Feb 1, 2019
Feb 1, 2019

Die Grenzen der Vorhersage erwarteter Tore

Die steigende Beliebtheit der erwarteten Tore

Was steckt in diesem Modell, und was verrät es uns?

Benötigen wir spezifische Informationen über die Spieler?

Wie und wann sollten wir das Modell der erwarteten Tore nutzen?

Die Grenzen der Vorhersage erwarteter Tore

Die Metrik der erwarteten Tore hat in den letzten 18 Monaten ihren Weg von Fußballanalyse-Blogs in die Mainstream-Medien gemacht. Die Menschen verstehen nun mehr von dieser Metrik und ihren Vorteilen, aber es scheint am Bewusstsein über die potenziellen Fallstricke zu fehlen. Wo liegen die Grenzen des Modells der erwarteten Tore? Lesen Sie weiter, um mehr zu erfahren.

Die steigende Beliebtheit der erwarteten Tore

Bevor wir beginnen, uns mit den Grenzen erwarteter Tore (xG) zu beschäftigen, möchte ich zunächst erklären, wobei es sich dabei handelt und wie diese Metrik so beliebt werden konnte. Kurz gesagt: xG („expected goals“) ist ein Maßstab für die Qualität von Torchancen. Dieser Wert verrät uns, in welchem Maß – anhand eines Vergleichs mit einer großen Stichprobe von Schüssen, die von der gleichen Stelle auf dem Platz abgegeben werden – „erwartet“ werden darf, dass aus einem Schuss ein Tor wird. (Es können noch mehr Kriterien angewendet werden, aber dazu kommen wir später.)

Die erwarteten Tore werden normalerweise auf einer Skala von 0-1 eingeordnet, wobei 0 für einen sicheren Fehlschuss und 1 für ein sicheres Tor steht. Der Wert kann auch als Qualität einer Torchance in Prozent ausgedrückt werden. Dafür wird er auf der Skala von 0-1 einfach in einen Prozentwert umgewandelt. Ein Schuss mit einem xG-Wert von 0,5 würde dann also als Schuss mit einer Trefferchance von 50 % ausgedrückt.

Während xG ein großartiges Hilfsmittel für die Leistungsanalyse ist und damit einer Fußballmannschaft dabei helfen kann, zu lernen und sich zu verbessern oder neue Talente zu rekrutieren, hat die Metrik in der breiteren Fußball-Community an Ansehen gewonnen, da sie sich als besseres Prognose-Hilfsmittel erwiesen hat als andere gemeinhin verwendete Metriken wie Schüsse, Tordifferenz oder gar Punkte.

Was steckt in diesem Modell, und was verrät es uns? 

Es gibt eine Menge Argumente gegen die Verwendung der xG-Metrik, und sie kommen manchmal von Menschen, die sich intensiv mit ihr beschäftigt haben und auch ihr „Innenleben“ kennen – leider aber auch häufig von Kritikern, die glauben, dass sie die Tradition des Sports gefährde, und die sich nicht die Zeit genommen haben zu verstehen, was sie bedeutet und wie sie funktioniert.

Obwohl die verwendeten Daten ein wichtiger Teil eines jeden Modells sind, ist es genauso wichtig, wie sie interpretiert werden.

„Fußball wird auf dem Platz gespielt, nicht in einem Tabellenprogamm“ und „Die einzige Zahl, die wirklich zählt, ist das Ergebnis nach 90 Minuten“ sind Beispiele für das, was man von Gegnern der Methode zu hören kriegt. Viele dieser Menschen sagen allerdings auch Sachen wie „Aus der Position hätte er treffen müssen“ oder „das Spiel haben wir sehr unglücklich verloren“, was einfach ein anderer Ausdruck für etwas ist, was durch den xG-Wert unterstützt oder widerlegt wird.

Während das schlechte Image der erwarteten Tore häufig aus unbegründeten und oft unlogischen Gedankengängen resultiert, hat diese Metrik auch ihre objektiven Grenzen. Wenn Sie die erwarteten Tore zu Ihrem Vorteil nutzen möchten, insbesondere, wenn Sie ein Vorhersagemodell für Fußballwetten aufstellen möchten, könnte es von großem Nachteil sein, diese Fallstricke nicht zu erkennen. 

Wählen Sie Ihr Modell mit Bedacht

Sie müssen es nicht unbedingt verwerfen, aber es ist wichtig anzuerkennen, dass es das eine richtige und universelle Modell für die erwarteten Tore nicht gibt. Es gibt zahllose verschiedene Modelle mit erwarteten Toren (und der Online-Zugang zu vielen davon ist kostenlos). Jedes dieser Modelle beruht auf einem unterschiedlichen Satz von Parametern, aus denen sich der endgültige Wert der erwarteten Tore ergibt. In einem Modell kann eine Chance mit 0,52 xG bewertet werden, während andere sie mit 0,47, 0,58 oder sogar über 0,60 einstufen.

Welches xG-Modell das „beste“ ist, ist sicherlich interpretationsabhängig, und man kann leicht dem Irrglauben erliegen, dass für den Aufbau eines Modells „mehr“ gleich „besser“ ist. Wenn wir über die Schussposition als Grundkriterium hinausgehen, indem wir den Winkel, den Körperteil, die Art der Vorlage, den Druck der gegnerischen Verteidiger und die Position des Torhüters ins Verhältnis zum erzielten Tor setzen, erhalten wir ein verfeinertes Modell – man könnte aber auch diskutieren, ob es damit nicht überangepasst ist.

Im Fußball gibt es sehr viele Nebengeräusche und Zufälle gibt, und xG kann dabei helfen, diese Nebengeräusche auszuschalten und ein sehr viel klareres Bild zu erhalten – zumal sich die Modelle stetig weiterentwickeln. Wir riskieren aber auch, die Dinge unnötig kompliziert zu machen. Zu viele Parameter zu einem Modell hinzuzufügen kann dazu führen, dass es einfach nur noch die Daten reflektiert, statt einen Einblick in mögliche Prognosen zu geben.

Benötigen wir spezifische Informationen über die Spieler?

Eine der größten Schwierigkeiten bei xG liegt nicht darin, was uns dieser Wert verrät, sondern darin, was er uns nicht verrät. Die erwarteten Tore spiegeln nicht die Leistung einzelner Spieler (oder ihr jeweiliges Talent) wider. Während die meisten Modelle auf einer Datenbank mit Tausenden von Schüssen aufbauen, ist das endgültige Ergebnis ein Durchschnittswert, der nicht für die Person spezifisch ist, die den Schuss abgegeben hat.

Ein Mangel an spezifischen Informationen über einen Spieler bedeutet, dass, wenn Harry Kane und Pablo Zabaleta sich beide in der gleichen Position befinden und genau den gleichen Schuss abgeben, beide Torchancen denselben xG-Wert haben (auch wenn wir wissen, dass Harry Kane wahrscheinlich eher treffen würde).

Nicht nur die Person, die den Schuss abgibt, ist für die Analyse der Team- und der Spielerleistung wichtig, sondern auch, wer im Tor steht (ein weiterer Parameter, den die xG-Metrik nicht berücksichtigt). Stellen wir uns vor, Harry Kane hätte die gleiche Chance wie eben. Er könnte David de Gea oder einen Torhüter aus der vierten englischen Liga vor sich haben, aber nach dem Modell der erwarteten Tore wäre die Wahrscheinlichkeit eines Treffers in beiden Fällen gleich.

Dieses Problem wird durch die Tatsache illustriert, dass in den letzten Jahren bestimmte Spieler (wie Harry Kane) das Modell der erwarteten Tore besiegt haben. Außerdem haben auch einige Torhüter (wie de Gea) ihrem Team geholfen, den Wert der erwarteten Gegentore (xGA) zu schlagen.

Wie und wann sollten wir das Modell der erwarteten Tore nutzen?

Das andere „Problem“ mit erwarteten Toren hat mehr mit der Implementierung der Metrik als mit ihr selbst zu tun. Es liegt nicht an den erwarteten Toren, sondern daran, wie die Menschen dieses Modell anwenden. Kurz gesagt, hat der xG-Wert bei der Betrachtung eines einzelnen Spiels wenig oder gar keinen Nutzen und ist am effektivsten für einen bestimmtem Zeitraum oder eine größere Datenmenge.

Wenn Sie die erwarteten Tore zu Ihrem Vorteil bei Fußballwetten nutzen möchten, könnte es von großem Nachteil sein, die Fallstricke dieser Methode nicht zu erkennen.

Fußball ist ein Sport, der sich in ständigem Wandel befindet und in dem sich alles von Minute zu Minute ändern kann: der Spielstand, die Anzahl der Spieler auf dem Platz, die verbleibende Spielzeit oder worum es geht (was besonders für Spiele in KO-Runden gilt). Wenn – oder vielleicht besser: falls – das Modell der erwarteten Tore auf ein einzelnes Spiel angewendet wird, können die Zahlen irreführend sein, da sie nicht die ganze Geschichte erzählen und entscheidenden Kontext vernachlässigen.

Ebenfalls wichtig zu verstehen: So nützlich dieses Modell auch sein mag – es sollte nicht jederzeit und zu allen Gelegenheiten verwendet werden. Früh in der Saison sind wahrscheinlich alle Daten verzerrt, weil im jeweiligen Wettbewerb nur eine Handvoll Spiele ausgetragen wurden. (Dies gilt auch, wenn berücksichtigt wird, wie stark die Gegner sind, gegen die schon gespielt wurde.) 

Das sechste Ligaspiel wird oft als wichtiger Meilenstein in einer Saison betrachtet. Dies ist der Punkt, wo die Daten „Staub ansetzen“ und weniger Nebengeräusche auftreten. Nach ca. sechs Spielen in einer Saison kommt der xG-Wert zu seinem Recht, und an diesem Punkt und darüber hinaus ist er besonders nützlich.

So wie die Methode der erwarteten Tore zu früh in einer Saison angewendet werden kann, gibt es auch das Argument, dass es zu spät angewendet wird (oder zumindest zu viele Daten zu spät). Natürlich muss eine gewisse Zeit vergehen, bis sich Trends entwickeln, aber gleichzeitig können Teams schlechter oder besser spielen als erwartet, und irgendwann muss über die Daten hinausgeschaut werden (statt darauf zu warten, dass sich die Form wieder den Erwartungen anpasst).

Es gibt keine „magische Zahl“, aber insbesondere im letzten Drittel einer normalen Meisterschaftssaison ist es ratsam, einen genaueren Blick auf die tatsächliche Leistung zu werfen (auch wenn der xG-Wert weiterhin verwendet wird, um einen zusätzlichen Einblick zu erhalten).

Das heißt nicht, dass das Modell der erwarteten Tore nicht über einen längeren Zeitraum nützlich sein könnte. Der laufende xG-Wert ist ein großartiger Wert, um die Verbesserung eines Teams zu untersuchen, wenn ein neuer Trainer oder neue Spieler verpflichtet worden sind. Obwohl diese Daten im Übergang von einer Saison zur nächsten nützlich sein können, bedeutet die Neigung zu Veränderungen innerhalb eines Teams auch, dass die Daten schnell redundant werden können.

Das Modell der erwarteten Tore ist großartig, aber es muss korrekt angewendet werden.

Für viele Menschen sind die erwarteten Tore das beste denkbare Hilfsmittel für Leistungsmetriken im Fußball. Allerdings wird sich jeder Analyst der Wichtigkeit des Kontexts bewusst sein und verstehen, wie schädlich es sein kann, sich bei der statistischen Analyse auf nur eine bestimmte Metrik zu verlassen. Und das gilt um so mehr für einzelne Spiele.

Jeder, der die xG-Metrik nutzt, wird sich wahrscheinlich bereits seiner Vorteile bewusst sein, muss aber auch die Einschränkungen akzeptieren. Obwohl die verwendeten Daten ein wichtiger Teil eines jeden Modells sind, ist es genauso wichtig, wie sie interpretiert werden. Nur mit einem umfassenden Verständnis sowohl der Vor- als auch der Nachteile kann das volle Potenzial der xG-Metrik ausgeschöpft werden.

Wettressourcen – Für bessere Wetten

Die Wettressourcen von Pinnacle sind eine der umfangreichsten Sammlungen von Expertenratschlägen zum Thema Wetten im Internet. Sie richten sich an alle Erfahrungslevel mit dem Ziel, den Wettenden wertvolles Wissen zu vermitteln.