
Update: Beitrag wurde aktualisiert, mit den finalen Werten der Saison 2023-24 und auch der Saison 2024-25 vom Dezember 2024.
Wer liebt sie nicht, die Spieler die mit einem Pass die ganz Abwehr aushebeln, die ein Anspiel finden wo eigentlich kein Raum ist, die überraschende und kreative Lösungen finden?
Wir zeigen auf, wie wir die Passgefahr bzw. die Kreativität quantifizieren und im Scouting einsetzen können.
Passgefahr 1.38 ist der Benchmark. 1.38 ist Weltklasse. 1.38 ist Lionel Messi.
Das ist Messi's Passgefahr-Wert der letzten Saison 2022-23.
Es gibt aktuell zwei Spieler, die in dieser Saison bisher den Wert von Messi sogar übertreffen. Mehr dazu aber später.
Welche Spieler produzieren mit ihren Pässen die grösste Torgefahr?
Dies ist eine essentielle Frage im Scouting. Das ist vor allem für Mittelfeldspieler und Flügelspieler ein sehr wichtiges und relevantes Auswahl-Kriterium im Scouting. Wir zeigen auf wie man die Passgefahr quantifizierbar macht.
Die Passgefahr kann man auch als Kreativität betrachten. Kreative Spieler tun Unerwartetes und ihre Aktionen sind mehr als nur nützlich. Jeder Verein möchte kreative Spieler und den nächsten De Bruyne verpflichten.
Expected Threat (xT)
Um zu versuchen die Frage nach der grössten Passgefahr zu beantworten, gibt es verschiedene Ansätze. Einen starken Ansatz mit Expected Threat (xT) haben wir bereits in folgendem Blog aufgezeigt: Bundesliga Expected Threat: Die beste offensive Metrik
Diese Methode mit Expected Threat (xT) bedingt aber, dass man über Event Daten (jede einzene Aktion aufgezeichnet, 2'000 Events pro Spiel) verfügt. Diese Daten sind teuer und stehen nur wenigen Vereinen zur Verfügung. Zudem sind Event Daten auch nur für eine beschränkte Anzahl Ligen verfügbar. Für zweite oder drittte Ligen sind die Daten nicht verfügbar.
Was nützt uns das beste Werkzeug, wenn es nur limitiert einsetzbar ist?
Die einfache Methode mit Statistik-Daten
In diesem Blog zeigen wir eine einfache aber trotzdem sehr gute und aussagekräftige Alternativ-Methode auf. Ohne Event Daten, aber "nur" mit statistischen Daten, wie sie viele Provider anbieten. Diese Stats-Daten sind weltweit und für mehrere hundert Ligen verfügbar. Damit können Vereine die Methode einfach und sehr breit, auf praktisch alle Ligen im Scouting anwenden.
Wir haben in Wyscout als Beispiel in Deutschland die statistischen Daten bis Regionalliga, in der Schweiz und Österreich bis zur 2.Liga. Zusätzlich sind auch Daten der U19/17/16 Ligen verfügbar.
Die besten Werkzeuge sind die, die einfach zu handhaben sind und breit angewendet werden können.
Welche Passarten sollen wir berücksichtigen?
In den Daten wird eine Vielzahl von Pässarten erfasst. Aber welche Passarten sollten wir berücksichtigen? In Wyscout werden folgende Passarten erfasst.
Wyscout Pass Types
Passes per 90
Accurate passes, %
Forward passes per 90
Accurate forward passes, %
Back passes per 90
Accurate back passes, %
Lateral passes per 90
Accurate lateral passes, %
Short / medium passes per 90
Accurate short / medium passes, %
Long passes per 90
Accurate long passes, %
Smart passes per 90
Accurate smart passes, %
Key passes per 90
Passes to final third per 90
Accurate passes to final third, %
Passes to penalty area per 90
Accurate passes to penalty area, %
Through passes per 90
Accurate through passes, %
Progressive passes per 90
Accurate progressive passes, %
Deep completions per 90
Deep completed crosses per 90
Crosses per 90
Accurate crosses, %
Crosses from left flank per 90
Accurate crosses from left flank, %
Crosses from right flank per 90
Accurate crosses from right flank, %
Crosses to goalie box per 90
Was sollen wir mit all diesen Metriken bzw. Passtypen anfangen?
Welche Passtypen sind für die Passgefahr bzw. das Erzeugen der Torgefahr relevant?
Welche Passtypen korrelieren am meisten mir der Torgefahr?
Pass Danger Index (PDI)
Das Pass Danger Index (PDI) Konzept stammt von unserem geschätzten Kollegen Ben Griffis.
Es hat zum Ziel die Passgefahr auf einfache Art und Weise zu berechnen und diese in einer Zahl darzustellen. Er hat sich für vier Passtypen bzw Passarten entschieden, die aus seiner Sicht am stärksten mit der produzierten Pass- bzw Torgefahr korrelieren.
Es sind dies:
Shot assist: The last action of a player prior to a teammate having a Shot.
Key pass: A pass that immediately creates a clear goal scoring opportunity for a teammate.
Deep completion: A successful cross or pass that is targeted to the zone within 20 meters of the opponent’s goal.
Smart pass: A creative and penetrative pass that attempts to break the opposition’s defensive lines to gain a significant advantage in attack.
Für die meiste Gefahr sorgt eindeutig die Schussvorlage (Shot Assist). Jeder Pass der direkt zu einem Schuss führt, ist sehr gefährlich. Als zweite Priorität folgen die erfolgreichen Anspiele im Strafraum. Die Deep completions (beinhalten Flanken und Pässe). Dann folgen Pässe die auch im Mittelfeld getätigt werden können. Es sind dies Key Pass mit sofortiger Torgefahr und auch Smart Pass, die man am ehesten mit linienbrechenden Pässen übersetzen kann.
Somit werden im PDI Konzept diese vier Passarten berücksichtigt, die entweder direkt einen Schuss produzieren oder zu einem Anspiel im Strafraum führen oder zu einem signifikanten Raumgwinn in der Konstruktion des Angriffs führen.
Die Berechnung – Harmonisches Mittel
Die allgemeine Berechnung zur Erstellung des PDI ist unkompliziert. Der PDI ist das harmonische Mittel dieser 4 Pass-Variablen. Ein grosser Vorteil eines harmonischen Mittelwerts gegenüber einem Standardmittelwert (arithmetischer Durchschnitt) besteht darin, dass er sowohl das Niveau der Variablen als auch das relative Gleichgewicht zwischen ihnen bewertet.
PDI Formel Das harmonische Mittel von vier Werten A, B, C und D wird wie folgt berechnet:
= 4 / (1/A + 1/B + 1/C + 1/D)
in unserem Kontekt lautet die Formel;
=4/(1/shot assists p90+1/key passes p90+1/deep completions p90+1/smart passes p90)
Beispiel: A. Hakimi, PSG, RWB, 2022-23 (ohne Ballbesitzbereinigung)
Shot assist p90 1.35 Deepl Completions p90 1.96 Key Passes p90 0.65
Smart Passes p90 0.41
PDI = = 4 / (1/1.35 + 1/1.96 + 1/0.65 + 1/0.41) = 0.765
Ein Nachteil des harmonischen Mittels ist, dass wenn eine der Metriken Null ist, auch das Resultat Null beträgt. Somit erhalten Spieler die bei einem der Metriken Null haben, gesamthaft auch keinen Wert. Dies kann vor allem bei Innenverteidigern oder Aussebverteidigern der Fall sein.
Werte Bereinigung - Player Possession Adjustment (ppAdj)
Eine klassische Frage, die wir uns bei der Analyse von Daten immer stellen müssen: Sollten wir die Werte bereinigen? Sollen wir eine Anpassung basierend auf den Ballbesitz vornehmen?
Ja, in diesem Falle werden wir es auch tun. Denn je mehr Ballbesitz, desto mehr Zeit für offensive Aktionen. Je weniger Ballbesitz, desto mehr Zeit für defensive Aktionen. Es wäre nicht sinnvoll und nicht fair, einen Spieler mit 62% Teamballbesitz mit einem Spieler mit 45% Teamballbesitz ohne Anpassung zu vergleichen.
Um Spieler möglichst fair zu vergleichen, bereinigen (adjusten) wir die quantitativen offensiven und defensiven Metriken mit verschiedenen Einheiten. Je nach Metrik pro pro Ballbesitz, pro Pass, pro Touch oder sogar per spezifischen Pass. Es geht darum, den Input mit dem Output in sinnvolle Relation zu bringen. Dies generiert in der Selektion auch Spieler von Teams, mit weniger Ballbesitz und lässt sie scheinen.
Einen detaillierteren Artikel dazu gibt es hier Spieler fair vergleichen
Je stärker die Korrelation zwischen der quantitativen Metrik und der Adjusted-Einheit ist, desto belastbarer und aussagekräftiger wird die Aussage der Datenanalyse.
Für das Adjustment kann man den durchschnittlichen Team-Ballbesitz verwenden. Das ist zwar schon gut, aber nicht ideal, da er auf Team- und nicht auf Spielerebene ist. Wir haben eine eigene Anpassungs-Lösung entwickelt, die dem Ballbesitz auf Spielerebene möglichst nahe kommt und darum sehr fair und aussagekräftig ist. Wir nennen unsere Bereinigungsart Player Possession Adjustment (ppAdj).
Wichtig: Es gibt keine absolut ideale Vergleichweise. Jede Bereinigung hat Vor- und Nachteile. Wenn wir gar nicht bereinigen, werden Spieler von Teams mit viel Ballbesitz massiv überbewertet. Wenn wir mit dem Ballbesitz bereinigen, werden Spieler von Teams mit viel Ballbesitz tendenziell unterbewertet. Dies, weil sie ihre entscheidenden Aktionen oft mit sehr viel Geduld erst im idealen Moment ausführen.
Anwendung der Passgefahr im Scouting
Die Passgefahr (PDI) eignet sich am besten als ergänzende Metrik und nicht als einzelne Metrik zur Bewertung eines Spielers. Tendenziell erreichen natürlich Mittelfeld-Spieler oder Flügelspieler die näher am gegnerischen Tor positioniert sind, auch die höchsten Werte. Bei den Stürmern gehen die Werte aber zurück, da sie vor allem schussorinetiert unterwegs sind. Ein hoher PDI Wert bei einem Stürmer zeigt seine Assisting Qualitäten auf. Bei einem Aussenverteidiger ist die Passgefahr eine wichtige Metrik, um den offensiven Beitrag nach vorne zu messen.
Ein Spieler mit einer hohen Passgefahr ist unabhängig vom Spielsystem und der Strategie in der Lage, mit kreativen Pässen für Torgefahr zu sorgen.
Vergleichen kann man Spieler über eine oder mehrer Ligen. Für das Scouting sind die Direktvergleiche zwingend pro Position zu tätigen und natürlich ist auch die Stärke der Liga zu berücksichtigen. Bei uns gehört die PDI Metrik zu jedem Datenscouting Selektion für einen Verein. Weil einfach die Passgefahr für die Vereine praktisch immer ein relevantes Scouting-Kriterium ist.
Mehr Informationen zu unserem DataScouting im Blog: Moneyball: Mit smartem Datenscouting Potential ausschöpfen
Einschränkung der Methode
Keine Methode ist zu 100% perfekt. Der grösste Nachteil besteht darin, dass einige Pässe doppelt gezählt werden können. Beispielsweise kann ein smart pass oder ein key pass, gleichzeitig auch ein shot assist sein. Diese Doppelspurigkeiten können die Aussage etwas verfälschen, indem sie Spieler besser bewerten, bei denen mehr "doppelte Pässe" vorhanden sind.
Zusätzlich berücksichtigt dieses Modell "nur" die Fähigkeiten des Passgebers. Die Fähigkeiten des Passempfängers um sich in gute Anspielposition zu bringen, wird nicht berücksichtigt.
Aber ich kann mit diesen Nachteilen sehr gut leben, da ich mit einer sehr einfachen Methode, eine qûantifizierbare und wertvolle Zusatzinformation bzw Metrik für mein Scouting bekomme.
Welche Spieler (ausser Messi) fallen Dir spontan ein, wenn Du an erzielte Torgefahr durch kreative Pässe denkst?
Update: Passgefahr Analyse Saison 2024-25
Als kleiner Update die Top 5 und Schweiz Ligen Analyse per Dezember 2024
Unterdessen haben wir auch einen Linebreaking-Index entwickelt, der sich vor allem auf penetrative und linienbrechende Pässe in den Zonen 1 und 2 fokussiert.

Top5 & CH U23

Bundesliga 24-25

U19 Bundesliga 24-25

Super League 24-25

Passgefahr Analyse Saison 2022-23
Um ein erstes Gefühl für die Metrik zu bekommen, verwenden wir die Daten der vergangenen Saison 2022-23. Die Werte basieren auf vielen Spielminuten und sollten unserem Eye-Test standhalten, was ein gutes Zeichen wäre.
Es ist schon sehr reizvoll, dass die PDI Kalkulation eine einzige Zahl herausbringt, in der die Passgefahr enthalten ist. Die Werte liegen erfahrungsgemäss im Bereich zwischen 0 bis 1.38 (Lionel Messi/Weltklasse). Wobei Werte ab 0.5 schon sehr gut sind. Je defensiver der Spieler umso mehr. Speziell junge Spieler, die einen hohen Wert aufweisen, sind sehr gefragt, da es oft eine De Bruy'nische Erfahrung braucht, um in verschiedenen Metriken mit seinem Pässsen hohe Werte zu erzielen.
Wir haben aus der Scouting Perspektive immer auch eine separate U23 Sicht erstellt. Die folgenden PDI Werte sind alle ppAdj bereinigt. Hier die Übersich für verschiedene Ligen in der 22-23 Saison..
Jeder von uns hat ein Gefühl, was Passgefahr bzw Kreativität bedeutet. Und jedem von uns fallen instinktiv Spieler ein, die diese Fähigkeit verkörpern. Mit der Passgefahr Metrik sollten genau diese Spieler scheinen. Es sollten aber auch überraschende Spieler auftauchen, die vielleicht etwas weniger genial, aber mit ihren Pässen eben konstant ihre Mitspieler in Szene setzen können.
Beurteile selber, ob die Analyse/Werte Deinem Erfahrungs- oder Eye-Test standhalten.
Eine Analyse weiterer Ligen erstellen wir auf Anfrage kostenlos.
Passgefahr Europa Top5 22-23

Messi überragt alle. Juan Miranda (Real Betis) ist der Aussenverteidiger mit dem besten PDI Wert.
Es sind vor allem offensive Mittelfeldspieler und Flügelspieler, die anhand ihrer Position die Möglichkeit haben, die höchsten Passgefahr Werte zu erzielen. Obiges Ranking ist wie eine Hitparade. Im Scouting vergleichen wir aber nur Spieler innerhalb der gleichen Position. Darum ist es in dem Ranking in diesem Blog spannend zu sehen, welches der erste Aussenveretidiger oder defensive Mittelfelspieler etc. in der Liste ist.
Passgefahr Bundesliga 22-23

Wir stellen fest, dass Bayer Leverkusen in der laufenden Saison 2023-24 mit Wirtz, Hofmann (neu) und Diaby gleich drei Top PDI Performer in seinen Reihen hat. Leverkusen is on fire.
Mitchell Weiser war der Aussenverteidiger bzw Wingback mit dem besten PDI Wert der Liga.
Passgefahr Super League 22-23

Matrin Frydek war der Aussenverteidiger mit dem besten PDI Wert der Liga.
Passgefahr Austria Bundesliga 22-23

Jan Jurčec war der Aussenverteidiger mit dem besten PDI Wert der Liga.
Offensiv betrachtet kann man bei einem Spieler mit einer hohen Passgefahr, fast nicht falsch liegen.
Passgefahr Analyse Saison 2023-24 (final)
Jetzt wollen wir natürlich auch die laufenden Meisterschaften betrachten. Im Moment sind sieben bis zehn Runden gespielt. Das ist genug um erste Trends abzuleiten, mehr aber nicht.
Wir haben die Minimum-Minuten auf 900 gesetzt. Erst ab 800 Spielminuten sind die Werte gesättigt und werden richtig aussagekräftig.
Passgefahr Europa Top 5 23-24

Passgefahr Bundesliga 23-24

Passgefahr Super League & Challenge League 23-24


Passgefahr Austria Bundesliga 23-24

Die Passgefahr ist eine wichtiges Element im Scouting. Sie erlaubt uns, auf sehr einfache Art und Weise Spieler innerhalb der gleichen Position zu vergleichen und ein gutes Bild über die erzielte Passgefahr zu erhalten.
Daten sind nicht DIE Wahrheit, aber ein relevanter Teil davon.
Eine smarte und erfolgreiche Nutzung von Daten geht weit über den reinen Kauf von standardisierten Tools hinaus. Wir verfügen über langjährige Erfahrung in den Bereichen Fussballtrainer, Spielentwicklung, Spielanalyse und Datenscouting. Ergänzend bringen wir auch Fachwissen in den Bereichen Geschäftsinnovation, Design Thinking und Produktentwicklung an den Tisch.
Hat Dir die Qualität unseres Beitrags gefallen? Dann belohne uns mit Deinen "Credits" und like und teile diesem Beitrag innerhalb Deines sozialen Netzwerkes. Besten Dank.
Um keinen Beitrag zu verpassen kannst Du den Blog abonnieren.
footballytics – improve the game - change the game
Wir unterstützen Vereine, Trainer, Agenturen und Spieler mit Analyse- und Beratungsdienstleitungen beim Nutzen und Interpretieren von Daten. Um im Scouting, in der Spielanalyse und auf dem Spielfeld die besseren Entscheidungen zu treffen.
Blog von www.footballytics.ch Über Data Analytics Themen im Fussball - improve the game - change the ǝɯɐƃ
Teilen Sie diesen Beitrag