xG fußball vorhersage — hinter diesem Begriff steckt eine der folgenreichsten methodischen Entwicklungen der modernen Fußballanalyse. Expected Goals, kurz xG, hat in den letzten zehn Jahren die Art verändert, wie Profiklubs, Medien und zunehmend auch Algorithmen Fußball bewerten. Wer verstehen will, wie KI-gestützte Fußballprognosen funktionieren, kommt an xG nicht vorbei — es ist die Basismetrik, auf der fast alle ernsthaften Modelle aufbauen.
Die Idee hinter xG ist elegant: Statt zu fragen, wie viele Tore eine Mannschaft geschossen hat, fragt man, wie viele Tore sie hätte schießen müssen — gegeben die Qualität ihrer Torchancen. Eine Chance aus zwei Metern nach einer Flanke ist statistisch viel wahrscheinlicher ein Tor als ein Schuss aus 30 Metern Distanz. xG quantifiziert diesen Unterschied. Über viele Spiele gemittelt sagt xG mehr über die echte Spielstärke eines Teams aus als die tatsächliche Torzahl — weil xG das Glück herausfiltert, das bei Einzelspielen eine große Rolle spielt.
Dieser Artikel erklärt, wie xG berechnet wird, was es gegenüber klassischen Statistiken leistet und wie es in der Praxis — am Beispiel der Bundesliga und TSG Hoffenheim — für Prognosen eingesetzt wird. Keine Theorie ohne Zahl, kein Beispiel ohne Kontext.
Was ist xG und wie wird es berechnet?
Expected Goals ist eine Wahrscheinlichkeitsmetrik. Sie weist jeder Torchance eine Zahl zwischen 0 und 1 zu — die statistische Wahrscheinlichkeit, dass diese Chance ein Tor wird. Eine Chance mit xG = 0,8 wird in acht von zehn vergleichbaren Situationen als Tor gewertet. Ein Fernschuss mit xG = 0,03 nur in drei von hundert.
Die Eingabevariablen des Modells
Moderne xG-Modelle verwenden eine Vielzahl von Variablen zur Bewertung jeder Torchance: Schussdistanz zum Tor, Schusswinkel (wie zentral ist die Position?), Schussart (Kopfball vs. Fuß), Vorarbeit (Direktschuss, Flanke, Konter, Strafraum-Kombination), Torhüterposition und in fortgeschrittenen Modellen auch der Druck durch Gegenspieler im Schussmoment. Diese Parameter werden aus historischen Daten gelernt — das Modell hat Millionen von Schusssituationen gesehen und weiß, welche Schusskonstellationen statistisch wie häufig zu Treffern führen.
xG in der Bundesliga: was die Daten zeigen
Für die Bundesliga ist xG besonders gut belegt. Forcher et al. (Frontiers in Sports and Active Living, 2025) analysierten 306 Bundesliga-Spiele der Saison 2024/25 und zeigen: Postmatch-Prognosen auf Basis von xG erreichen eine Trefferquote von 65,6 Prozent bei der 1X2-Vorhersage. Das ist der Wert, wenn man nach dem Spiel weiß, wie viel xG beide Teams produziert haben — und dann zurück auf das Ergebnis schließt. Es ist die Obergrenze dessen, was xG leisten kann: Es erklärt 65 Prozent der Spielausgänge, der Rest ist Zufall, Torhüterform und Pech.
xG vs. tatsächliche Tore: Divergenz als Signal
Eine der wichtigsten Anwendungen von xG ist die Divergenz-Analyse: Wenn ein Team dauerhaft mehr tatsächliche Tore schießt, als sein xG erwarten lässt, ist das ein Signal — aber kein dauerhaftes. Über viele Spiele konvergieren xG und tatsächliche Tore in der Regel aufeinander zu. Ein Team, das mit 150 Prozent seiner xG-Erwartung trifft, hat entweder einen außergewöhnlichen Stürmer mit überragendem Abschluss oder statistisches Glück. Algorithmen, die xG als Basismetrik nutzen, können solche Divergenzen identifizieren — und daraus schließen, ob die aktuelle Form nachhaltig ist oder sich korrigieren wird.
xG vs. klassische Statistiken: der Informationsgewinn
Vor xG war die wichtigste Offensivstatistik im Fußball die Torzahl — und die Anzahl der Torschüsse. Beide haben das Problem, dass sie nicht zwischen einer Großchance aus kurzer Distanz und einem harmlosen Distanzschuss unterscheiden. 15 Schüsse können für den Torwart eine stressfreie Übungseinheit bedeuten oder eine Zitterpartie knapper Entscheidungen. xG macht diesen Unterschied sichtbar.
Torschüsse als unzureichender Indikator
Ein Team, das in einem Spiel 20 Schüsse abfeuert, von denen 18 aus mehr als 25 Metern kommen, hat laut Schussstatistik viel Druck ausgeübt. Tatsächlich hat es wenig echten Torabschluss-Druck erzeugt. Ein Team mit nur acht Schüssen, davon sechs aus dem Strafraum nach Kombinationen, steht statistisch klar besser da. Torschüsse ohne Qualitätsgewichtung sind daher als Prognoseinput strukturell unzuverlässig. xG korrigiert genau das.
Ballbesitz als noch schwächerer Prädiktor
Ballbesitz ist für Prognosen nahezu wertlos — und das ist eine der überraschendsten Erkenntnisse der modernen Fußballanalyse. Teams, die den Ball haben, tun damit nicht automatisch etwas Gefährliches. Ein defensiv ausgerichtetes Team mit 38 Prozent Ballbesitz, das in Konter-Situationen regelmäßig Großchancen erzeugt, kann xG-mäßig besser dastehen als der Ballbesitz-Dominator, der den Ball vor der gegnerischen Abwehr zirkulieren lässt ohne Durchbrüche. Für Prognosemodelle ist xG daher deutlich aussagekräftiger als Ballbesitzquoten.
Wann xG an Grenzen stößt
xG ist keine Universalwaffe. Es gibt Szenarien, in denen es systematisch unzuverlässig ist: Spieler mit außergewöhnlichem Abschlusstalent schießen dauerhaft über ihrem xG — das Modell unterschätzt ihre individuelle Qualität. Torhüter mit überragender Reaktionsschnelligkeit senken die gegnerische xG-Verwertungsquote strukturell — auch das bildet xG nur mit Verzögerung ab. Und taktisch hochspezifische Schuss-Situationen, die außerhalb des normalen Trainingsmusters liegen, werden vom Modell oft mit einem zu niedrigen Wert versehen. xG ist der beste allgemeine Indikator, den wir haben — aber er ist kein perfekter.
xG in der Praxis: Bundesliga-Beispiele
TSG 1899 Hoffenheim ist in der Bundesliga der bekannteste Pionier der datenzentrierten Spielanalyse. Timo Gross, Head of Football Intelligence beim Klub, beschreibt den praktischen Nutzen von xG präzise: «xGoals gibt uns viel mehr Informationen über den Spielverlauf als die Schussstatistik. Wir bekommen sofort ein Gefühl dafür, wie gut die Chance wirklich war.» Das ist keine Marketing-Aussage — das ist das gelebte Arbeitsmodell eines Bundesligisten, der EPV und xGoals in jedem Spielbericht als Standardmetriken verwendet.
Hoffenheim nutzt xG nicht nur zur Spielnachbereitung, sondern auch im Scouting und in der taktischen Analyse. Das Beispiel zeigt, wie xG die Wahrnehmungsebene verschiebt: Weg von «Wer hat wie viele Tore geschossen» hin zu «Wer hat strukturell wie viel Druck ausgeübt». Für Prognosemodelle ist genau dieser Perspektivwechsel der entscheidende Schritt — xG beschreibt nicht das Ergebnis, sondern den Prozess dahinter.
xG für Prognosenutzer: praktische Hinweise
Wer xG-Daten in seine eigene Spielanalyse integriert, sollte auf folgende Faustregeln achten: Eine xG-Differenz von mehr als einem Tor pro Spiel über fünf aufeinanderfolgende Spiele ist ein belastbares Signal für strukturelle Stärke oder Schwäche. Eine xG-Differenz von 0,3 oder weniger pro Spiel bedeutet ausgeglichene Spielstärke — auch wenn ein Team davon gerade gewinnt. xG post-match sagt mehr über das Spiel aus als das Ergebnis. Und xG prä-match — also vor dem Spiel berechnet aus historischen Werten — ist der Standard-Input für die meisten Prognose-Algorithmen.
Für die Bundesliga stehen diese Daten über Sportec Solutions vollständig zur Verfügung — für alle 18 Teams, jeden Spieltag, jede Saison seit Einführung des Systems. Das macht die Bundesliga zum idealen Labor für xG-basierte Prognosen. Und für jeden, der solche Prognosen nutzt, zum verlässlichsten Referenzrahmen im deutschen Profifußball.
Hinweis zum verantwortungsvollen Umgang
xG-basierte Prognosen sind methodisch solide — aber auch sie prognostizieren keinen Spielausgang mit Sicherheit. Das Zufallselement im Fußball ist strukturell vorhanden und nicht eliminierbar. Prognosen auf Basis von xG helfen dabei, informierte Einschätzungen zu treffen — kein Mehr. Sportwetten in Deutschland sind ausschließlich bei GGL-lizenzierten Anbietern legal. Spielen Sie verantwortungsvoll. Bei problematischem Spielverhalten steht die BZgA-Hotline 0800 1 37 27 00 zur Verfügung (kostenlos, 24h).
Datenquelle: Forcher et al. — «xG vs EPV for Match Outcome Prediction in the Bundesliga», Frontiers in Sports and Active Living, 2025. URL: Frontiers in Sports and Active Living (PDF)