Eishockey Statistiken für Wetten: Corsi, Fenwick und Expected Goals
Warum fortgeschrittene Statistiken zählen
Tore und Punkte erzählen nicht die ganze Geschichte. Ein Team, das 3:2 gewinnt, aber nur zehn Schüsse abgab, hatte Glück. Ein Team, das 2:3 verliert, aber 40 Schüsse produzierte, verdiente mehr. Fortgeschrittene Statistiken quantifizieren diese Unterschiede und helfen, nachhaltige Leistung von Zufall zu trennen.
Die analytische Revolution hat das Eishockey erfasst. NHL-Teams beschäftigen Statistik-Abteilungen, die jeden Spielzug auswerten. Diese Daten sind größtenteils öffentlich zugänglich. Wetter, die sie nutzen, haben einen Vorteil gegenüber jenen, die nur auf Ergebnisse schauen.
Die wichtigsten Metriken für Wetter sind Corsi, Fenwick und Expected Goals. Jede misst etwas anderes, alle ergänzen sich. Das Verständnis dieser Zahlen erfordert Einarbeitung, zahlt sich aber in besseren Wettentscheidungen aus.
Die Buchmacher nutzen diese Statistiken ebenfalls. Die Quoten reflektieren nicht nur vergangene Ergebnisse, sondern auch zugrunde liegende Leistungsdaten. Wer die Metriken versteht, versteht besser, warum eine Quote so ist, wie sie ist.
Corsi und Fenwick: Schussversuche als Grundlage
Corsi zählt alle Schussversuche: Schüsse aufs Tor, geblockte Schüsse und Schüsse, die das Tor verfehlen. Die Logik: Wer mehr Schüsse abgibt, kontrolliert das Spiel besser. Corsi For Percentage (CF%) zeigt, welchen Anteil an Schussversuchen ein Team für sich verbucht. Bei 55 Prozent CF% produziert das Team 55 von 100 Schussversuchen.
Fenwick ist Corsi ohne geblockte Schüsse. Die Idee: Geblockte Schüsse können durch gegnerische Taktik erzwungen werden, nicht nur durch eigene Aktivität. Fenwick isoliert die Schussversuche, die tatsächlich das Tor oder den Bereich daneben erreichen.
Beide Metriken werden typischerweise für 5-gegen-5-Situationen berechnet, also ohne Powerplay und Penalty Kill. Diese Bereinigung macht Teams vergleichbarer, weil Special-Teams-Unterschiede herausgerechnet werden.
Ein Team mit 55 Prozent CF% über die Saison dominiert seine Gegner. Das bedeutet nicht automatisch mehr Siege, aber es bedeutet nachhaltige Kontrolle. Teams mit hohem Corsi aber wenigen Siegen sind oft Kandidaten für Aufholphasen, wenn die Torwart-Performance oder das Shooting-Glück sich normalisiert.
Die Schwäche von Corsi und Fenwick liegt in der fehlenden Qualitätsbewertung. Ein Schuss von der blauen Linie zählt gleich viel wie ein Schuss aus dem Slot. Diese Limitierung führte zur Entwicklung von Expected Goals.
Score Effects verzerren Corsi-Werte. Ein führendes Team zieht sich zurück und gibt Schussversuche ab. Ein zurückliegendes Team drückt und produziert mehr Corsi. Score-Adjusted Corsi korrigiert diesen Effekt und zeigt die wahre Dominanz.
Zone Starts beeinflussen individuelle Corsi-Werte. Spieler, die häufiger in der Offensivzone starten, haben automatisch bessere Zahlen. Die Bereinigung nach Zone Starts macht Spielervergleiche fairer.
Expected Goals: Die Qualität der Chancen
Expected Goals, abgekürzt xG, bewertet jeden Schuss nach seiner Torwahrscheinlichkeit. Ein Schuss aus dem Slot mit freier Sicht hat vielleicht 15 Prozent Torchance. Ein Schuss von der blauen Linie durch Traffic hindurch hat vielleicht 2 Prozent. xG summiert diese Wahrscheinlichkeiten zu einer erwarteten Torzahl.
Ein Team, das 2,8 xG For und 2,2 xG Against pro Spiel produziert, kreiert bessere Chancen als der Gegner. Das xG-Differential von +0,6 zeigt nachhaltige Überlegenheit, auch wenn die tatsächlichen Tore variieren.
Der Vergleich von Toren und xG offenbart Glück und Pech. Ein Team, das 60 Tore bei 50 xG erzielt hat, schießt über seinen Erwartungen. Diese Überperformance ist meist nicht nachhaltig und normalisiert sich über die Zeit. Umgekehrt sind Teams mit weniger Toren als xG Kandidaten für Aufholphasen.
Torhüter-xG isoliert die Leistung im Tor. Ein Goalie, der 100 Tore kassiert hat, obwohl das xG Against 120 war, hat 20 Tore mehr gehalten als erwartet. Diese Überperformance zeigt echte Qualität oder glückliches Timing. Die Unterscheidung erfordert weitere Analyse.
High-Danger xG konzentriert sich auf Chancen aus dem gefährlichsten Bereich vor dem Tor. Diese Metrik ist noch aussagekräftiger, weil sie die wirklich guten Gelegenheiten isoliert.
Die verschiedenen xG-Modelle unterscheiden sich in Details. Moneypuck, Natural Stat Trick und Evolving Hockey haben jeweils eigene Berechnungen. Die Grundidee ist gleich, aber die konkreten Werte können variieren. Konsistenz in der Nutzung einer Quelle vermeidet Verwirrung.
Praktische Nutzung für Wetten
Die Analyse vor einem Spiel beginnt mit dem Vergleich der xG-Werte beider Teams. Ein Team mit xG For von 3,2 gegen eines mit 2,4 sollte mehr Chancen kreieren. Ob diese Chancen in Tore umgewandelt werden, hängt von Torhütern und Shooting-Prozenten ab.
Formkurven über die letzten fünf bis zehn Spiele sind aussagekräftiger als Saisonstatistiken. Ein Team, das zu Saisonbeginn schwach war, aber in den letzten zehn Spielen 55 Prozent CF% hatte, ist stärker als die Saisonstatistik zeigt.
Die Kombination mit Ergebnissen offenbart Diskrepanzen. Ein Team, das die letzten fünf Spiele verloren hat, aber dabei 52 Prozent xGF% erreichte, hatte Pech. Die Quoten reagieren auf Ergebnisse, nicht auf zugrunde liegende Leistung. Hier liegt Value.
Over/Under-Wetten profitieren besonders von xG-Analyse. Die Summe der xG For beider Teams gibt eine bessere Schätzung der erwarteten Tore als historische Durchschnitte. Hohe Summen deuten auf Over, niedrige auf Under.
Spielerpropositionen nutzen individuelle xG-Werte. Ein Stürmer, der 0,4 xG pro Spiel produziert, hat gute Chancen auf Tore, auch wenn er gerade eine Durststrecke hat. Die Statistik liefert Argumente für Anytime-Goalscorer-Wetten.
Matchup-spezifische Analysen erhöhen die Genauigkeit. Wie performt Team A gegen defensivstarke Gegner? Wie sieht der xG-Split Heim gegen Auswärts aus? Diese Verfeinerungen machen die Analyse präziser.
Die Regression zur Mitte ist ein Kernprinzip. Teams mit extremen Shooting-Prozenten, ob hoch oder niedrig, tendieren zum Durchschnitt zurück. Diese Normalisierung vorherzusagen, schafft Wettgelegenheiten.
Tools und Datenquellen
Natural Stat Trick ist die umfassendste kostenlose Quelle für NHL-Statistiken. Corsi, Fenwick, xG und dutzende weitere Metriken sind verfügbar, filterbar nach Spielsituation, Zeitraum und Gegner.
Moneypuck bietet ähnliche Daten mit Fokus auf Prognosen. Die Seite berechnet Playoff-Wahrscheinlichkeiten und Spielausgangschancen basierend auf fortgeschrittenen Metriken. Diese Einschätzungen können mit Buchmacher-Quoten verglichen werden.
Hockey Reference liefert historische Daten und einfache Statistiken. Für schnelle Überblicke ohne Tiefenanalyse ist die Seite ideal. Die Benutzeroberfläche ist zugänglicher als bei spezialisierten Analytik-Seiten.
Evolving Hockey und All Three Zones bieten Premium-Analysen für ernsthafte Wetter. Die Abonnements kosten Geld, liefern aber Daten und Modelle, die kostenlose Quellen nicht bieten.
Für europäische Ligen sind die Datenquellen begrenzter. Die DEL und andere Ligen haben weniger öffentliche Analytik. Wer hier Value finden will, muss oft eigene Daten sammeln oder auf spezialisierte Anbieter zurückgreifen.
Twitter und Reddit bieten Communities, die Statistiken diskutieren. Die Eishockey-Analytik-Szene ist aktiv und teilt Erkenntnisse. Das Folgen der richtigen Accounts liefert aktuelle Analysen und neue Perspektiven.
Statistiken als Teil der Analyse
Fortgeschrittene Statistiken ersetzen keine Spielanalyse, sie ergänzen sie. Ein Spiel zu schauen liefert Kontext, den Zahlen nicht vermitteln. Verletzte Spieler, Trainerwechsel und Teamchemie fließen nicht in Corsi ein.
Die Lernkurve ist steil, aber lohnend. Wer Corsi, Fenwick und xG versteht, sieht Eishockey anders. Die Analyse wird tiefer, die Wettentscheidungen besser fundiert, und die Trefferquote steigt über Zeit.
Der Einstieg beginnt mit einer Metrik. xG ist am intuitivsten, weil sie direkt auf Tore bezogen ist. Nach dem Verständnis von xG folgen Corsi und Fenwick als ergänzende Perspektiven. Diese schrittweise Einarbeitung verhindert Überforderung.
Die Zeit für Statistik-Analyse variiert je nach Anspruch. Fünf Minuten pro Spiel für eine Basis-Überprüfung sind machbar. Tiefere Analysen mit Matchup-Statistiken und Spieler-Splits erfordern mehr Zeit. Der Aufwand sollte zum Einsatzvolumen passen.
Die wichtigste Erkenntnis: Zahlen lügen nicht, aber sie erzählen nicht alles. Die Integration von Statistiken in eine breitere Analyse, die auch Formkurven, Nachrichten und Spielbeobachtung umfasst, liefert die besten Ergebnisse.