Das Kernproblem
Manche Analysten reden noch immer von „Torquote” und ignorieren das eigentliche Potenzial, das ein Expected-Goals-Modell (XG) im Eishockey freisetzt. Dabei verpassen sie die Chance, Spielerleistung präzise zu quantifizieren, weil sie sich auf rohe Zahlen verlassen, anstatt auf Wahrscheinlichkeitswerte, die das wahre Geschehen auf dem Eis widerspiegeln.
Warum XG im Eishockey anders ist
Im Vergleich zum Fußball ist die Spielzeit kürzer, die Schüsse schneller, das Spielfeld kleiner – das bedeutet, dass herkömmliche XG-Formeln nicht einfach übernommen werden können. Hier kommt die Anpassung ins Spiel: Schusswinkel, Puck-Geschwindigkeit, Bestrafungszeit und sogar das Wetter im Stadion (Kondensation auf dem Eis) beeinflussen die Erwartungswerte.
Die wichtigsten Variablen
Schussdistanz ist nur die Spitze des Eisbergs. Der wahre Killer ist der eishockey xg modell-Parameter „Shot Quality”, der die Kombination aus Winkel, Geschwindigkeit und Torwartposition berücksichtigt. Dann gibt’s noch die „Zone Pressure”, also wie stark das gegnerische Team in der Angriffszone pressiert – das drückt den Puck in die Ecke und erhöht das XG sofort.
Wie man das Modell baut
Erst Daten sammeln: jede Schussaktion, jede Passsequenz, jede Zweikampf-Statistik. Dann Machine Learning ansetzen – Random Forests oder Gradient Boosting, je nach Datenmenge. Wichtig: Nicht überfitten, sonst klingt das Modell nach Wunschdenken. Testen, validieren, dann in Echtzeit einbinden.
Praxisbeispiel: Der Unterschied
Team A hat 30 Schüsse, Team B 20. Auf den ersten Blick scheint Team A überlegen, doch das XG zeigt, dass Team B dank hoher Shot Quality ein XG von 2,5 hat, während Team A nur 1,8. Das erklärt, warum Team B das Spiel gewinnt, obwohl es weniger Abschüsse hat. Ohne XG würde man das völlig übersehen.
Implementierung im Coaching
Trainer müssen das XG nicht nur verstehen, sondern aktiv nutzen. Beim Power-Play gezielt Spieler mit hoher Shot Quality einsetzen, beim Penalty-Kill die Zone Pressure erhöhen. Kurz gesagt: XG wird zum Spiel-Plan-Werkzeug, nicht mehr zum reinen Statistik-Gimmick.
Der schnelle Tipp
Wenn du dein Analyse-Team noch nicht mit XG ausstattest, setz sofort ein kleines Pilot-Projekt auf: Daten aus den letzten fünf Heimspielen, ein einfacher Logistic-Regressor, und du bekommst innerhalb von zwei Wochen einen ersten XG-Score, den du sofort im nächsten Training einsetzt.