Bundesliga xG für Wetten: Expected Goals als Edge in der Saison 2025/26
Ladevorgang...
Wie eine einzige Kennzahl meine Tipp-Routine umgekrempelt hat
Ich erinnere mich an den Moment vor sechs Jahren, als ich zum ersten Mal eine xG-Tabelle nebeneinander mit der echten Bundesliga-Tabelle gelegt habe und sah: zwei Klubs lagen tabellarisch auf den Champions-League-Plätzen, in der xG-Wertung aber im unteren Mittelfeld. Beide stürzten in den folgenden zehn Spieltagen ab, exakt so, wie das Modell es prognostiziert hatte. Seitdem ist Expected Goals – kurz xG – der wichtigste Filter in meinem Wett-Werkzeugkasten. Bei einem Tordurchschnitt von 3,2 Toren pro Spiel in der Saison 2025/26 ist die Bundesliga eine Liga, in der xG-Über- und -Unterperformance besonders schnell sichtbar werden, weil die Stichprobe pro Spiel groß genug ist.
Was Expected Goals wirklich misst
Expected Goals quantifiziert die Qualität jeder Torchance auf einer Skala von 0 bis 1. Ein Schuss aus zwei Metern vor dem leeren Tor erhält einen xG-Wert nahe 0,9 – eine fast sichere Chance. Ein Distanzschuss aus 30 Metern aus spitzem Winkel bekommt vielleicht 0,02 – eine extreme Außenseiterchance. Die Werte basieren auf Datenmodellen, die hunderttausende historischer Schüsse mit Faktoren wie Distanz, Winkel, Schusstyp, vorhergehende Aktion (Pass, Flanke, Standard) und Verteidiger-Druck verknüpfen. Über ein Spiel addieren sich alle xG-Werte zur kumulativen Tor-Erwartung beider Teams.
Der entscheidende Punkt: xG ist keine Vorhersage des Endergebnisses, sondern eine Beschreibung der Qualität der erspielten Chancen. Ein Team mit 2,4 xG kann 0:0 verlieren, weil die Stürmer alle Chancen vergeben – oder 4:0 gewinnen, weil sie überdurchschnittlich konvertieren. Über zehn Spiele hinweg gleichen sich solche Abweichungen aus. Genau dort liegt der Wett-Wert: in der Erkennung, welche Mannschaften langfristig über oder unter ihrer xG performen.
Wichtig zu verstehen: xG ist keine einzige, kanonische Zahl. Verschiedene Anbieter – von akademischen Modellen bis zu kommerziellen Datendiensten – gewichten die Eingangsfaktoren leicht unterschiedlich. Ein Schuss kann beim einen Anbieter mit 0,18 bewertet werden, beim anderen mit 0,22. Für Wettzwecke ist das selten dramatisch, solange du konsistent dieselbe Quelle nutzt. Quellenmischung – diese Woche Anbieter A, nächste Woche Anbieter B – produziert Inkonsistenzen, die deine eigene Auswertung verzerren.
Was die Bundesliga 2025/26 in xG-Zahlen verrät
Mit 3,2 Toren pro Spiel und einem Anteil von 55 Prozent an Spielen mit drei oder mehr Toren liefert die Bundesliga eine xG-Verteilung, die sich klar von anderen Top-Ligen abhebt. Die Top-Offensiven der laufenden Saison erspielen sich pro Spiel zwischen 1,8 und 2,5 xG – Bayern, Leverkusen und Stuttgart liegen typischerweise in diesem Bereich. Die schwächsten Offensiven der Liga kommen oft nur auf 0,8 bis 1,1 xG pro Spiel, was die niedrigen Trefferquoten der Abstiegskandidaten erklärt.
Auf der defensiven Seite ist die Verteilung breiter. Die besten Defensiven (xGA, also Expected Goals Against) liegen bei 0,9 bis 1,2 pro Spiel. Die schwächsten erlauben dem Gegner regelmäßig 1,8 bis 2,4 xGA – das ist der Bereich, in dem ich gezielt nach Über/Unter-Wett-Edges suche. Wenn ein hochoffensives Team mit 2,2 xG gegen eine Defensive mit 2,0 xGA spielt, liegt die kombinierte Tor-Erwartung bei rund 4,2 – deutlich über dem 2,5-Tore-Marker.
Eine Beobachtung aus den letzten Saisons: in der Bundesliga regredieren xG-Underperformer (also Klubs, die weniger Tore schießen, als ihre xG erwarten ließe) typischerweise schon nach acht bis zehn Spielen zur Erwartung. Die Premier League braucht dafür länger, La Liga oft noch mehr. Die Bundesliga ist deshalb eine besonders dankbare Liga für xG-basierte Strategien – die Stichprobe ist klein genug, um schnell Edges zu erkennen, und groß genug, um Zufall herauszufiltern.
Wie ich xG konkret in Wetten umsetze
Mein wichtigster xG-Tipp ist die Regression-Wette. Wenn ein Team in den letzten sechs Spielen eine xG-Differenz von minus 0,8 pro Spiel zur tatsächlichen Tor-Differenz hat (also deutlich weniger Tore geschossen oder mehr kassiert, als die Chancenqualität vermuten ließe), tippe ich in den nächsten zwei bis drei Spielen auf die statistisch wahrscheinlichere Korrektur – meistens auf einen Heimsieg oder ein BTTS Ja, je nach Profil.
Eine zweite Anwendung sind Tor-Linien. Wenn die kombinierte xG zweier Teams in den letzten zehn Spielen im Schnitt über 3,4 liegt, ist Über 2,5 Tore in der Begegnung mit hoher Wahrscheinlichkeit attraktiv – vorausgesetzt, die Quote bietet entsprechend Edge. Liegt die kombinierte xG unter 2,4, schaue ich umgekehrt nach Unter 2,5 – selten, aber gelegentlich profitabel bei Begegnungen zwischen zwei defensiv organisierten Mannschaften.
Die dritte Anwendung ist die individuelle Spielerwette. Wenn ein Stürmer in zehn Spielen 8,5 xG akkumuliert, aber nur 4 Tore erzielt hat, ist seine nächste Quote für „Torschütze in diesem Spiel“ oft unterbewertet – Buchmacher reagieren auf Tor-Statistiken schneller als auf xG-Statistiken, was kleine Fenster öffnet. Diese Edge wird kleiner, je größer der jeweilige Buchmacher und je häufiger der betreffende Spieler in den Schlagzeilen ist.
Eine vierte Variante, die ich in der Bundesliga gerne nutze: die Heimsieg-mit-Handicap-Wette für Teams, die zu Hause systematisch über xG performen. Bayern, Leverkusen und Stuttgart hatten in den letzten Saisons regelmäßig solche Profile – zu Hause unterperformten ihre Gegner ihre xG, vermutlich wegen Atmosphäre und Belastung. Solche Tendenzen sind keine Garantie, aber statistisch belastbar genug, um sie in Asian-Handicap-Tipps einzubauen.
Wo xG dich täuscht
xG hat blinde Flecken, und wer sie ignoriert, wettet sich in Verluste. Erstens: Standardsituationen werden in den meisten xG-Modellen weniger differenziert berücksichtigt als Spielzug-Tore. Ein Team mit überdurchschnittlich guten Standards kann über lange Phasen über xG performen, ohne dass das ein Glücksspiel-Effekt ist – es ist Spielanlage. Zweitens: Konter-Tore haben oft niedrige xG-Werte, weil die Schussposition vor leerem oder fast leerem Tor liegt, der Pass davor aber selten. Konter-starke Teams überperformen ihre xG strukturell, ähnlich wie Standard-Spezialisten.
Drittens: Torhüter-Form. Ein überragender Keeper kann die kassierten Tore systematisch unter den Gegner-xG drücken, ein schwacher Schlussmann das Gegenteil. Ein xG-Modell sieht den Torhüter selten als eigene Variable. Viertens: kleine Stichproben. Vier oder fünf Spiele reichen nicht für robuste xG-Schlüsse, zwölf bis fünfzehn schon eher. Wer in den ersten Spieltagen einer Saison rein nach xG tippt, kämpft gegen Zufallsverteilungen.
Eine ergänzende Datenquelle, die ich parallel nutze, sind Direktduelle als Statistik-Quelle – sie zeigen taktische Konstellationen, die xG nicht abbildet. Wer beide Werkzeuge kombiniert, hat einen weit schärferen Filter als jeder, der sich nur auf eines verlässt.
Artikel
Erstellt vom Redaktionsteam „HeimKurve".