Mainz 05: Angstgegner der Großen?

Der Spruch

„Mainz 05 ist der Angstgegner der Großen." Diesen Satz höre ich immer wieder, wenn ich mit anderen Mainz-Fans rede, meistens nachdem wir mal wieder Bayern, Dortmund oder Leverkusen ein Bein gestellt haben. Und ehrlich gesagt bin ich selbst davon überzeugt: Gegen die ganz Großen der Liga tun wir uns irgendwie leichter, weil der Druck fehlt und man als Außenseiter befreiter aufspielt. Gegen die vermeintlich kleinen Gegner dagegen, gegen die man ja „eigentlich gewinnen muss", wird es komischerweise oft zäh.

Ich sitze seit 2005 im Mainzer Stadion, erst am Bruchweg, dann in der heutigen MEWA Arena, und diese Überzeugung hat sich über unzählige Spiele bei mir festgesetzt. Zeit, sie nachzurechnen, statt sie einfach weiterzuglauben.

Die Datenbasis

Wir haben uns die kompletten 17 Bundesliga-Saisons vorgenommen, in denen wir seit dem Wiederaufstieg 2009/10 ununterbrochen erstklassig waren: 578 Mainzer Ligaspiele bis einschließlich 2025/26. Als Vergleichsmaßstab dient die komplette Bundesliga-Baseline aus demselben Zeitraum, alle 18 Teams pro Saison, macht 5.202 Ligaspiele. Datenquelle ist OpenLigaDB, die offizielle freie Schnittstelle für deutsche Ligadaten.

Als Gegnerstärke-Maß nehmen wir den Tabellenplatz-Abstand zum jeweiligen Gegner, und zwar den laufenden Tabellenplatz direkt vor dem jeweiligen Spiel, nicht die erst am Saisonende bekannte Endplatzierung, weil das dem entspricht, was ein Team zum Zeitpunkt des Anpfiffs tatsächlich weiß. Ein positiver Wert heißt: Der Gegner steht in der Tabelle besser da als wir zu diesem Zeitpunkt, ein „großer" Gegner im Sinne des Mythos.

Erster Blick: Schlägt Mainz die Großen öfter?

Der naheliegendste Test: der Punkteschnitt sortiert nach Gegnerstärke.

Kruskal-Wallis-Test: H = 12,94, p = 0,0016.

Der Unterschied ist statistisch klar (Kruskal-Wallis-Test, H = 12,94, p = 0,0016, n = 561 Spiele mit bekanntem Tabellenabstand).

Kurz erklärt — Kruskal-Wallis-Test

Kurz erklärt — Kruskal-Wallis-Test: Prüft, ob sich mehr als zwei Gruppen (hier: die drei Terzile nach Gegnerstärke) in ihrer typischen Größenordnung unterscheiden, ohne eine bestimmte Verteilungsform vorauszusetzen. Eine Art Verallgemeinerung des in anderen MythCheck-Artikeln bereits genutzten Mann-Whitney-U-Tests auf mehr als zwei Gruppen.

Wer hier aufhört, hat den Mythos eigentlich schon widerlegt: Gegen bessere Teams verliert man öfter, gegen schlechtere gewinnt man öfter. Wenig überraschend, wenig erhellend. Genau das ist aber die Falle. Diese Zahl zeigt nur, dass wir kein Ausnahmeteam sind, das komplett unabhängig vom Gegner performt. Sie sagt nichts darüber, ob wir im Vergleich zu einem durchschnittlichen Bundesligisten ungewöhnlich reagieren, wenn der Gegner stark oder schwach ist. Für diese Frage braucht es einen Vergleich gegen die Liga-Baseline.

Der Twist: weniger Abhängigkeit statt mehr Siege

Um zu prüfen, wie stark unsere Ergebnisse tatsächlich vom Gegner abhängen, verglichen mit einem Bundesliga-Durchschnittsteam, haben wir eine Interaktionsregression gerechnet: Punkte in Abhängigkeit vom Tabellenabstand, getrennt für Mainz und den Rest der Liga, mit Saison-Fixed-Effects und Heimvorteil als Kontrollvariablen und clusterrobusten Standardfehlern (weil wir über 17 Saisons wiederholt in den Daten stecken und ein Test ohne diese Korrektur künstlich sicherer wirken würde, als er ist).

Kurz erklärt — Interaktionsregression

Kurz erklärt — Interaktionsregression: Eine Regression, die nicht nur den durchschnittlichen Effekt einer Variable schätzt (hier: wie stark der Tabellenabstand generell auf die Punkteausbeute wirkt), sondern zusätzlich prüft, ob dieser Effekt für eine bestimmte Gruppe, hier Mainz, anders ausfällt als für den Rest. Der sogenannte Interaktionsterm zeigt direkt, wie groß dieser Gruppenunterschied ist und ob er sich statistisch von null unterscheidet.

Unterschied der Steigungen: +0,0287 Punkte je Rang-Abstand-Einheit (clusterrobust p = 0,00043, HC1-Gegenprobe p = 0,00055). n = 561 Mainz-Spiele, 9.537 Ligaspiele gesamt.

Ein durchschnittliches Bundesligateam verliert pro zusätzlichem Rang Tabellenabstand deutlich an erwarteten Punkten. Bei uns ist dieser Zusammenhang nur rund halb so ausgeprägt, ein Unterschied von +0,0287 Punkten pro Rang-Abstand-Einheit, statistisch alles andere als Zufall (p = 0,0004). Das bleibt stabil, wenn man zusätzlich unsere eigene Tabellenposition kontrolliert (+0,0286, p = 0,0005) und wenn man statt Punkten die Tordifferenz als Zielgröße nimmt (+0,0455, p ≈ 9 · 10⁻⁵).

Und das ist auch kein generisches „Mittelfeldteam-Phänomen":

Mainz 05

Steigung aus der Interaktionsregression je Team (mind. 200 Spiele im Zeitraum), sortiert von der flachsten (am wenigsten gegnerabhängigen) bis zur steilsten Steigung.

Union Berlin liegt knapp davor, allerdings mit kleinerer Stichprobe und einem nur grenzwertig eigenen signifikanten Effekt (p = 0,05). Amüsanter Fakt am Rande: Sogar der FC Bayern selbst hängt in dieser Rangliste stärker vom Tabellenabstand ab als wir (Rang 11 von 19) – „groß sein" schützt offenbar nicht automatisch vor Formschwankungen gegen unterschiedlich starke Gegner.

Der Effekt ist außerdem kein Strohfeuer einer einzelnen Ära: Getrennt für die erste (2009/10–2017/18, Differenz +0,023, p = 0,047) und zweite Saisonhälfte (2018/19–2025/26, Differenz +0,035, p = 0,004) zeigt er sich beide Male signifikant.

Woher der Effekt kommt: Schwäche gegen die Kleinen

Jetzt zur eigentlich interessanten Frage: Kommt diese flache Steigung daher, dass wir gegen große Gegner überdurchschnittlich gut abschneiden, wie der Mythos suggeriert? Oder von woanders?

über Erwartung unter Erwartung

Kruskal-Wallis-Test: H = 26,89, p < 0,0001. "Erwartet" = Baseline-Regression aus Rang-Abstand, Saison-Fixed-Effects und Heimvorteil ohne Mainz-Sonderbehandlung.

Das beantwortet die Frage ziemlich eindeutig (Kruskal-Wallis p ≈ 1,4 · 10⁻⁶). Der „Underdog-Bonus" ist zu einem großen Teil eigentlich eine Underdog-Schwäche, eine auffällige Unterperformance gegen vermeintlich kleine Gegner, nicht eine besondere Stärke gegen die Großen. In den Extrembuckets wird das noch deutlicher.

Tatsächlich Erwartet

Extrem-Buckets statt Terzile: jeweils das äußerste Sechstel der Gegnerstärke-Verteilung. „Erwartet” aus derselben Baseline-Regression wie bei den Terzilen.

Das ist genau das Muster, das sich für mich über die Jahre auf der Tribüne eingebrannt hat, nur mit vertauschten Vorzeichen zu meiner ursprünglichen Theorie. Nicht die Spiele gegen Bayern und Dortmund waren die, bei denen ich mich am meisten geärgert habe, sondern die Heimspiele gegen frisch aufgestiegene Teams, besonders am ersten Spieltag: viel zu verkrampft, viel zu bemüht, und gefühlt fast zwangsläufig mit einer überraschenden Niederlage im Gepäck. Genau dieses Gefühl, gegen die Kleinen tun wir uns komisch schwer, ist offenbar der eigentliche Kern dessen, was ich lange als „Underdog-Bonus" missverstanden habe.

Wichtig für die Einordnung: Das heißt nicht, dass wir absolut gesehen häufiger gegen die Großen gewinnen. Gegen die etablierten Top-Clubs des Zeitraums, Bayern, Dortmund, Leverkusen, Gladbach und RB Leipzig, holen wir im Schnitt sogar weniger Punkte als über alle Ligaspiele hinweg.

Top-5-Clubs im Analysezeitraum: Bayern München, Borussia Dortmund, Bayer Leverkusen, Borussia Mönchengladbach, RB Leipzig.

Ein paar konkrete Beispiele aus den 17 Saisons:

Ein Wermutstropfen bleibt: Nimmt man statt des laufenden Tabellenplatzes die einfachere Saisonend-Platzierung als Gegnerstärke-Maß, bleibt die Richtung des Effekts erhalten, aber die Signifikanz verschwindet (Punkte: p = 0,152; Tordifferenz: p = 0,103). Genau das ist der Hauptgrund, warum das Verdikt am Ende „Teilweise" und nicht „Bestätigt" lautet.

Und dann ist da noch Bayern

Bevor es zum Verdikt geht: eine Sonderfrage, die für mich persönlich der eigentliche Auslöser dieses ganzen Artikels war. Meine Erinnerungen an Mainz-Spiele gegen Bayern München sind überproportional gut, verglichen mit dem, was ich sonst von uns gegen Bayern erwarten würde.

25. September 2010, Allianz Arena, Bayern München gegen Mainz 05. Mitten in der legendären Tuchel-Saison 2010/11 gehen wir in der 15. Minute durch einen Hackentrick von Sami Allagui in Führung. Bayern gleicht kurz vor der Pause durch ein Eigentor von Bo Svensson aus, doch Ádám Szalai macht in der 77. Minute den 1:2-Auswärtssieg klar – unser allererster Sieg überhaupt in der Allianz Arena.

Eine zweite Erinnerung sitzt bei mir noch tiefer: 23. April 2006, Bruchweg, 31. Spieltag, Mainz gegen den amtierenden Tabellenführer Bayern München. Mohamed Zidan und Nino-Nikolai Friedrich schießen uns binnen 13 Minuten 2:0 gegen die Bayern. Ich sehe Oliver Kahns fassungsloses Gesicht noch heute vor mir, der da plötzlich gegen die kleinen Mainzer zwei Dinger kassiert hatte. Am Ende kam Bayern über Roy Makaay (29.) und einen Handelfmeter (37.) noch zum 2:2 – aber diese ersten 13 Minuten reichen mir bis heute. Dieses Spiel liegt außerhalb des hier analysierten Zeitraums 2009/10–2025/26, zählt also nicht zur Statistik, ist aber trotzdem echt passiert.

Nur: Gefühl ist kein Beweis. Was sagen die Zahlen, wenn man Bayern gezielt und isoliert anschaut, nicht nur als Teil der Top-5-Gruppe von oben?

Punkteschnitt gegen Bayern München

Rangliste aller Bayern-Gegner (mind. 20 Spiele)

Mainz 05

Rein deskriptiver Zusatzbefund bei kleiner Stichprobe (34 Mainz-Spiele gegen Bayern): Mann-Whitney-U Punkte p = 0,31, Tordifferenz p = 0,59, Fisher-Exact Siegquote p = 0,046 (hält der Bonferroni-Korrektur für 4 gleichzeitige Tests nicht stand), Bootstrap-95%-KI der PPG-Differenz [-0,10; 0,76].

34 Spiele seit 2009/10, 17 Heim- und 17 Auswärtsspiele, Bilanz 8 Siege, 3 Remis, 23 Niederlagen. Der Rest der Liga kommt in 544 Spielen gegen Bayern im selben Zeitraum nur auf 0,49 Punkte pro Spiel. Hinter Mönchengladbach, Leverkusen und Dortmund reicht das trotzdem für Rang 4 von 16, klar vor dem Ligadurchschnitt. Auch kein reiner Heimspiel-Effekt: Sowohl daheim (1,06 statt 0,63) als auch auswärts (0,53 statt 0,34) liegen wir über der jeweiligen Liga-Baseline.

Aber: Hier musste ich mich selbst bremsen, denn statistisch ist das nicht klar bewiesen. Wir haben vier unabhängige Tests gerechnet, extra weil die Stichprobe mit nur 34 Spielen klein ist. Ein Mann-Whitney-U-Test auf die Punkteverteilung (p = 0,306) und einer auf die Tordifferenz (p = 0,591) finden beide keinen signifikanten Unterschied. Ein Fisher-Exact-Test auf die reine Siegquote (23,5 % Mainz gegenüber 10,8 % Liga) wird mit p = 0,046 knapp signifikant, hält aber einer Korrektur für die gleichzeitige Testung nicht stand (Bonferroni-Schwelle: 0,0125). Ein Bootstrap-Konfidenzintervall der PPG-Differenz liegt bei [−0,10; 0,76] und schließt die Null nur knapp ein: 92 % der 10.000 Bootstrap-Stichproben liegen im positiven Bereich. Und bei nur 34 Spielen liegt die statistische Power bei rund 49 % – kaum besser als Münzwurf.

Interessant zusätzlich: Der Effekt ist tatsächlich Bayern-spezifisch, kein generischer „Mainz gegen Top-Clubs"-Effekt. Gegen die übrigen vier Top-Clubs (Dortmund, Leverkusen, Gladbach, RB Leipzig zusammen) liegen wir mit 0,98 Punkten pro Spiel sogar leicht unter der Liga-Baseline von 1,03 (relative Differenz −0,05, statt +0,31 bei Bayern). Eine formale Regression über alle Top-5-Spiele bestätigt zwar die Richtung (+0,355 Punkte Bayern-Zusatzeffekt für uns), verfehlt aber knapp die Signifikanzschwelle (p = 0,147).

Diese Bayern-Geschichte bleibt also genau das: eine schöne, konsistente, aber statistisch nicht hart bewiesene Randnotiz. Sie ändert nichts am Gesamt-Verdikt zum eigentlichen Mythos, der sich ja auf Gegnerstärke insgesamt bezieht, nicht auf einen einzelnen Klub. Aber als Mainz-Fan darf ich mir diese kleine, mit Vorsicht zu genießende Extraportion Freude trotzdem gönnen.

Verdikt