Das ist das häufigste Missverständnis über die Statistik, und es lohnt sich, es zu verstehen, weil es die meisten Diskussionen darüber erklärt.

Das erklärt auch, warum manche Spieler systematisch mehr Tore erzielen, als ihr xG-Wert nahelegt. Ein Stürmer, der seinen erwarteten Wert über mehrere Saisons hinweg übertrifft, macht wahrscheinlich etwas, das das Modell nicht sieht: präzise Platzierung, außergewöhnliche Ruhe, oder schlicht genug Klasse, dass durchschnittliche Verwertungsquoten bei ihm nicht gelten. Ein guter Monat beweist sehr wenig. Mehrere Saisons Überperformance beginnen dagegen, nach einer echten Fähigkeit auszusehen statt nach Zufall.

Warum xG in der Summe funktioniert

Die Zahl funktioniert am besten in der Summe, über eine Reihe von Spielen statt über ein einzelnes. Ein Team kann 1:0 verlieren und dabei 2,4 xG gegen 0,3 des Gegners erzeugt haben, und das sagt etwas, was der Spielstand allein nicht kann: dass der Prozess stimmte, auch wenn das Ergebnis nicht stimmte. Trainer werden nach Ergebnissen entlassen, die laut xG Pech waren, und andere überleben Ergebnisse, die laut xG geschmeichelt haben. Keine der beiden Beobachtungen ändert die Tabelle, aber beide ändern, wie man die nächsten Spiele lesen sollte.

Missbrauch und Grenzen der Daten

Missbraucht wird die Statistik, wenn man sie als Urteil statt als Beschreibung behandelt. „Team A hätte gewinnen müssen, weil es mehr xG hatte“ übergeht alles, was auf dem Platz tatsächlich passiert ist: ein Torwart, der das Spiel seines Lebens macht, ein Team, das sich hinten reinstellt und kontert, eine Rote Karte, die die zweite Hälfte umgeformt hat. xG beschreibt Schussqualität. Es beschreibt keine Spielpläne, und es weiß nicht, dass ein Team die letzten zwanzig Minuten in Unterzahl gespielt hat, es sei denn, jemand passt das Modell dafür an, was die meisten öffentlichen Modelle nicht tun.

Es gibt auch echte Grenzen bei den zugrunde liegenden Daten. Verschiedene Anbieter bauen ihre Modelle auf unterschiedlichen Schuss-Stichproben und Variablen auf, weshalb zwei Websites beim xG-Wert desselben Spiels unterschiedlicher Meinung sein können. Keiner von beiden lügt, sie gewichten Distanz, Vorlagenart und Druck einfach unterschiedlich. Keines der Modelle geht gut mit einem Schuss um, der einen Sekundenbruchteil nach einer Grätsche abgegeben wird, oder mit einem Abpraller aus ungewöhnlicher Höhe. Das Modell liest Geometrie. Es schaut sich das Spiel nicht an.

Sorgfältig eingesetzt ist xG eines der besseren Werkzeuge, um zu trennen, was ein Team tatsächlich geleistet hat, von dem, was das Ergebnis behauptet. Unsorgfältig eingesetzt wird es zu einer weiteren Zahl, die Leute zitieren, um eine Diskussion zu gewinnen, deren Ausgang sie längst entschieden hatten.

xG und verwandte Kennzahlen

Für Stürmer, die viele Elfmeter schießen, ist die nützlichere Zahl npxG, das den praktisch garantierten Wert des Elfmeters aus dem Gesamtwert herausrechnet. Und all das sagt nichts über den Torwart auf der anderen Seite des Schusses aus, wofür PSxG gebaut wurde.

xG ist auch der Rohstoff für andere Kennzahlen. Durch die Zahl der Schüsse geteilt ergibt es die Schussqualität, die Summen beider Teams in einer Simulation ergeben erwartete Punkte, und der Vergleich mit der ergebnisbasierten Elo-Zahl zeigt, wo Leistung und Ergebnisse auseinandergehen.

xG ist der übliche Maßstab für einen Mittelstürmer: Wer ständig Chancen mit hohem xG bekommt, bewegt sich gut, auch wenn er nicht trifft; wer weit über seinem xG trifft, schließt entweder herausragend ab oder hat Glück.

Ist xG ein verlässlicher Indikator für den Spielausgang?

Allein nicht, und schon gar nicht für ein einzelnes Spiel. xG misst die Qualität der geschaffenen und zugelassenen Chancen, nicht wer gewinnt. Ein Team kann mit 2,8 zu 0,7 xG klar überlegen sein und trotzdem durch eine Standardsituation in der Nachspielzeit verlieren, weil ein einzelnes Spiel als Stichprobe zu klein ist, damit sich Schussqualität zuverlässig in ein Ergebnis übersetzt. Über eine Serie von Spielen hinweg korreliert die xG-Differenz dagegen deutlich enger mit Punkten als die meisten anderen öffentlich verfügbaren Einzelstatistiken, weshalb Analysten eine anhaltende Lücke zwischen dem xG-Wert eines Teams und seinen tatsächlichen Ergebnissen als Signal behandeln, das eine genauere Betrachtung verdient, statt es als Rauschen abzutun.

Wie wird xG berechnet?

Ein xG-Modell analysiert Tausende historische Schüsse und fragt für jeden neuen Schuss, wie viele vergleichbare Versuche ins Tor gingen. Distanz und Winkel leisten den Großteil der Arbeit. Dazu kommt, ob es ein Kopfball war und ob der Ball aus einem Rückpass, einer Flanke oder einem Steckpass kam. Je nach Modell zählen auch gegnerischer Druck, die Position des Torwarts und Eins-gegen-eins-Situationen.

Warum zeigen verschiedene Websites unterschiedliche xG-Werte?

Die Anbieter bauen ihre xG-Modelle auf unterschiedlichen Schuss-Stichproben und Variablen auf. Sie gewichten Distanz, Vorlagenart und Druck verschieden, deshalb kann dasselbe Spiel zwei verschiedene Werte bekommen. Keiner der Anbieter lügt damit. Alle Modelle haben ähnliche Grenzen, etwa bei einem Schuss direkt nach einer Grätsche oder bei einem Abpraller aus ungewöhnlicher Höhe, weil sie Geometrie lesen und sich das Spiel nicht anschauen.

Kann ein Stürmer dauerhaft mehr Tore schießen, als sein xG-Wert sagt?

Ja. Wer seinen xG-Wert über mehrere Saisons übertrifft, macht wahrscheinlich etwas, das das Modell nicht sieht, etwa präzise Platzierung oder außergewöhnliche Ruhe. Ein einzelner guter Monat beweist dagegen wenig. Das Modell weiß nicht, wer schießt, und bewertet einen Schuss von Erling Haaland nach derselben Geometrie wie jeden anderen. Erst lange Überperformance spricht für echte Fähigkeit statt für Zufall.