Problemstellung
Man sieht überall, wie xG‑Statistiken das Spiel analysieren, doch ein großer Blindspot bleibt: Der Torwart. Hier geht’s nicht um hübsche Diagramme, sondern um den eigentlichen Schutzschild zwischen Pfosten und Tor.
Warum xG den Keeper ignoriert
xG rechnet die Qualität einer Chance aus Position, Abstand und Winkel – klar. Aber das Modell nimmt an, dass ein Schuss immer gleich ist, egal wer davor steht. Und das ist ein Widerspruch zur Realität.
Der Einfluss des Torwarts auf xG
Ein schneller Keeper, der den Ball auf den ersten Metern abschlägt, reduziert das erwartete Tor um fast ein Drittel. Ein langsamer Keeper lässt die gleiche Chance zu 90 % landen. Und das ändert das Bild des Spiels radikal.
Beispiel aus der Bundesliga
Man denke an den letzten Spieltag von Bayern München, als ein Schuss aus 25 m völlig daneben ging – weil der Keeper nach links sprang und den Ball festhielt. Das xG‑Modell hätte das als 0,12 gerechnet, das Ergebnis war aber 0.0. Das Delta ist pure Torwart‑Performance.
Wie man die Torwart‑Komponente einbaut
Erste Regel: Jeder Schuss erhält einen „Keeper‑Weight“. Man multipliziert das rohe xG mit einem Faktor, der auf den Keeper‑Rating basiert – zum Beispiel 0,85 für einen Top‑Keeper, 1,15 für einen schwächeren.
Zweite Regel: Nutze Ereignisdaten aus bundesliga-ergebnisse.com. Dort gibt’s Save‑Events, Distribution und sogar das Moment‑Timing. Kombiniere das mit den üblichen xG‑Werten und du bekommst ein realistischeres Bild.
Praktischer Tipp
Erstelle eine einfache Spreadsheet‑Vorlage, zieh den Keeper‑Weight aus der Spieler‑Rating‑Spalte und multipliziere. Aktualisiere das täglich, sonst bleibt das Modell veraltet.
Fazit – und sofort umsetzen
Die Torhüter‑Einbindung ist kein Nice‑to‑Have, sondern ein Must‑Have. Wenn du das ignorierst, analysierst du nur die Hälfte des Feldes.
Jetzt: Nimm dein letztes xG‑Dataset, füge eine neue Spalte „Keeper‑Factor“ hinzu und wende sie an. Sofort bessere Prognosen, direkte Wirkung auf deine Spielvorbereitung.