Das erste Mal, als ich xG verstanden habe – wirklich verstanden, nicht nur den Begriff gehört -, hat sich meine Herangehensweise an Fußballwetten grundlegend verändert. Ich saß vor einem Spiel, bei dem ein Team 0:1 verloren hatte, und sah, dass sein xG-Wert bei 2.4 lag, der des Gegners bei 0.6. Zwei Komma vier erwartete Tore, null geschossen. Nicht Pech – statistische Normalität. Wer öfter auf das Tor schießt, schießt nicht jedes Mal rein. Aber über zehn Spiele gleicht sich das aus. Und genau in dieser Ausgleichsbewegung liegt der Value.
Der globale Sportwettenmarkt bewegt sich bei knapp 100 Milliarden US-Dollar, und xG ist das Werkzeug, das professionelle Wetter von Amateuren unterscheidet. Nicht weil es kompliziert ist – sondern weil es die Frage beantwortet, die Ergebnisse nicht beantworten: wie gut war ein Team wirklich?
xG-Modell erklärt: So berechnen Sie Expected Goals für Fußball Wetten
xG steht für Expected Goals – die erwartete Anzahl von Toren basierend auf der Qualität der Torchancen. Jeder Schuss bekommt einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit ausdrückt, dass dieser Schuss in ein Tor resultiert.
Ein Elfmeter hat einen xG-Wert von etwa 0.76 – drei von vier Elfmetern gehen rein. Ein Kopfball aus dem Strafraum hat vielleicht 0.04. Ein Schuss aus 25 Metern 0.03. Ein Abschluss aus fünf Metern nach einer Flanke 0.35. Die Summe aller xG-Werte eines Teams in einem Spiel ergibt den Team-xG.
50 Prozent aller Fußballspiele enden mit nur einem Tor Differenz. xG hilft dir zu verstehen, ob dieses eine Tor verdient war oder nicht. Wenn Team A einen xG von 1.8 hat und Team B einen xG von 0.5, das Spiel aber 0:1 für Team B endet, sagt xG klar: Team A war besser, das Ergebnis spiegelt die Leistung nicht wider.
DSWV-Präsident Mathias Dahms hat gefordert, faktenbasierte Debatten über die Entwicklung der Sportwette in Deutschland zu führen, gestützt auf verlässliche offizielle Zahlen. Dasselbe Prinzip gilt für deine Wettanalyse: xG liefert die faktenbasierte Grundlage, die Ergebnisse allein nicht bieten können.
Die Modelle unterscheiden sich zwischen den Anbietern. Manche berücksichtigen nur Position und Winkel, andere integrieren Spielsituation, Schussart, Verteidigerdruck und Torwartposition. Für deine Wettanalyse sind die Unterschiede meist marginal – wichtiger ist, dass du eine Quelle konsistent verwendest, statt zwischen verschiedenen xG-Modellen zu springen.
xG für Wettentscheidungen nutzen: Drei Anwendungsfälle
Die naheliegendste Anwendung – Overperformance erkennen. 90 Prozent aller Sportwetten in Deutschland sind Fußballwetten, und die meisten Wetter setzen auf Teams, die gerade gewinnen. Wenn ein Team deutlich mehr Tore erzielt als sein xG-Wert vorhersagt, performt es über – und wird statistisch gesehen in den kommenden Spielen weniger Tore schießen. Das ist keine Vermutung, sondern die dokumentierte Regression zum Mittelwert.
Praktisch gesehen ein Team mit 20 Toren in zehn Spielen, aber einem xG von nur 14, hat sechs Tore „über Plan“ erzielt. Der Markt sieht 20 Tore und stuft das Team als offensive Macht ein. xG sagt: die Chancenqualität reicht für 14 Tore. In den nächsten zehn Spielen wird sich die Torquote wahrscheinlich dem xG annähern – und die Quote auf Unter-Tore bietet plötzlich Value.
Eine weitere Anwendung – Underperformance ausnutzen. Das Gegenteil: ein Team, das konstant hohe xG-Werte produziert, aber die Chancen nicht verwertet. Die Quote auf dieses Team ist zu hoch, weil der Markt die tatsächlichen Tore stärker gewichtet als die Chancenqualität. Wenn du weißt, dass die Regression kommen wird, setzt du auf den Sieg dieses Teams, bevor der Markt reagiert.
Die dritte Anwendung – Über/Unter-Wetten kalibrieren. Der xG-Wert beider Teams zusammen ergibt die erwartete Toranzahl pro Spiel. Wenn Team A einen xG von 1.6 und Team B einen xG von 1.3 hat, erwartest du 2.9 Tore. Die Torlinie liegt bei 2.5 – also favorisierst du Über. Wenn die xG-Summe aber bei 1.8 liegt und die Linie bei 2.5, ist Unter attraktiver. Einfach, effektiv, datenbasiert. In meiner Praxis ist diese xG-Kalibrierung der Ansatz mit dem höchsten ROI – nicht spektakulär, aber verlässlich über die gesamte Saison.
Grenzen von xG: Wann das Modell versagt
xG ist kein Orakel, und ich habe genug Geld verloren, um das zu wissen. Das Modell hat drei fundamentale Schwächen, die du kennen musst.
Zentral ist xG erfasst keine Spielerqualität. Ein Elfmeter hat immer einen xG von 0.76, egal ob der Schütze der Standardspezialist der Liga ist oder ein Verteidiger, der noch nie einen geschossen hat. In der Realität verwandelt der Spezialist 85 Prozent, der Verteidiger 60 Prozent. Diese individuelle Abschlussqualität fängt xG nicht ein.
Hinzu kommt xG ignoriert die Spielsituation im größeren Kontext. Ein Team, das in der 85. Minute 3:0 führt, lässt dem Gegner bewusst Chancen zu, um Kräfte zu sparen. Der xG des Gegners steigt, aber die tatsächliche Bedrohung ist gering. Wer blind auf den xG schaut, überschätzt die Leistung des nachlassenden Favoriten nicht, aber die des Gegners in der Endphase.
Darüber hinaus kleine Stichproben. xG über drei Spiele ist fast aussagelos. Ein Team kann in drei Spielen einen xG von 0.5 haben, weil es gegen drei Spitzenteams gespielt hat. Über zehn Spiele stabilisiert sich das Bild, über zwanzig wird es zuverlässig. Nutze xG deshalb immer über mindestens zehn Spiele, und differenziere nach Gegnerklasse. Ein Team mit hohem xG gegen schwache Gegner ist nicht dasselbe wie eines mit hohem xG gegen Topteams.
Viertens Standardsituationen verzerren den xG-Wert. Ein Elfmeter hat einen xG von 0.76, und ein Team, das in drei von fünf Spielen einen Elfmeter bekommt, hat einen aufgeblähten xG-Wert, der nichts über sein offenes Spiel aussagt. Ich bereinige xG deshalb um Elfmeter und schaue mir den „Non-Penalty xG“ an – das ist der ehrlichere Indikator für die tatsächliche Chancenqualität aus dem Spiel heraus.
Was ich daraus ableite: nutze xG als stärksten einzelnen Indikator, aber nie als einzigen. Kombiniere xG mit Schussstatistiken, Formanalyse und situativen Faktoren. Das Zusammenspiel dieser Datenpunkte ergibt ein Bild, das präziser ist als jeder einzelne Wert – und das dir den Edge verschafft, den der Markt nicht hat.
