Eishockey-Statistiken: Corsi, Fenwick & xG
Available in USLadevorgang...
Die Zeiten, in denen Tore und Assists alles sagten, sind vorbei. Modernes Eishockey wird von Advanced Stats durchdrungen — Metriken, die unter die Oberfläche schauen und verraten, was wirklich auf dem Eis passiert. Für Wetter sind diese Statistiken Gold wert, weil sie Informationen liefern, die in traditionellen Zahlen nicht sichtbar sind. Wer Corsi, Fenwick und Expected Goals versteht, sieht Spiele mit anderen Augen — und findet Value, den andere übersehen.
Nutzen Sie fortschrittliche Daten auf der Hauptseite.
Corsi: Die Basis der Puck-Kontrolle
Corsi misst alle Schussversuche eines Teams bei 5-gegen-5-Situationen — nicht nur Schüsse aufs Tor, sondern auch geblockte Schüsse und Fehlschüsse. Die Idee dahinter ist simpel: Wer mehr Schussversuche generiert, kontrolliert tendenziell das Spiel. Ein Team mit 60 Schussversuchen gegenüber 40 des Gegners dominiert das Geschehen, unabhängig vom Ergebnis.
Der Corsi-For-Percentage (CF%) setzt die eigenen Schussversuche ins Verhältnis zu allen Schussversuchen im Spiel. Ein CF% von 55 bedeutet, dass ein Team 55 Prozent aller Schussversuche generiert hat. Werte über 50 deuten auf Dominanz hin, Werte unter 50 auf Probleme bei der Puck-Kontrolle. Die besten Teams der NHL erreichen CF%-Werte von 55 bis 60, während schwache Teams bei 44 bis 48 liegen.
Für Wetter ist Corsi ein Frühindikator. Ein Team, das starke Corsi-Zahlen hat, aber wenig Tore schießt, erlebt wahrscheinlich Pech — die Leistung ist besser als die Ergebnisse. Umgekehrt deutet ein Team mit schwachem Corsi, aber guten Ergebnissen auf eine Regression hin. Diese Diskrepanzen bieten Value, weil Buchmacher oft auf Ergebnisse reagieren, nicht auf zugrundeliegende Leistungen.
Fenwick: Corsi ohne Blockaden
Fenwick ist eine Variation von Corsi, die geblockte Schüsse ausklammert. Die Logik: Geblockte Schüsse sind teilweise zufällig und spiegeln nicht unbedingt offensive Qualität wider. Ein Schuss, der geblockt wird, war möglicherweise schlecht platziert oder wurde in eine Blockade geschossen. Fenwick fokussiert auf Schüsse aufs Tor und Fehlschüsse — also Versuche, die zumindest die Chance hatten, den Torhüter zu erreichen.
Der Fenwick-For-Percentage (FF%) funktioniert analog zum CF%. Teams mit hohem FF% kontrollieren qualitativ hochwertige Schusschancen. In der Praxis korrelieren Corsi und Fenwick stark, aber es gibt Situationen, in denen Fenwick präzisere Einblicke bietet — etwa bei Teams, die viele Schüsse blocken oder deren Gegner besonders viele Schüsse durchlassen.
Die Differenz zwischen Corsi und Fenwick kann aufschlussreich sein. Ein Team, das deutlich besser in Fenwick als in Corsi abschneidet, profitiert möglicherweise von einem gegnerischen Shot-Blocking-Schema. Diese Nuancen sind für tiefere Analysen relevant, aber für die meisten Wetter ist Corsi der praktischere Ausgangspunkt.
Expected Goals: Die Königsdisziplin
Expected Goals — kurz xG — ist die fortschrittlichste Metrik im Eishockey-Analytics-Arsenal. xG bewertet jeden Schuss basierend auf seiner Torwahrscheinlichkeit, unter Berücksichtigung von Faktoren wie Schussdistanz, Schusswinkel, Schussart, vorherige Ereignisse und Spielsituation. Ein Schuss aus dem Slot hat einen höheren xG-Wert als ein Weitschuss von der blauen Linie.
Die xG-Differenz — erwartete Tore für minus erwartete Tore gegen — zeigt, ob ein Team mehr oder weniger Torchancen kreiert als es zulässt. Ein Team mit positiver xG-Differenz erzeugt systematisch bessere Chancen als der Gegner. Langfristig korreliert xG stark mit tatsächlichen Torverhältnissen, kurzfristig kann es jedoch erhebliche Abweichungen geben.
Für Wetter ist die Differenz zwischen tatsächlichen Toren und xG besonders interessant. Ein Team, das deutlich über seinem xG scored, profitiert von überdurchschnittlicher Torschützenqualität oder Glück — beides ist nicht unbegrenzt nachhaltig. Umgekehrt ist ein Team, das unter seinem xG scored, ein Kandidat für eine Leistungssteigerung. Diese Diskrepanzen sind klassische Value-Indikatoren.
Praktische Anwendung für Wetten
Die Integration von Advanced Stats in den Wettprozess erfordert systematisches Vorgehen. Der erste Schritt ist der Zugang zu den Daten — Websites wie Natural Stat Trick, Hockey Reference oder Evolving Hockey bieten kostenlose und detaillierte Statistiken. Diese Ressourcen sollten vor jeder Wette konsultiert werden, nicht nur gelegentlich.
Der Vergleich von Corsi/Fenwick mit tatsächlichen Ergebnissen offenbart Kandidaten für Regression. Ein Team, das bei CF% von 53 Prozent liegt, aber eine negative Torbilanz hat, ist unterbewertet. Die Buchmacher sehen die Niederlagen, aber nicht die dominante Spielkontrolle. Solche Situationen bieten Value auf den vermeintlichen Underdog — seine Leistung ist besser als sein Ruf.
Die xG-Analyse hilft bei Over/Under-Wetten besonders. Wenn ein Spiel zwischen zwei Teams mit hohen xG-Werten stattfindet, tendiert das Ergebnis zu Over. Umgekehrt deuten niedrige xG-Werte auf defensive, torarme Partien hin. Diese Einschätzung ist präziser als die simple Betrachtung von Tore-pro-Spiel-Durchschnitten, weil xG die Qualität der Chancen einbezieht.
Torhüter in der xG-Welt
Die Differenz zwischen erwarteten und tatsächlichen Gegentoren zeigt die wahre Leistung eines Torhüters. Ein Goalie mit einer xG-Against von 3.0, der nur 2 Tore kassiert, hat über Erwartung gehalten. Die Metrik Goals Saved Above Expected (GSAx) quantifiziert genau das: Wie viele Tore hat der Torhüter mehr oder weniger gehalten als statistisch erwartet?
Ein Torhüter mit positivem GSAx über eine Saison hinweg ist wertvoller als seine Save Percentage allein suggeriert. Er hält Schüsse, die andere Goalies durchlassen würden. Für Wetter ist GSAx relevant, weil es die Torhüterqualität von der defensiven Leistung des Teams trennt. Ein mittelmäßiger Goalie hinter einer starken Defensive kann gute Zahlen haben — GSAx deckt das auf.
Die Nachhaltigkeit von GSAx-Extremen ist begrenzt. Torhüter, die weit über Erwartung halten, erleben typischerweise eine Regression. Umgekehrt verbessern sich Goalies mit stark negativem GSAx oft. Diese Muster bieten Wettgelegenheiten, wenn Buchmacher auf aktuelle Ergebnisse statt auf erwartete Leistungen setzen.
Einschränkungen und Vorsichtsmaßnahmen
Advanced Stats sind mächtig, aber nicht allmächtig. Die Modelle haben Grenzen, und blinde Abhängigkeit kann in die Irre führen. Corsi und Fenwick erfassen nicht die Qualität der Schüsse — ein Weitschuss zählt genauso wie ein Rebound aus dem Slot. xG-Modelle variieren je nach Anbieter und Methodik, was zu unterschiedlichen Einschätzungen führen kann.
Kleine Stichproben sind ein Problem. Die ersten zehn Spiele einer Saison liefern keine verlässlichen Advanced-Stats-Grundlagen. Die Varianz ist zu hoch, und zufällige Schwankungen überlagern die tatsächlichen Tendenzen. Wetter sollten Advanced Stats erst nach etwa 15 bis 20 Spielen als primäre Entscheidungsgrundlage nutzen.
Der Kontext ist entscheidend. Ein Team mit starkem Corsi, das gegen schwache Gegner gespielt hat, ist nicht automatisch elite. Die Qualität der Gegner, die Spielstände und situative Faktoren beeinflussen alle Metriken. Fortgeschrittene Analysten adjustieren für diese Faktoren, aber selbst adjustierte Stats erzählen nicht die ganze Geschichte.
Der Informationsvorsprung
Advanced Stats bieten einen echten Vorteil, weil die Mehrheit der Wetter sie ignoriert. Die breite Masse schaut auf Tore, Siege und Tabellenstände — die Oberfläche. Wer Corsi, Fenwick und xG versteht, sieht die Strömungen unter der Oberfläche. Dieses tiefere Verständnis führt zu besseren Vorhersagen und letztlich zu profitableren Wetten. Der Aufwand, diese Metriken zu lernen, zahlt sich aus — nicht sofort, aber systematisch über Zeit.
Diese modernen Kennzahlen sind perfekt, um profitables Value Betting zu betreiben.
