Absolute and Relative Performance Indicators Associated with Match Success Across Six European Professional Football Leagues
Diese Untersuchung von 2.058 Spielen in sechs europäischen Ligen zeigt, dass relative Leistungsindikatoren (Team–Gegner-Differenzen) zwar effektiver als absolute Indikatoren bei der Vorhersage von Spielergebnissen sind, das genaueste Vorhersagemodell jedoch durch die Integration sowohl absoluter als auch relativer Metriken erreicht wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie schauen ein Fußballspiel. Jahrzehntelang waren Analysten besessen davon, alles zu zählen, was eine einzelne Mannschaft macht: Wie viele Pässe haben sie gespielt? Wie viel Zeit haben sie mit dem Ballbesitz verbracht? Wie viele Torschüsse haben sie abgegeben? Es ist, als würde man einen Koch ausschließlich danach beurteilen, wie viele Zutaten er gehackt hat, ohne jemals die Suppe zu probieren oder zu sehen, was der andere Koch gerade zubereitet hat. Dies ist die Welt der „absoluten“ Leistung – man betrachtet die Statistiken eines Teams in einem Vakuum. Aber Fußball ist kein Solospiel; es ist ein ständiger, chaotischer Tanz zwischen zwei Mannschaften. Wenn Team A den Ball 500 Mal passt, ist das beeindruckend, aber was, wenn Team B ihn 600 Mal gepasst hat? Plötzlich wirken die 500 Pässe von Team A wie ein Kampf statt wie ein Triumph. Diese Arbeit stellt eine einfache, aber revolutionäre Frage: Um wirklich zu verstehen, wer gewinnt und warum, sollten wir nur zählen, was eine Mannschaft getan hat, oder sollten wir messen, wie viel besser sie es im Vergleich zur anderen Mannschaft getan hat? Die Antwort verändert alles darüber, wie wir das „schöne Spiel“ betrachten.
Diese Forschungsarbeit, geleitet von Ângelo Brito von der Universität Lissabon, beschloss, die Debatte zu klären, indem sie einen massiven Berg an Daten untersuchte: jedes einzelne Spiel der Saison 2023–2024 in sechs der europäischen Top-Profiligen (darunter die englische Premier League, die spanische LaLiga und die italienische Serie A). Das sind 2.058 Spiele und über 4.000 Mannschaftsleistungen, die ausgewertet wurden. Der Autor suchte nicht bloß nach neuen Statistiken; stattdessen testete er drei verschiedene Arten, das Spiel zu „lesen“. Erstens betrachtete er absolute Indikatoren (was eine Mannschaft für sich allein tut). Zweitens betrachtete er relative Indikatoren (die Differenz zwischen dem, was eine Mannschaft getan hat, und dem, was ihr Gegner getan hat). Drittens versuchte er, beides zu kombinieren.
Die Ergebnisse waren so eindeutig wie ein Schiedsrichterpfiff. Als der Autor versuchte, den Sieger allein anhand der „absoluten“ Statistiken (wie Gesamtzahl der Pässe oder Schüsse) vorherzusagen, war das Modell zwar ordentlich, traf aber oft daneben und lag in etwa 79 % der Fälle richtig. Doch als er zu den „relativen“ Statistiken wechselte – also im Grunde fragte: „Wie viele Schüsse mehr hat Team A als Team B gemacht?“ – wurde das Modell zu einer Kristallkugel. Plötzlich konnte es den Sieger mit einer Genauigkeit von lauten 91 % vorhersagen. Der „relative“ Ansatz war ein gewaltiger Sprung nach vorn. Er zeigte, dass die Information, dass ein Team 15 Schüsse auf das Tor abgegeben hat, sehr wenig bedeutet, wenn man nicht weiß, dass der Gegner nur 3 hatte. Die Differenz zwischen 15 und 3 ist das, was tatsächlich den Sieg bestimmt.
Die Studie fand heraus, dass die stärksten Prädiktoren für einen Sieg nicht einfach nur eine gute Offensive waren, sondern eine bessere Offensive als der Gegner zu haben. Insbesondere mehr Schüsse auf das Tor als der Gegner zu haben und effizienter darin zu sein, diese Schüsse in Tore umzuwandeln, waren die goldenen Schlüssel. Als der Autor beide Arten von Daten (absolut und relativ) kombinierte, wurde das Modell sogar noch besser und erreichte eine Genauigkeit von 93 %. Aber hier ist der entscheidende Punkt: Fast die gesamte Verbesserung kam durch den „relativen“ Teil zustande. Das Hinzufügen der „absoluten“ Zahlen lieferte nur einen winzigen, bescheidenen Schub.
Was bedeutet das also für die Zukunft der Fußballanalyse? Die Arbeit legt nahe, dass wir aufhören müssen, Mannschaften isoliert zu betrachten. Die Leistung einer Mannschaft ist nicht nur eine Zahl auf einer Anzeigetafel; sie ist eine Beziehung. Genau wie ein Rennen nicht davon handelt, wie schnell man läuft, sondern wie viel schneller man im Vergleich zu der Person neben einem ist, wird der Erfolg im Fußball durch die Lücke zwischen einem selbst und dem Gegner definiert. Während das Zählen von Gesamtpässen und Schüssen immer noch nützlich ist, um den Stil einer Mannschaft zu verstehen, muss man – wenn man wissen will, warum eine Mannschaft gewonnen oder verloren hat – auf die Differenz schauen. Die Arbeit kommt zu dem Schluss, dass der beste Weg, den Fußballerfolg zu modellieren, darin besteht, sich darauf zu konzentrieren, wie sehr eine Mannschaft ihren Rivalen übertroffen hat, was beweist, dass im Fußball der Kontext der König ist und die einzige Statistik, die wirklich zählt, diejenige ist, die die beiden Seiten miteinander vergleicht.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.