Expected Goals (xG) im Handball: Die fehlende Metrik
Handball ist ein rasanter Sport mit hohem Volumen und feinen Margen. Dennoch analysieren wir ihn wie vor 20 Jahren: “5 Tore bei 8 Versuchen”. Aber waren es einfache Würfe? Waren es erzwungene Situationen?
Hier kommt xG (Expected Goals / Erwartete Tore) ins Spiel – eine Metrik, die Intuition in Wissenschaft verwandelt.
Von der Intuition zur Revolution: Eine kurze Geschichte der xG
Das Konzept der Expected Goals ist nicht neu. Obwohl seine statistischen Wurzeln bis in die 50er Jahre zu Pionieren wie Charles Reep zurückreichen, explodierte die moderne Version, die wir heute kennen, im Fußball etwa um 2012-2013 .
Analysten wie Sam Green (Opta) begannen zu zeigen, dass das bloße Zählen von Schüssen unzureichend war; man musste die Qualität dieser Schüsse messen. Was in Nischenblogs begann, veränderte schließlich die Premier League und die Champions League. Heute verpflichtet kein Elite-Fußballverein einen Stürmer, ohne auf dessen xG zu schauen.
Die Wüste des Handballs
Während Fußball, Basketball (mit Moreyball ) und Baseball ihre Datenrevolution erlebten, blieb der Handball zurück. Warum?
- Komplexität: Handball ist viel dynamischer und flüssiger als Sportarten wie Baseball.
- Datenmangel: Bis vor kurzem gab es keine Kultur der detaillierten Ereigniserfassung (Wurfkoordinaten, Art der Verteidigung).
Neuere Studien wie die von Mortelier et al. (2023) haben jedoch gezeigt, dass man sehr präzise Vorhersagemodelle erstellen kann, indem man einfach die Wurfposition nutzt, ohne extrem teure Tracking-Technologien zu benötigen. Dies bestätigt wissenschaftlich, dass zugängliche Tools wie Eventum Daten auf Profi-Niveau liefern können.
“Fortschrittliche Analytik ist kein Wettbewerbsvorteil mehr, sie ist eine Voraussetzung, um nicht zurückzufallen.”
Der Ansatz von Eventum: Präzision und Kontext
Bei Eventum haben wir xG nicht nur an den Handball angepasst; wir haben es neu aufgebaut, mit Blick auf die Realität des Spielfelds.
Um die Torwahrscheinlichkeit (0 bis 1) für jede Aktion zu berechnen, verknüpft unser Algorithmus kritische Variablen:
- Wurftyp: Wir unterscheiden drastisch zwischen einem Durchbruch, einem Rückraumwurf, einem Wurf vom Kreis oder einem Gegenstoß der ersten Welle.
- Spielfeldgeometrie: Der Standort ist entscheidend. Wie die Wissenschaft zeigt, variiert die Wahrscheinlichkeit je nach Zone enorm.
Visualisierung der Wahrscheinlichkeit
Beobachten Sie, wie sich die Wurfeffizienz je nach Position auf dem Spielfeld ändert. Die Daten zeigen, dass zentrale Zonen statistische “Goldgruben” sind, während spitze Winkel die Erwartung drastisch senken.
Abbildung: Beispiel für die Verteilung der Erfolgswahrscheinlichkeit je nach Wurfzone (Quelle: Adams et al.). Beachten Sie, wie die Wahrscheinlichkeit von 70 % in der zentralen 6m-Zone auf 44 % bei weiten seitlichen Würfen fällt.
Unser Modell bestraft spitze Winkel von den Außenpositionen und belohnt zentrale Zonen, basierend auf historischen Daten von Tausenden von Würfen. Studien zur Shot Density (Wurfdichte) bestätigen beispielsweise, dass es zwar viele Würfe aus 9 Metern gibt, die Effizienz jedoch sprunghaft ansteigt, sobald die 6-Meter-Linie betreten wird, wo der Angreifer oft ohne direkte Störung durch die Abwehr vor dem Torwart steht.
Inspiration und Wissenschaft: Die Methode Anselmo Ruiz
Unser Modell ist keine “Black Box”. Die Datenbank und die Berechnungsmethodik sind stark von der Forschungs- und Analysearbeit von Anselmo Ruiz (@anselmoraq) inspiriert. Sein Ansatz bestätigt, dass der Kontext des Wurfs (Gegnerdruck, Geschwindigkeit, Winkel) entscheidend für den langfristigen Erfolg ist.
Dein Team, dein Modell
Wir wissen, dass Handball keine reine Mathematik ist; es ist Kontext. Deshalb demokratisiert Eventum die Analyse und bietet, was kein anderer bietet: Totale Flexibilität .
- Standardmodell: Nutzen Sie unseren Standardalgorithmus, der mit Tausenden von Datenpunkten kalibriert wurde, um sofortige Präzision zu liefern.
- Benutzerdefiniertes Modell: Ist Ihre Liga anders? Glauben Sie, dass der xG-Wert von Rechtsaußen im Jugendbereich niedriger ist? Eventum ermöglicht es jedem Benutzer, die xG-Werte anzupassen und ein Modell zu erstellen, das Ihrer taktischen Vision entspricht.
Referenzen zur Vertiefung
Wenn Sie mehr über die Wissenschaft hinter der Torwahrscheinlichkeit lesen möchten, empfehlen wir folgende Quellen:
- Mortelier, A., Rioult, F., & Komar, J. (2023). “What data should be collected for a good handball Expected Goal model?”.
- Adams, M. et al. (2023). “Expected Goals Prediction in Professional Handball using Synchronized Event and Positional Data”.
- Gómez, M.A. et al. (2014). “Performance analysis of elite handball teams”.
Eventum ist das Werkzeug, das Data Science mit der Taktiktafel des Trainers verbindet.