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

Wissensdatenbank

Was ist xG (Expected Goals)?

Expected Goals ist die wichtigste Kennzahl der modernen Fußballanalyse. Wer sie einmal verstanden hat, schaut Fußball nie wieder mit denselben Augen.

Die einfache Idee hinter einer aussagekräftigen Zahl

Stell dir vor, du könntest jeden Torschuss der Fußballgeschichte zurückspulen (Tausende Elfmeter, Kopfbälle, Weitschüsse, Abstauber) und fragen: Wie oft endet ein Schuss wie dieser im Netz? Genau das macht Expected Goals (xG). Jeder Torschuss bekommt einen Wahrscheinlichkeitswert zwischen 0 und 1, der beschreibt, wie wahrscheinlich ein Tor ist. Ein Wert von 0 bedeutet: Dieser Schuss führt praktisch nie zu einem Tor. Ein Wert von 1 bedeutet: Das Tor ist so gut wie sicher. In der Praxis liegen die meisten Schüsse irgendwo dazwischen. Ein normaler Elfmeter hat einen xG-Wert von etwa 0,76. Würdest du denselben Elfmeter unter denselben Bedingungen 100 Mal schießen, ginge er also rund 76 Mal ins Netz. Ein Schuss aus 35 Metern, aus spitzem Winkel und unter Druck? Vielleicht 0,03. Das Schöne an xG: Es filtert Glück heraus. Eine Mannschaft, die dreimal den Pfosten trifft und 0:1 verliert, hat womöglich mehr xG erzeugt als der Gegner. Das Endergebnis zeigt, was passiert ist. xG zeigt, was hätte passieren sollen, und sagt oft voraus, was als Nächstes passiert.

Wie xG berechnet wird

xG-Modelle entstehen, indem riesige Datensätze historischer Torschüsse in Algorithmen des maschinellen Lernens eingespeist werden. Analysten bei Anbietern wie Opta und StatsBomb haben Millionen von Schüssen samt Ergebnis (Tor oder kein Tor) katalogisiert und die Faktoren identifiziert, die am stärksten über den Erfolg entscheiden.

Abschussposition und Entfernung

Der bei Weitem wichtigste Faktor ist der Abschussort. Ein Schuss aus sechs Metern, zentral im Strafraum, hat ein xG von etwa 0,5 bis 0,6. Aus derselben Richtung, aber 20 Meter vom Tor entfernt, fällt der Wert auf 0,05 bis 0,10. Torentfernung und Schusswinkel sind die grundlegenden Eingaben jedes xG-Modells: Sie erklären den Großteil der Unterschiede zwischen einzelnen Schüssen.

Körperteil

Kopfbälle sind statistisch deutlich schwerer zu verwerten als Schüsse mit dem Fuß, selbst aus identischen Positionen. Ein Kopfball aus sechs Metern hat je nach Modell ein xG von etwa 0,30 bis 0,35, ein Schuss mit dem Fuß dagegen 0,50 bis 0,60. Schüsse mit dem schwachen Fuß erhalten teilweise eine leichte Abwertung gegenüber dem starken Fuß, das variiert aber je nach Modell.

Vorlagenart und Spielaufbau

Wie entstand die Chance? Ein Schuss nach einem von der Grundlinie zurückgelegten Ball an den Fünfmeterraum führt wesentlich häufiger zum Tor als ein Schuss nach einem langen Abschlag. Die Art der Vorlage (Flanke, Steilpass, Standard, Dribbling oder gar kein vorheriger Kontakt) verändert die Wahrscheinlichkeit erheblich. Ein direkter Schuss aus einer Ecke ist fast unmöglich (xG ≈ 0,02 bis 0,03), ein Schuss nach einem Rückpass von der Grundlinie deutlich gefährlicher (xG ≈ 0,3 bis 0,5 je nach Position).

Spielstand und Abwehrdruck

Einige ausgefeiltere Modelle berücksichtigen auch den Spielstand (fällt der Schuss bei Führung, Gleichstand oder Rückstand?), den Abwehrdruck (wie viele Gegenspieler stehen zwischen Schütze und Tor?) und die Torwartposition. Diese Faktoren können die Wahrscheinlichkeit verschieben, sind aber in der Regel zweitrangig im Vergleich zu Position und Körperteil.

Die Geschichte von xG: Vom Nischenkonzept zum Mainstream

Expected Goals als Konzept geht auf wissenschaftliche Arbeiten in den 1990er Jahren zurück, in den Mainstream der Fußballanalyse gelangte es aber erst etwa 2012 bis 2014. Der Pionier Sam Green veröffentlichte eines der ersten öffentlichen xG-Modelle. Kurz darauf entwickelten Analysten wie Michael Caley, Colin Trainor und Constantinos Chappas unabhängig voneinander eigene Versionen. Der große Sportdatenanbieter Opta baute eines der frühesten kommerziellen xG-Modelle und lizenzierte es an Sender und Vereine. StatsBomb, 2017 gegründet, trieb die Methodik weiter voran: mit Open-Source-Daten für die Forschung und einem detaillierteren Schussmodell, das die Torwartposition einbezieht. Heute bieten alle großen Datenanbieter, darunter Wyscout, InStat und Sportmonks, xG als Standardkennzahl an. Die TV-Sender zogen schnell nach. Die BBC-Sendung Match of the Day zeigt xG seit August 2017. Heute gehört es zur Routine in Nachberichten, Expertensendungen und sogar Direktübertragungen der großen europäischen Ligen.

xG in Aktion sehen: xG-Tabelle

Das xG-Tabellen-Widget von MatchAnalyzr zeigt in der Größe L für jede Mannschaft xG, xGOT (xG on Target), xGA und Expected Points (xPTS). Die Differenz zwischen xPTS und echten Punkten zeigt auf einen Blick, welche Teams von ihrem Glück leben und welche eine Trendwende verdient haben. Verfügbar ab dem Pro-Plan.

xG-Werte lesen: Ein praktischer Leitfaden

Wenn du die xG-Skala verinnerlichst, kannst du Werte im Spielkontext sofort einordnen. Hier sind die Referenzwerte, die du dir merken solltest:

Orientierungswerte pro Schuss

0,02 bis 0,05: Spekulative Weitschüsse, Schüsse aus spitzem Winkel, Schüsse unter starkem Druck. Diese enden selten im Tor. Und wenn doch, solltest du das nicht überbewerten, denn das ist Abschlussglück. 0,05 bis 0,15: Schüsse von der Strafraumgrenze mit freier Bahn zum Tor. Keine hohe Qualität, aber auch nicht vernachlässigbar. 0,15 bis 0,35: Schüsse aus dem Strafraum mit moderatem Raum und Winkel. Das sind gute Angriffssituationen. 0,35 bis 0,55: Klare Chancen, oft Eins-gegen-eins-Situationen oder Schüsse aus 8 bis 12 Metern mit minimalem Druck. 0,55 bis 0,80: Große Chancen. Ein Elfmeter liegt bei ~0,76. Solche Situationen sollten öfter im Tor enden als nicht. 0,80 bis 1,00: Nahezu sichere Tore, etwa ein Abstauber aus zwei Metern (~0,90) oder ein Schuss aufs leere Tor. Geht so ein Ball nicht rein, ist etwas Ungewöhnliches passiert.

xG-Gesamtwerte pro Spiel

In einem typischen Profi-Fußballspiel erzeugt jede Mannschaft zwischen 0,8 und 2,0 xG. Ein Spiel mit einem xG von 1:1 war in der Regel ausgeglichen. Eine Mannschaft mit 2,5 xG und 0,5 xGA war dominant, ungeachtet des Ergebnisses. Spitzenteams in Top-Ligen kommen über eine ganze Saison im Schnitt auf 1,8 bis 2,4 xG pro Spiel, abstiegsgefährdete Mannschaften liegen oft bei 0,8 bis 1,1.

xG vs. tatsächliche Tore: Über und unter der Erwartung

Hier wird xG wirklich faszinierend. Die tatsächlichen Tore eines Spielers oder einer Mannschaft im Vergleich zum angesammelten xG sagen viel über Abschlussqualität, Glück und Nachhaltigkeit. Ein Stürmer, der 20 Tore aus 12 xG erzielt, übertrifft die Erwartung massiv. Das ist überragender Abschluss, außergewöhnliches Glück oder eine Mischung aus beidem. Analysten stellen dann die entscheidende Frage: Was davon ist es, und wie lange hält das an? Die Forschung zeigt immer wieder, dass sich ein solcher Abschlussvorsprung langfristig wieder dem xG annähert. xG erfasst die zugrunde liegende Chancenqualität, und das Gesetz der großen Zahlen zieht Ergebnisse tendenziell in Richtung des Erwartungswerts. Umgekehrt bleibt ein Stürmer mit 18 xG, der nur 10 Tore erzielt hat, deutlich unter seinem Wert. Vielleicht schießt er unter Druck, entscheidet sich im letzten Moment falsch oder steckt schlicht in einer Schwächephase. Im Laufe einer Saison schließt sich diese Lücke oft. Manche Spieler schließen aber tatsächlich besser oder schlechter ab als der Durchschnitt, und wirklich ausgefeilte Modelle versuchen das mit eigenen „Post-Shot xG“-Metriken zu berücksichtigen.

Leicesters Märchensaison 2015/16 und was xG zeigt

Leicester Citys Meistertitel in der Premier League 2015/16 ist eines der bekanntesten Beispiele dafür, wie xG ein Märchen einordnet, und es überrascht viele. Der Angriff war nämlich kein Zufallsprodukt: Mit 68 Toren bei rund 66 xG traf Leicester fast genau nach Erwartung, Jamie Vardy und Riyad Mahrez bekamen sehr gute Chancen. Der Überschuss kam aus der Defensive: Kasper Schmeichel und seine Abwehr kassierten nur 36 Tore, bei einem xGA von rund 46. Nach der xG-Differenz gehörte Leicester damit zur erweiterten Spitze, einen Meister mit zehn Punkten Vorsprung sah das Modell aber nicht. Viele Statistiker erwarteten eine Regression, und tatsächlich beendete Leicester die Folgesaison auf einem sehr gewöhnlichen 12. Platz. Das mindert die Leistung nicht, zeigt aber eindrücklich, wie xG sichtbar machen kann, wenn etwas Magisches, aber statistisch Ungewöhnliches geschieht.

Die Remontada: Barcelona gegen PSG 6:1

Kaum ein Spiel illustriert xG besser als Barcelonas atemberaubendes 6:1-Comeback gegen PSG in der Champions League 2017. PSG kam mit einer 4:0-Führung aus dem Hinspiel ins Camp Nou. Das xG-Modell für das Rückspiel zeigte, dass Barcelona Chancen für einen hohen Sieg herausspielte. Das schiere Ausmaß des Ergebnisses (einschließlich drei Tore in den letzten sechs Minuten) lag jedoch weit jenseits dessen, was irgendein Modell für wahrscheinlich gehalten hätte. Das xG wies Barcelona als dominant aus, und trotzdem war das Ergebnis selbst auf Basis dieser Zahlen ein erheblicher Ausreißer: eine der größten statistischen Anomalien des Fußballs.

Team-xG: Angriffs- und Defensivqualität messen

xG entfaltet seine wahre Stärke, wenn du von einzelnen Spielen auf ganze Saisons herauszoomst. Über eine große Stichprobe von Spielen wird xG zu einem der verlässlichsten Prädiktoren zukünftiger Leistung, verlässlicher als tatsächlich erzielte oder kassierte Tore. Liverpool unter Jürgen Klopp war in mehreren aufeinanderfolgenden Saisons von 2018 bis 2022 gemessen an xG-Kennzahlen wohl die dominierende Mannschaft Europas. Auch in Saisons mit schwankenden Ergebnissen blieben Liverpools Schussqualität und Chancenerzeugung konstant auf Spitzenniveau. Das Pressing gewann nicht nur den Ball zurück, sondern erzeugte hochwertige Chancen und unterdrückte die des Gegners. xG machte das in Zahlen sichtbar. Wenn du das xG eines Teams über eine Saison analysierst, achte auf Folgendes: xG For (xGF): Die Summe der erzeugten Expected Goals. Hohes xGF bedeutet, dass die Mannschaft konstant hochwertige Chancen schafft. Darin spiegeln sich die Angriffsqualität und die Fähigkeit des Systems, gefährliche Positionen herzustellen. xG Against (xGA): Die Summe der zugelassenen Expected Goals, gemessen an der Qualität der erlaubten Schüsse. Niedriges xGA bedeutet, dass die Abwehr Gegner auf schwache Abschlüsse beschränkt: Weitschüsse, Kopfbälle aus der Distanz, Schüsse unter Druck. Eine Mannschaft, die 20 Schüsse pro Spiel zulässt, aber alle aus 30 Metern, hat trotz der Schussanzahl ein niedriges xGA. xG-Differenz (xGD): xGF minus xGA. Die beste zusammenfassende Zahl für die Gesamtqualität einer Mannschaft. Historisch korreliert xGD über eine ganze Saison stärker mit zukünftigen Punkten als die tatsächliche Tordifferenz.

xG-Verlauf deines Teams verfolgen

Das xG-Verlauf-Widget zeigt xG und xGA der letzten bis zu 10 Spiele als Liniendiagramm. Du siehst, wie sich die grundlegende Leistung einer Mannschaft verbessert oder verschlechtert, oft Wochen, bevor die Tabelle es widerspiegelt. Kaum ein Widget im MatchAnalyzr-Dashboard sagt mehr über die nächsten Spiele aus.

Defensives xG: Die unterschätzte Seite

Die meisten Fußballdiskussionen drehen sich um offensives xG (erzielte Tore und kreierte Chancen). xGA ist aber genauso wichtig und kommt wohl zu selten zur Sprache. Eine Mannschaft, die 1,0 xGA pro Spiel zulässt, verteidigt sehr gut. Sie lässt zwar Schüsse zu, beschränkt Gegner aber auf schwache Positionen. Eine Mannschaft mit 1,8 xGA pro Spiel hat dagegen ein strukturelles Abwehrproblem, weil sie Gegner regelmäßig in gefährliche Räume lässt. Für Torhüter gibt es ein eigenes Maß: Die Differenz zwischen dem Post-Shot-xG (PSxG) der Schüsse aufs Tor, die ein Torwart abbekommen hat, und seinen tatsächlichen Gegentoren nennt sich „Goals Saved Above Expected“ (GSAx oder PSxG+/-). PSxG bewertet den Schuss, nachdem er abgegeben wurde, also auch seine Platzierung. Ein Torwart, der konstant weniger Tore kassiert, als sein PSxG erwarten lässt, übertrifft die Erwartung. So erkennen Analysten echte Spitzentorhüter und unterscheiden sie von durchschnittlichen Torhütern, die zufällig für starke Defensivteams spielen.

Grenzen von xG: Was es nicht erfasst

xG ist enorm nützlich, aber kein Orakel. Wer seine Grenzen kennt, wird zum besseren Analysten.

Modellunterschiede

Nicht alle xG-Modelle sind gleich. Optas xG und StatsBombs xG liefern für denselben Schuss leicht unterschiedliche Zahlen, weil sie auf verschiedenen Datensätzen aufgebaut sind und verschiedene Merkmale nutzen. Ein Schuss, den Opta mit 0,25 xG bewertet, könnte im StatsBomb-Modell 0,21 sein. Deshalb solltest du xG-Zahlen verschiedener Anbieter nie direkt vergleichen und immer bei einer Quelle bleiben.

Individuelle Fähigkeiten werden nicht vollständig erfasst

Einfache xG-Modelle behandeln alle Schützen identisch: Sie berücksichtigen nur Position und Kontext des Schusses, nicht, wer ihn ausführt. In der Realität ist Erling Haalands Abschluss aus 12 Metern grundlegend anders als der eines schwächelnden Stürmers in derselben Position. Post-Shot-xG-Modelle versuchen das zu korrigieren, indem sie einbeziehen, wohin im Tor der Ball platziert wird. Aber auch sie erfassen individuelle Fähigkeiten nicht vollständig. Betrachte xG als Basiserwartung, nicht als Obergrenze.

Kleine Stichproben sind verrauscht

xG aus einem einzelnen Spiel ist interessanter Kontext, aber verrauscht. Erzeugt eine Mannschaft in einem Spiel 2,5 xG, war sie an diesem Tag dominant. Drei Spiele mit 0,5 xG könnten dagegen Pech beim Herausspielen von Chancen sein oder ein echtes strukturelles Problem signalisieren. Du brauchst mindestens 8 bis 10 Spiele, bevor xG-Schlussfolgerungen auf Saisonebene statistisch aussagekräftig werden.

Standards sind kompliziert

xG-Modelle haben bei Standards ihre Schwächen. Die Qualität der Ausführung, die Laufwege der Angreifer, die konkrete Defensivaufstellung: All das ist ohne detaillierte Positionsdaten schwer zu erfassen. Einige Anbieter wie StatsBomb haben separate Standard-xG-Modelle entwickelt. Einfache Modelle unterschätzen oder überschätzen manchmal die Gefahr von Ecken und Freistößen.

Häufige Missverständnisse über xG

Seit xG Mainstream wurde, haben sich einige Missverständnisse verbreitet. Hier die wichtigsten Richtigstellungen:

„xG sagt, mein Team hätte verdient gewonnen“

xG kennt kein „verdient“. Eine Mannschaft, die 2,0 xG erzeugte und 0:1 verlor, hatte die besseren Chancen, gewonnen hat aber das andere Team. Fußball wird in der Realität gespielt, und Ergebnisse zählen. xG hilft dir, die zugrunde liegende Qualität einer Leistung zu verstehen, ändert aber keine Ergebnisse rückwirkend. Eine Mannschaft, die regelmäßig gewinnt, obwohl ihre xG-Werte dagegen sprechen, erreicht etwas, auch wenn ihre zugrunde liegende Qualität nahelegt, dass die Serie nicht ewig hält.

„Mehr xG bedeutet immer besseres Team“

Über eine ganze Saison ja, denn xGD ist einer der besten Prädiktoren für Teamqualität. In einem einzelnen Spiel kann eine Mannschaft hohes xG aber durch viele mittelmäßige Schüsse erzeugen statt durch wenige klare Chancen. Eine Mannschaft mit 1,5 xG aus 18 über den Platz verteilten Schüssen hat womöglich schlechteren Fußball gezeigt als eine, die 1,2 xG aus 8 hochwertigen Positionen erzeugt. Schussvolumen ohne Qualität ist nicht dasselbe wie echte Dominanz.

„Wenn ein Spieler unter seinem xG bleibt, ist er ein schlechter Vollstrecker“

Nicht unbedingt, zumindest nicht nach einer kleinen Stichprobe. Die Varianz beim Abschluss ist im Fußball enorm. Selbst Spitzenstürmer können 10 Spiele lang unter ihrem xG treffen, rein aufgrund natürlicher Varianz. Das statistische Rauschen auf individueller Ebene ist erheblich. Schau dir xG-Trends über mehrere Saisons an, bevor du Schlüsse über die Abschlussqualität ziehst.

xG je Spiel: Wer trifft gut?

Das xG-je-Spiel-Widget von MatchAnalyzr zeigt xG und xGOT eines Spielers für die letzten 10 Spiele und stellt seine Saisontore dem Saison-xG gegenüber. Der Abstand erzählt die Geschichte: Ein Spieler, der deutlich mehr Tore als xG ansammelt, trifft weit über Erwartung. Im umgekehrten Fall hat er entweder Pech oder tut sich vor dem Tor schwer.

xG für Spielvorhersage und Saisonanalyse nutzen

Hier wird xG wirklich praktisch nutzbar: Es beschreibt nicht nur, sondern sagt auch voraus. Bei der Spielvorhersage liefert die Kombination aus Pre-Match-xG-Modellen (basierend auf historischer Teamleistung, Form und Head-to-Head-Daten) und aktuellen Saison-xG-Trends ein differenzierteres Bild als einfache Formtabellen. Eine Mannschaft mag drei Siege hintereinander haben, aber konstant nur 0,8 xG pro Spiel erzeugen. Dieser Lauf steht womöglich auf wackligen Fundamenten. Für die Saisonanalyse lohnt es sich, das rollierende xG einer Mannschaft im Saisonverlauf zu verfolgen: Es zeigt Form und Momentum, die reine Tabellen verbergen. Eine Mannschaft, deren rollierender 10-Spiele-xG-Trend sich verbessert, ohne dass die Ergebnisse schon folgen, steht vor einem guten Lauf. Eine Mannschaft, deren Ergebnisse ihrem xG weit vorausgeeilt sind, ist ein Kandidat für eine Korrektur. Auch in der Transferanalyse hilft xG pro 90 Minuten dabei, Stürmer aus verschiedenen Kontexten zu beurteilen. Ein Stürmer, der bei einem Mittelklasse-Klub 0,45 xG pro 90 erzeugt, ist womöglich der stärkere Angreifer als einer, der bei einem Spitzenklub mit weit besseren Zuspielen auf 0,6 xG pro 90 kommt.

Häufig gestellte Fragen

Was bedeutet ein xG von 1,0?
Ein xG von 1,0 stünde für ein nahezu sicheres Tor, im Grunde ein leeres Tor oder einen Schuss von der Torlinie. In der Praxis wirst du selten einen einzelnen Schuss mit xG über 0,90 sehen. Sammelt eine Mannschaft in einem Spiel über mehrere Schüsse 1,0 xG an, bedeutet das: Die kombinierte Chancenqualität lässt genau ein Tor als Erwartungswert erscheinen.
Warum zeigen verschiedene Websites unterschiedliche xG-Zahlen?
Weil verschiedene Datenanbieter unterschiedliche xG-Modelle verwenden. Opta, StatsBomb und andere bauen ihre Modelle aus eigenen Schuss-Datenbanken und mit unterschiedlichen Eingangsmerkmalen. Die Zahlen sind in der Regel ähnlich, aber nicht identisch. Vergleiche xG-Werte immer aus derselben Quelle. Verschiedene Anbieter zu mischen ist, als würdest du dasselbe Gewicht auf unterschiedlichen Waagen messen.
Kann xG vorhersagen, wer ein Spiel gewinnt?
xG hilft, Wahrscheinlichkeiten zu schätzen, bestimmt aber keine Ergebnisse. Pre-Match-xG-Modelle können dir etwa sagen, dass ein Spiel zwischen zwei Mannschaften mit bestimmten xG-Profilen eine 55-prozentige Chance auf einen Heimsieg hat. Fußball hat aber eine hohe natürliche Varianz. Über eine ganze Saison landen Teams tendenziell dort, wo ihr kumuliertes xG es angedeutet hat, doch jedes einzelne Spiel kann jedes Ergebnis produzieren.
Ist ein hohes xG immer gut für eine Mannschaft?
Hohes xG For (xGF) ist grundsätzlich positiv, denn die Mannschaft kreiert hochwertige Chancen. xG Against (xGA) ist aber genauso wichtig. Eine Mannschaft mit 2,0 xGF und 1,9 xGA sieht offensiv gut aus, hat aber nur einen marginalen Nettovorteil. Die aussagekräftige Zahl ist die xG-Differenz (xGD): xGF minus xGA. Eine positive xGD über viele Spiele zeigt eine wirklich starke Mannschaft an.
Was ist npxG und wie unterscheidet es sich von xG?
npxG steht für Non-Penalty Expected Goals, also xG ohne Elfmeter. Elfmeter werden herausgerechnet, weil sie eine feste hohe Wahrscheinlichkeit (~0,76) haben, unabhängig davon, wie gut oder schlecht eine Mannschaft spielt. Ein Team, das in einem Spiel drei Elfmeter bekommt und alle verwandelt, hat hohes xG. npxG filtert das heraus und zeigt die Qualität der Chancen aus dem Spiel heraus. Es gilt oft als reineres Maß für Angriffsqualität.

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