xG (Expected Goals) für Fußballwetten: Daten statt Bauchgefühl

Wenn ein Stürmer aus drei Metern aufs leere Tor schießt, erwartet jeder ein Tor. Wenn derselbe Stürmer aus 35 Metern abzieht, erwartet kaum jemand einen Treffer. Zwischen diesen Extremen liegt ein Spektrum aus Tausenden von Schüssen pro Saison, jeder mit einer eigenen Wahrscheinlichkeit, im Netz zu landen. Expected Goals — kurz xG — quantifiziert genau diese Wahrscheinlichkeit und hat damit die Art verändert, wie Profis Fußball analysieren und wie informierte Wetter ihre Tipps platzieren.

Die Idee ist bestechend einfach: Statt zu zählen, was passiert ist (Tore), misst man, was hätte passieren sollen. Ein Team, das in fünf Spielen 2 Tore erzielt, aber einen kumulierten xG von 8,5 hat, war nicht schlecht — es war unglücklich. Und Unglück, das zeigt die Statistik, gleicht sich über eine Saison aus. Genau hier liegt der Hebel für Wetter, die bereit sind, über die Oberfläche hinauszuschauen.

Lesen Sie auch den Leitfaden zu Fußball Statistiken.

Was xG genau misst und wie es berechnet wird

Jeder Torschuss in einem Fußballspiel wird von xG-Modellen anhand mehrerer Faktoren bewertet. Die wichtigsten sind: die Distanz zum Tor, der Winkel zum Tor, die Schussart (Fuß, Kopf, Volley), ob es sich um eine Standardsituation handelt und wie die vorherige Spielsituation aussah (Konter, Flanke, Dribbling). Aus diesen Faktoren ergibt sich ein Wert zwischen 0 und 1, der die historische Wahrscheinlichkeit widerspiegelt, dass ein Schuss aus einer vergleichbaren Situation zu einem Tor führt.

Die genaue Berechnungsmethode variiert zwischen Anbietern. StatsBomb verwendet ein aufwändiges Modell, das zusätzliche Variablen berücksichtigt, darunter die Positionierung der Verteidiger und des Torwarts sowie den Körperwinkel des Schützen. Understat und FBref arbeiten mit einfacheren Modellen, die sich stärker auf Position und Schusstyp konzentrieren. Die Ergebnisse unterscheiden sich im Detail, erzählen aber in den meisten Fällen dieselbe Geschichte.

Ein wichtiger Punkt: xG misst die Qualität der Chance, nicht die Qualität des Schützen. Ein xG-Wert von 0,30 bedeutet, dass ein durchschnittlicher Stürmer aus dieser Position in 30 von 100 Fällen trifft. Robert Lewandowski oder Erling Haaland treffen aus derselben Position möglicherweise in 40 von 100 Fällen. Deshalb gibt es auch die erweiterte Metrik xGOT — Expected Goals on Target — die die tatsächliche Platzierung des Schusses berücksichtigt und damit einen Schritt näher an der individuellen Schussqualität liegt.

xG als Werkzeug für Wettentscheidungen

Für Sportwetter hat xG drei zentrale Anwendungsbereiche: die Bewertung von Mannschaften, die Identifikation von Value Bets und die Analyse von Über/Unter-Märkten.

Bei der Mannschaftsbewertung zeigt die Differenz zwischen tatsächlichen Toren und xG, ob ein Team über oder unter seiner erwarteten Leistung liegt. Ein Team, das nach 15 Spieltagen 25 Tore erzielt hat, aber einen kumulierten xG von nur 18 aufweist, hat sieben Tore mehr geschossen als erwartet. Diese Überperformance ist in den seltensten Fällen nachhaltig — sie basiert auf individueller Klasse einzelner Spieler, Glück bei Fernschüssen oder einer Phase überdurchschnittlicher Effizienz. Der Markt bewertet dieses Team anhand der erzielten Tore, der informierte Wetter anhand des xG. Die Quoten für den nächsten Gegner dieses Teams sind möglicherweise zu niedrig, weil der Markt die aktuelle Torquote fortschreibt, die statistisch nicht haltbar ist.

Dasselbe Prinzip funktioniert in umgekehrter Richtung. Ein Team mit hohem xG, aber wenigen tatsächlichen Toren wird vom Markt als offensivschwach eingestuft. Die Quoten für Über-Wetten bei Spielen dieses Teams sind entsprechend hoch. Wenn die xG-Daten zeigen, dass das Team regelmäßig hochkarätige Chancen kreiert, ist eine Korrektur nach oben wahrscheinlich — und Über-Wetten zu diesen überhöhten Quoten bieten Value.

Für den Über/Unter-Markt liefert xG ein direktes Analysemodell. Die Summe der xG-Werte beider Mannschaften ergibt die erwartete Toranzahl eines Spiels. Wenn Team A einen xG-Schnitt von 1,6 pro Spiel hat und Team B einen von 1,3, ergibt sich eine erwartete Toranzahl von 2,9. Liegt die Über/Unter-Linie des Buchmachers bei 2,5, ist Über statistisch wahrscheinlicher. Liegt sie bei 3,5, ist Unter der bessere Tipp. Dieses einfache Modell ist natürlich vereinfacht, liefert aber einen datenbasierten Ausgangspunkt, der besser ist als die bloße Intuition.

Grenzen und Missverständnisse von xG

So mächtig xG als Analysewerkzeug ist, so häufig wird es missverstanden oder falsch angewendet. Das größte Missverständnis: xG als Vorhersage für ein einzelnes Spiel zu behandeln. xG-Werte sind probabilistisch — sie beschreiben, was im Durchschnitt über viele Wiederholungen passieren würde, nicht was in einem konkreten Spiel passiert. Ein Team mit einem xG von 2,3 kann problemlos 0:0 spielen, wenn die Chancen nicht genutzt werden. Einzelspiele sind zu klein als Stichprobe, um xG-Modelle zu validieren.

Ein zweites Missverständnis betrifft die Gleichsetzung von xG mit Chancenqualität im allgemeinen Sinne. xG misst, was auf das Tor kommt — Schüsse, Köpfe, Abschlüsse. Es misst nicht die Spielzüge, die knapp vor dem Abschluss abgebrochen werden: den Steilpass, der um Zentimeter zu lang ist, den Querpass im Strafraum, den niemand erreicht, die Flanke, die über alle Köpfe fliegt. Ein Team kann optisch dominant sein und trotzdem einen niedrigen xG aufweisen, weil die Dominanz nicht in Abschlüsse umgemünzt wird.

Drittens: xG berücksichtigt den Spielkontext nur eingeschränkt. Ein Tor in der 90. Minute bei 0:3-Rückstand hat denselben xG-Wert wie ein Tor beim Stand von 0:0 — obwohl die taktische Situation und die Motivation völlig unterschiedlich sind. Mannschaften, die hoch führen, nehmen den Fuß vom Gas. Mannschaften, die hinten liegen, werfen alles nach vorne. Diese Dynamiken beeinflussen die tatsächliche Torwahrscheinlichkeit, werden aber von den meisten xG-Modellen nicht erfasst.

Für Wetter bedeutet das: xG ist der beste verfügbare Ausgangspunkt für die eigene Analyse, aber nicht das letzte Wort. Es muss durch Kontextwissen ergänzt werden — taktische Anpassungen, Schlüsselspieler-Ausfälle, Saisonmotivation. Wer xG blind vertraut, macht sich von einem Modell abhängig, das selbst nur eine Annäherung an die Realität ist.

xG-Daten praktisch nutzen: Eine Schritt-für-Schritt-Methode

Für Wetter, die xG in ihre Routine integrieren wollen, hat sich ein einfacher Ablauf bewährt, der sich an jedem Spieltag anwenden lässt.

Im ersten Schritt ruft man die xG-Tabelle der jeweiligen Liga ab — etwa auf Understat oder FBref. Diese Tabelle zeigt für jedes Team den kumulierten xG und xGA der laufenden Saison und stellt sie den tatsächlichen Toren gegenüber. Teams mit einer großen positiven Differenz (mehr Tore als xG) sind potenzielle Überperformer. Teams mit einer großen negativen Differenz (weniger Tore als xG) sind potenzielle Unterperformer.

Im zweiten Schritt prüft man die Paarungen des kommenden Spieltags und berechnet die erwartete Toranzahl für jedes Spiel. Dafür nimmt man den xG-pro-Spiel-Schnitt des Heimteams und den xGA-pro-Spiel-Schnitt des Auswärtsteams und bildet einen Mittelwert. Dasselbe für die Gastmannschaft. Die Summe beider Werte ergibt die erwartete Toranzahl.

Im dritten Schritt vergleicht man diese Zahl mit den Buchmacher-Linien. Wenn die eigene Berechnung eine erwartete Toranzahl von 3,2 ergibt und der Buchmacher Über 2,5 bei 1,90 anbietet, ist Über statistisch attraktiv. Wenn die Berechnung 2,1 ergibt und die Linie ebenfalls bei 2,5 liegt, spricht die Datenlage für Unter.

Dieser Prozess dauert pro Spieltag etwa 30 bis 45 Minuten und liefert eine datenbasierte Grundlage für die Wettentscheidung. Er garantiert keine Gewinne — kein System tut das — aber er ersetzt die Spekulation durch Kalkulation.

Die xG-Revolution und warum sie noch nicht vorbei ist

Die Einführung von xG in den Mainstream des Fußballs ist erst wenige Jahre alt. Noch 2018 war die Metrik ein Nischenthema für Datenanalysten und progressive Trainer. Inzwischen wird xG in Fernsehübertragungen eingeblendet, in Podcasts diskutiert und von fast jedem ernsthaften Fußballmedium verwendet. Dieser rasante Aufstieg verändert auch die Wettmärkte.

Je mehr Tipper xG-basiert wetten, desto effizienter werden die Quoten — die offensichtlichsten xG-Ineffizienzen verschwinden, weil der Markt sie einpreist. Das bedeutet aber nicht, dass xG als Wettwerkzeug an Wert verliert. Es bedeutet, dass man tiefer graben muss. Statt nur auf den Gesamt-xG zu schauen, analysieren fortgeschrittene Wetter die xG-Verteilung pro Spielabschnitt, den Anteil von Standardsituation-xG am Gesamt-xG, und die xG-Differenz zwischen erster und zweiter Halbzeit.

Die nächste Evolutionsstufe ist bereits sichtbar: xT (Expected Threat), das den Wert jeder Ballaktion misst, nicht nur der Torschüsse, und Modelle, die den gesamten Spielverlauf in Wahrscheinlichkeiten übersetzen. Für den Sportwetter von 2026 ist xG kein Geheimwissen mehr, sondern die Eintrittskarte. Der Vorteil liegt nicht mehr darin, xG überhaupt zu kennen, sondern darin, es präziser und kontextbezogener anzuwenden als die Masse.

xG Expected Goals beim Wetten via fußball online wetten.