Expected Goals (xG) erklärt: Die Kennzahl, die Fußball-Quoten verändert

Was sind Expected Goals?

Expected Goals (xG) ist die Antwort auf eine simple Frage: Wie viele Tore hätte ein Team basierend auf der Qualität seiner Chancen erwarten können?

Ein Elfmeter hat einen xG-Wert von ca. 0,79 – in etwa 79 von 100 Fällen wird er verwandelt. Ein Schuss aus 30 Metern in halbzentraler Position hat vielleicht einen xG-Wert von 0,03. Addierst du alle Chancen eines Spiels, erhältst du den xG-Wert des Teams.

Das Revolutionäre daran: Ergebnisse lügen, xG nicht.

Ein Team kann 0:2 verlieren und trotzdem deutlich besser gespielt haben – wenn es xG 2,1 zu 0,8 produziert hat. Klassische Quoten reagieren auf Ergebnisse, nicht auf Leistungen. Das schafft Ineffizienzen.

Wie wird xG berechnet?

Moderne xG-Modelle berücksichtigen dutzende Variablen:

Raumfaktoren

• Distanz zum Tor: Der stärkste Einzelfaktor. Schüsse unter 10 Meter haben xG >0,3, aus 25+ Metern meist <0,05.
• Winkel: Ein zentraler Schuss ist wertvoller als einer vom Flügel.
• Torhüterposition: War der Keeper aus dem Tor gelaufen? Dann steigt xG deutlich.

Schuss-Kontext

• Kopfball vs. Fuß: Kopfbälle haben typisch 30–40% niedrigeres xG als Flachschüsse aus gleicher Position.
• Assisted oder nicht: War es ein direkter Schuss nach einem Dribbling oder ein Abschluss nach Hereingabe?
• Vorausgehende Aktion: Schüsse nach schnellem Gegenpressing aus Ballgewinn haben höheres xG als ruhig aufgebaute Angriffe – der Gegner steht noch unorganisiert.

Spielzustand-Adjustierungen

Einige fortgeschrittene Modelle berücksichtigen auch den Spielstand, da Teams in Führung tiefer stehen und Chancen gegen sie mehr wert sind.

xG in der Praxis: Welche Daten nutzen Profis?

Die besten kostenlosen Quellen

Understat.com ist der Standard für europäische Top-Ligen. Du findest dort:

• xG pro Spiel (kumuliert und rolling average)
• xG-Werte für einzelne Spieler
• xG-Entwicklung über die Saison

FBRef.com bietet tiefere Statistiken, inkl. xA (Expected Assists) und Pressing-Metriken.

Sofascore zeigt xG in Echtzeit während laufender Spiele – relevant für Live-Trading.

Was du wirklich brauchst: rolling xG

Einzelspiel-xG ist volatil. Ein einzelnes Top-Spiel oder ein Horrorspiel verzerrt das Bild. Profis schauen auf rolling 10-Spiele-xG – das glättet Ausreißer und zeigt den echten Trend.

Wo Märkte xG systematisch falsch einpreisen

Das ist der Kern: Wenn du weißt, wo der Markt Daten ignoriert, kannst du Edge finden.

Nach Niederlagenserien

Wenn ein Team drei Spiele in Folge verliert, aber konstant xG >1,5 produziert, passt der Markt die Quoten nach unten an – obwohl die Leistung stabil ist. Das klassische Buchmacher-Verhalten: Sie folgen dem Ergebnis, nicht der Leistung.

Auf Atlas Markets reagiert der Markt oft schneller auf xG-Daten, weil informierte Trader aktiv handeln. Aber auch dort gibt es Fenster nach Spielen, in denen die Neubewertung noch nicht vollständig stattgefunden hat.

"Lucky Teams" mit überperformter Conversion Rate

Manche Teams schießen wenig, treffen aber alles – bis die Regression kommt. Wenn ein Team xG 0,8 produziert, aber 2 Tore macht, ist das statistisch nicht nachhaltig. Über 20–30 Spiele nähert sich die Conversion Rate dem Mittelwert an.

Märkte einpreisen: Manchmal ja. Systematisch: Nein.

Torhüter-Post-Save-Adjustment

Ein Team verliert, weil der gegnerische Keeper das Spiel seines Lebens macht. xG war 2,2:0,9 – das Ergebnis 0:1. Der Markt bestraft das Team mit niedrigeren Quoten für das nächste Spiel. Die Leistung war aber exzellent. Das ist eine klassische Überreaktion.

Defensive xGA (Expected Goals Against)

xGA – wie viele Tore hat ein Team zugelassen vs. wie viele wären statistisch zu erwarten gewesen – ist oft noch informativer als xG. Ein Team, das wenig zulässt wegen guter Defensivorganisation, ist nachhaltiger als eines, das wenig zulässt weil der Keeper überperformt.

Wenn du Über/Unter-Märkte analysierst, ist die Kombination aus xG der Heimmannschaft + xGA der Gastmannschaft (und umgekehrt) der beste Ausgangspunkt für eine faire Expected-Goals-Schätzung.

xG kombinieren mit Prediction Markets

Hier wird's interessant: Prediction Markets wie Atlas Markets aggregieren tausende Analysten, von denen viele xG-Daten nutzen. Das macht den Marktpreis zum xG-bereinigten Konsensus.

Wenn du also siehst, dass der Markt ein Team mit 55% bepreist, der xG-Trend aber klar für 62% spricht – und du dir sicher bist, dass der Markt das noch nicht eingepreist hat – liegt hier potentiell ein Edge.

Praxisbeispiel: Bundesliga, Spieltag 28

Ein Aufsteiger hat in den letzten 8 Spielen xG 1,4 produziert, aber nur 0,6 Tore erzielt. Understat zeigt: Die Abschlussqualität ist gut, die Conversion Rate ist klar unter dem Schnitt. Die Quoten für ihr nächstes Heimspiel spiegeln den schlechten Ergebnislauf wider.

Atlas Markets-Preis: 38% Heimsiegswahrscheinlichkeit. Deine xG-basierte Schätzung: 44%.

6 Prozentpunkte Abweichung – das ist relevanter Edge-Kandidat. Du kaufst Anteile zu 38 Cent pro Anteil. Wenn deine Analyse stimmt, ergibt sich ein erwarteter Return von +6 / 38 = +15,8%.

Grenzen von xG

xG ist mächtig – aber nicht allmächtig.

Was xG nicht misst:

• Set-Pieces (Ecken, Freistöße) werden in einfachen Modellen oft unterschätzt
• Pressing-Intensität und deren Nachhaltigkeit
• Psychologische Faktoren (Heimvorteil, Derbies, Abstiegskampf-Druck)
• Physiologische Ermüdung nach englischen Wochen

Fortgeschrittene Modelle (wie die von StatsBomb oder Opta) adressieren einige dieser Punkte – aber sie sind teuer und für den normalen Analysten nicht zugänglich.

Deshalb: xG ist dein bestes Werkzeug für die quantitative Analyse. Aber qualitative Faktoren – Teamchemie, Trainersituation, Verletzungen – müssen als Overlay hinzukommen.

Fazit: xG als Fundament, nicht als Allheilmittel

Expected Goals hat die Art verändert, wie informierte Analysten Fußball-Quoten bewerten. Wer xG versteht und weiß, wo Märkte die Metrik ignorieren oder misinterpretieren, hat einen echten Wissensvorsprung.

Die effizienteste Nutzung: Kombiniere xG-Trends mit Prediction Market-Preisen auf Atlas Markets, um Diskrepanzen zu identifizieren und fundierte Positionen einzugehen.

Denn am Ende ist das Ziel nicht, bei jedem Spiel recht zu haben – sondern über viele Spiele hinweg in Erwartungswert positiv zu liegen.