xG-Modell als Grundlage für 2. Bundesliga Wetten

Expected Goals — kurz xG — ist die wichtigste statistische Innovation, die der Fußball-Wettmarkt in den letzten zehn Jahren bekommen hat. Wer xG ignoriert, weil „Daten den Fußball töten“, verzichtet freiwillig auf eine Bewertungsmethode, die in jeder Saison Hunderte von Wett-Setups präziser macht. Wer xG religös einsetzt, ohne die Grenzen zu kennen, lernt den teuren Weg, dass Modelle nur so gut sind wie der Mensch dahinter.

In diesem Artikel zeige ich, was xG genau ist, welche Werte in der Saison 2025/26 in der 2. Bundesliga aktuell relevant sind, wie sich xG zur tatsächlichen Tor-Bilanz verhält und wie Du xG zur Quotenbewertung praktisch einsetzt.

xG — Definition und Modelltypen

xG misst die Wahrscheinlichkeit, dass ein bestimmter Schuss zu einem Tor führt — basierend auf historischen Daten zu vergleichbaren Schüssen. Ein Schuss mit xG-Wert 0,3 hat eine 30-prozentige Wahrscheinlichkeit für ein Tor; ein Schuss mit xG 0,05 ist quasi ein Verzweiflungsversuch. Die Summe aller xG-Werte einer Mannschaft pro Spiel ist die „erwartete Tor-Anzahl“ für diese Mannschaft.

Die Werte basieren auf Faktoren wie Schussposition, Schusswinkel, Anzahl Verteidiger zwischen Schütze und Tor, Körperteil des Schusses (Kopf, starker Fuß, schwacher Fuß) und Schussart (offene Aktion, Standardsituation, Konter). Verschiedene Anbieter — Opta, StatsBomb, Wyscout — nutzen leicht unterschiedliche Modelle, kommen aber meistens auf vergleichbare Werte.

Wichtig zu verstehen: xG misst Schussqualität, nicht Spielqualität. Eine Mannschaft kann 80 Prozent Ballbesitz haben und trotzdem niedrigen xG produzieren, wenn sie keine guten Schussgelegenheiten generiert. Umgekehrt kann eine Mannschaft mit wenig Ballbesitz hohen xG haben, wenn sie effiziente Konter spielt.

DFL-Geschäftsführer Steffen Merkel hat im DFL-Wirtschaftsreport 2024/25 eine generelle Beobachtung formuliert: Rekorderlöse im Profifußball seien kein Selbstzweck — sie seien Ausdruck der großen gesellschaftlichen Popularität des Fußballs und zugleich ein wichtiger Baustein für nachhaltige wirtschaftliche Stabilität. Diese Verknüpfung von wirtschaftlicher Leistung und sportlicher Qualität ist auch der Hintergrund, vor dem xG-Werte in der 2. Bundesliga relevant werden — die Liga ist wirtschaftlich stark genug, um konsistent hohe Spielqualität und damit aussagekräftige Statistik zu produzieren.

xG-Werte in der 2. Liga 2025/26

Die Spitze und das Ende der xG-Tabelle sind in der laufenden Saison 2025/26 klar verteilt. Die offensivstärkste Mannschaft nach xG-Werten ist die SV 07 Elversberg mit 1,55 Expected Goals pro Spiel. Die schwächste Offensive zeigt SpVgg Greuther Fürth mit 1,12 xG pro Spiel. Diese Spannweite von 0,43 xG ist liga-relevant — Spiele mit Beteiligung dieser beiden Klubs sind erwartungsstatistisch sehr unterschiedlich strukturiert.

Defensiv ist die Verteilung ähnlich klar. VfL Bochum 1848 hat in der laufenden Saison den niedrigsten Expected Goals Against mit 1,47 xGA pro Spiel — die robusteste Defensive der Liga. Schalke 04 hat zu Hause sogar einen xGA-Wert von 1,01, was die strukturelle Heimstärke des Klubs unterstreicht. Diese Heim-Auswärts-Differenzierung ist für jede xG-basierte Wett-Bewertung entscheidend.

Für die Wett-Praxis heißt das: Eine Begegnung mit der Elversberg gegen Greuther Fürth hat eine erwartete Tor-Anzahl von etwa 2,7 (1,55 für Elversberg, 1,15 als Anpassung für Fürth-Defensive). Eine Begegnung zwischen Bochum und Fürth hat eine erwartete Tor-Anzahl von etwa 2,3. Diese Differenz von 0,4 Toren ist quotenrelevant — vor allem für Über/Unter-Linien.

Eine Anmerkung zur Datenqualität: xG-Werte sind in der 2. Bundesliga inzwischen umfassend verfügbar, oft kostenlos über Drittanbieter-Portale. Die Genauigkeit ist auf einem Niveau, das vor fünf Jahren nur über kostenpflichtige Datendienste zugänglich war. Wer xG einsetzen will, hat heute keine Datenhürde mehr.

xG vs. tatsächliche Tore

Eine der wichtigsten analytischen Anwendungen von xG ist der Vergleich mit den tatsächlich erzielten und kassierten Toren. Diese Differenz — oft als „xG-Diff“ oder „Tor-Übererfüllung“ bezeichnet — gibt wichtige Hinweise auf nachhaltige Mannschaftsstärke.

Eine Mannschaft, die deutlich mehr Tore erzielt als ihr xG vermuten lässt (etwa 1,8 Tore pro Spiel bei 1,3 xG), ist in einer „über-effizienten“ Phase. Statistisch tendieren solche Werte über Zeit zur Normalisierung — der Klub wird in den nächsten Spielen vermutlich weniger Tore erzielen als sein xG suggeriert. Wer auf Über-Wetten gegen einen solchen Klub setzt, hat statistisch einen Vorteil.

Umgekehrt: Eine Mannschaft, die deutlich weniger Tore erzielt als ihr xG (etwa 0,9 Tore pro Spiel bei 1,4 xG), ist „unter-effizient“. Auch hier tendiert der Wert zur Normalisierung — solche Klubs werden in den nächsten Spielen vermutlich mehr Tore erzielen. Wett-Setups auf solche Klubs in offensiver Hinsicht sind statistisch attraktiv.

Diese Normalisierung passiert nicht sofort, sondern über 8 bis 12 Spiele. Wer in einer einzelnen Begegnung auf „die Statistik wird sich rächen“ wettet, kann lange falsch liegen. Wer aber über mehrere Wochen die Tendenz verfolgt, bekommt verlässliche Setups. Der Liga-Schnitt von etwa 2,93 Toren pro Spiel ist dabei der Referenzwert für die Liga-Norm.

xG zur Quotenpruefung

Die praktische Anwendung von xG für Wett-Bewertungen läuft in drei Schritten.

Schritt eins: Erwartete Tor-Verteilung berechnen. Du nimmst den xG-Wert der Heimmannschaft (mit Heim-Bonus angepasst), den xG-Wert der Auswärtsmannschaft (mit Auswärts-Malus angepasst) und die jeweiligen xGA-Werte der Gegner. Daraus ergibt sich die erwartete Tor-Anzahl für jede Seite.

Schritt zwei: Wahrscheinlichkeitsverteilung ableiten. Aus den erwarteten Tor-Werten berechnest Du mit einem Poisson-Modell oder einer ähnlichen Verteilung die Wahrscheinlichkeit für 0, 1, 2, 3 oder mehr Tore pro Mannschaft. Daraus ergeben sich die Wahrscheinlichkeiten für 1X2, Über/Unter und BTTS.

Schritt drei: Vergleich mit Marktquote. Du rechnest die Marktquoten in implizite Wahrscheinlichkeiten um (1 geteilt durch Quote) und vergleichst sie mit Deinen xG-basierten Wahrscheinlichkeiten. Wenn Deine Schätzung deutlich von der Marktquote abweicht — typischerweise mehr als 5 bis 10 Prozent — hast Du potentiell einen Edge-Punkt.

Diese Berechnung klingt aufwändig, aber in der Praxis dauert sie pro Spiel etwa drei bis fünf Minuten, sobald Du die Daten griffbereit hast. Wer regelmäßig wettet, sollte sich eine einfache Tabelle in Excel oder Google Sheets aufbauen, die diese Rechnung automatisiert.

Grenzen des xG-Modells

xG ist ein mächtiges Werkzeug, aber es hat klare Grenzen, die jede Anwendung berücksichtigen muss.

Erstens: xG misst Schussqualität, nicht alles. Spielintelligenz, Fitness, Mentalität und situative Faktoren wie Wetter oder Schiedsrichter sind nicht abgebildet. Eine Mannschaft mit hohem xG, aber schlechter Mentalität in entscheidenden Phasen, schöpft das Tor-Potential nicht aus.

Zweitens: xG-Modelle sind retrospektiv. Sie bewerten Schüsse, nachdem sie passiert sind, und projizieren das in die Zukunft. Plötzliche Veränderungen — Trainerwechsel, neuer Stürmer, taktische Anpassung — werden erst nach mehreren Spielen in den xG-Werten sichtbar.

Drittens: xG-Werte können bei Außenseiter-Konstellationen verzerrt sein. Eine schwache Mannschaft, die bei einem 0:5 in den letzten 20 Minuten viele wilde Schüsse aus ungünstigen Positionen abgibt, akkumuliert „xG-Müll“, der das Mannschaftsprofil verzerrt. Wer mit xG arbeitet, sollte solche Spiele bewusst rausfiltern.

Viertens: xG funktioniert besser auf Saisonbasis als auf Einzelspielbasis. Über fünf Spiele gemittelte xG-Werte sind verlässlicher als der Wert eines einzelnen Spiels. Wer xG für Wett-Bewertungen nutzt, sollte mit gleitenden Durchschnitten über 5 bis 10 Spiele arbeiten.

Wer ergänzend an der breiteren Statistik der 2. Bundesliga interessiert ist, findet das im Artikel zu den Tor-Statistiken der 2. Bundesliga.

xG in meinem Wett-Alltag

xG ist für mich seit Jahren das zentrale Werkzeug für Tor-Wetten und 1X2-Bewertungen. Ich aktualisiere meine xG-Tabelle nach jedem Spieltag und nutze sie für die Vorauswahl der Wetten am kommenden Spieltag. Spiele, in denen meine xG-basierte Wahrscheinlichkeit deutlich von der Marktquote abweicht, kommen auf die Beobachtungsliste — andere lasse ich passieren.

Diese Routine hat über die Saisons gemessen einen klaren Effekt auf die Selektionsdisziplin. Statt auf Bauchgefühl oder Tabellenposition zu wetten, gehe ich mit numerischer Bewertung an jeden Spieltag — und das reduziert die Anzahl reflexiver Wetten auf ein gesundes Maß.