Warum eine ungenutzte Zahl mehr über eine Mannschaft sagt als drei Tabellenplätze
Ich erinnere mich an die Vorbereitung auf den 27. Spieltag der Saison 2023/24, als ich mit einem Kollegen aus der Datenredaktion eines Sportmagazins zusammengesessen habe. Er zeigte mir die xG-Differenz von Sevilla – eine Mannschaft, die in der Tabelle scheinbar im Mittelfeld lag, deren xG-Modell aber eine andere Geschichte erzählte. Die Mannschaft schoss mit deutlich mehr Klasse als ihre Tore-Bilanz vermuten ließ und kassierte gleichzeitig weniger qualifizierte Chancen, als die Gegentor-Zahl andeutete. Drei Spieltage später war Sevilla auf Rang sechs gestiegen. Solche Vorhersagen sind kein Hellsehen, sondern das systematische Lesen von xG-Daten – und sie sind der Grund, warum dieser Indikator in jedem ernsthaften Wettsystem für die La Liga vorkommt.
Expected Goals ist die Tor-Erwartung, die einer Mannschaft auf Basis aller Torchancen im Spiel zugeschrieben wird. Jeder Schuss bekommt einen Wahrscheinlichkeitswert – je näher am Tor und je freier die Schussposition, desto höher die xG-Bewertung. Die Summe aller Schüsse ergibt den xG-Wert für ein Spiel. Was so simpel klingt, ist mathematisch eines der robustesten Werkzeuge der modernen Fußball-Analytik.
Was xG genau misst und was nicht
Hier ist der Punkt, an dem viele Wettanfänger das xG-Modell missverstehen. xG ist keine Vorhersage. Es ist eine retrospektive Bewertung der Qualität der Torchancen, die in einem bestimmten Spiel oder über einen Saisonabschnitt entstanden sind. Eine Mannschaft mit einem xG-Wert von 1,8 in einem Spiel hatte Chancen, aus denen statistisch gesehen 1,8 Tore hätten resultieren sollen. Ob die Mannschaft tatsächlich 0, 1, 2 oder 3 Tore geschossen hat, ist eine andere Frage.
Diese Trennung ist entscheidend. Eine Mannschaft, die über fünf Spiele hinweg im Schnitt 1,8 xG erzeugt, aber nur 0,8 Tore pro Match schießt, hat ein Konvertierungsproblem – entweder Pech, schlechte Stürmer oder einen starken gegnerischen Torwart. Über die Zeit gleicht sich dieser Wert in der Regel an, was als „Mean Reversion“ bekannt ist und für Wettsysteme ein extrem wertvolles Signal liefert. Wer eine Mannschaft mit chronischer xG-Unterperformance findet, hat oft einen Wettkandidaten für die nächsten Spiele auf Über-Tore oder Sieg-Tipp gefunden, sobald sich das Schießglück normalisiert.
Die Eingangsdaten sind heute öffentlich verfügbar bei mehreren Datenanbietern und werden von professionellen Wettmodellen seit über zehn Jahren systematisch ausgewertet. La Liga gehört zu den Ligen mit der dichtesten Datenbasis – jeder Schuss aus dem Strafraum, jede Standardsituation, jeder Konter wird einzeln bewertet.
xG und tatsächliche Tore in der Saison 2025/26
Ein Blick auf die laufende Saison illustriert das Werkzeug. La Liga 2025/26 produziert mit 888 Toren in 330 Spielen einen Schnitt von 2,69 Toren pro Match. Das Liga-xG-Modell für diese Saison sagt einen Schnitt von rund 2,55 voraus – die tatsächliche Trefferquote liegt also leicht über dem Modell-Erwartungswert. In der Vorsaison 2024/25 lag der Liga-Schnitt bei 2,62 Toren, das xG-Modell hatte 2,68 vorhergesagt – eine leichte Unterperformance der Stürmer.
Diese Liga-Aggregate sind aber nur der Ausgangspunkt. Spannender wird die Analyse auf Klub-Ebene. Real Madrid hat 2025/26 nach den ersten 30 Spielen einen xG-Wert von 56 erzielt, aber 62 Tore geschossen – eine deutliche Überperformance, die teilweise auf Kylian Mbappés Effizienz zurückgeht. Diese Diskrepanz signalisiert, dass die Real-Madrid-Sieg-Quoten in vielen Wettmärkten etwas zu optimistisch bepreist sind – wenn die Konvertierungsrate sich normalisiert, könnte die nächste Phase der Saison ärmer an Toren ausfallen, als die jüngsten Spiele suggerieren.
Umgekehrtes Beispiel: Real Sociedad hat in der gleichen Phase 35 xG produziert, aber nur 28 Tore geschossen. Eine klare Unterperformance, die auf Korrekturpotenzial in den kommenden Spielen hinweist. Wer Über-Tore-Wetten auf Real-Sociedad-Spiele setzt, hat hier statistisch ein Argument auf seiner Seite.
npxG und Set-Piece-xG als verfeinerte Werkzeuge
Wer das xG-Modell tiefer versteht, kommt schnell auf zwei wichtige Untervarianten. Die erste ist „nicht-elfmeter-xG“ oder npxG – der xG-Wert einer Mannschaft ohne die Strafstoßereignisse. Elfmeter haben einen festen xG-Wert von rund 0,78, weil die Treffquote in europäischen Top-Ligen bei rund 78 Prozent liegt. Wenn eine Mannschaft viele Elfmeter bekommt oder vergibt, kann der Gesamt-xG-Wert verzerrt sein. npxG bereinigt diesen Effekt und zeigt die zugrundeliegende Spielqualität klarer.
Praktische Anwendung: Wenn Atletico Madrid in fünf Spielen vier Elfmeter erzielt hat, ist der Gesamt-xG bereits durch 3,12 zusätzliche Erwartungstore aufgebläht. Der npxG-Wert ist hier der ehrlichere Indikator für die offensive Klasse der Mannschaft.
Die zweite Untervariante ist Set-Piece-xG – der xG-Wert aus Standardsituationen wie Eckbällen, Freistößen und Einwürfen. Mannschaften mit hohem Standardanteil – Atletico Madrid und Sevilla sind klassische Beispiele in der La Liga – produzieren regelmäßig 30 bis 40 Prozent ihres Gesamt-xG aus Standards. Wer auf solche Mannschaften wettet, sollte den Spielanteil der Standards in die Match-Analyse einbeziehen, denn die Gegnerprofile reagieren unterschiedlich darauf.
Wie ich xG konkret für La-Liga-Wetten nutze
Mein xG-Workflow ist über die Jahre eingeschliffen worden. Vor jedem Spieltag schaue ich auf drei Werte für jede Mannschaft: den rollierenden 5-Spiele-xG-Schnitt für Offensive, den entsprechenden Wert für Defensive (also der xG, den die Mannschaft den Gegnern erlaubt), und die Differenz zwischen tatsächlichen Toren und xG-Erwartung.
Aus der Offensive plus der Defensiv-Erwartung lässt sich eine erwartete Tor-Anzahl für das anstehende Spiel ableiten. Wenn Real Madrid mit 2,1 xG pro Heimspiel rechnen kann und Real Sociedad in den letzten fünf Auswärtsspielen 1,3 xG pro Spiel erlaubt, ergibt das eine erwartete Real-Tor-Anzahl von rund 2,0 – und ein klares Signal für Über 1,5 oder Über 2,5 Tore, je nachdem, wie die Auswärts-Offensive von Sociedad bewertet wird.
Die Tor-Differenz-Analyse ist der zweite Schlüsselindikator. Eine Mannschaft mit chronischer Überperformance gegenüber dem xG ist ein Kandidat für eine zukünftige Korrekturphase – die mathematische Erwartung ist Regression zum Mittelwert. Wer eine solche Mannschaft als Favoriten in einem Top-Match sieht, sollte die Sieg-Quoten kritisch prüfen, weil das Marktmodell die jüngsten Resultate möglicherweise überbewertet.
Wichtige Einschränkung: xG ist kein Allheilmittel. Die Statistik ignoriert Spielsituationen, Form-Schwankungen, Trainerwechsel und Verletzungen vollständig. Sie ist ein Baustein in einem größeren Analyse-Modell, kein Ersatz für die Gesamtbetrachtung. Wer xG isoliert nutzt, läuft Gefahr, hochkomplexe Spielsituationen zu simpel auf eine Zahl zu reduzieren. Für einen breiteren statistischen Werkzeugkasten habe ich in meinem Beitrag zu La-Liga-Statistiken für Wetten eine umfassende Übersicht über die relevanten KPIs zusammengestellt.
xG als ehrliche Sprache zwischen Statistik und Wettzettel
Wer La-Liga-Wetten ernsthaft betreibt, kommt nicht ohne xG aus. Die Statistik ist mittlerweile so verbreitet, dass auch die Buchmacher xG in ihre Quotenmodelle integrieren. Wer das Werkzeug nicht versteht, wettet effektiv gegen eine schon genutzte Information. Wer es versteht, kann gezielt nach Lücken zwischen Marktmodell und realer Spielentwicklung suchen.
Mein Vorschlag aus neun Jahren Praxis: Investieren Sie zwei Wochen Zeit in die regelmäßige Auswertung der xG-Werte von fünf La-Liga-Klubs Ihrer Wahl. Notieren Sie die Differenz zwischen erwarteten und tatsächlichen Toren über fünf Spieltage. Nach diesen zehn Spielen werden Sie ein Gefühl entwickelt haben, das deutlich tiefer in die La-Liga-Realität reicht als die schlichte Tabellenposition. Dieses Gefühl ist der eigentliche Lerneffekt – und er trägt durch jede Saison.
