The Interpretive Limits of Expected Goals: Model Dependence, Realization Variability, and Decision-Making Under Uncertainty
Dieses Paper argumentiert, dass Expected Goals (xG) als modellabhängige bedingte Wahrscheinlichkeiten und nicht als deterministische Ergebnisse zu verstehen sind, indem es durch eine retrospektive Analyse von 308 Team-Spiel-Beobachtungen aufzeigt, dass eine signifikante Divergenz zwischen xG und realisierten Toren inhärent für probabilistische Prozesse ist, und schlägt ein prospektives Experiment vor, um zu evaluieren, wie diese Unsicherheit die Entscheidungsfindung über verschiedene Teilnehmerstrata und Informationsumgebungen hinweg beeinflusst.
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
Im modernen Fußball hat eine stille Revolution stattgefunden, die unser Verständnis dessen, was auf dem Spielfeld geschieht, grundlegend verändert hat. Jahrzehntelang war der Spielstand die einzige Wahrheit, die zählte: Zwei Tore zu eins bedeutete einen Sieg, und nichts anderes konnte das ändern. Heute nutzen Analysten ein Werkzeug namens „Expected Goals“ (erwartete Tore), um hinter die endgültige Zahl zu blicken. Diese Metrik versucht, die Qualität jeder Chance, die ein Team kreiert, zu messen, indem sie jeder Schussaufnahme basierend auf dem Ort des Schusses, der Person, die den Schuss ausführte, und dem Grad des Drucks eine Wahrscheinlichkeit zuweist. Es ist eine Art zu sagen, dass ein Team ein Spiel verloren haben mag, aber dennoch besser gespielt haben könnte, als es das Ergebnis vermuten lässt, oder dass ein Team durch Glück gewonnen hat, obwohl es nur schlechte Chancen kreierte. Dieses Konzept ist zu einem Standardbestandteil der Sprache des Sports geworden, der von Trainern, Fans und Wettanbietern gleichermaßen genutzt wird, um Geschicklichkeit von Zufall zu unterscheiden. Doch während diese Zahl immer prominenter wird, stellt sich eine kritische Frage: Garantiert eine hohe Anzahl an erwarteten Toren auch eine hohe Anzahl an tatsächlichen Toren?
Eine neue Studie von Giovanni Gallo, einem Forscher bei Quantum Sport Analysis, untersucht die Lücke zwischen dem, was diese Modelle vorhersagen, und dem, was tatsächlich auf dem Platz geschieht. Die Forschung argumentiert nicht, dass die Modelle fehlerhaft oder nutzlos seien. Stattdessen untersucht sie ein grundlegendes Missverständnis, das auftritt, wenn Menschen eine Wahrscheinlichkeit wie ein Versprechen behandeln. Die Studie untersucht 154 Spiele aus den vier besten europäischen Ligen – der Premier League, Serie A, La Liga und der Bundesliga – während der ersten vier Spieltage der Saison 2026/27. Durch die Untersuchung von 308 separaten Teamleistungen innerhalb dieser Spiele kartierte der Forscher die kontinuierlichen, dezimalbasierten Expected-Goals-Werte auf die diskreten, ganzzahligen Realität der Torgefalle im Fußball. Da Wettmärkte und Spielergebnisse auf ganzen Zahlen basieren, konzentrierte sich die Analyse darauf, wie oft die Gesamtzahl der erwarteten Tore eines Teams exakt auf die Ganzzahl fiel, die einen Sieg oder eine Niederlage in gängigen Wettmärkten bestimmt, wie etwa die Frage, ob ein Team über oder unter einer bestimmten Schwelle treffen würde.
Die Ergebnisse zeigen ein erhebliches Maß an Unvorhersehbarkeit, das selbst mit hochentwickelten Daten bestehen bleibt. Als der Forscher untersuchte, wie oft die tatsächlich erzielten Tore mit dem durch die Expected Goals suggerierten ganzzahligen Bereich übereinstimmten, trat dies nur in etwa 36 Prozent der Beobachtungen ein. Mit anderen Worten: In etwa zwei von drei Fällen erzielte das Team eine andere Anzahl an Toren, als die nächstgelegene ganzzahlige Vorhersage des Modells suggeriert hätte. Die durchschnittliche Differenz zwischen dem vorhergesagten Bereich und dem tatsächlichen Ergebnis betrug fast ein ganzes Tor. Dies mag wie ein großer Fehler klingen, doch die Studie stellt klar, dass dies nicht zwangsläufig ein Zeichen dafür ist, dass die Modelle falsch sind. Der Forscher verglich die realen Daten mit einer einfachen mathematischen Simulation des Zufalls, die eine ähnliche Rate an exakten Übereinstimmungen vorhersagte. Dieser Vergleich deutet darauf hin, dass die Variation ein natürlicher Teil des Spiels ist; selbst wenn ein Modell die durchschnittliche Wahrscheinlichkeit eines Tores perfekt berechnet, wird das Ergebnis eines einzelnen Spiels aufgrund der inhärenten Zufälligkeit des Sports immer um diesen Durchschnitt herum schwanken.
Ein entscheidender Unterschied, der in der Arbeit gemacht wird, liegt zwischen dem Durchschnittsergebnis vieler Spiele und dem Ergebnis eines einzelnen Spiels. Als der Forscher die Summe aller Differenzen zwischen vorhergesagten und tatsächlichen Toren über die gesamte Stichprobe bildete, hoben sich die positiven und negativen Abweichungen weitgehend gegenseitig auf, was eine winzige durchschnittliche Differenz hinterließ. Dies zeigt, dass die Modelle über die Zeit betrachtet ausgewogen sind. Für einen Fan, der ein spezifisches Spiel verfolgt, oder einen Wettenden, der eine Wette auf ein einzelnes Spiel platziert, bietet dieser durchschnittliche Ausgleich jedoch wenig Trost. Die Studie betont, dass ein Team eine erwartete Toranzahl haben kann, die einen Sieg suggeriert, aber dennoch verlieren kann, ohne dass das Modell ungenau ist. Das Modell beschreibt die Qualität der kreierten Chancen, nicht die Gewissheit des Endergebnisses.
Die Forschung untersucht auch, wie Menschen diese Informationen in Echtzeit bei Entscheidungsfindungen nutzt, insbesondere beim Live-Wetten. Der Autor schlägt ein zukünftiges Experiment vor, um zu sehen, wie verschiedene Arten von Menschen – Experten, reguläre Fans und Laien – reagieren, wenn ihnen diese Statistiken während eines Spiels gezeigt werden. Die Hypothese lautet, dass das Sehen einer präzisen Zahl Menschen dazu verleiten könnte, sich sicherer in ihren Vorhersagen zu fühlen, als es die Daten tatsächlich unterstützen, was zu dem Glauben führt, sie könnten die Zukunft eines Spiels genauer vorhersehen, als dies möglich ist. Die Studie legt nahe, dass Expected Goals zwar ein mächtiges Werkzeug zum Verständnis vergangener Leistungen sind, sie aber kein Kristallball für die Zukunft sind. Die Zahl, die auf einem Bildschirm angezeigt wird, ist eine bedingte Schätzung basierend auf den zum jeweiligen Zeitpunkt verfügbaren Informationen, keine deterministische Aussage darüber, was passieren wird.
Letztendlich dient das Papier als Leitfaden für den interpretativen Umgang mit diesen mächtigen Werkzeugen mit dem richtigen Maß an Vorsicht. Es argumentiert, dass der Wert von Expected Goals in ihrer Fähigkeit liegt, die Qualität des Spiels zusammenzufassen, und nicht in ihrer Fähigkeit, das exakte Ergebnis eines einzelnen Ereignisses vorherzusagen. Die Lücke zwischen der Vorhersage und dem Ergebnis ist kein Versagen der Mathematik, sondern ein Spiegelbild der schönen, chaotischen Natur des Fußballs selbst. Indem Fans und Analysten verstehen, dass diese Zahlen Wahrscheinlichkeiten statt Gewissheiten darstellen, können sie die Nuancen des Spiels schätzen, ohne in die Falle zu tappen zu glauben, die Daten hätten das Element der Überraschung beseitigt. Die Studie kommt zu dem Schluss, dass die Technologie uns zwar einen tieferen Einblick in die Mechanik des Sports ermöglicht hat, der Schlusspfiff jedoch immer noch die Macht besitzt, die Geschichte neu zu schreiben, ungeachtet dessen, was die Zahlen vor Spielbeginn sagten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.