Knowledge Base
Was ist xPTS (Expected Points)?
Die offizielle Tabelle zeigt, wer die meisten Punkte gesammelt hat. xPTS zeigt, wer sie verdient hat. Diese beiden Tabellen unterscheiden sich oft erheblich - und genau dort verbergen sich die besten Prognosen.
Das Problem mit der Ligatabelle
Ein Blick auf die Bundesliga-Tabelle im November: Ein Team steht auf Platz vier. Solide Ergebnisserie, ordentliche Tordifferenz, der Trainer wird mit größeren Clubs in Verbindung gebracht. Doch wer sich die xG-Zahlen anschaut, entdeckt etwas Merkwürdiges: Das Team wurde in den meisten Spielen beschossen, hatte weniger und schlechtere Chancen als der Gegner. Es läuft einfach extrem heiß - beim Abschluss.
Genau dieses Problem soll xPTS (Expected Points, auf Deutsch: erwartete Punkte) lösen. Tatsächliche Ligapunkte sind das Produkt aus zwei Dingen: der Qualität des gespielten Fußballs und der Zufälligkeit, die entscheidet, welche dieser Momente zu Toren werden und welche gegen den Pfosten gehen. xPTS versucht, den Zufall herauszufiltern und die Qualität dahinter sichtbar zu machen.
Wo xG die Güte der Chancen in einem einzelnen Spiel beschreibt, übersetzt xPTS diese Qualität in eine Tabellen-Kennzahl: die Anzahl an Punkten, die ein Team im Durchschnitt sammeln würde, wenn sich Abschluss- und Torwartglück langfristig einpendeln. Es ist die Tabelle hinter der Tabelle - und für ernsthafte Fußballanalyse oft aussagekräftiger als die offizielle.
Wie xPTS berechnet wird
Die Berechnung von xPTS basiert auf einem Konzept namens Monte-Carlo-Simulation - was bedrohlich klingt, aber eigentlich eine wunderbar intuitive Idee ist.
Das Gedankenexperiment: 10.000 Wiederholungen
Stell dir vor, du nimmst ein einzelnes Spiel - sagen wir Bayern München gegen Borussia Dortmund - und lässt es nicht einmal, sondern 10.000 Mal auflaufen. Jedes Mal werden die Chancen identisch erzeugt: die gleichen xG-Werte für jeden Schuss. Aber die tatsächlichen Ergebnisse variieren zufällig entsprechend dieser Wahrscheinlichkeiten. In manchen Durchläufen erzielen die Bayern aus ihrer 0,31-xG-Chance ein Tor. In anderen nicht. Der Torwart hält. Der Ball streift den Pfosten. Der Stürmer schießt drüber.
Nach 10.000 Simulationen lässt sich berechnen: In wie viel Prozent der Durchläufe haben die Bayern gewonnen? Unentschieden gespielt? Verloren? Diese Prozentsätze werden mit 3 (Sieg), 1 (Unentschieden) und 0 (Niederlage) multipliziert - das ergibt die erwarteten Punkte der Bayern aus diesem Spiel.
Ein Team, das Chancen im Wert von 2,1 xG gegen ein Team mit 0,6 xG erzeugt hat, gewinnt nicht jede Simulation - der Außenseiter gewinnt manchmal, Unentschieden kommen häufig vor. Aber die Wahrscheinlichkeit verschiebt sich deutlich zugunsten des chancenstärkeren Teams. Dieser erwartete Punktwert (z. B. 2,1 von 3) ist der xPTS-Beitrag aus diesem Spiel.
Summiert man alle xPTS-Beiträge einer Saison auf, erhält man die saisonale xPTS eines Teams - ihr 'verdienter' Punktestand.
Von xG zu Spielwahrscheinlichkeit
Die Berechnung verwendet die individuellen xG-Werte jedes Schusses statt aggregierter Gesamtwerte - denn die Verteilung der Chancen spielt eine Rolle. Zwei Teams können beide 1,5 xG in einem Spiel erzeugen, aber auf sehr unterschiedliche Weise: das eine durch sechs mittelqualitative Schüsse, das andere durch einen einzigen hochwertigen Elfmeter und vier spekulative Weitschüsse. Die Simulation behandelt jeden Schuss unabhängig und bildet diese Nuance ab.
Moderne xPTS-Modelle berücksichtigen häufig auch: ob die tatsächlich gefallenen Tore der Simulation entsprechen (da echte Tore den Spielstand und damit die folgende Chancenerzeugung beeinflussen), den Zeitpunkt von Toren und Platzverweise. Selbst die einfachsten Modelle, die auf diese Anpassungen verzichten, liefern erstaunlich aussagekräftige Ergebnisse.
MatchAnalyzr Tipp
Öffne das xG-Tabellen-Widget auf deinem Dashboard, um aktuelle xPTS-Standings für jede Liga zu sehen. Jedes Team zeigt seine tatsächlichen Punkte vs. xPTS mit farbcodierten Indikatoren für Über- und Underperformance. Filtere nach den letzten 10 Spielen, um aktuelle Form statt Saison-Gesamtdurchschnitte zu sehen.
Über- und Underperformer: Der Glücksindex
Die unmittelbar nützlichste Anwendung von xPTS ist einfache Arithmetik: Zieht man die xPTS eines Teams von seinen tatsächlichen Punkten ab, erhält man einen 'Glücksindex' - ein Maß dafür, wie sehr das Spielglück die bisherige Saison beeinflusst hat.
**Punkte − xPTS = Glücksindex**
Ein positiver Wert bedeutet: Das Team sammelt mehr Punkte, als die Spielleistung vermuten lässt. Es überperformt. Ein negativer Wert bedeutet: Das Team spielt besser, als die Ergebnisse zeigen. Es underperformt.
So könnte eine Tabelle zur Saisonmitte aussehen:
Eine xPTS-Tabelle lesen
| Verein | Punkte | xPTS | Differenz |
|---|---|---|---|
| FC Nordstadt | 38 | 36,2 | +1,8 |
| Westriver United | 35 | 39,1 | −4,1 |
| SV Bergheim | 32 | 28,7 | +3,3 |
| Eintracht Talheim | 29 | 31,4 | −2,4 |
| FC Hafenstadt | 26 | 23,8 | +2,2 |
| Milltal City | 24 | 27,6 | −3,6 |
In dieser Beispieltabelle sieht die Dominanz des FC Nordstadt an der Spitze real aus - die xPTS bestätigt sie. Aber der SV Bergheim auf Platz drei sammelt 3,3 Punkte mehr als verdient; er überperformt und ist ein Regressions-Kandidat. Westriver United auf Platz zwei ist nach xPTS das beste Team - es steht zweiter, verdient aber Platz eins. Milltal City scheint ausgesprochen vom Pech verfolgt zu sein.
Diese Informationen verändern, wie man jede Tabellenposition einordnen sollte.
Warum Überperformer zur Mitte tendieren
Das ist die entscheidende Erkenntnis aus xPTS. Wenn die Punktzahl eines Teams erheblich über seinem xPTS liegt, passiert etwas Nicht-Nachhaltiges. Entweder hat das Team einen außergewöhnlichen Torwart, der Weltklasseparaden am Fließband produziert, oder seine Stürmer treffen weit über ihrer erwarteten Quote - oder beides.
Die Mathematik der Wahrscheinlichkeit sagt: Diese Extreme halten sich nicht ewig. Ein Stürmer, der eine ganze Saison lang auf 150 % seiner xG-Rate trifft, wird mit der Zeit zum Mittelwert zurückkehren. Ein Torwart, der 15 % mehr Schüsse hält als erwartet, wird eine schlechtere Periode haben. Chancenqualität und Chancenvermeidung sind stabiler als Abschlussquoten - wenn also eine große Lücke zwischen xPTS und tatsächlichen Punkten klafft, ist Regression zu erwarten.
Das klassische Fallbeispiel ist Leicester Citys Meistertitel in der Premier League 2015/16. Ihre xPTS in jenem Jahr lag bei etwa 65-68 Punkten, tatsächlich sammelten sie 81. Die Lücke - rund 13-16 Punkte - wurde maßgeblich auf Riyad Mahrez und Jamie Vardys außergewöhnliche Abschlussquoten sowie auf Kasper Schmeichels entscheidende Paraden in engen Momenten zurückgeführt. Der Fußball war ausgezeichnet, die Organisation hervorragend - aber das Abschlussglück war ebenfalls bemerkenswert. In der Folgesaison verpuffte ein Großteil dieses Glücks und Leicester beendete sie auf Platz zwölf.
Bekannte Beispiele für xPTS-Divergenz
Die Geschichte des Fußballs ist voller Fälle, in denen xPTS und tatsächliche Punkte sehr unterschiedliche Geschichten erzählten.
Brighton: Der ewige Underperformer
Brighton unter Graham Potter und später Roberto De Zerbi wurde zum Paradebeispiel eines Teams, dessen xPTS die tatsächlichen Punkte chronisch überstieg. Saison für Saison erzeugten sie qualitativ hochwertige Chancen, ließen vergleichsweise wenige zu - und dennoch spiegelte die Punktzahl die Leistung nicht wider. Ein Teil der Erklärung lag in der Stürmereffektivität, aber die xPTS signalisierte Fachleuten, dass Brighton besser war als die Tabellenposition vermuten ließ.
Das machte Brighton zu einem verlässlichen 'Kauf'-Kandidaten auf xPTS-Basis: Analysten, die dem xPTS-Wert vertrauten, wussten, dass Brighton nicht in den Abstiegskampf geraten würde. Sie behielten recht - immer wieder.
Defensiv-Teams: Wenn wenig reicht
Am anderen Ende des Spektrums produzieren Teams mit tiefem, konterorientiertem Fußball manchmal wenige, aber hochwertige Chancen und gewinnen Spiele durch individuelle Klasse. Solche Teams können komfortabel in der Tabellenmitte sitzen, während ihr xPTS auf einen schwierigeren Kampf hinweist. Die Tabelle schmeichelt ihnen. Sobald die kompakte Defensive nachlässt oder die Konter ihre Präzision verlieren, meldet sich die Realität zurück.
Die Regressionsfalle
Einer der häufigsten Fehler in der Fußballkommentierung ist, die frühe Saisonform unkritisch fortzuschreiben, ohne xPTS zu berücksichtigen. Ein Team, das seine ersten sieben Spiele gewinnt, dabei aber einen xPTS von 10 hat (d. h. eigentlich nur drei oder vier Siege verdient hatte), wird diese Quote kaum halten. Wer nach sieben echten Siegen über einen Titelkandidaten schreibt, ignoriert mitunter eine tickende Regressionsuhr, die xPTS sichtbar macht.
xPTS als Saisonprognose-Tool
Die vielleicht praktisch nützlichste Anwendung von xPTS ist die Nutzung als Prognoseinstrument für den weiteren Saisonverlauf.
Die einfache Regel: Regression erwarten
Das Grundprinzip der Prognose ist simpel: Teams, die ihren xPTS aktuell überperformen, werden in den kommenden Wochen mit höherer Wahrscheinlichkeit Punkte abgeben, als ihre aktuelle Form vermuten lässt. Teams, die ihren xPTS unterperformen, werden sich mit höherer Wahrscheinlichkeit steigern.
Das ist keine Garantie - es ist eine Wahrscheinlichkeitsaussage. Ein Team, das 5 Punkte über seinem xPTS liegt, könnte die Überperformance aufrechterhalten, wenn es wirklich außergewöhnliche Abschlussqualität besitzt. Aber im Durchschnitt, über die gesamte Liga und über Zeit hinweg, schließen sich xPTS-Lücken. Teams über ihrem xPTS tendieren nach unten. Teams unter ihrem xPTS tendieren nach oben.
Einfach gesagt: Wer im Februar die Abschlusstabelle prognostizieren will, fährt mit einer gewichteten Kombination aus tatsächlichen Punkten und xPTS besser als mit einem der beiden Werte allein.
Schlummernde Teams erkennen
Die wertvollste Anwendung ist, früh in der Saison Teams zu identifizieren, die ihren xPTS unterperformen - bevor der breite Markt es bemerkt.
Ein Team auf Platz 12, dessen xPTS Rang 7 oder 8 ergeben würde, hatte wahrscheinlich eine Serie knapper Niederlagen, verschossener Elfmeter oder gehaltener Schüsse, die das tatsächliche Leistungsniveau nicht widerspiegeln. Trainer solcher Teams beschreiben ihre Situation oft zutreffend: 'Wir spielen gut, die Ergebnisse geben es nicht her.' Der xPTS bestätigt diese Einschätzung mit Daten.
Das sind Teams, bei denen eine Formsteigerung wahrscheinlich ist, deren Trainer nicht kurz vor der Entlassung steht und deren Kader nicht in Panik verkauft wird. Sie sind die Schlummernden - Teams, die in der echten Tabelle günstig bewertet, in der xPTS-Tabelle aber deutlich stärker aussehen.
Robuste Analyse: xPTS mit Form kombinieren
xPTS entfaltet seine stärkste Wirkung in Kombination mit der jüngsten tatsächlichen Form - nicht wenn es isoliert betrachtet wird. Ein Team, das seinen saisonalen xPTS underperformt, aber Anzeichen echter Qualitätsverschlechterung zeigt - sinkende Pressing-Intensität, Schlüsselverletzungen, Trainerdiskussionen - wird sich möglicherweise nicht verbessern. Die xPTS-Lücke ist real, aber die Erholung bleibt aus.
Umgekehrt ist ein Team mit starken xPTS-Zahlen UND sich verbessernden tatsächlichen Ergebnissen ein überzeugender Fall. Die Grundlagenarbeit stimmt, und die Ergebnisse folgen gerade. Diese Kombination - xPTS als Fundament, tatsächliche Form als Bestätigung - liefert das robusteste Analysebild.
Eine vollständige Teamanalyse sollte enthalten:
- Aktuelle Punkte vs. xPTS (Über- oder Underperformance?)
- Trend: Wird die xPTS-Lücke größer oder kleiner?
- xG-Qualität: Verbessert oder verschlechtert sich die Chancenerzeugung?
- Kaderkontext: Sind die Schlüsselspieler fit und verfügbar?
MatchAnalyzr Tipp
Nutze das Team-Stats-Widget, um den xG-pro-Spiel-Verlauf eines bestimmten Teams über die Saison hinweg zu analysieren. Ein Team mit konstant hohem xG, aber einer Punktzahl unter seinem xPTS, ist ein starker Regressions-Kandidat - und möglicherweise ein vielversprechender Fall für eine Formsteigerung in der Saisonzweiten.
Die alternative Tabelle: Was xPTS enthüllt
Wenn man alle Teams einer Liga nach xPTS statt nach tatsächlichen Punkten sortiert, ergibt sich ein manchmal verblüffend anderes Bild. In manchen Saisons ist die alternative Tabelle fast identisch mit der echten - die Ergebnisse spiegeln die Leistungsqualität gut wider. In anderen Saisons gibt es dramatische Unterschiede.
Ein Team auf Platz 4 der echten Tabelle, aber Platz 9 in der xPTS-Tabelle, hat etwas Glück gehabt. Das sollte den Optimismus dämpfen. Ein Team auf Platz 10 der echten Tabelle, aber Platz 5 nach xPTS, ist ein Team, dessen Qualität noch nicht belohnt wurde. Das sollte Optimismus wecken.
Über eine vollständige Saison nähern sich echte Tabelle und xPTS-Tabelle merklich an - 34 oder 38 Spieltage sind eine große Stichprobe, in der Reversion stattfindet. Aber in der Saisonmitte - wenn Wettmärkte, Transferentscheidungen und Trainerentlassungen am aktivsten sind - kann die Lücke zwischen beiden Tabellen enorm groß und enorm informativ sein.
Grenzen von xPTS
Wie alle Modelle ist xPTS nützlich, aber nicht perfekt. Wer seine Grenzen kennt, kann es gezielter einsetzen.
Es setzt durchschnittliche Abschlussquoten voraus
Die größte Annahme in xPTS: Alle Stürmer und Torhüter performen auf Durchschnittsniveau. Aber manche Stürmer sind echte Überdurchschnittler - sie überbieten ihren xG nicht durch Glück, sondern durch Können. Erling Haaland übertrifft seinen xG bei jedem Verein. Bei Dortmund sah es zunächst nach Glück aus. Drei Saisons später sieht es eindeutig nach Qualität aus.
Für Teams mit Ausnahmekönnern wird xPTS die tatsächlichen Punkte systematisch unterschätzen. Für Teams mit unterdurchschnittlicher Abschlussqualität wird xPTS die Punkte überschätzen. Das ist ein wichtiger Vorbehalt.
Ein ausgefeilterer Ansatz - der die individuelle historische Abschlussquote jedes Spielers statt dem Ligadurchschnitt verwendet - adressiert dies teilweise, führt aber neue Unsicherheiten ein. Das Basismodell bleibt auch mit dieser Einschränkung wertvoll.
Stichprobengröße ist entscheidend
Nach fünf oder sechs Spielen sind selbst xPTS-Zahlen stark schwankend. Das Modell braucht eine größere Stichprobe - vermutlich 10+ Spiele - bevor das Signal das Rauschen überwiegt. Früh-Saison-xPTS-Tabellen sind hinweisgebend, aber sollten locker gehalten werden. Ab Spieltag 20-25 sind sie deutlich zuverlässigere Orientierungspunkte.
Spielstand-Effekte
xPTS-Modelle, die xG schlicht über ein Spiel summieren, können eine wichtige Dynamik übersehen: Der Spielstand verändert die Chancenerzeugung. Ein Team, das in der 70. Minute einem Rückstand hinterherläuft, geht größere Risiken ein, erzeugt riskantere Chancen und kassiert gleichzeitig mehr gefährliche Konter. Ein Team, das eine Führung verwaltet, steht tiefer und akzeptiert geringen xG.
Die besten xPTS-Modelle passen dafür an - sie vergleichen die Chancenqualität mit dem, was von Teams in dieser Spielstandssituation zu erwarten ist, nicht mit einem universellen Durchschnittswert. Einfachere Modelle nehmen diese Anpassung nicht vor - weshalb xPTS-Zahlen zwischen verschiedenen Datenanbietern variieren können.
MatchAnalyzr Tipp
Die Saisonvergleichs-Funktion ermöglicht dir, xPTS vs. tatsächliche Punkte eines Teams über mehrere Saisons zu vergleichen. Teams, die chronisch ihren xPTS underperformen, haben oft strukturelle Abschlussprobleme - während Teams, die chronisch überperformen, oft von kaum reproduzierbarer Individualklasse abhängen.
Häufig gestellte Fragen
- Was bedeutet xPTS im Fußball?
- xPTS (Expected Points, auf Deutsch: erwartete Punkte) ist eine Kennzahl, die berechnet, wie viele Ligapunkte ein Team 'verdient' hat - basierend auf der Qualität der erzeugten und zugelassenen Chancen in jedem Spiel, ermittelt durch Monte-Carlo-Simulation aus xG-Werten. Sie filtert Abschluss- und Torwartglück heraus, um die zugrundeliegende Leistungsqualität sichtbar zu machen.
- Was ist der Unterschied zwischen xPTS und tatsächlichen Punkten?
- Tatsächliche Punkte spiegeln wider, was passiert ist: Wer hat getroffen, wer hat gewonnen. xPTS spiegelt wider, was im Durchschnitt hätte passieren sollen - basierend auf der Qualität der erzeugten und zugelassenen Chancen. Ein Team kann 12 echte Punkte haben, aber nur 8 xPTS (Glück gehabt) oder 8 echte Punkte, aber 12 xPTS (Pech gehabt). Die Differenz ist der 'Glücksindex'.
- Kann ein Team seinen xPTS dauerhaft überperformen?
- Ja, aber nur wenn es echte Ausnahmequalität beim Abschluss oder im Tor gibt. Teams mit Weltklasse-Stürmern, die konstant ihren xG überbieten (wie Haaland oder Kane), werden natürlich mehr Punkte sammeln, als ein vereinfachtes xPTS-Modell erwartet. Bei durchschnittlichen Kadern sind große, anhaltende Lücken zwischen echten Punkten und xPTS fast immer teilweise glücksbedingt und damit regressionsanfällig.
- Ab wie vielen Spielen ist xPTS zuverlässig?
- Als Faustregel gilt: xPTS wird nach 10-12 Spielen aussagekräftig und gewinnt bis zu den Spieltagen 15-25 deutlich an Zuverlässigkeit. In den ersten 5-6 Spielen unterliegen sowohl xG als auch xPTS erheblichen Schwankungen. Ab der Saisonmitte ist das Signal stark genug, um belastbare Aussagen über Über- und Underperformer zu treffen.
- Welche Teams weichen am häufigsten von ihrem xPTS ab?
- Teams mit außergewöhnlichen Einzelspielern - Elite-Torjäger oder herausragende Torhüter - weichen am häufigsten und nachhaltigsten von ihrem xPTS ab. Auch konterorientierte Teams, die tief stehen und auf Standards oder Umschaltmomente setzen, überperformen ihren xPTS häufig, weil sie wenige, aber hochwertige Chancen erzeugen - was einfachere xPTS-Modelle nicht immer korrekt erfassen. Brighton war historisch ein bekanntes Beispiel für chronisches xPTS-Underperforming in der gegnerischen Wahrnehmung: Sie erzeugten beständig deutlich mehr xPTS als tatsächliche Punkte.
