Chancenverwertung ist Glückssache

Der Spruch

„Der hätte den einfach reinmachen müssen." Nach jeder vergebenen Großchance hört man diesen Satz irgendwo im Stadion, meistens kurz bevor der Gegner am anderen Ende trifft und gewinnt. Die eine Fraktion hält das für schlichtes Pech: Ein Schuss geht rein oder er geht nicht, über eine ganze Saison gleicht sich das im Schnitt aus. Selbst Julian Nagelsmann klang nach einem knappen Ergebnis mal in genau diese Richtung: „Da gibt's jetzt keine richtigen Lehren." Die andere Fraktion widerspricht energisch. Kaltschnäuzigkeit vor dem Tor sei eine echte, trainierbare und käufliche Fähigkeit. Bayer-Sportdirektor Simon Rolfes brachte es in einer Kolumne so auf den Punkt: „I feel this is much less down to luck than it is to do with the quality within a very well balanced team" („Das hat für mich viel weniger mit Glück zu tun als mit der Qualität innerhalb eines gut ausbalancierten Teams"). Genau diese Frage hat auch die Taktikanalyse-Seite spielverlagerung.de aufgegriffen: Ist eine Über- oder Unterperformance gegenüber der eigenen Expected-Goals-Bilanz eine wiederholbare Qualität, oder verschwindet sie am Ende im Rauschen des Zufalls?

Der Ruf des FC Bayern als kaltschnäuziger Verein ist dabei kein Phänomen der xG-Ära. Die Blaupause dafür lieferte Gerd Müller, der „Bomber der Nation": Sein bekanntestes Tor, das 2:1 im WM-Finale 1974 gegen die Niederlande (43. Minute, Olympiastadion München, damals im Nationaltrikot), steht bis heute sinnbildlich für genau die nüchterne Chancenverwertung, um die es hier geht.

Kurz erklärt — xG (Expected Goals)

Kurz erklärt — xG (Expected Goals): Ein Maß dafür, wie viele Tore ein Team basierend auf der Qualität seiner Torchancen im Schnitt hätte erzielen sollen. Ein Team, das mehr Tore erzielt als seine xG-Summe, hat seine Chancen besser verwertet, als es die Qualität der Abschlüsse allein erwarten ließ. Und umgekehrt.

Besonders aktuell wird die Frage jede Saison neu. In der vergangenen Spielzeit 2025/26 traf der FC Bayern deutlich öfter, als die eigene xG-Bilanz erwarten ließ: Das spezialisierte Portal oddalerts.com bezifferte den Vorsprung auf +30,1 Tore, in unseren eigenen, mit einem anderen xG-Modell berechneten Daten sind es +25,8 Netto-Tore (dazu unten mehr). In unseren Daten ist das der höchste Ausschlag, den wir für München seit 2014/15 finden. Eingekaufte Klasse oder eine Glückssträhne, die genauso plötzlich kippt, wie sie kam? Um das zu beantworten, haben wir zwölf komplette Bundesliga-Saisons durchgerechnet, nicht nur für Bayern, sondern für jedes Team, das in dieser Zeit in der Liga stand.

Die Datenbasis

Grundlage sind alle 3.672 Bundesliga-Spiele der zwölf Saisons 2014/15 bis 2025/26, aus Understat zusammengefasst zu 216 Team-Saisons (18 Teams pro Saison, über den gesamten Zeitraum 30 verschiedene Vereine durch Auf- und Abstieg). Für jede Team-Saison kennen wir die tatsächlichen Tore und die xG-Summe, offensiv wie defensiv, und daraus die zentrale Kennzahl dieses Artikels: die Netto-Überperformance, erzielte Tore minus xG plus verhinderte Gegentore minus xG-Gegner. Positiv heißt, ein Team hat seine Chancen besser verwertet (und/oder defensiv besser gehalten), als es die Qualität der Chancen allein erwarten ließ. Die Bandbreite ist beachtlich:

über xG-Erwartung unter xG-Erwartung

Bestwert: Bayern München 2025/26 (25,84). Schlechtester Wert: SpVgg Greuther Fürth 2021/22 (-24,09).

Für den Haupttest braucht es außerdem Paare aus zwei direkt aufeinanderfolgenden Saisons desselben Teams. 175 von 216 Team-Saisons haben eine solche Anschlusssaison im Datensatz. Bei den übrigen 41 fehlt entweder die Vorsaison, oder das Team ist zwischenzeitlich ab- und wieder aufgestiegen, was den Vergleich verfälschen würde.

Der Haupttest: Bleibt eine gute Quote von einer Saison zur nächsten bestehen?

Die entscheidende Frage lautet nicht, ob Teams unterschiedlich gut verwerten, das tun sie offensichtlich. Sie lautet: Ist eine gute oder schlechte Quote in Saison N ein brauchbarer Hinweis darauf, wie dasselbe Team in Saison N+1 abschneidet?

Kurz erklärt — Persistenz (Autokorrelation)

Kurz erklärt — Persistenz (Autokorrelation): Die Frage, ob ein Messwert bei ein und demselben Team von einer Saison zur nächsten ähnlich bleibt. Hohe Persistenz hieße: Wer letztes Jahr gut verwertet hat, verwertet auch dieses Jahr gut. Das wäre ein Hinweis auf eine mitgenommene, echte Fähigkeit statt puren Zufalls.

175 Team-Saison-Paare, je ein Punkt.

Kurz erklärt — Korrelationskoeffizient r

Kurz erklärt — Korrelationskoeffizient r: Misst, wie eng zwei Werte gemeinsam steigen oder fallen, auf einer Skala von −1 bis +1. Bei r = 1 läge jeder Punkt exakt auf einer steigenden Linie, bei r = 0 gibt es keinerlei Zusammenhang. Spearman ρ ist die robustere Variante, die nur die Rangfolge vergleicht und sich von Ausreißern weniger beeindrucken lässt.

Der Zusammenhang liegt praktisch bei null. Pearson r = 0,051 (p = 0,50), die robustere Rangkorrelation Spearman ρ = 0,028 (p = 0,71). Getrennt nach offensiver (r = 0,077, p = 0,31) und defensiver Überperformance (r = 0,091, p = 0,23) ändert sich daran nichts.

Kurz erklärt — p-Wert

Kurz erklärt — p-Wert: Die Wahrscheinlichkeit, ein mindestens so auffälliges Ergebnis rein zufällig zu beobachten, obwohl in Wirklichkeit gar kein echter Zusammenhang besteht. p = 0,50 heißt: Selbst wenn es überhaupt keinen Effekt gäbe, würde man einen Zusammenhang dieser Größe in jedem zweiten Fall rein zufällig beobachten. Von einem verlässlichen Muster keine Spur.

Damit ein einzelner Test nicht zufällig in die Irre führt, haben wir zwei weitere, methodisch unabhängige Verfahren gegengerechnet.

Kurz erklärt — Bootstrap-Konfidenzintervall

Kurz erklärt — Bootstrap-Konfidenzintervall: Ein Verfahren, das aus den vorhandenen Daten zehntausendfach neue, leicht zufällig veränderte Stichproben zieht, um daraus einen realistischen Unsicherheitsbereich für einen Messwert zu schätzen. Überdeckt dieser Bereich die Null, ist ein Effekt von genau null Stärke mit den Daten gut vereinbar.

Fehlerbalken: Bootstrap-95-%-Konfidenzintervall (10.000 Resamples).

Ein Bootstrap-95-%-Konfidenzintervall aus 10.000 Stichproben schließt bei allen drei Varianten die Null mit ein (Netto: −0,10 bis 0,20). Ein zweites, von jeder Verteilungsannahme unabhängiges Verfahren, das die Daten 10.000 Mal zufällig durchmischt und prüft, wie oft ein ebenso großer Zusammenhang rein zufällig entstehen würde, bestätigt dieselben p-Werte (0,50 / 0,31 / 0,23). Drei verschiedene Rechenwege, ein einheitliches Bild.

Der eigentlich interessantere Befund liegt nicht im „kein Zusammenhang" selbst, sondern darin, was mit den Extremfällen passiert.

Kurz erklärt — Regression zur Mitte

Kurz erklärt — Regression zur Mitte: Nach einem außergewöhnlich guten oder schlechten Ergebnis nähert sich der nächste Wert im Schnitt wieder dem Durchschnitt an, allein aus statistischen Gründen, unabhängig davon, ob sich an der zugrundeliegenden Qualität irgendetwas ändert.

Ausgangssaison Folgesaison

Extremgruppen (oberstes/unterstes Zehntel, je n = 17): 16,8 → 1,3 Tore bzw. -13,5 → -1,8 Tore.

Am deutlichsten zeigt sich das an den Rändern der Verteilung, beim obersten und untersten Zehntel (Notiz unter der Grafik). Die 17 Team-Saisons mit der stärksten Überperformance (im Schnitt +16,8 Tore netto) fallen in der Folgesaison im Schnitt auf nur noch +1,3 Tore zurück, fast eine komplette Rückkehr zum Durchschnitt. Bei den 17 Team-Saisons mit der stärksten Unterperformance (im Schnitt −13,5) sieht es spiegelbildlich aus: −1,8 im Jahr danach. Wer in einer Saison ganz oben oder ganz unten steht, ist im Jahr darauf meistens einfach wieder Durchschnitt.

Ehrlich sein müssen wir an einer Stelle: Bei 175 Team-Saison-Paaren lässt sich mit 80 % statistischer Power (also mit 80 % Wahrscheinlichkeit, einen echten Effekt auch zu finden) erst ab einem Zusammenhang von r ≈ 0,21 zuverlässig etwas entdecken. Für den tatsächlich beobachteten Effekt (r = 0,051) liegt diese Power bei nur rund 10 %. Ein kleiner, aber echter Effekt (r < 0,2) lässt sich mit dieser Stichprobe also nicht mit letzter Sicherheit ausschließen. Punktschätzer, Konfidenzintervall und die fast vollständige Regression zur Mitte bei den Extremwerten zeichnen aber gemeinsam ein klares Bild: Wenn überhaupt etwas übrig bleibt, dann höchstens sehr wenig.

Union Berlin: vom Fast-Rekord zum Beinahe-Absturz

Die eindrücklichste Illustration dieses Musters liefert ausgerechnet ein Verein, der sich seinen Chancenverwertungs-Ruf über Jahre hart erarbeitet hat.

über xG-Erwartung unter xG-Erwartung Liga-Streuung (±1 SD)

Graues Band: ligaweite Streuung (±1 Standardabweichung) je Saison, Union Berlins eigene Werte als Balken.

2022/23 war eine der drei extremsten Chancenverwertungs-Saisons der gesamten Bundesliga seit 2014/15, ausführlich diskutiert unter anderem im englischsprachigen Substack-Blog fussballinenglish. Union stand plötzlich im internationalen Geschäft, die eigene Kaltschnäuzigkeit kombiniert mit einer bärenstarken Defensive galt als eines der Erfolgsgeheimnisse. Ein Jahr später fällt derselbe Wert praktisch an die entgegengesetzte Extremseite der Liga. Bezeichnend ist dabei die Art des Rückgangs: kein allmähliches Abflachen auf weiterhin überdurchschnittlichem Niveau, wie man es erwarten würde, wenn eine echte, aber langsam verblassende Fähigkeit dahintersteckt. Sondern ein Sprung fast von einem Extrem zum anderen, genau das Muster, das die Regression-zur-Mitte-Analyse oben für Ausreißer im Durchschnitt vorhersagt.

Der Twist: Sind manche Teams grundsätzlich bessere Verwerter?

So eindeutig der Haupttest ausfällt, eine naheliegende Anschlussfrage blieb offen. Wenn Chancenverwertung bei ein und demselben Team nicht anhält, heißt das automatisch, dass sie grundsätzlich reiner Zufall ist? Oder verwerten strukturell starke Teams wie der FC Bayern ihre Chancen im Durchschnitt trotzdem etwas besser als der Rest der Liga, unabhängig davon, ob dieser Vorteil bei ihnen selbst von Jahr zu Jahr schwankt? Die Frage verdient eine genauere Antwort.

Ein erster, einfacher Blick: Regressiert man die tatsächliche Tordifferenz einer Saison direkt gegen die xG-Differenz derselben Saison (über alle 216 Team-Saisons), müsste die Steigung bei exakt 1 liegen, wenn jedes xG-„Soll-Tor" im Schnitt genau ein echtes Tor Differenz bedeutet. Sie liegt aber bei 1,10 (Standardfehler 0,03), statistisch signifikant über 1 (t = 3,70, p = 0,0003). Teams mit einer besseren xG-Bilanz wandeln pro xG-Einheit also einen kleinen Tick mehr in echte Tordifferenz um als der Durchschnitt. Das bleibt bestehen, wenn man Bayern München komplett aus der Rechnung nimmt (Steigung 1,08, p = 0,015, n = 204). Der Effekt hängt nicht an einem einzelnen Verein.

Ein Quartilsvergleich derselben Saison macht das greifbarer: Das stärkste xG-Quartil je Saison (die fünf besten Teams, n = 60) kommt im Schnitt auf +3,79 Tore Netto-Überperformance, der Rest der Liga (n = 156) auf −1,46 (t = 3,54, p = 0,0006).

Beide Tests haben aber ein methodisches Problem, das man ehrlich benennen muss. Netto- Überperformance ist per Definition Tordifferenz minus xG-Differenz. Testet man sie also gegen die xG-Differenz derselben Saison, testet man teilweise gegen einen Bestandteil ihrer eigenen Definition, ein gewisser Zusammenhang ist da schon rein rechnerisch zu erwarten. Deshalb der methodisch sauberste Test von allen: nicht die xG-Differenz derselben Saison, sondern die der Vorsaison als unabhängiges Stärkemaß, komplett losgelöst von der aktuellen Netto-Überperformance.

Team-Saison (175) Trendlinie (OLS)

n = 175 Team-Saisons. Pearson r = 0,25 (p = 0,0009), R² = 6,2 %.

Bei n = 175 Team-Saisons mit verfügbarer Vorsaison zeigt sich: Pearson r = 0,25 (p = 0,0009), Spearman ρ = 0,17 (p = 0,024). Das Bootstrap-95-%-Konfidenzintervall (0,07 bis 0,41) schließt die Null diesmal klar aus, das zweite Verfahren von oben bestätigt das (p = 0,0011). Der Quartilsvergleich mit demselben Vorsaison-Proxy zeigt: die vorsaison-stärksten Teams (n = 44) kommen im Schnitt auf +3,40 Tore, der Rest (n = 131) auf −0,63 (t = 2,33, p = 0,023).

Kurz erklärt — R² (Bestimmtheitsmaß)

Kurz erklärt — R² (Bestimmtheitsmaß): Der Anteil der Streuung einer Variable, den ein Modell erklären kann, auf einer Skala von 0 (nichts erklärt) bis 1 (alles erklärt).

Der Haken an diesem Befund: R² liegt bei rund 0,06. Die Stärke der Vorsaison erklärt gerade einmal gut 6 % der Streuung der aktuellen Netto-Überperformance. Der Effekt ist real und in drei unabhängigen Tests robust nachweisbar, er ist nur eben klein. Der weit überwiegende Teil der Streuung, rund 94 %, bleibt weiterhin Rauschen.

Am plastischsten wird der Zusammenhang beim FC Bayern selbst:

über xG-Erwartung unter xG-Erwartung Ø 8,64

Ø über alle 12 Saisons: 8,64 Tore netto, signifikant von 0 verschieden (t = 2,53, p = 0,028).

Über zwölf Saisons liegt Bayerns Netto-Überperformance im Schnitt bei +8,64 Toren, statistisch signifikant von null verschieden (t = 2,53, p = 0,028). Gleichzeitig schwankt der Wert von Saison zu Saison enorm, von −10,2 (2023/24) bis +25,8 (2025/26, die eingangs erwähnte Rekordsaison). Bayern selbst zeigt also, genau wie der Rest der Liga, keine Saison-zu-Saison-Persistenz. Aber der Mittelwert über viele Saisons liegt bei diesem strukturell überlegenen Team systematisch über null. Das widerspricht dem Haupttest nicht, es ergänzt ihn: Es gibt keinen „Hot Hand"-Effekt bei einem einzelnen Team, aber einen strukturellen Zusammenhang mit der Teamstärke selbst.

Der Kaltschnäuzigkeits-Ruf des FC Bayern aus der Einleitung ist also nicht ganz aus der Luft gegriffen. Nur steckt laut unseren Daten keine besondere Vereins-DNA dahinter, sondern schlicht Teamstärke, die bei jedem Spitzenteam ähnlich wirkt.

Und wie sieht es bei einem Verein aus, dem besondere Effizienz nachgesagt wird, ohne dass er zu den Spitzenteams gehört? Das haben wir in einem eigenen Check für Mainz 05 nachgerechnet: „Mainz 05 ist sehr effizient".

Woran das liegen könnte, haben wir nicht direkt getestet, aber zwei Erklärungen liegen nahe: teurere, kaltschnäuzigere Angreifer bei finanzstarken Klubs, oder häufigere Eins-gegen-eins-Situationen gegen tief stehende Gegner, die generische xG-Modelle systematisch unterschätzen könnten. Beides bleibt an dieser Stelle Spekulation, keine geprüfte Kausalität.

Verdikt