MatchAnalyzr ist in der Beta-Phase. Sichere dir jetzt dauerhaft den Early-Bird-Rabatt. Preise ansehen

Wissensdatenbank

Saisonvergleich: Teams über mehrere Saisons analysieren

Eine Saison zeigt dir, was passiert ist. Mehrere Saisons zeigen dir, warum es passiert ist und was als Nächstes kommt. Im Mehrjahresvergleich wird aus reiner Beschreibung eine echte Vorhersage.

Was Einzelsaison-Statistiken nicht verraten

Jeden Sommer laufen die Erzählfabriken heiß. Ein Klub aus dem Tabellenmittelfeld beendet die Saison auf Platz sechs, und die Experten verkünden eine Revolution. Ein Stammgast im Europapokal rutscht auf Rang zehn ab, und der Trainer gilt als gescheitert. Ablösesummen fließen in Strömen. Die Geduld verpufft. Diese Reaktionen beruhen fast immer auf der Momentaufnahme einer einzigen Saison, und einzelne Saisons sind voller Rauschen. Ein Torwart, der das Jahr seines Lebens hat. Eine Verletzung beim Schlüsselspieler des Gegners. Eine Englische Woche, in der die Paarungen ausnahmsweise günstig fallen. Ein Elfmeter, gegeben oder verweigert, in drei aufeinanderfolgenden Spielen, die jeweils 1:0 enden. All das sagt nichts Verlässliches über die strukturelle Qualität eines Klubs aus. Legst du aber mehrere Saisons nebeneinander, beginnt sich das Rauschen herauszumitteln. Was übrig bleibt, ist Signal: echter Fortschritt, echter Rückgang, echte Stagnation. Muster, die sich über drei, fünf oder zehn Saisons halten, sind die einzigen, auf die sich eine solide Analyse stützen kann. Das ist die Grundidee des Saisonvergleichs: Du fixierst dich nicht auf einzelne Datenpunkte, sondern suchst den Entwicklungsverlauf. Und der sagt im Fußball, wie in fast allem anderen auch, weitaus mehr voraus als die aktuelle Tabellenposition.

Der Unterschied zwischen einem Ausreißer und einem Trend

Zwei Mannschaften im Vergleich: Team A sammelt in drei aufeinanderfolgenden Saisons 52, 56 und 50 Punkte. Team B kommt auf 58, 54 und 50. Für sich betrachtet sehen die jüngsten Saisons beider Teams gleich aus, nämlich nach solider Mittelfeldleistung. Im Kontext zeigt Team A dagegen eine schwankende, aber in etwa stabile Entwicklung, während sich Team B in einem messbaren, kontinuierlichen Abwärtstrend befindet. Die Einzelsaisonanalyse kann diese beiden Klubs nicht voneinander unterscheiden. Der Mehrjahresvergleich tut es sofort. Die Richtung der Entwicklung zählt mehr als jede einzelne Endposition. Und sobald du die Richtung klar erkennst, kannst du die richtigen Fragen nach den Ursachen stellen.

Welche Kennzahlen sich am besten für den Saisonvergleich eignen

Nicht alle Statistiken sind in der Mehrjahresanalyse gleich nützlich. Manche Kennzahlen bleiben über Saisons hinweg stabil: Sie verändern sich langsam, und wenn sie es tun, hat das Bedeutung. Andere sind volatil und verrauscht, mit großen Schwankungen, die nichts über die wahre Qualität aussagen. Das Grundprinzip beim Saisonvergleich: Ratenkennzahlen schlagen Volumenkennzahlen, und Prozesskennzahlen schlagen Ergebniskennzahlen.

Ratenkennzahlen vs. Volumenkennzahlen

Volumenkennzahlen wie Gesamttore, Gesamtschüsse und Zu-Null-Spiele insgesamt werden durch die Anzahl der absolvierten Partien verfälscht. Ligen werden erweitert, Pokalwettbewerbe bringen zusätzliche Spiele, Europapokal-Kampagnen sind unterschiedlich lang. Ein Team, das in einer Saison 68 Tore schießt und in der nächsten nur 61, muss nicht schlechter geworden sein. Vielleicht hat es einfach weniger Spiele bestritten. Ratenkennzahlen lösen dieses Problem sauber. Tore pro Spiel, Schüsse aufs Tor pro 90 Minuten und die Zu-Null-Quote sind unabhängig von der Spielzahl über Saisons hinweg vergleichbar. Sie eignen sich auch für Vergleiche über verschiedene Epochen, Kader und sogar Ligen hinweg, sofern du Kontextunterschiede berücksichtigst. Für den Saisonvergleich rechnest du immer von Volumen auf Rate um: Punkte pro Spiel statt Gesamtpunkte, xG pro 90 statt des saisonalen xG-Gesamtwerts, Passquote statt Gesamtpässe. Die Rate beschreibt Qualität, das Volumen beschreibt Menge. Qualität lässt sich verallgemeinern, Menge nicht.

Prozesskennzahlen vs. Ergebniskennzahlen

Ergebniskennzahlen (tatsächliche Tore, Punkte und Siege) erfassen, was passiert ist. Prozesskennzahlen (xG, xGA, Schussvolumen, Pressingintensität) erfassen, wie es passiert ist, also die Qualität des gespielten Fußballs hinter den reinen Spielständen. Für den Mehrjahresvergleich sind Prozesskennzahlen deutlich aussagekräftiger, weil Glück sie weniger verzerrt. Ein Team, das 72 Tore schießt, war vielleicht außergewöhnlich effizient. Oder es hat 85 xG erspielt und sogar deutlich unter Erwartung getroffen. Nur der xG-Wert verrät, was davon zutrifft. Die stabilsten und vorhersagekräftigsten Kennzahlen für den Saisonvergleich: - xG pro 90 (Angriffsqualität) - xGA pro 90 (Defensivqualität) - Punkte pro Spiel (Ergebnis, aber als Rate normiert) - xPTS pro Spiel (verdiente Punkte, rauschreduziert) - Zu-Null-Quote (defensive Organisation) - Pressingerfolgsquote (taktische Intensität) - Tiefe Progressionen pro 90 (Qualität des Ballvortrags)

Kennzahlen, bei denen Vorsicht geboten ist

Die Torumwandlungsrate (tatsächliche Tore geteilt durch Schüsse) schwankt bei den meisten Teams von Saison zu Saison erheblich, weil Abschlussglück, Torhüterform und die Qualität einzelner Stürmer sie stark beeinflussen. Eine Mannschaft, die in einer Saison eine Umwandlungsrate von 14 % zeigt und in der nächsten 11 %, ist im Angriff nicht zwingend schlechter geworden. Möglicherweise trifft sie einfach näher an ihrem erwarteten Niveau. Ähnliches gilt für verwandelte Elfmeter, Verwertungsquoten bei Standards und Fernschusstore: Das sind Ereignisse mit hoher Varianz. Über eine einzige Saison können sie die Angriffszahlen massiv verzerren. Mehrjahresanalysen sollten diese Ereignisse deshalb entweder isolieren oder Non-Penalty-xG-Kennzahlen verwenden, die sie glätten.

MatchAnalyzr: Saison-Switcher

Der Saison-Switcher in MatchAnalyzr lädt historische Daten direkt in die Analyse-Seiten. Der Free-Plan deckt die aktuelle Saison ab. Pro schaltet die letzten 3 Saisons frei. Premium-User haben Zugriff auf die letzten 5 Saisons. Das reicht, um den Entwicklungsbogen eines Klubs über mehrere Jahre nachzuverfolgen.

Kontext berücksichtigen: Warum nackte Zahlen nicht alles erzählen

Saisonvergleiche wären unkompliziert, wenn zwischen den Jahren alles gleich bliebe. Kader ändern sich nicht. Trainer gehen nicht. Ligen werden nicht umstrukturiert. Transferbudgets bleiben konstant. Natürlich trifft nichts davon zu. Wer mehrjährige Trends deuten will, muss die Faktoren berücksichtigen, die den Kontext dieser Saison tatsächlich von dem der letzten unterscheiden.

Kaderinvestitionen und Netto-Transferausgaben

Ein Team, das sein xG pro 90 von 1,41 auf 1,68 steigert, spielt möglicherweise besseren Fußball. Es kann aber auch 80 Millionen Euro für einen Weltklasse-Stürmer ausgegeben haben. Beide Geschichten enden in derselben Zahl, bedeuten für Nachhaltigkeit und künftige Leistung aber etwas völlig anderes. Deshalb gehört die Transferaktivität zwingend in jeden Saisonvergleich. Netto-Transferausgaben (Ausgaben minus Einnahmen) sind für die meisten Topligen öffentlich zugänglich und liefern entscheidenden Kontext, um Leistungsveränderungen einzuordnen. Ein Team, das nach massiven Investitionen deutlich bessere Werte zeigt, hat sich diese Zahlen schlicht erkauft. Ein Team, das dieselbe Verbesserung bei Netto-Ausgaben nahe null erreicht, macht echte taktische und entwicklerische Fortschritte, und die sind in der Regel wesentlich dauerhafter.

Trainerwechsel und taktische Diskontinuität

Wenige Ereignisse verändern das statistische Profil einer Mannschaft so drastisch wie ein Trainerwechsel. Neue Trainer bringen andere Defensivformationen, andere Pressingintensitäten und andere Angriffsprinzipien mit. Ein Team kann in einem einzigen Sommer vom Hochpressing im 4-3-3 zum tiefen Block im 5-4-1 wechseln und damit in fast jeder Kennzahl einen völlig anderen statistischen Fingerabdruck hinterlassen. Vergleichst du Saisons über einen Trainerwechsel hinweg, ist Vorsicht geboten: Schreibe Leistungstrends nicht der Spielerentwicklung oder Kaderqualität zu, wenn der eigentliche Treiber die Spielphilosophie ist. Das Signal in den Daten gehört dann zum System, nicht zwingend zum Kader. Umgekehrt liefert eine Mannschaft, die über mehrere Saisons mit demselben Trainer arbeitet, das sauberste Mehrjahressignal. Leistungsveränderungen spiegeln dann die Entwicklung des Kaders, die Schwere des Spielplans oder echten sportlichen Fortschritt wider und keine Systemwechsel.

Auf- und Abstieg: Ligaebene als Kontextfaktor

Der dramatischste Kontextwechsel ist ein Wechsel der Ligaebene. Ein Aufsteiger aus der 2. Bundesliga in die Bundesliga setzt seine Entwicklung nicht einfach fort. Er tritt in einen Wettbewerb von spürbar höherer Qualität ein, in dem sein xG pro 90 fast sicher sinken, sein xGA pro 90 fast sicher steigen und seine Zu-Null-Quote fallen wird. Ohne Anpassung ist es analytisch irreführend, eine Bundesliga-Saison direkt mit der Vorsaison in der 2. Liga zu vergleichen. Die Kennzahlen müssen relativ zum Ligadurchschnitt der jeweiligen Saison betrachtet werden, nicht in absoluten Werten. Ein Team, das in der 3. Liga 1,65 xG pro 90 erzielt und in der 2. Liga 1,42 xG pro 90, hat sich möglicherweise tatsächlich verbessert, wenn der Ligadurchschnitt beim xG pro Team zwischen den beiden Saisons um mehr als 0,23 gesunken ist.

Das Zweitjahressyndrom

Jeder Fußballfan kann spontan mehrere Aufsteiger benennen, die in ihrer ersten Erstligasaison glänzten und in der zweiten einbrachen. Dieses Phänomen, das sogenannte Zweitjahressyndrom, gehört zu den am häufigsten dokumentierten und am wenigsten verstandenen Mustern im Fußball. Die traditionelle Erklärung ist psychologischer Natur: Die Gegner durchschauen dich, der Reiz des Neuen verblasst, das Adrenalin lässt nach. Die statistische Erklärung ist interessanter: Aufsteiger übertreffen in ihrer ersten Erstligasaison häufig ihre zugrunde liegenden Kennzahlen deutlich. Aufstiegsmannschaften waren in ihrer alten Liga meist dominant, mit hohen xG-Werten, niedrigen xGA-Werten und regelmäßigen Siegen. Diese Dominanz formt ein psychologisch gefestigtes, taktisch eingespieltes Team. In der ersten Erstligasaison ist die Taktik noch weitgehend intakt, die Organisation stimmt, und die Spieler sind innerhalb eines vertrauten Systems in Bestform. Doch die erstklassigen Gegner entschlüsseln den Ansatz nach und nach. Das taktische Repertoire des Trainers, das eine Liga tiefer zur Dominanz geführt hat, gerät unter Druck durch bessere Spieler, die seine Grenzen ausnutzen können. In der zweiten Saison produziert dasselbe System deutlich weniger hochwertige Chancen, das xG sinkt, und wenn keine nennenswerten Investitionen den Kader verbessert haben, gehen auch die Ergebnisse nach unten. Saisonvergleichs-Tools machen diesen Verlauf klar sichtbar: Die xG-Kennzahlen des ersten Jahres sehen bei Aufsteigern oft solide aus (manchmal besser als erwartet), während die Zahlen des zweiten Jahres ihr wahres Wettbewerbsniveau in der höheren Liga authentischer abbilden.

Dynastien verfolgen: Wie Elite-Teams ihre Stärke erhalten oder verlieren

Am anderen Ende des Spektrums stehen die Topklubs, die über ein Jahrzehnt hinweg Champions-League-Plätze belegen. Saisonvergleiche über ihre Mehrjahresverläufe zeigen, wie Dominanz aufgebaut wird und wie sie irgendwann endet. Dortmund zwischen 2010 und 2014 ist das prägende deutsche Beispiel. Unter Jürgen Klopp, der 2008 kam, wurde der BVB erst Sechster, dann Fünfter und in seinem dritten und vierten Jahr (2010/11 und 2011/12) Meister, dazu kam 2012 der DFB-Pokal. Die Titel kamen nicht aus dem Nichts. So sieht ein Aufbau aus, und heute lässt er sich in Prozesskennzahlen oft früher erkennen als in der Tabelle: Das xG zeigt nach oben, das xGA nach unten, die Pressingerfolgsquoten steigen. Wer diese Werte über mehrere Saisons verfolgt, sieht einen Meisterschaftskandidaten entstehen, nicht als Prophezeiung, sondern als beobachtbare, datengestützte Entwicklung. Genauso zeigt sich ein schleichender Niedergang wie beim HSV, der vom Europapokal-Stammgast Schritt für Schritt bis zum ersten Abstieg 2018 abrutschte, nicht in einer einzelnen Saison. Solche Abwärtsbewegungen beginnen oft langsam. Der Mehrjahresvergleich macht sie früher sichtbar als ein einzelner Tabellenplatz.

Transferwirkungsanalyse: Vorher und Nachher messen

Eine der wertvollsten Anwendungen des Saisonvergleichs ist die Messung der tatsächlichen Wirkung bedeutender Transfers. Die Frage klingt einfach: Hat die Verpflichtung von Spieler X dem Team wirklich geholfen? Die Antwort erfordert mehr als das Anschauen von Highlights. Verpflichtet ein Klub im Winter einen offensiven Mittelfeldspieler, zählen nicht nur die Ergebnisse vor und nach dem Transferfenster. Relevant sind xG pro 90 vorher und nachher, Schussvolumen vorher und nachher, die Verteilung der Chancenqualität vorher und nachher. Verbessern sich diese Kennzahlen nach dem Transfer spürbar gegenüber dem Zeitraum davor, stützen die Daten den Wert der Verpflichtung. Steigen dagegen nur die Tore, während das xG stagniert, könnte die Verbesserung temporäres Abschlussglück sein und kein echter Fortschritt im Angriff. Der Mehrjahresvergleich führt das weiter: Er verfolgt, ob die Wirkung eines großen Sommertransfers über vollständige Saisons anhält oder ob sich die Verbesserung auf eine anfängliche Honeymoon-Phase beschränkte und danach wieder abflachte.

MatchAnalyzr: Saisons vergleichen

In Meine Vergleiche stellst du dasselbe Team, denselben Spieler oder dieselbe Liga in zwei verschiedenen Saisons nebeneinander, mit den Widgets deiner Wahl (ab Pro, weil der Free-Plan nur die aktuelle Saison enthält). Zusätzlich wechselst du über den Saison-Switcher auf der Team-Analyse-Seite (Statistiken-Reiter) zwischen den freigeschalteten Saisons und liest Punkte pro Spiel, Tore und xG/xGA für jede Saison aus.

Aufwärtskurven und Abwärtsmuster lesen

Der praktisch wertvollste Ertrag des Saisonvergleichs ist die Einordnung eines Teams in seinen aktuellen Verlauf: im Aufwärtstrend, auf einem Plateau oder im Abwärtstrend. Jedes Muster hat charakteristische statistische Signaturen, die in Prozesskennzahlen oft schon deutlich zu erkennen sind, lange bevor sie in den Tabellenplätzen auftauchen.

Stetige Verbesserung: Das Aufbaumuster

Mannschaften in einer echten Aufwärtsentwicklung zeigen typischerweise: - Steigendes xG pro 90 über aufeinanderfolgende Saisons: Sie erspielen konstant hochwertigere Chancen. - Sinkendes xGA pro 90: Die Defensive wird kompakter, das Pressing wirksamer. - Schrumpfende Lücke zwischen xPTS und tatsächlichen Punkten: Hatte ein Team in einer Saison Pech und verbesserte im Folgejahr seine zugrunde liegenden Kennzahlen, sollten die Ergebnisse folgen. - Zunehmende Kadertiefe, erkennbar an stabiler Leistung auch in Verletzungsphasen. Das vielversprechendste Signal ist ein Team, dessen xG pro 90 deutlich gestiegen ist, dessen tatsächliche Punkte aber noch nicht mitgezogen haben. Dieser Verzug zwischen xG und Ergebnissen deutet oft auf eine Mannschaft hin, die kurz vor dem Durchbruch steht: Die zugrunde liegende Qualität ist bereits da, nur Abschlussglück oder Schwankungen bei den Torhütern dämpfen die Resultate vorübergehend.

Frühe Warnsignale für den Niedergang

Mannschaften im Niedergang zeigen typischerweise: - Steigendes xGA pro 90 über aufeinanderfolgende Saisons, weil die Defensivstruktur oder die Pressingintensität nachlässt. - Sinkende tiefe Progressionen, weil die Gegner das Duell im Mittelfeld häufiger gewinnen. - Wachsende Lücke zwischen xPTS und Punkten in die positive Richtung: Das Team holt mehr, als seine zugrunde liegende Qualität hergibt, und das ist nicht nachhaltig. - Zunehmende Varianz beim xG-Output: Die Konstanz geht verloren, das Team hängt an Einzelmomenten statt an systematischer Chancenerzeugung. Das letzte Signal ist besonders heimtückisch. Ein Team, das in 28 von 38 Spielen 2,1 xG pro 90 erspielt, in den anderen zehn aber unter 0,8 xG bleibt, ist strukturell anfällig, und der Saisondurchschnitt verschleiert das. Saisonvergleiche sollten deshalb nicht nur Mittelwerte, sondern auch die Varianz einbeziehen.

Saisonvergleich als Vorhersageinstrument

Die ganze Analyse dient letztlich einem Zweck: historische Muster zu nutzen, um bessere Vorhersagen über künftige Leistungen zu treffen. Der Saisonvergleich liefert dafür mehrere konkrete Vorhersagemuster. Der xG-Ergebnisse-Verzug: Ein Team, das sein xG pro 90 in zwei aufeinanderfolgenden Saisons verbessert hat, dessen Punkte pro Spiel aber nicht proportional gestiegen sind, bleibt aller Wahrscheinlichkeit nach unter seiner tatsächlichen Qualität. Die statistische Erwartung ist die Rückkehr zum Mittelwert: Die Ergebnisse werden sich den Prozesskennzahlen annähern. Kurzfristig gegen dieses Team zu setzen ist statistisch nicht gerechtfertigt. Darauf zu setzen, dass es sich verbessert, ist dagegen gut fundiert. Die Warnung vor dem Punkteüberschuss: Ein Team, dessen tatsächliche Punkte pro Spiel in der zweiten Saison in Folge deutlich über dem xPTS pro Spiel liegen, baut keine Dynastie auf. Es profitiert von anhaltendem Glück, und das hält selten. Diese Warnung, die im Mehrjahresvergleich der xPTS sichtbar wird, ist eines der verlässlichsten Regressionssignale in der Fußballanalyse. Das Defensivumbau-Signal: Ein Team, das ein neues Defensivsystem einführt und im ersten Jahr sinkende xGA-Werte zeigt, verbessert sich typischerweise im zweiten Jahr weiter, sofern das System beibehalten wird, weil die Spieler die Struktur verinnerlichen. Frühe Anzeichen defensiver Verbesserung verstärken sich meist. Die taktische Decke: Bleibt das xG pro 90 eines Teams trotz erheblicher Investitionen über drei oder mehr Saisons stabil, statt zu steigen, hat es möglicherweise eine taktische Decke erreicht. Das aktuelle System holt dann das Maximum aus der typischen Kaderqualität in diesem Bereich heraus. Nur ein grundlegender taktischer Wandel oder wirklich herausragende Einzelverpflichtungen können diese Stagnation überwinden.

MatchAnalyzr: Historische Daten

Historische Saisondaten in MatchAnalyzr stammen von unserem Datenanbieter und decken die verfügbaren Ligen mit xG-, xGA- und weiteren Kennzahlen ab, soweit der Anbieter sie für die jeweilige Saison liefert. Deine Saisonvergleiche beschränken sich also nicht auf Oberflächenstatistiken: Du kannst die Prozesskennzahlen verfolgen, die künftige Leistungen tatsächlich vorhersagen, und nicht nur die Ergebnisse, die die Vergangenheit beschreiben.

Ligaübergreifende Vergleiche: Grenzen und Anpassungen

Die Leistung eines Teams über verschiedene Ligen hinweg zu vergleichen, ob nach Auf- oder Abstieg oder bei der Beobachtung von Klubs in verschiedenen europäischen Ligen, bringt erhebliche analytische Herausforderungen mit sich. Ligen unterscheiden sich deutlich in ihrem durchschnittlichen xG pro Spiel, der Pressingintensität, dem Spieltempo und der defensiven Organisation. Die Bundesliga produziert offenere Partien mit höheren xG-Werten als die Serie A. Der athletische Charakter der Premier League erzeugt andere Pressingdynamiken als die Ligue 1. Ein roher Vergleich des xG pro 90 zwischen einer Bundesliga-Saison und dem anschließenden Premier-League-Jahr sagt ohne Anpassung nahezu nichts aus. Der methodisch sauberste Ansatz ist die Normierung aller Kennzahlen auf den Ligadurchschnitt der jeweiligen Saison. Das xG eines Teams wird nicht als Absolutwert, sondern als Verhältnis zum Ligamittel ausgedrückt: Ein Team beim 1,3-Fachen des Ligadurchschnitts spielt gleichwertig, egal ob die Absolutzahl in der Bundesliga 1,4 xG pro 90 oder in der Serie A 1,2 xG pro 90 beträgt. Dieser relative Ansatz löst auch das Inflationsproblem, das jahrzehntübergreifende Vergleiche erschwert. Der Fußball ist zunehmend datenbewusster, taktisch ausgereifter und (bei Spitzenklubs) finanziell aufwendiger geworden. Das xG pro 90 eines Bundesliga-Teams aus der Saison 2015/16 ist ohne Berücksichtigung der ligaweiten Veränderungen im Spielstil nicht direkt mit einem Wert aus der Saison 2024/25 vergleichbar.

Häufig gestellte Fragen

Wie viele Saisons brauche ich, um einen echten Trend zu erkennen?
Zwei Saisons können eine Richtung anzeigen, drei Saisons belegen einen Trend mit ausreichender Sicherheit. Ein einzelner Datenpunkt ist eine Momentaufnahme. Zwei Punkte definieren eine Linie, aber diese Linie könnte zufällig sein. Drei aufeinanderfolgende Saisons, die sich bei stabilen Kennzahlen wie xG pro 90 oder xGA pro 90 in dieselbe Richtung bewegen, sind ein belastbarer Beleg für eine echte strukturelle Veränderung in der Qualität einer Mannschaft und kein Rauschen.
Funktioniert der Saisonvergleich auch für Klubs aus unteren Ligen mit weniger Daten?
Ja, aber mit Einschränkungen. Untere Ligen verfügen in der Regel über weniger detaillierte Tracking-Daten. xG-Modelle sind weniger zuverlässig, wenn Schusspositionen ungenauer erfasst werden, und Kennzahlen wie die Pressingintensität sind möglicherweise gar nicht verfügbar. Konzentriere dich auf die Kennzahlen, die vorhanden und verlässlich sind: Punkte pro Spiel, Tore pro Spiel, Tordifferenz pro Spiel. Sie reichen aus, um klare Entwicklungsverläufe auch ohne erweiterte Daten zu erkennen.
Was bedeutet es, wenn das xG eines Teams steigt, die tatsächlichen Tore aber nicht?
Die zugrunde liegende Angriffsqualität hat sich verbessert, aber die Abschlusseffizienz ist gesunken, oder gegnerische Torhüter leisten Außergewöhnliches. Das xG-Signal ist das dauerhaftere: Es spiegelt die Qualität der erspielten Chancen wider, die von Taktik und Kaderqualität geprägt wird. Tatsächliche Tore pro Spiel sind verrauschter und volatiler. Ist das xG zwei Saisons in Folge gestiegen, sollten die Tore folgen, es sei denn, es gibt einen konkreten, benennbaren Grund für anhaltend schwache Abschlüsse.
Wie gehe ich mit Saisonvergleichen um, wenn der Trainer während der Saison gewechselt hat?
Teile die Saison in Zeitfenster vor und nach dem Wechsel auf und behandle jeden Abschnitt als eigenen Datenpunkt. Ein Trainerwechsel während der Saison erzeugt faktisch zwei Halbsaisons unter verschiedenen Systemen. Vergleichst du die gesamte Saison mit der Vorsaison, vermischst du die Daten zweier Trainer mit sehr unterschiedlichen Ansätzen. Das verschleiert das Versagen, das zur Entlassung geführt hat, und die Wirkung des Nachfolgers. Die meisten seriösen Analysten betrachten vollständige Saisons unter einem konstanten Trainer als sauberste Vergleichseinheit.
Ist das Zweitjahressyndrom real oder ein Mythos?
Es ist real, aber nicht universell. Am ausgeprägtesten tritt das Phänomen bei Aufsteigern auf, die in der unteren Liga taktisch dominant waren: Ihr System wird entschlüsselt, und ohne Budget für Kaderverbesserungen verschlechtern sich die Ergebnisse. Bei Teams, die den Aufstieg mit erheblichen Investitionen und Kaderumbauten verbunden haben, zeigen zweite Saisons oft Verbesserungen statt Einbrüche. Das Syndrom ist eine Tendenz, kein Gesetz. Mit Saisonvergleichs-Tools erkennst du, welches Muster im konkreten Fall zutrifft.

Individuelle Analyse-DashboardsIndividuelle Team- und Spieler-Vergleiche

Mit MatchAnalyzr entscheidest du: Stell dir aus über 90 Widgets deine individuellen Analyse-Dashboards zusammen, für die Ligen, Teams und Spieler, die du verfolgst. Und vergleiche Teams oder Spieler mit genau den Widgets, die dir für deine Analysen wichtig sind.

MatchAnalyzr app screenshot