Expected Threat (xT) – Ehre, wem Ehre gebührt




"90% of the decision makers in football are not data driven." Tom Randolph


Die Bewertung der Auswirkungen der einzelnen Aktionen auf das Spiel ist eine wichtige Aufgabe in der Fussball Datenanalyse. Leider sind sowohl die traditionellen Metriken (Schüsse und Vorlagen) als auch die kontextabhängigen Nachfolger (Expected Goals und Expected Assists) bei der Bewältigung dieser Aufgabe unzureichend, da sie sich nur auf seltene Aktionen wie Schüsse und Tore konzentrieren.


Tore und Schüsse machen weniger als 1 % aller Aktionen aus.

Die prominenteste analytische Metrik im Fussball ist Expected Goals (xG). Sie hilft bei der Messung der prozentualen Wahrscheinlichkeit, dass ein Schuss ins Tor geht. Der Parameter "Expected Goal" berücksichtigt verschiedene Aspekte wie die Entfernung zum Tor, die Art des Schusses, den Körperteil, mit dem der Spieler den Schuss abgegeben hat, und die Situation, in der der Schuss abgegeben wurde.


xG hilft aber «nur» bei der Bewertung der Torwahrscheinlichkeit eines Schusses. Und Expected Assists (xA) misst «nur» die Qualität einer Vorlage. Aber was ist mit den der Torchance vorangegangenen Aktionen?


Die Aktionen und Pässe die vor dem letzten Pass oder dem Schuss ausgeführt wurden, werden von xG und xA nicht berücksichtigt. Somit bleibt vom Spieler-Beitrag nach vorne, vom Offensivbeitrag der Spieler ganz schön viel im Dunkeln. Der Spielaufbau, die Verlagerung, der Pass durch das Mittelfeld, das Andribbeln, das Dribbling in den Zwischenräumen, die Beschleunigung um Meter zu gewinnen, der Steckpass auf den Flügel etc.


Im Idealfall möchten wir jeder von einem Spieler ausgeführten Aktion einen Wert zuweisen, der angibt, wie hilfreich diese Aktion für den Gewinn des Spiels war.


Expected Threat (xT)

Hier schafft Expected Threat (xT), auf Deutsch die erwartete Bedrohung, Abhilfe. Das Konzept wurde erstmals 2011 von Sarah Rudd eingeführt, bevor es 2018 von Karun Singh in die derzeit am häufigsten verwendete Definition umgewandelt wurde.


Das Konzept ist einfach und genial zugleich. Die Wahrscheinlichkeit, in den nächsten Aktionen ein Tor zu erzielen, hängt stark von der Entfernung zum Tor ab. Je näher wir den Ball zum Tor bringen, desto grösser wird die Wahrscheinlichkeit ein Tor zu erzielen. Logisch.

Daraus folgt, dass die wertvollsten Aktionen, abgesehen von Torschuss & Assist, diejenigen sind, die den Ball näher zum Tor bringen.

Expected Threat (xT) verleiht allen einem Tor oder einem Schuss vorangegangenen Aktionen seine Anerkennung und würdigt sie mit einem Wert. Damit kann bei jeder Aktion die Beteiligung aller involvierten Spieler ausgewiesen werden.

Die Grundidee von xT besteht darin, das Spielfeld in ein Raster zu unterteilen, wobei jeder Zelle eine Tor-Wahrscheinlichkeit zugeordnet wird. Jeder Zone wird ein Wert zugewiesen, der widerspiegelt, wie torgefährlich die Mannschaften an diesem Ort sind.



Expected Threat (xT) 16x12 framework
----> Spielrichtung Expected Threat (xT) 16x12 framework


Datengrundlage Eventdaten (Ereignisdaten)

Als Datengrundlage verwendet man Spiel-Eventdaten (Ereignisdaten). Diese werden den Vereinen von professionellen Providern via API Interface und pro Liga angeboten. Die Analyse dieser Ereignisdaten ist komplexer und aufwändiger als die Analyse von rein quantitativen Daten (Stats). Sie bedingt Analytics Knowhow und auch Ressourcen. Denn pro Spiel werden mehrere tausend Events und hunderttausend Datenpunkte erfasst. Jede einzelne Aktion wie Pass, Dribbling, Ballmitnahme etc wird inklusive der x und y Koordinaten bzw den Start- und die Endkoordinaten (Position) erfasst.


Unten ein Beispiel eines einzelnen Pass-Events inklusive Start- und Endkoordinaten.

Wyscout pass event JSON
Wyscout pass event JSON


Expected Threat (xT) weist aus, wie sich die Wahrscheinlichkeit, ein Tor zu erzielen, vor und nach der Aktion verändert. Jetzt kann man den xT Positions-Wert jeder Aktion anhand der Differenz von Startwert und Endwert kalkulieren. Auf diese Weise können wir allen Aktionen auf dem ganzen Spielfeld und allen Spielern gemäss ihren Beitrag am Spielzug einen Wert geben.


Selbstverständlich kann ein Pass auch einen negativen xT Wert bekommen. Zum Beispiel durch einen Rückpass in eine weniger gefährliche Zone.





Expected Threat (xT) Beispielangriff und Werte


Expected Threat (xT) Spielzug
Expected Threat (xT) Spielzug

Die obige Aktion im Wortlaut: Der Torhüter passt auf den linken Innenverteidiger (0 xT). Dieser verlagert auf den rechten Innenverteidiger (0.001 xT), der wiederum auf den aufgerückten und reinziehenden Aussenverteidiger spielt (0.005 xT). Danach folgt ein Rückpass auf den zentralen Mittelfelspeiler (0 xT) der eine weite Verlagerung auf den linken Aussenverteidiger spielt (0.11 xT). Dieser treibt den Ball nach vorne (0.06 xT) und spielt einen genialen Pass auf den vorderlaufenden Flügel der die Tiefe angreift (0.09 xT). Dieser findet wiederum mit einem Flachpass den Mittelstürmer der alleine vor dem Tor steht (0.115 xT) und mit einem tollen Schuss in den oberen linken Winkel ein toll herausgespieltes Tor erzielt. Grosser Jubel auf den Rängen.


Bei dieser Aktion würde mit xA und xG nur der Assist und der Torschuss ausgewiesen. Mit Expected Threat bekommen nun alle am Angriff involvierten Spieler ihre Würdigung und ihren Beitrag an der Aktion gutgeschrieben. Damit ist Expected Threat ein tolle Metrik, die allen Ballaktionen einen definierten Wert gibt.


So sammelt jeder Spieler während eines Spiels und während der Saison kontinuierlich xT Punkte auf sein Konto. Und dadurch kann der Offensivbeitrag aller involvierten Spieler pro Aktion, Spiel oder Saison ausgewiesen werden.




Bayern München vs Borussia Dortmund

Unten folgt eine animierte 2D Sequenz aus dem Spiel vom 6.März 2021 FC Bayern vs Borussia Dortmund. Der BVB verliert zwar 4:2 erzielt aber ein Tor mit einem tollen Spielzug. Dahoud (8) an der Mittellinie verlagert auf die andere Seite auf den aufgerückten Schulz (14),

Dieser treibt den Ball weiter nach vorne und bindet einen Gegenspieler. Reus (10) cuttet diagonal in den Strafraum und wird sensationell angespielt. Reus legt zum Schluss auf den heranstürmenden Haaland (9) quer, der an Neuer vorbei einschiebt. Schau Dir doch den Angriff ein paarmal an. Wem würdest Du wieviel Prozente Cedits/Anteile an dem Tor gutschreiben? (2D Animation by @lastrowview)



Mit dem herkömmlichen xA/xG Modell würden nur Reus durch die Vorlage und Haaland (0.69 xG) durch den Torschuss belohnt werden. Die starke Vorarbeit von Dahoud (Verlagerung eröffnet neue Möglichkeitsräume) und Schulz (Ball treiben, Gegner fixieren und Pass in Strafraum) bliebe in den xA/xG Daten ungewürdigt.


Mit dem beschriebenen Expected Threat (xT) Modell würden nun alle an der Aktion beteiligten Spieler mit entsprechenden Werten belohnt werden. Auch Dahoud 0.05xT und Schultz 0.26xT. Ehre dem, dem Ehre gebührt.


Coaches wollen im Grundsatz nicht die Metrik und deren Logik im Detail verstehen. Sie wollen einfach wissen, wie wertvoll die einzelnen Aktionen der Spieler für das Resultat waren.



(Kleine) Expected Threat (xT) Aufgabe


Nehmen wir an, dass Du als Flügelspieler nach einem tollen Tiefenlauf den Ball in der seitlichen Zone des Strafraum (grün eingefärbte Zone) erhältst?



Der Raum im Fünfmeter vor dem Tor ist logischerweise von den gegnerischen Verteidigern besetzt worden. In welche Zone solltest Du nun Deinen Pass spielen, um direkt die höchstmögliche Torchance zu generieren?


Was lässt sich daraus für ein Spielprinzip ableiten?






Expected Threat (xT) in der Praxis

Auf Spielerebene können wir, wie gesagt, mit xT den Wert aller Aktionen pro Spieler, Spiel oder Saison ausweisen und auch einige spannenden Fragen beantworten. Wer generiert am meisten xT? Wer verliert immer wieder xT durch häufige Rückpässe oder Risikopässe? Wer generiert in welchen Zonen am meisten xT? Wie performen meine Verteidiger im Vergleich zu den Spitzenteams? etc.

Hier ein Beispiel aus der belgischen Pro Liga. Welche Spieler haben bisher pro Zone den höchsten xT Wert erzielt?



xT Leaders by zone Belgian Pro League
xT Leaders by zone Belgian Pro League



Expected Threat (xT) threat zones analysis
Expected Threat (xT) threat zones analysis



Auf Mannschaftsebene können wir mit xT zum Beispiel herausfinden, von welchen Zonen aus und mit welchen Spielern unser Team in einem Spiel oder über die ganze Saison am meisten Gefahr produziert.


Dies gilt in der Gegeneranalyse selbstverständlich auch für den Gegner.














Im Scouting werden Eventdaten (ausser in den Top5 Ligen) noch wenig verwendet. Der xT Beitrag eines Spielers ist eine wichtige und intelligente Metrik in Bezug auf Raumgewinn und Offensivbeitrag. Der ausgewiesene xT Beitrag der Spieler kann unsere Wahrnehmung überraschen, da unser Verstand Gefahr läuft, sich von den wenigen Glanzaktionen blenden zu lassen. Und die vielen banalen Aktionen zu verschmähen. Aber Daten lügen nicht und haben keine Lieblingsspieler.


Ein Verein der nicht "nur" quantitative Daten, sondern auch Eventdaten und xT im Scouting einsetzt, hat Vorteile. Er ist in der Lage Spieler zu erkennen, deren Offensiv-Wert weniger offensichtlich ist und Spieler die die anderen Vereine nicht auf dem Radar haben. Weil sie mit einer anderen Scouting Brille und einem gröberen Scouting Sieb arbeiten.


Wer wie die Masse sucht, findet auch nur Massenware


Eventdaten - viel mehr als Expected Threat (xT)

In der Spielanalyse verfügt man mit Eventdaten über eine grossen Detaillierungsgrad. Die Möglichkeiten übersteigen bei weitem die der reinen quantitativen Volumendaten. Man kann das Spiel in Einzelteile zerlegen, und sehr detaillierte Analysen tätigen. Shot maps, Expected threat Werte und Zonen , Pass Netzwerke und Durchschnittspositionen sind nur einige der möglichen Anwendungen. Es lassen sich auch vereinsspezifische Metriken entwickeln.




Denn Zugang zu den Daten haben unterdessen alle. Aber nur wenige haben auch die Kultur, die Fähigkeiten und die Prozesse, um das beste aus den Daten herauszuholen.


Wir empfehlen Fussballvereinen nicht nur Daten einzukaufen, sondern auch internes Know-How in der Nutzung und Interpretation von Daten mittels praxisorientierten Data Analytics Projekten und Experimenten aufzubauen.





footballytics – we know how to make the data talk

Wir verbinden die Kompetenzen Fussball-Taktik, Scouting und DataAnalytics und beraten und unterstützen Vereine beim Interpretieren und Nutzen von Daten, um im Scouting und in der Spielanalyse datenvalidiert bessere Entscheidungen zu treffen.


Hat Dir unser Blog gefallen? Um keinen Beitrag zu verpassen kannst Du den Blog hier abonnieren. Oder Teile diesen Beitrag auf den sozialen Netzwerken via untenstehenden Schaltflächen.


 

Blog von www.footballytics.ch Über Data Analytics Themen im Fussball - improve the game - change the ǝɯɐƃ

Teilen Sie diesen Beitrag

0 Kommentare

Aktuelle Beiträge

Alle ansehen