Tore und Vorlagen belohnen zwei Ballkontakte. Possession-Value-Modelle bewerten den Rest

Ein Possession-Value-Modell ist jedes Modell, das nicht nur dem Schuss, sondern jeder Aktion am Ball einen Wert in Torwahrscheinlichkeit gibt, indem es fragt, wie stark diese Aktion die Chance des Teams verändert hat, ein Tor zu erzielen oder eines zu kassieren. Einen eingebürgerten deutschen Namen gibt es dafür nicht. Expected Threat, VAEP und On-Ball Value sind die drei bekanntesten Namen, Mitglieder einer Familie und keine konkurrierenden Ideen. Alle beginnen mit derselben Beschwerde: Tore und Vorlagen belohnen die letzten beiden Ballkontakte eines Angriffs und ignorieren alles, was diese Kontakte möglich gemacht hat. Die VAEP-Seite der KU Leuven sagt es unverblümt: Ein Spiel enthält rund 1.600 Aktionen am Ball, und die klassischen Statistiken belohnen etwa ein Prozent davon.

Der gemeinsame Mechanismus: Man schätzt für den Spielzustand vor und nach einer Aktion, wie wahrscheinlich das Team in Ballbesitz in naher Zukunft trifft. Die Differenz ist der Wert der Aktion. Ein Pass aus einer harmlosen in eine gefährliche Position bekommt eine positive Zahl, ein Ballverlust an einer schlechten Stelle eine negative. Expected Goals macht das bereits für Schüsse, und xA geht einen Schritt zurück zu dem Pass, der den Schuss vorbereitet hat. Possession-Value-Modelle dehnen das auf den ganzen Ballbesitz aus, die vollständigeren Versionen auch auf die Defensivaktionen, die einen beenden.

Expected Threat ist das einfachste Mitglied der Familie. Es teilt das Feld in ein Raster, bewertet jede Zone danach, wie oft Ballbesitzphasen, die sie erreichen, später zu einem Tor führen, und schreibt einem Pass oder Lauf mit Ball die Differenz zwischen Zielzone und Startzone gut. Karun Singhs ursprünglicher Beitrag von 2018 nutzte ein Raster von 16 mal 12 Feldern. Der Reiz: Es braucht nur den Ort des Balls, läuft also auf einfachsten Eventdaten, und man kann das Raster ausdrucken und die Werte ablesen. Der Preis: Es weiß nichts über den Pass selbst, die Verteidiger drum herum oder darüber, ob das Team jetzt für einen Konter offen steht.

VAEP, kurz für Valuing Actions by Estimating Probabilities, wurde von Tom Decroos und Kollegen an der KU Leuven entwickelt und geht den eventbasierten Weg. Statt eines Rasters liest ein Machine-Learning-Modell Merkmale der letzten Aktionen (Art, Ort, Ergebnis, Zeitpunkt) und schätzt für das Team in Ballbesitz zwei Wahrscheinlichkeiten: in den nächsten paar Aktionen zu treffen und ein Tor zu kassieren. Der Wert einer Aktion ist die Veränderung der Torwahrscheinlichkeit minus die Veränderung der Gegentorwahrscheinlichkeit. Ein abgefangener Pass wird belohnt, weil er die Gefahr eines Gegentors gesenkt hat. Ein riskanter Pass nach vorne, der das Team entblößt, kann schlechter abschneiden, als sein Raumgewinn vermuten ließe. VAEP braucht vollständige Eventdaten mit Aktionsarten und Ergebnissen, und die Umsetzung ist über die Bibliothek socceraction quelloffen.

On-Ball Value ist die Version von StatsBomb, vorgestellt im September 2021. Sie bewertet wie VAEP Tor- und Gegentorgefahr, weist aber Tore für und Tore gegen als getrennte Komponenten aus statt als eine Nettozahl, und sie misst die Veränderung der erwarteten Tordifferenz über den laufenden und den nächsten Ballbesitz. Sie ist auf den hauseigenen Expected Goals von StatsBomb trainiert statt auf tatsächlichen Toren, was laut dem Artikel zur Einführung das Rauschen verringert, und sie bewertet fast jede Aktionsart: Pässe, Läufe mit Ball, Dribblings, Klärungen, Blocks sowie Paraden und Spieleröffnung des Torwarts. Sie ist proprietär und auf den reicheren Eventdatensatz von StatsBomb angewiesen.

Alle drei dienen der Spielerbewertung jenseits von Toren und Vorlagen. Ein ballschleppender Mittelfeldspieler ohne Vorlagen, ein Innenverteidiger, dessen Diagonalbälle Angriffe einleiten, ein Torwart, dessen Abwürfe Konter starten: Sie alle erzeugen Wert, den der Spielberichtsbogen übersieht und den diese Modelle auffangen. Analysten summieren die Aktionswerte eines Spielers über eine Saison, rechnen sie auf 90 Minuten um und teilen sie nach Aktionsart auf. Man vergleiche das mit Packing, das die überspielten Gegner zählt, daraus aber nie eine Torwahrscheinlichkeit macht. Possession Value ist der Schritt von „wie viele Verteidiger hat dieser Pass überspielt“ zu „wie viel näher hat er uns an ein Tor gebracht“.

Die Modelle sind sich nicht immer einig, und die Abweichungen sind lehrreich. In einem veröffentlichten Vergleich von xT und VAEP zeigte die Gruppe der KU Leuven, dass ein kurzes Dribbling im Strafraum, das innerhalb einer Rasterzone bleibt, null xT bekommt, weil sich der Zonenwert nicht geändert hat, während VAEP es belohnt, weil sich der Spielzustand verbessert hat. Ein Pass, der bei einem Konter den Ballbesitz sichert, wird von VAEP, das den unmittelbaren Kontext kennt, weit höher bewertet. Über eine ganze Saison lieferten beide Modelle unterschiedliche Bestenlisten: xT neigte zu kreativen Spielmachern, VAEP zu Torjägern.

Die Grenzen sind real. Bewegung ohne Ball ist unsichtbar: Der Lauf, der einen Verteidiger aus der Position gezogen und den Passweg geöffnet hat, bekommt nichts, und der Passgeber kassiert alles. Andere Trainingsdaten, Zeitfenster und Merkmale führen dazu, dass zwei Anbieter denselben Spieler unterschiedlich einstufen, und keiner liegt falsch. Der Kontext ist dünn: Die meisten öffentlichen Modelle kennen weder Spielstand noch Minute noch Gegnerqualität, und sie wissen nicht, ob ein tiefer Block oder eine hohe Linie die Zone verteidigt hat. Und die Werte pro Aktion sind winzig: Eine Saisonsumme entspricht dem Wert weniger Tore, eine verrauschte Grundlage für eine Transferentscheidung. Das Ergebnis ist eine Linse auf den Beitrag eines Spielers, kein Urteil.

Was ist der Unterschied zwischen xT und VAEP?

xT bewertet nur, wo der Ball ist: Es schreibt einer Aktion die Differenz zweier Zonenwerte gut und ignoriert die Art der Aktion, die Ereignisse davor und jedes defensive Risiko. VAEP bewertet den ganzen Spielzustand aus den letzten Aktionen, schätzt Tor- und Gegentorwahrscheinlichkeit getrennt und belohnt Defensivaktionen ebenso wie offensive. In der Praxis ist xT leichter zu berechnen und zu erklären und läuft auf einfachen Daten, während VAEP vollständiger und kontextbewusster ist, aber schwerer zu interpretieren. Beide liefern plausible Ranglisten, und am stärksten weichen sie bei Rückpässen, Ballsicherungen im Konter und kurzen Bewegungen im Strafraum voneinander ab.