Expected Goals (xG) für Wetten – Erklärung & Anwendung

Einleitung: Die Zahl, die den Fußball neu vermessen hat

Expected Goals — kurz xG — ist die Kennzahl, die das Verständnis von Fußball in den letzten zehn Jahren stärker verändert hat als jede taktische Innovation. Sie misst nicht, was passiert ist, sondern was hätte passieren sollen: Wie viele Tore hätte ein Team erzielen müssen, basierend auf der Qualität seiner Torchancen? Für Wettende ist xG mehr als eine Statistik — es ist ein Werkzeug, das die Diskrepanz zwischen Ergebnis und Leistung sichtbar macht.

Die Datenbasis hinter xG ist gewaltig. Sportradar und die FIFA haben ihre Partnerschaft bis 2031 verlängert, wobei das gemeinsame System mittlerweile über 600 000 Partien analysiert hat. Jeder Schuss, jeder Winkel, jede Distanz zum Tor fließt in die Berechnung ein. Was als akademisches Modell begann, ist heute Standard bei TV-Übertragungen, in Vereinsanalysen und — zunehmend — in der Sportwetten-Analyse.

xG misst, was das Ergebnis verschleiert. Und genau das macht die Kennzahl für Wettende so wertvoll: Sie identifiziert die Diskrepanz zwischen Leistung und Resultat — die Lücke, in der Value Bets entstehen.

xG erklärt: Was die Metrik misst und was nicht

Expected Goals berechnen für jeden Schuss auf das Tor eine Wahrscheinlichkeit, dass dieser Schuss zu einem Tor führt. Die Faktoren: Position auf dem Spielfeld, Distanz zum Tor, Winkel, Spielsituation (offenes Spiel, Konter, Freistoß, Elfmeter), Körperteil (Fuß, Kopf) und Anzahl der Verteidiger zwischen Schütze und Tor. Ein Elfmeter hat einen xG-Wert von etwa 0,76 — die historische Verwandlungsquote. Ein Schuss aus 30 Metern Distanz bei zwei Verteidigern im Weg liegt bei 0,02 bis 0,05.

Die Summe aller xG-Werte eines Teams in einem Spiel ergibt den Gesamt-xG. Wenn ein Team in einem Spiel Chancen mit einem kumulierten xG von 2,3 kreiert hat, aber nur ein Tor erzielt, hat es unter seinem statistischen Potenzial abgeschlossen. Umgekehrt: Ein Team mit einem xG von 0,8 und zwei Toren hat überperformt — was kurzfristig vorkommen kann, langfristig aber zur Regression zum Mittelwert tendiert.

Der Sportwettenmarkt in Deutschland generierte 2023 laut DHS Jahrbuch Sucht 2025 einen Umsatz von rund 12 Milliarden Euro. In einem Markt dieser Größenordnung suchen Wettende nach jedem Informationsvorsprung, und xG bietet genau das: eine Metrik, die tiefer blickt als die Tabelle.

Was xG nicht misst, ist mindestens so wichtig wie das, was es misst. Die Kennzahl berücksichtigt keine Qualität des Torhüters, keine individuelle Abschlussqualität des Schützen und keine Drucksituation. Ein Team, das von einem Weltklasse-Stürmer angeführt wird, kann dauerhaft seinen xG-Wert übertreffen, weil die individuelle Fähigkeit des Spielers systematisch besser ist als der historische Durchschnitt für vergleichbare Positionen. Genauso kann ein schwacher Torhüter dafür sorgen, dass das gegnerische Team seinen xG-Wert regelmäßig überperformt.

Für Wettende bedeutet das: xG ist ein Ausgangspunkt, kein Endpunkt. Die Kennzahl liefert die Basis, aber die Interpretation erfordert Kontextwissen — über Kader, Trainer, Form und taktische Ausrichtung.

Ein weiterer Punkt, den Wettende kennen sollten: Es gibt nicht das eine xG-Modell. StatsBomb, Opta, Understat und FBref berechnen xG nach leicht unterschiedlichen Methoden — die Ergebnisse variieren je nach Modell um 0,1 bis 0,3 xG pro Spiel. Für eine grobe Einschätzung ist das irrelevant, für präzise Value-Berechnungen kann es den Unterschied zwischen einem positiven und einem negativen Expected Value ausmachen. Wer xG für Wetten nutzt, sollte sich auf eine Quelle festlegen und konsistent damit arbeiten, statt Werte aus verschiedenen Modellen zu mischen.

xG für Wetten: Über/Unter, 1X2 und Livewetten-Prognosen

Die häufigste Anwendung von xG im Wettkontext ist die Über/Unter-Analyse. Wenn zwei Teams aufeinandertreffen, deren kombinierter xG-Durchschnitt bei 3,1 pro Spiel liegt, die tatsächlichen Tore aber bisher nur bei 2,4 liegen, deutet das auf eine statistische Unterperformance hin. Die Wahrscheinlichkeit, dass in den kommenden Spielen mehr Tore fallen, ist erhöht — und die Über-2,5-Linie bietet in diesem Szenario potenziell Value.

Bei der 1X2-Wette hilft xG, die tatsächliche Stärke eines Teams von seiner Ergebnishistorie zu trennen. Ein Team, das fünf der letzten sieben Spiele verloren hat, aber in jedem dieser Spiele einen höheren xG-Wert hatte als der Gegner, ist wahrscheinlich besser als seine Tabellenposition vermuten lässt. Die Quoten, die auf der Ergebnishistorie basieren, unterschätzen dieses Team — und genau dort liegt Value.

Im Livewetten-Bereich liefert xG eine Echtzeitbewertung des Spielverlaufs. Wenn ein Team in der 60. Minute 0:1 zurückliegt, aber einen xG von 1,8 gegenüber 0,4 des Gegners aufweist, zeigt die Metrik, dass das Spielbild eindeutig ist und das Ergebnis die Leistung nicht widerspiegelt. Die Quoten auf den Ausgleich oder den Sieg dieses Teams bieten in diesem Szenario häufig Value, weil das Quotenmodell den Spielstand stärker gewichtet als die Chancenqualität.

Eine konkrete Methode: xG-Differenz über einen rollierenden Zeitraum von fünf Spielen berechnen. Wenn ein Bundesliga-Team in den letzten fünf Spielen eine xG-Differenz von +4,2 aufweist (also deutlich mehr Chancen kreiert als zugelassen hat), aber nur sieben Punkte geholt hat, ist eine Leistungssteigerung in den Ergebnissen wahrscheinlich. Diese Methode funktioniert am besten mit einer Stichprobe von mindestens fünf Spielen — bei weniger ist die Varianz zu hoch, bei mehr verwässert der Indikator, weil ältere Spiele weniger relevant sind.

Die Grenzen der xG-Anwendung im Wettkontext sind real. Die Buchmacher kennen xG-Daten mindestens so gut wie die Wettenden — und wahrscheinlich besser, weil sie Zugang zu proprietären Modellen haben, die öffentlich zugängliche xG-Daten ergänzen. Der Vorteil liegt nicht darin, xG zu kennen, sondern darin, xG mit Kontextinformationen zu kombinieren, die das Modell nicht erfasst: Trainerwechsel, taktische Umstellungen, Motivationsfaktoren, Wetterbedingungen. Wer xG als alleinige Entscheidungsgrundlage nutzt, macht es sich zu einfach. Wer es als einen Baustein unter mehreren behandelt, hat ein Werkzeug, das den Analyseprozess messbar verbessert.

Neben xG verdient die Gegenseite — xGA, Expected Goals Against — gesonderte Beachtung. xGA misst die Qualität der Torchancen, die ein Team zulässt. Ein Team mit niedrigem xGA hat eine starke Defensive, die wenige hochwertige Chancen zulässt. Für Über/Unter-Wetten ist die Kombination aus dem xG des Heimteams und dem xGA des Auswärtsteams ein besserer Prädiktor als der bloße Toreschnitt beider Mannschaften. Diese Kreuzanalyse erfordert etwas mehr Rechenaufwand, liefert aber eine differenziertere Einschätzung als jede einzelne Kennzahl allein.

Die Lücke zwischen Ergebnis und Leistung sichtbar machen

Expected Goals sind kein Orakel und kein Garantiesystem. Sie sind ein Werkzeug, das die Lücke zwischen Ergebnis und Leistung sichtbar macht — und damit genau die Art von Information liefert, die Wettende brauchen, um Quoten besser einzuschätzen als der Marktdurchschnitt. Die Kennzahl ersetzt kein eigenes Urteil, aber sie schärft es.

xG misst, was das Ergebnis verschleiert. Wer diese Kennzahl in seine Analyse integriert — als Baustein, nicht als Ersatz für eigenes Denken —, hat einen Informationsvorsprung, der in einem Markt mit Milliardenumsätzen den Unterschied machen kann. Die Daten sind frei verfügbar. Die Frage ist nur, ob man bereit ist, sie zu nutzen.