Problem: Datenchaos in der xG-Welt
Du sitzt am Schreibtisch, das Dashboard blinkt, aber die Zahlen passen nicht. Unterschiedliche Quellen, unterschiedliche Formeln – und plötzlich ist das Expected Goals‑Modell ein Rätsel. Hier ist der Grund: Ohne einheitliche, verlässliche Datenbank bleibt jeder Versuch ein Schuss ins Dunkle.
Quelle 1: Opta (Now SportsData)
Der Klassiker. Opta liefert Rohdaten, Event‑Logs und sogar xG‑Werte für fast jede Liga. Der Nachteil? Der Preis. Auf dem kleinen Budget hast du hier eher ein Bild von einer Luxuslimousine – beeindruckend, aber kaum zu fahren.
Warum es trotzdem zählt
Wenn du ein Profi‑Projekt hast, greift du hier zu. Die Datenqualität ist unschlagbar, die Granularität bis zum Pass‑Endpunkt. Und das ist genau das, was du brauchst, wenn du die Spieltaktik bis ins kleinste Detail zerlegen willst.
Quelle 2: Understat
Kostenlose, aber trotzdem fein. Unterstat aggregiert xG‑Daten aus mehreren Quellen, normalisiert sie und wirft sie in ein hübsches Interface. Perfekt für den schnellen Überblick, nicht für den tiefen Cut.
Der Knackpunkt
Die Historie reicht nicht so weit zurück wie bei Opta. Und die API ist etwas wackelig, aber für einen ersten Prototypen reicht das locker.
Quelle 3: fbref.com
Hier trifft Fußball‑Statistik auf offene Daten. FBref bietet eine riesige Tabelle mit xG‑Werten, gegliedert nach Saison, Team und Spieler. Der Clou: Alles im CSV‑Format, sofort importierbar.
Der Deal
Mit ein bisschen Python‑Scripting kannst du die Daten in Minuten parsen. Und wenn du den Datensatz kombinierst, entsteht ein Kraftpaket, das jede Modellierung unterstützt.
Quelle 4: Open Source – FiveThirtyEight
FiveThirtyEight publiziert ihr xG‑Modell als Github‑Repo. Du bekommst nicht nur die Werte, sondern auch den Code, der die Zahlen erzeugt. Das ist Gold, wenn du dein eigenes Modell verfeinern willst.
Vorsicht
Der Fokus liegt auf der amerikanischen Liga. Für die Bundesliga musst du die Daten erst anpassen, aber das ist kein Hexenwerk, das ist ein kleiner Hack‑Job.
Quelle 5: Transfermarkt (via Scraping)
Ja, du hast richtig gelesen. Transfermarkt enthält xG‑Werte in den Match‑Reports. Einen eigenen Scraper zu bauen, kostet Zeit, aber das Ergebnis ist ein maßgeschneiderter Datensatz, exakt auf deine Bedürfnisse zugeschnitten.
Der Haken
Rechtliche Grauzone. Du musst die Regeln prüfen und sicherstellen, dass du nicht gegen die Nutzungsbedingungen verstößt. Aber in vielen Fällen ist das Risiko überschaubar.
Praktischer Tipp: Kombiniere das Beste
Die wahre Power entsteht, wenn du Opta‑Daten für die Kernwerte, Understat für den Schnellcheck, FBref für historische Tiefe und FiveThirtyEight für das Modell‑Know‑how zusammenfügst. Und das Ganze gliedert sich nahtlos in deine Analyse‑Pipeline, die du auf aibundesligaprognose.com bereitstellst.
Letzter Schuss: Actionable Advice
Richte dir heute einen automatisierten Pull‑Job ein: Opta‑API für Live‑Updates, FBref‑CSV für Archiv, und ein kleiner Scraper für Transfermarkt‑Korrekturen. Dann hast du das komplette Bild – und spielst damit nicht mehr im Dunkeln.
