Neuer Trainer, neues Glück?

Der Spruch

„Neuer Trainer, neues Glück." Kaum ein Satz fällt zuverlässiger, wenn ein Bundesligist seinen Cheftrainer feuert. Der Nachfolger tritt an, die Mannschaft „hört noch mal auf ihn", und plötzlich klappt, was wochenlang nicht klappen wollte, so die Theorie am Stammtisch und nicht selten auch im TV-Studio. Die Saison 2025/26 lieferte dafür reichlich Anschauungsmaterial: Neun von achtzehn Bundesligisten trennten sich mindestens einmal von ihrem Trainer, macht zwölf Wechsel in einer einzigen Saison. Bayer Leverkusen schickte Erik ten Hag schon nach dem zweiten Spieltag wieder nach Hause, der 1. FC Köln setzte mit René Wagner erst mal auf eine Interimslösung.

Und während dieser Text entsteht, ist der jüngste Fall gerade einen Tag alt: Borussia Mönchengladbach trennte sich am 13. September 2026 von Eugen Polanski und stellte Jan-Moritz Lichte als Interimstrainer vor. Für unsere Auswertung kommt dieser Fall zu spät, die neue Saison steckt noch nicht vollständig in unserem Datensatz, aber er zeigt ziemlich gut, wie ständig präsent dieser Mythos ist. Den Weg in unser Vorschlagsformular hat er übrigens auch schon gefunden, offenbar nervt der immergleiche Satz nach jeder Entlassung nicht nur uns.

Die eigentliche Behauptung dahinter lässt sich klar fassen: Ein Trainerwechsel bringt einen kurzfristigen Erfolgsschub, sichtbar schon im allerersten Spiel des Neuen. International wird derselbe Effekt unter dem Begriff „new manager bounce" diskutiert, mit derselben Gegenfrage, die auch wir uns hier stellen: Ist das echt, oder nur das statistische Echo einer Krise, aus der heraus überhaupt erst gewechselt wurde?

Die Datenbasis

Transfermarkt-Daten lassen sich laut unserer eigenen Quellen-Policy nicht automatisiert abrufen, also hat der Projektinhaber die offizielle Trainerwechsel-Übersicht der 1. Bundesliga von Hand im Browser durchgesehen: 292 dokumentierte Wechsel zwischen 2009 und 2026, über 29 Vereine hinweg. 19 davon waren reine Beförderungen, ein Interimstrainer wird offiziell zum festen Trainer, ohne dass dabei ein neues erstes Spiel entsteht, die fliegen raus. Bleiben 273 echte Wechsel.

Für den eigentlichen Test zählen nur die 182 Wechsel während der laufenden Saison, davon 181 mit einem auflösbaren „ersten Spiel" (die eine Ausnahme ist der aktuelle Gladbach-Fall von oben). Das ist die Stichprobe, in der der Stammtisch-Satz eigentlich fällt: Krisenclub feuert Trainer, Neuer soll's richten. Getrennt betrachtet: Gruppe A sind 106 fest verpflichtete Nachfolger, Gruppe B 75 Interimslösungen. Wechsel zum Saisonende (91 Fälle, davon 66 auflösbar) laufen separat als Vergleichsgruppe mit, denn ein Trainer, der mit voller Saisonvorbereitung neu beginnt, steckt in einer völlig anderen Lage als einer, der mitten im Chaos übernimmt.

Als Referenzgröße dient die komplette Bundesliga-Baseline: alle 5.202 Ligaspiele von 2009/10 bis 2025/26 aus OpenLigaDB.

Erster Blick: Hält der Spruch schon der einfachsten Prüfung stand?

Die naheliegendste Frage zuerst: Wie oft wird das erste Spiel tatsächlich gewonnen?

Sieg Remis Niederlage

n je Gruppe: Gruppe A (fest verpflichtet) (n = 106) · Gruppe B (Interimstrainer) (n = 75) · Saisonende-Kontextgruppe (n = 66) · Liga-Basis (alle Spiele) (n = 10404).

Gruppe A gewinnt ihr erstes Spiel in 33,0 Prozent der Fälle (35 von 106), Gruppe B in 30,7 Prozent (23 von 75). Beide Werte liegen statistisch klar unter der 50-Prozent-Marke, von „meistens gewonnen" also keine Spur. Und selbst gegen die fairere Messlatte, den echten Liga-Durchschnitt von 37,7 Prozent im gleichen Zeitraum, schneiden beide Gruppen numerisch schlechter ab, wenn auch bei diesen Stichprobengrößen nicht auf eine Weise, die sich als eindeutig belegter Unterschied bezeichnen ließe.

Kurz erklärt — statistische Signifikanz

Kurz erklärt — statistische Signifikanz: Ein Ergebnis gilt als signifikant, wenn es mit ziemlicher Sicherheit kein Zufallstreffer ist. Der p-Wert drückt aus, wie wahrscheinlich das beobachtete (oder ein noch extremeres) Ergebnis wäre, wenn in Wirklichkeit gar kein echter Effekt existiert. Je kleiner der p-Wert, desto unwahrscheinlicher ist reiner Zufall als Erklärung, als Faustregel gilt meist die Schwelle 0,05.

Wörtlich genommen ist der Spruch damit schon nach der einfachsten Prüfung erledigt. Wer aber nur hier aufhört, verpasst die eigentlich interessante Wendung.

Der Twist: ein echter Sprung, nur woher kommt er?

Ein reiner Blick auf die Siegquote im ersten Spiel übersieht etwas Entscheidendes: den Zustand, aus dem heraus überhaupt gewechselt wird. Kein Verein feuert seinen Trainer mitten in einer Erfolgsserie. Also lohnt sich der Vergleich vorher/nachher: Wie viele Punkte pro Spiel holte das Team unter dem alten Trainer zuletzt, verglichen mit dem ersten Spiel unter dem neuen?

Letzte 5 Spiele vorher Erstes Spiel danach

Gepaarter t-Test je Gruppe: Gruppe A (fest verpflichtet) p < 0,0001 · Gruppe B (Interimstrainer) p = 0,00049 · Saisonende-Kontextgruppe p = 0,6.

Das ist die Zahl, die den Mythos auf den ersten Blick doch noch retten könnte. Gruppe A holte in den letzten fünf Spielen vor der Entlassung im Schnitt gerade einmal 0,63 Punkte, weniger als die Hälfte des Liga-Durchschnitts von 1,38. Im ersten Spiel danach springt der Wert auf 1,29, ein Anstieg, der mit sehr hoher Sicherheit kein Zufall ist (p < 0,0001). Gruppe B zeigt dasselbe Muster, nur etwas gedämpfter: von 0,60 auf 1,15 Punkte (p = 0,0005).

Klingt erstmal nach echter Trainerkunst. Ist es aber vermutlich nicht, oder zumindest nicht in erster Linie.

Kurz erklärt — Regression zur Mitte

Kurz erklärt — Regression zur Mitte: Ein statistisches Grundmuster: Wenn eine Messgröße gerade ungewöhnlich weit von ihrem Normalwert abweicht, hier ein Team, das extrem schlecht performt, tendiert der nächste gemessene Wert rein aus Wahrscheinlichkeitsgründen wieder näher an den Normalwert heran, unabhängig davon, ob dazwischen irgendetwas Ursächliches passiert ist. Wer aus einem echten Tief heraus wieder „normal" spielt, sieht danach automatisch wie ein Aufschwung aus, selbst wenn in Wirklichkeit einfach nur die Ausnahmesituation vorbei ist.

Der entscheidende Gegen-Check steckt schon im selben Chart oben: die Saisonende-Kontextgruppe. Diese Vereine wechseln nicht aus einer akuten Krise heraus, ihr Punkteschnitt vor dem Wechsel liegt mit 1,43 bereits nahe am Liga-Durchschnitt. Der „Sprung" danach fällt entsprechend winzig aus (+0,09) und ist statistisch bedeutungslos (p=0,60). Kein Krisentief, kein Bounce. Genau das Muster, das man erwarten würde, wenn hinter dem Sprung bei A und B in erster Linie schlichte Rückkehr zum Mittelwert steckt und nicht ein magischer neuer Trainer.

Der zweite Beleg kommt aus einer eigenen Kontrollrechnung: einem Modell, das für jedes einzelne Bundesligaspiel seit 2009/10 anhand von Gegnerstärke (Tabellenplatz-Abstand) und Heimvorteil vorhersagt, wie viele Punkte ein durchschnittliches Team in genau dieser Situation erwarten dürfte.

Kurz erklärt — Erwartungspunkte-Modell

Kurz erklärt — Erwartungspunkte-Modell: Eine Kontrollrechnung, die aus vielen vergangenen Spielen lernt, wie stark Heimvorteil und Tabellenabstand zum Gegner normalerweise die Punkteausbeute beeinflussen. Damit lässt sich für jedes einzelne Spiel ein „erwarteter" Punktwert berechnen, ganz unabhängig vom neuen Trainer. Weicht das tatsächliche Ergebnis deutlich von diesem Erwartungswert ab, bleibt als Erklärung etwas anderes übrig, zum Beispiel ein echter Trainereffekt.

Tatsächlich Erwartet

Gepaarter t-Test je Gruppe: Gruppe A (fest verpflichtet) p = 0,095 · Gruppe B (Interimstrainer) p = 0,7. "Erwartet" aus einem auf alle 5.202 Ligaspiele gefitteten Punkte-Modell (Tabellenplatz-Abstand + Heimvorteil).

Gruppe A liegt im ersten Spiel im Schnitt 0,20 Punkte über dem Modell-Erwartungswert (1,295 statt 1,093 erwartet), eine Tendenz nach oben, aber keine, die robust genug ist, um sie als gesichert zu bezeichnen (p=0,095). Bei Gruppe B ist es noch klarer: 1,147 tatsächliche gegenüber 1,093 erwarteten Punkten, praktisch kein messbarer Unterschied (p=0,70). Rechnet man also heraus, wie schwach oder stark der jeweils erste Gegner war und ob zuhause oder auswärts gespielt wurde, verschwindet fast der gesamte scheinbare Erfolgsschub.

Zusammengenommen ergibt das ein ziemlich eindeutiges Bild: Der Sprung im Vorher-Nachher-Vergleich ist real und groß, aber er lässt sich fast vollständig mit Regression zur Mitte erklären, nicht mit neuer Trainerkunst. Ganz ausschließen lässt sich ein zusätzlicher echter Trainereffekt mit diesen Daten trotzdem nicht, dafür bräuchte es eine Kontrollgruppe ähnlich schwacher Teams, die im selben Zeitraum eben nicht gewechselt haben, und die ist bewusst nicht Teil dieser Analyse (mehr dazu unten bei den Einschränkungen).

Bounce oder Flop: ein paar Gesichter der Statistik

Hinter den nackten Zahlen stehen natürlich einzelne Spiele, manche davon sind bis heute Bundesliga-Trivia.

Verein	Trainerwechsel	Punkte zuvor (Ø 5)	Erstes Spiel
Hertha BSC	Tayfun Korkut → Felix Magath	0,0	3:0 gegen TSG Hoffenheim (13.03.2022)
Borussia Mönchengladbach	Lucien Favre → André Schubert (Interim)	0,0	4:2 gegen FC Augsburg (20.09.2015)
VfB Stuttgart	Bruno Labbadia → Sebastian Hoeneß	0,2	3:2 gegen VfL Bochum (03.04.2023)
Union Berlin	Marco Grote → Nenad Bjelica	0,2	3:1 gegen Borussia Mönchengladbach (26.11.2023)
VfL Wolfsburg	Michael Frontzeck → Florian Kohfeldt	0,2	2:0 gegen Bayer Leverkusen (26.10.2021)
Werder Bremen	Robin Dutt → Viktor Skrypnyk	0,2	2:1 gegen Mainz 05 (25.10.2014)

6 Fälle mit dem größten Punktsprung nach oben (Illustration, kein statistischer Beleg).

Zwei bekanntere Namen aus der Stichprobe zeigen dieselbe Ambivalenz von der anderen Seite: Xabi Alonsos Debüt bei Bayer Leverkusen (4:0 gegen Schalke, 05.10.2022, ebenfalls aus einer schwachen Vorserie heraus, Leverkusen wurde später bekanntlich Meister, was das erste Spiel allein natürlich nicht vorausgesagt hätte) und Thomas Tuchels Einstand bei Bayern München (4:2 im Klassiker gegen Dortmund, 24.03.2023).

Verein	Trainerwechsel	Punkte zuvor (Ø 5)	Erstes Spiel
Bayer Leverkusen	Heiko Herrlich → Peter Bosz	2,0	0:1 gegen Borussia Mönchengladbach (23.12.2018)
TSG Hoffenheim	Alfred Schreuder → Marcel Rapp (Interim)	1,6	0:2 gegen RB Leipzig (09.06.2020)
Schalke 04	Felix Magath → Seppo Eichkorn (Interim)	1,4	0:2 gegen Bayer Leverkusen (16.03.2011)
Schalke 04	Seppo Eichkorn → Ralf Rangnick	1,4	0:2 gegen Bayer Leverkusen (20.03.2011)
TSG Hoffenheim	Ralf Rangnick → Marco Pezzaiuoli	1,4	1:2 gegen Werder Bremen (01.01.2011)
VfB Stuttgart	Alexander Zorniger → Jürgen Kramny (Interim)	1,2	1:4 gegen Borussia Dortmund (24.11.2015)

6 Fälle mit dem größten Punktsprung nach unten (Illustration, kein statistischer Beleg).

Der deutlichste Beleg dafür: Peter Bosz verlor sein erstes Spiel als Bayer-Leverkusen-Trainer gegen Gladbach (23.12.2018), obwohl Vorgänger Heiko Herrlich zuletzt mit 2,0 Punkten pro Spiel alles andere als in der Krise steckte. Manchmal bringt der neue Trainer eben auch einfach einen neuen Fehlstart mit.

Diese Einzelfälle sind Illustration, kein Beleg, bei einer Fallzahl von eins pro Spiel taugt jedes einzelne Ergebnis nichts zur Beweisführung. Aussagekräftig sind nur die Gruppen-Werte oben.

Verdikt