Methodik — Wie wir Glück messen und Value finden
Wie wir Glück messen, Pech sichtbar machen und unterbewertete Teams finden.
Was ist xG (Expected Goals)?
Expected Goals (xG) misst die Qualität einer Torchance. Jeder Schuss bekommt einen Wert zwischen 0 und 1, basierend auf historischen Daten: Distanz zum Tor, Winkel, Körperteil, Spielsituation.
Ein Penalty hat z.B. einen xG-Wert von ~0.76, ein Kopfball aus 15 Metern vielleicht 0.03. Die Summe aller xG-Werte eines Teams zeigt, wie viele Tore auf Basis der Chancenqualität erwartet wurden.
Beispiel: Ein Team mit 1.8 xG pro Spiel, das aber nur 1.0 Tore erzielt, hat entweder Pech oder schwache Chancenverwertung — beides regrediert typischerweise zur Mitte.
Was sind Expected Points (xPts)?
Expected Points (xPts) berechnen, wie viele Punkte ein Team basierend auf seinen xG-Werten verdient hätte. Dazu wird jedes Spiel per Monte-Carlo-Simulation tausende Male durchgespielt.
Wenn ein Team 1.8 xG erzielt und 0.9 xGA kassiert, gewinnt es in der Simulation deutlich häufiger als es verliert. Die erwarteten Punkte spiegeln das wider.
Die xG-Tabelle sortiert Teams nach xPts statt echten Punkten und zeigt so die „wahre“ Stärke.
Der Luck Index
Luck Index = tatsächliche Punkte − Expected Points
- Positiv (+) = Team hat mehr Punkte als verdient (Glück, Effizienz)
- Negativ (−) = Team hat weniger Punkte als verdient (Pech)
- Um 0 = Ergebnisse entsprechen der Chancenqualität
Forschung zeigt: Etwa 60% der Varianz in Fußballergebnissen ist Zufall. Der Luck Index macht diesen Zufall sichtbar.
Regression zur Mitte
Regression zur Mitte ist das statistische Phänomen, dass extreme Ergebnisse sich langfristig normalisieren. Ein Team mit Luck Index > +5 wird wahrscheinlich in Zukunft schlechter abschneiden — nicht weil es schlecht wird, sondern weil das Glück nachlässt.
Umgekehrt: Teams mit stark negativem Luck Index sind oft unterbewertet. Ihre Chancenqualität ist besser als ihre Ergebnisse vermuten lassen. Das macht sie zu potenziellen Value-Picks.
Wichtig: Regression funktioniert bei großen Stichproben. Früh in der Saison (unter 10 Spiele) sind Luck-Werte volatil. Ab ~15 Spielen stabilisieren sich die Muster.
Weitere Metriken
Neben xG nutzen wir weitere wissenschaftlich fundierte Metriken, die für alle Ligen funktionieren — auch ohne xG-Daten.
PDO (Conversion% + Save%)
PDO kombiniert die Abschlusseffizienz (Tore pro Schuss aufs Tor) mit der Paraden-Quote (gehaltene Schüsse des Gegners). Der Ligadurchschnitt ist immer exakt 100.
PDO > 108: Das Team profitiert von überdurchschnittlichem Glück bei Abschluss und Paraden — eine Rückkehr zum Mittelwert ist wahrscheinlich.
PDO < 92: Das Team ist untypisch ineffizient — Regression nach oben erwartet.
Wissenschaftliche Basis: James Grayson (2011). PDO zeigt kaum Wiederholbarkeit von Saison zu Saison — ein klassischer Zufallsindikator.
Pythagorean Expected Points
Die Pythagorean Expected Points berechnen erwartete Punkte rein aus der Tordifferenz (erzielte vs. kassierte Tore) — ohne xG. Die Formel stammt aus dem Baseball und wurde für Fußball adaptiert:
xPts% = Tore1.275 / (Tore1.275 + Gegentore1.275)
Pyth-Luck = tatsächliche Punkte − Pythagorean xPts. Positiv bedeutet: mehr Punkte als die Tordifferenz erwarten lässt.
Peer-reviewed: Hamilton (2011), Journal of Quantitative Analysis in Sports. Pythagorean Points erklären zukünftige Performance besser (r² = 0.64) als rohe Punkte (r² = 0.57).
Close-Game-Bilanz
Knappe Spiele (Sieg/Niederlage mit 1 Tor Unterschied) haben die höchste Zufallskomponente. Ein Team, das übermäßig viele knappe Spiele gewinnt, profitiert häufig von Glück.
Close-Game Luck misst die Abweichung der Punkteausbeute in Spielen mit ≤1 Tor Differenz vom statistischen Erwartungswert (~44%).
Holzmeister & Johannesson (2025), Journal of Sports Economics: ~60% der Variation in Über-/Unterperformance ist Zufall, ~40% Skill.
Die 7 Value-Pick-Strategien
Jeder Pick auf ilovesportsbetting wird durch mindestens eine dieser 7 Strategien identifiziert. Alle basieren auf demselben Prinzip: Regression to the Mean — extreme Werte normalisieren sich über Zeit. Der Wettmarkt reagiert darauf zu langsam.
1xG-Regression
Markt: Siegwette (1X2), Doppelte Chance
Die Chancenqualität (xG) zeigt, was ein Team wirklich leistet — die Tabelle zeigt nur, was dabei herausgekommen ist. Teams mit einem Luck Index ≤ −3 erzielen systematisch weniger Punkte, als es laut Chancenqualität verdient hätte. Der Markt sieht die schlechte Platzierung und gibt dem Team zu niedrige Quoten. Wir sehen: Regression steht bevor.
Schwellenwerte:
- Luck Index ≤ −3
- Spiele mit xG-Daten ≥ 10
- xG pro Spiel ≥ 1.0
- Edge ≥ 8 %
Beispiel: Ein Team steht auf Platz 14, hat aber laut xG die fünftbeste Chancenqualität der Liga. Luck Index: −6. Der Markt bewertet das Team wie einen Abstiegskandidaten — die Daten sagen: Mittelfeld.
2Conversion-Regression
Markt: Over/Under 2.5
Torquoten (Conversion Rates) schwanken von Saison zu Saison enorm — sie sind einer der instabilsten Werte im Fußball. Wenn zwei Teams mit hoher Chancenqualität (kombiniertes xG ≥ 2.8) gleichzeitig unterdurchschnittliche Conversion Rates haben, ist das ein Signal: Die Tore kommen — der Markt hat es nur noch nicht eingepreist.
Zweite Variante: Ein Team kassiert signifikant weniger Gegentore als xGA — defensive Überperformance regrediert typischerweise und bringt mehr Gegentore.
Schwellenwerte:
- Kombiniertes xG ≥ 2.8
- Conversion Rate beider Teams unter Liga-Durchschnitt (~10-12 %)
- Edge ≥ 8 %
Warum das funktioniert: Liga-durchschnittliche Conversion Rates liegen bei 10-12 %. Ein Team bei 6 % wird nicht dauerhaft so schlecht abschließen — es hat Pech oder Ausreißer in der Stichprobe. Normalisierung bedeutet mehr Tore.
3BTTS-Regression
Markt: Beide Teams treffen (BTTS)
Wenn beide Teams genug Chancen kreieren (xG ≥ 1.0 pro Team), aber eines oder beide ungewöhnlich viele Clean Sheets haben, ist das defensive Überperformance — und die hält selten an.
Schwellenwerte:
- xG pro Team ≥ 1.0
- Mind. ein Team mit defensiver Überperformance (weniger Gegentore als xGA)
- Edge ≥ 8 %
Beispiel: Team A hat xGA von 1.4/Spiel, kassiert aber nur 0.8 Tore. Das ist nicht gute Defensive — das ist Glück (Lattenkreuze, Fehlschüsse, Torwart-Überperformance). Beide Seiten generieren Chancen, also BTTS: Ja.
4Elo-Edge
Markt: Siegwette (1X2), Doppelte Chance
Wenn die xG-basierte Position eines Teams mindestens 3 Plätze besser ist als die Tabellenposition und die Elo-Ratings das bestätigen — dann ist das Team besser als der Markt denkt.
Schwellenwerte:
- xG-Position vs. Tabelle ≥ 3 Plätze Differenz
- Elo-Rating bestätigt versteckte Qualität
- Marktwahrscheinlichkeit < 35 % (Außenseiter)
- Edge ≥ 10 %
Warum zwei Signale: xG allein könnte durch einen einzelnen Ausreißer verzerrt sein. Wenn aber sowohl xG als auch Elo unabhängig voneinander sagen „dieses Team ist besser als Platz 14“ — dann ist das Signal robust.
5xG-Divergenz
Markt: Over 2.5, BTTS
Wenn zwei Teams zusammen exzellente Chancen kreieren (kombiniertes xG ≥ 3.0), aber die tatsächlichen Tore niedrig sind (< 2.5) — dann klafft eine Lücke zwischen Prozessqualität und Ergebnis.
Schwellenwerte:
- Kombiniertes xG ≥ 3.0
- Tatsächliche Tordurchschnitte < 2.5
- Edge ≥ 8 %
Der Markt-Fehler: Wettanbieter und Casual Bettors schauen auf Ergebnisse: „Das waren drei 1:0-Spiele in Folge.“ Wir schauen auf die Prozesse: In jedem dieser Spiele gab es xG von 3.2 — das wird nicht so bleiben.
6PDO-Regression
Markt: Siegwette (1X2), Doppelte Chance
PDO (Schussquote + Fangquote, Erwartungswert: 100) ist einer der stärksten Regressions-Indikatoren im Sport. Funktioniert ohne xG-Daten — ideal für Ligen, die nicht mit xG abgedeckt sind.
Schwellenwerte:
- PDO des Teams < 92 (Pech) oder Gegner > 108 (Gegner hat Glück)
- Spiele ≥ 8-10
- Edge ≥ 8 %
Besonders wertvoll für Ligen wie 3. Liga, Ligue 2, Serie B oder La Liga 2, für die keine xG-Daten verfügbar sind.
Warum PDO funktioniert: PDO kombiniert zwei instabile Werte — Torschussquote und Torhüter-Fangquote. Beide regredieren stark zur Mitte. Ein PDO von 88 ist fast nie nachhaltig; der Durchschnitt (100) zieht wie ein Magnet.
7Pythagorean-Regression
Markt: Over 2.5, BTTS
Funktioniert ohne xG-Daten. Teams mit Fangquoten über 78 % (Liga-Durchschnitt: ~70 %) halten statistisch gesehen zu viele Schüsse. Normalisierung der Fangquote führt zu mehr Gegentoren.
Schwellenwerte:
- Fangquote (Save %) > 78 %
- Spiele ≥ 8-10
- Edge ≥ 8 %
Wenn beide Teams überdurchschnittliche Paraden-Quoten haben und gleichzeitig offensiv aktiv sind, steigt die BTTS-Wahrscheinlichkeit zusätzlich.
Die Pythagoras-Formel: xPts% = Tore^1.275 / (Tore^1.275 + Gegentore^1.275). Wenn ein Team laut dieser Formel weniger Punkte haben sollte als es tatsächlich hat, lebt es über seinen Verhältnissen.
Wie Picks bewertet werden
Jeder Pick wird nach einem transparenten Scoring-System bewertet. Wenn mehrere Strategien zum gleichen Ergebnis kommen, wird der Pick gebündelt — mehr Signale = höheres Vertrauen.
Der Regression Score (0-100)
Jeder Value Pick erhält einen Regression Score — einen zusammengesetzten Wert aus 5 Komponenten, die unabhängig voneinander Regressions-Signale messen:
Glücks-Extremität
Wie weit ist das Team von den erwarteten Punkten entfernt?
Edge-Qualität
Wie viel Value bieten die Quoten?
Stichproben-Sicherheit
Genug Spiele mit xG-Daten?
Conversion-Abweichung
Wie extrem ist die Torquote vs. Ligadurchschnitt?
Elo vs. Tabelle
Versteckte Qualität, die sich nicht in der Tabelle zeigt?
Der Tip of the Day auf der Startseite ist immer der Pick mit dem höchsten Regression Score des Tages.
Confidence-Level
Aus dem Regression Score, der Stichprobengröße und dem Edge wird ein Confidence-Level abgeleitet:
High Confidence
Score ≥ 70, mindestens 15 Spiele mit xG, Edge ≥ 12 %
Medium Confidence
Score ≥ 45, mindestens 10 Spiele mit xG, Edge ≥ 8 %
Low Confidence
Alles darunter — der Pick hat Value, aber weniger statistische Absicherung
Wie Tipps zusammengeführt werden
Wenn mehrere Strategien zum gleichen Tipp kommen (z.B. „Heimsieg“ durch xG-Regression und PDO-Regression), wird der Tipp gebündelt. Das erhöht die Aussagekraft: je mehr unabhängige Signale übereinstimmen, desto robuster der Tipp.
Doppelte Chance: Wenn die Quote für einen Sieg hoch ist (> 3.00), zeigen wir bevorzugt die sicherere Doppelte-Chance-Variante mit der Sieg-Quote als Risikovariante.
Jeder Tipp zeigt transparent, welche Strategien ihn stützen, die Konfidenz (niedrig/mittel/hoch), den Edge (Vorteil gegenüber der Marktquote) und die wichtigsten Metriken.
Mindestanforderungen für Value Picks
Nicht jedes Spiel erhält einen Tipp. Value Picks werden nur generiert, wenn alle Qualitätskriterien erfüllt sind:
- Mindestens 8-10 Spiele Datenbasis (je nach Strategie)
- Mindest-Edge von 8 % gegenüber der Marktquote
- Signifikante Abweichung vom Erwartungswert (z.B. PDO < 92 oder Luck Index ≤ −3)
- Verfügbare Quoten bei Buchmachern
Früh in der Saison (wenige Spieltage) werden weniger Tipps generiert, da die Datenbasis noch zu klein für verlässliche Aussagen ist.
Wettpsychologie & Kognitive Biases
15 Denkfehler, die Sportwetter Geld kosten — und wie du sie mit Daten überwindest.
Responsible Gambling
ilovesportsbetting ist eine Analyse-Plattform, kein Wettanbieter. Unsere Daten und Analysen dienen der Information und ersetzen keine eigene Recherche.
- Wette nie mehr als du dir leisten kannst zu verlieren
- Keine Strategie garantiert Gewinne — auch unsere nicht
- Vergangene Performance sagt nichts über zukünftige Ergebnisse aus
- Setze dir klare Limits für Budget und Zeit
Hilfe bei Spielsucht:
BZgA-Telefon: 0800 1 37 27 00 (kostenlos, anonym)
Online: www.bzga.de