Zahlen lesen. Spiele verstehen. Was nach einem Slogan klingt, beschreibt den Alltag einer Branche, die den Fußball in den vergangenen zehn Jahren grundlegend verändert hat. Fußball Statistik ist längst mehr als eine Tabelle mit Toren und Gegentoren. An einem einzigen Spieltag der Bundesliga erfasst Sportec Solutions rund 65 Millionen Datenpunkte — Positionen, Geschwindigkeiten, Laufwege, Ballkontakte. Pro Spiel sind das etwa 3,6 Millionen einzelne Messwerte, die in Echtzeit von Kameras und Sensoren am Stadion generiert werden. Aus diesen Rohdaten entstehen Metriken wie Expected Goals, PPDA oder Packing, die Trainer, Scouts und Analysten täglich nutzen, um taktische Entscheidungen zu treffen, Spieler zu bewerten und Transfers vorzubereiten.
In Deutschland hat die Datenkultur im Fußball eine besondere Dimension. Der Deutsche Fußball-Bund zählt laut aktueller Mitgliederstatistik über acht Millionen Mitgliedschaften, verteilt auf knapp 24 000 Vereine — eine Infrastruktur, die vom Kreisligaspiel bis zur Champions League reicht. Die Bundesliga-Saison 2025/26 hat wirtschaftlich und bei den Zuschauerzahlen neue Rekorde gesetzt, die das Ausmaß dieser Datenwelt verdeutlichen. Hinter jeder Kennzahl — ob sportlich oder ökonomisch — steckt ein Messwert, der analysiert, kontextualisiert und interpretiert werden will.
Dieser Artikel ist der zentrale Einstiegspunkt in das Thema Fußball-Statistik. Er erklärt die wichtigsten Metriken von xG bis Packing, zeigt, wie und mit welcher Technologie Daten erhoben werden, vergleicht die besten Plattformen für Fans und Analysten und ordnet die wirtschaftliche Bedeutung der Bundesliga im europäischen Kontext ein. Wer verstehen will, warum moderne Fußballanalyse weit über das Ergebnis hinausgeht, findet hier die Grundlage.
Metriken, Milliarden, Modelle: Die Kernpunkte im Schnelldurchlauf
- Moderne Fußball-Statistik basiert auf Metriken wie xG, xA, PPDA und Packing — sie ersetzen das Bauchgefühl nicht, machen es aber messbar.
- Allein in der Bundesliga erfasst Sportec Solutions 3,6 Millionen Datenpunkte pro Spiel; ab 2025/26 kommt die SAOT-Technologie mit 21 Tracking-Punkten pro Spieler hinzu.
- Die wirtschaftliche Dimension ist enorm: 6,33 Milliarden Euro Umsatz, fast 21 Millionen verkaufte Tickets, 64 122 Beschäftigte im deutschen Profifußball.
- Plattformen wie FBref, Understat und FootyStats machen Daten für jeden zugänglich — kostenlos oder als Premium-Version.
- Der globale Markt für Sportanalytik wächst von 4,8 auf prognostizierte 41 Milliarden Dollar bis 2033, angetrieben von KI und Echtzeit-Daten.
Was ist Fußball-Statistik? Vom Ergebnis zur Datenanalyse
Wer in den 1990er-Jahren über Fußball-Statistik sprach, meinte damit die Tabelle im Sportteil der Zeitung: Siege, Niederlagen, Tordifferenz. Die Arbeit eines Analysten bestand darin, diese Zahlen in eine Rangliste zu packen — mehr gab es nicht. Die Datenerfassung war manuell, die Auswertung rudimentär, und die meisten taktischen Entscheidungen entstanden aus Erfahrung und Intuition.
Heute sieht die Realität anders aus. Fußball-Statistik beschreibt ein System aus automatisierter Datenerfassung, mathematischen Modellen und visueller Analyse, das den gesamten Spielbetrieb durchdringt. Die Grundlage bilden optische Tracking-Systeme: Hochfrequenzkameras in jedem Bundesliga-Stadion erfassen die Positionen aller Spieler und des Balls mit bis zu 25 Bildern pro Sekunde. Daraus entsteht pro Spiel ein Datensatz mit Millionen einzelner Messpunkte — von der Laufgeschwindigkeit eines Außenverteidigers bis zur exakten Flugkurve eines Freistoßes. Das Archiv von Sportec Solutions, dem offiziellen Datenanbieter der DFL, umfasst mittlerweile mehr als 5 000 Spiele mit vollständiger Abdeckung.
Diese Rohdaten sind allerdings nur der Anfang. Auf ihrer Basis berechnen Analysten und Algorithmen sogenannte erweiterte Metriken — Kennzahlen, die über das bloße Ergebnis hinausgehen. Expected Goals (xG) quantifizieren die Qualität von Torchancen. PPDA misst die Intensität des Pressings. Packing zählt, wie viele Gegenspieler mit einer Aktion überspielt werden. Diese Metriken bilden heute das Rückgrat der taktischen Analyse in Profivereinen, und sie verändern auch die Art, wie Fans, Journalisten und Wettanbieter den Sport betrachten.
Die Dimension des deutschen Fußballs unterstreicht, warum Statistik hier besonders relevant ist. Laut der DFB-Mitgliederstatistik 2025 hat der Deutsche Fußball-Bund erstmals in seiner 125-jährigen Geschichte die Marke von acht Millionen Mitgliedschaften überschritten: exakt 8 005 050, ein Zuwachs von 3,86 Prozent zum Vorjahr. Hinter dieser Zahl stehen 23 868 Vereine mit 140 161 gemeldeten Mannschaften — vom Bambini-Turnier im Dorfverein bis zum ausverkauften Stadion mit 80 000 Plätzen. In jedem dieser Kontexte werden Daten erzeugt, gesammelt und ausgewertet, wenn auch mit sehr unterschiedlichen Mitteln.
Fußball-Statistik lässt sich dabei in drei Schichten gliedern. Die erste Schicht umfasst Basisdaten: Tore, Assists, Karten, Eckbälle, Ballbesitz. Diese Zahlen sind seit Jahrzehnten verfügbar und bilden die Grundlage jeder Spielzusammenfassung. Die zweite Schicht besteht aus den erweiterten Metriken, die aus Positionsdaten und Spielsituationen berechnet werden — xG, xA, PPDA, progressive Pässe, Packing. Hier beginnt die eigentliche Analyse, weil diese Werte den Kontext einer Aktion berücksichtigen: nicht nur ob ein Pass gespielt wurde, sondern wohin, unter welchem Druck, mit welcher Konsequenz. Die dritte Schicht betrifft die ökonomische Statistik: Umsätze, Transfervolumen, Medienerlöse, Stadionauslastung. Auch diese Daten sind Teil der Fußball-Statistik, denn sie zeigen, wie sportliche Leistung und wirtschaftliche Realität zusammenhängen.
Der Übergang von der Zeitungstabelle zur Echtzeit-Datenanalyse hat nicht nur die Arbeit von Profis verändert. Plattformen wie FBref, Understat oder WhoScored machen erweiterte Metriken für jeden zugänglich, der über einen Internetanschluss verfügt. Was vor zehn Jahren exklusives Wissen von Analyseabteilungen war, steht heute kostenlos im Browser — und wird von einer wachsenden Community aus Fans, Bloggern und Hobby-Analysten genutzt, die den Fußball mit anderen Augen sehen wollen.
Die wichtigsten Metriken im modernen Fußball
Der Werkzeugkasten der modernen Fußballanalyse enthält Dutzende von Kennzahlen, doch nicht alle sind gleich relevant. Fünf Metriken haben sich in den vergangenen Jahren als Standard durchgesetzt — in den Analyseabteilungen der Profivereine ebenso wie auf öffentlich zugänglichen Datenplattformen. Die Reihenfolge ist dabei kein Zufall: Sie beginnt bei der populärsten und am breitesten verfügbaren Metrik und endet bei der innovativsten, die bislang nur wenige Anbieter abbilden.
Expected Goals (xG) kennt inzwischen jeder, der regelmäßig Fußball schaut oder liest. Expected Assists (xA), PPDA, Ballbesitz und Packing sind weniger bekannt, aber nicht weniger aufschlussreich. Gemeinsam bilden diese fünf Metriken ein Framework, mit dem sich Angriff, Kreativität, Pressing, Spielkontrolle und Raumgewinn eines Teams quantifizieren lassen. Jede Metrik hat ihre Stärken und ihre Grenzen — und keine von ihnen funktioniert isoliert. Wer Fußball-Statistik verstehen will, muss lernen, diese Werte im Zusammenspiel zu lesen.
Expected Goals (xG): Was der Wert wirklich misst
Expected Goals — kurz xG — ist die mit Abstand populärste erweiterte Metrik im Fußball. Der Wert gibt die Wahrscheinlichkeit an, mit der ein bestimmter Torschuss unter durchschnittlichen Bedingungen zu einem Tor führt. Ein xG-Wert von 0,76 bedeutet: Bei 100 vergleichbaren Schüssen wären statistisch 76 Treffer zu erwarten. Die Metrik wurde nicht für den Fußball erfunden — ihre Wurzeln liegen im Eishockey der 2000er-Jahre —, doch sie hat sich hier als Standardwerkzeug etabliert.
Die Berechnung von xG beruht auf historischen Schussdaten. Jeder Torschuss wird anhand mehrerer Variablen bewertet: Entfernung zum Tor, Winkel, Schussart (Fuß, Kopf, Volley), Spielsituation (offenes Spiel, Freistoß, Elfmeter), Position und Anzahl der Verteidiger zwischen Schütze und Tor. Eine aktuelle Studie aus dem Jahr 2025, publiziert in Frontiers in Sports, zeigt, dass ein Bayesian-Modell mit lediglich sieben Variablen einen AUC-Wert von 0,781 erreicht — ein Maß für die Trennschärfe des Modells, wobei 1,0 eine perfekte Vorhersage darstellen würde. Zum Vergleich: Das deutlich komplexere Modell von StatsBomb, das über 20 Variablen einbezieht, kommt auf einen AUC von 0,801. Der Unterschied ist geringer, als man angesichts des Komplexitätsunterschieds erwarten würde.
Ein Beispiel verdeutlicht die Logik. Ein Stürmer erhält den Ball zentral im Strafraum, acht Meter vor dem Tor, ohne Verteidiger in der Schusslinie. Sein xG-Wert liegt bei etwa 0,40. Derselbe Spieler versucht einen Distanzschuss aus 28 Metern, leicht seitlich versetzt, mit zwei Gegenspielern im Weg — sein xG sinkt auf 0,03. Die Metrik sagt nicht, ob der Schuss tatsächlich drin ist. Sie sagt, wie wahrscheinlich es ist, basierend auf Tausenden vergleichbarer Situationen in der Vergangenheit.
Die Genauigkeit von xG als Prognoseinstrument wurde in einer umfangreichen Untersuchung an 918 Bundesliga-Spielen quantifiziert. Forcher et al. (Frontiers in Sports, 2025) stellten fest, dass xG den Ausgang eines Spiels mit 65,6 Prozent Genauigkeit vorhersagt, wenn die Daten nach Abpfiff vorliegen. Im Pre-Match-Szenario — also bevor ein Ball gerollt ist — liegt die Trefferquote bei 55,6 Prozent. Das ist besser als eine Münze, aber weit entfernt von Determinismus. xG beschreibt Wahrscheinlichkeiten, keine Gewissheiten.
Einschränkung: xG berücksichtigt nicht die individuelle Qualität des Schützen. Ein Freistoß von der gleichen Position hat denselben xG-Wert, egal ob ein Spezialist oder ein Innenverteidiger schießt. Modelle wie Post-Shot xG (PSxG) versuchen, diese Lücke zu schließen, indem sie zusätzlich die Schussplatzierung einbeziehen.
Expected Assists (xA): Kreativität in Zahlen
Expected Assists — xA — messen den kreativen Beitrag eines Spielers, ohne ihn vom Ergebnis des nachfolgenden Torschusses abhängig zu machen. Der Wert basiert auf demselben Prinzip wie xG, nur in umgekehrter Richtung: Statt die Qualität eines Schusses zu bewerten, bewertet xA die Qualität des Passes, der zum Schuss geführt hat. Konkret entspricht der xA-Wert eines Passes dem xG-Wert des daraus resultierenden Torschusses.
Der Unterschied zum klassischen Assist ist entscheidend. Ein Assist wird nur gezählt, wenn der Pass tatsächlich zu einem Tor führt. Das bedeutet: Ein brillanter Steilpass in den Strafraum, der eine Chance mit einem xG von 0,65 kreiert, zählt als Assist, wenn der Stürmer trifft — und als nichts, wenn er den Ball über das Tor schießt. Die Assist-Statistik ist damit stark vom Abschlussglück der Mitspieler abhängig. xA eliminiert diesen Zufallsfaktor und bewertet den Pass selbst.
Für die Spielerbewertung ist das ein wesentlicher Fortschritt. Ein Mittelfeldspieler, der konstant hochwertige Chancen kreiert, dessen Stürmer aber unterdurchschnittlich abschließen, wird in der klassischen Assist-Tabelle unterschätzt. xA macht seine Kreativität sichtbar — und ist deshalb eine Metrik, die im Scouting und in der Vertragsbewertung zunehmend an Bedeutung gewinnt. Plattformen wie FBref und StatsBomb weisen xA mittlerweile standardmäßig aus.
PPDA: Wie intensiv presst ein Team?
PPDA steht für Passes Per Defensive Action und ist die etablierteste Kennzahl zur Messung von Pressingintensität. Die Metrik wurde von Opta (heute Teil von Stats Perform) definiert und beantwortet eine einfache Frage: Wie viele Pässe erlaubt ein Team dem Gegner, bevor es aktiv eingreift?
Die Formel lautet gemäß der offiziellen Opta-Definitionen: Anzahl der gegnerischen Pässe außerhalb der eigenen defensiven Spielfeldhälfte, geteilt durch die Anzahl der eigenen defensiven Aktionen in dieser Zone. Als defensive Aktionen zählen fünf Kategorien: Tacklings, Fouls, Balleroberungen (Interceptions), Zweikämpfe und geblockte Pässe. Je niedriger der PPDA-Wert, desto aggressiver presst ein Team — weil es dem Gegner weniger Pässe erlaubt, bevor eine Aktion folgt.
Ein PPDA von 7 bedeutet: Im Durchschnitt kann der Gegner sieben Pässe spielen, bevor die pressende Mannschaft eingreift. Ein Wert von 14 zeigt dagegen ein Team, das abwartet und den Gegner kommen lässt. Für die Bundesliga-Saison 2025/26 liegen die Werte der aggressivsten Pressingteams typischerweise zwischen 6 und 9, während defensiv ausgerichtete Mannschaften auf 12 bis 16 kommen.
PPDA hat einen klaren Vorteil gegenüber subjektiven Einschätzungen: Die Metrik ist reproduzierbar und vergleichbar. Allerdings sagt sie nichts über die Qualität des Pressings aus. Ein Team kann niedrige PPDA-Werte haben und trotzdem selten den Ball erobern, wenn die defensiven Aktionen schlecht getimed sind. Deshalb wird PPDA in der professionellen Analyse fast immer zusammen mit der Balleroberungsquote im letzten Drittel betrachtet — erst die Kombination ergibt ein vollständiges Bild.
Ballbesitz: Die meistüberschätzte Kennzahl?
Ballbesitz ist die Metrik, die jeder kennt — und die am häufigsten falsch interpretiert wird. Die Zahl gibt an, welchen Anteil der Spielzeit ein Team den Ball kontrolliert, gemessen an der Anzahl der Pässe oder der tatsächlichen Ballkontaktzeit. Ein Ballbesitz von 65 Prozent klingt nach Dominanz. Doch die Statistik allein sagt wenig über die Gefährlichkeit eines Teams aus.
Das prominenteste Gegenbeispiel lieferte Leicester City mit dem Meistertitel in der Premier League 2015/16: Die Foxes hatten in jener Saison mit 42,4 Prozent den drittniedrigsten Ballbesitz der Liga — nur West Bromwich Albion und Sunderland sahen den Ball seltener. Atletico Madrid unter Diego Simeone gewann 2014 La Liga mit einem Ballbesitz, der regelmäßig unter 50 Prozent lag. In der Bundesliga zeigte der VfB Stuttgart in der Saison 2023/24, dass ein Team mit einem Ballbesitz im Mittelfeld der Liga trotzdem Vizemeister werden kann, wenn die Qualität der Ballbesitzphasen stimmt.
Der entscheidende Punkt: Ballbesitz ist nur dann aussagekräftig, wenn man ihn mit der Frage verbindet, was ein Team mit dem Ball anfängt. Progressive Pässe ins letzte Drittel, Torschüsse pro Ballbesitzphase, xG pro Angriff — diese Metriken kontextualisieren den Ballbesitz und unterscheiden kontrollierten Spielaufbau von bedeutungslosem Quer- und Rückpassspiel. Ohne diesen Kontext ist ein hoher Ballbesitzwert nicht mehr als eine Zahl auf einem Bildschirm.
Packing: Überspielte Gegner zählen
Packing misst, wie viele Gegenspieler mit einer Aktion — einem Pass, einem Dribbling, einem Lauf — aus dem Spiel genommen werden. Die Metrik wurde 2016 von der deutschen Firma Impect vorgestellt und adressiert eine Schwäche klassischer Statistiken: Sie zählen Aktionen, bewerten aber nicht deren Wirkung im Raum. Ein Querpass am Mittelkreis und ein Steilpass durch die Abwehrkette sind in der Passstatistik gleichwertig. Im Packing nicht.
Die Berechnung folgt einer klaren Logik: Wird ein Ball von Spieler A zu Spieler B gespielt und befinden sich zwischen der Startposition des Passes und der Endposition drei Gegenspieler, beträgt der Packing-Wert 3. Die Impect-Metrik differenziert zusätzlich zwischen überspielten Feldspielern und überspielten Verteidigern — letztere haben mehr Gewicht, weil ein überspielter Innenverteidiger gefährlicher ist als ein überspielter Stürmer bei einem Abstoß.
Packing hat sich besonders im Scouting als wertvoll erwiesen, weil die Metrik Spieler identifiziert, die Räume öffnen und Linien brechen — Qualitäten, die in klassischen Statistiken unsichtbar bleiben. Ein Sechser mit hohem Packing-Wert spielt nicht nur viele Pässe, er spielt die richtigen. Die Verfügbarkeit von Packing-Daten ist allerdings eingeschränkter als bei xG oder PPDA: Nur wenige Plattformen weisen den Wert öffentlich aus, und die Berechnung erfordert Positionsdaten, die nicht überall zugänglich sind.
So werden Fußball-Daten erfasst: Technik hinter den Zahlen
Zwischen dem Moment, in dem ein Spieler den Ball berührt, und dem Moment, in dem dieser Kontakt als Datenpunkt in einer Analyse-Software erscheint, liegt eine technologische Kette, die in ihrer Komplexität dem Spielbetrieb selbst in nichts nachsteht. Die Datenerfassung im professionellen Fußball beginnt mit Kameras und Sensoren im Stadion, durchläuft Tracking-Algorithmen und maschinelle Lernverfahren und endet in Datenbanken, auf die Trainer, Analysten und mittlerweile auch KI-gestützte Anwendungen zugreifen. Mit jedem Spieltag wächst dieses Archiv — und mit ihm die Möglichkeiten der Auswertung.
Die beiden folgenden Abschnitte zeigen, wie die physische Infrastruktur der Datenerfassung funktioniert und welche Rolle künstliche Intelligenz bei der Auswertung und Aufbereitung dieser Daten bereits heute spielt.
Kameras, Sensoren und 3,6 Millionen Datenpunkte
Das Rückgrat der Datenerfassung in der Bundesliga bildet das optische Tracking-System TRACAB, betrieben von Sportec Solutions, einer Tochter der DFL. In jedem Stadion der 1. und 2. Bundesliga sind Hochfrequenzkameras installiert, die das Spielfeld mit 25 Bildern pro Sekunde abtasten. Die Software erkennt die Positionen aller 22 Spieler, der Schiedsrichter und des Balls in Echtzeit — und berechnet daraus Geschwindigkeiten, Beschleunigungen, Laufwege und Abstände. Pro Spiel entstehen so etwa 3,6 Millionen einzelne Datenpunkte; an einem vollen Spieltag mit allen Partien beider Ligen summiert sich das auf rund 65 Millionen.
Die Genauigkeit dieser Systeme ist bemerkenswert. Die Positionsbestimmung arbeitet mit einer Toleranz von wenigen Zentimetern, was für die Berechnung von Abseitssituationen, Laufwegen und Zweikampfdistanzen entscheidend ist. Neben dem optischen Tracking setzen einige Vereine zusätzlich auf GPS- und Inertialsensoren in den Trikots, die während des Trainings Daten zu Herzfrequenz, Belastungssteuerung und Bewegungsmuster liefern. Im Spielbetrieb sind diese Sensoren allerdings nur eingeschränkt zugelassen — hier dominiert das kamerabasierte System.
Ab der Saison 2025/26 kommt in der Bundesliga eine neue Technologieebene hinzu: die Semi-Automated Offside Technology, kurz SAOT. Das System, das Sportec Solutions in Zusammenarbeit mit der DFL implementiert, nutzt Kameras, die 21 Punkte auf dem Körper jedes Spielers in Echtzeit verfolgen — von Kopf und Schultern bis zu den Füßen. Die resultierende skelettartige Darstellung ermöglicht eine automatisierte Abseitserkennung mit einer Geschwindigkeit und Präzision, die menschliche Schiedsrichterassistenten nicht erreichen können. Die Technologie wurde bereits bei der Weltmeisterschaft 2022 und in der Champions League eingesetzt und wird nun auf den nationalen Ligabetrieb ausgeweitet.
An einem einzigen Bundesliga-Spieltag erfasst Sportec Solutions so viele Datenpunkte wie ein mittelgroßes Unternehmen an E-Mails in zehn Jahren versendet. 65 Millionen Messpunkte — und das 34 Mal pro Saison, in jeder Liga.
KI und Fußball: Vom Chatbot bis zur Taktiktafel
Die Datenmengen, die moderne Tracking-Systeme produzieren, übersteigen das, was menschliche Analysten manuell verarbeiten können. Hier setzt künstliche Intelligenz an — nicht als Ersatz für die Expertise von Trainern und Scouts, sondern als Werkzeug, das Muster in Millionen von Datenpunkten erkennt, die dem menschlichen Auge verborgen bleiben. Der Markt für Sportanalytik spiegelt diesen Trend wider: Laut Straits Research lag das globale Marktvolumen 2024 bei 4,8 Milliarden Dollar. Die Prognose für 2033 lautet 41 Milliarden Dollar — ein durchschnittliches jährliches Wachstum von 26,9 Prozent, wobei der Fußballsektor den größten Anteil am Wachstum hat.
In der Bundesliga ist diese Entwicklung bereits konkret sichtbar. Im Frühjahr 2025 stellten die DFL, Sportec Solutions und Amazon Web Services einen GenAI-Chatbot als Prototyp vor, der Fans und Journalisten natürlichsprachliche Antworten auf statistische Fragen liefert. Das System nutzt zwei Large Language Models: Das erste übersetzt die Frage des Nutzers in eine Datenbankabfrage, das zweite formuliert die Antwort als lesbaren Text. Die Daten werden während des laufenden Spiels jede Minute aktualisiert — ein Grad an Aktualität, den keine statische Datenbank bieten kann.
Jenseits der Fan-Kommunikation verändert KI vor allem die Arbeit hinter den Kulissen. Im Scouting analysieren maschinelle Lernverfahren die Leistungsdaten Tausender Spieler in Sekundenbruchteilen und identifizieren potenzielle Transfers, die dem menschlichen Scouting-Netzwerk entgangen wären. In der Taktikanalyse erkennen Algorithmen Spielmuster, Pressingauslöser und Schwachstellen in der gegnerischen Formation. Laut Fortune Business Insights nutzen mehr als 75 Prozent aller Sportverbände weltweit bereits Echtzeit-Analytik während des Wettbewerbs.
Daniel Memmert, Professor für Sportinformatik an der Deutschen Sporthochschule Köln, bringt die Dynamik im Interview mit ISPO.com auf den Punkt: „Der Mannschaftssport wird sich durch KI in den kommenden fünf Jahren massiv verändern.“ — Daniel Memmert, Sportinformatiker, Deutsche Sporthochschule Köln. Eine Einschätzung, die angesichts der Investitionssummen und der Geschwindigkeit technologischer Entwicklung nicht übertrieben wirkt. Das Büro für Technikfolgen-Abschätzung beim Deutschen Bundestag hat in seiner Publikation „Big Data und KI im Fußball“ von 2024 die Auswirkungen auf Scouting, Taktikanalyse und Zuschauererleben systematisch untersucht — ein Zeichen dafür, dass das Thema längst über den sportlichen Kontext hinausgewachsen ist.
KI ersetzt keine Trainer und Scouts — sie gibt ihnen Werkzeuge, die aus Millionen von Datenpunkten handlungsrelevante Erkenntnisse destillieren. Der Markt wächst rasant, und die Bundesliga gehört bei der technologischen Umsetzung zu den Vorreitern.
Die besten Fußball-Statistik-Plattformen
Die Demokratisierung von Fußballdaten ist eine der bemerkenswertesten Entwicklungen der vergangenen zehn Jahre. Was früher den Analyseabteilungen von Profivereinen vorbehalten war, steht heute jedem offen, der einen Browser öffnen kann. Die Auswahl an Plattformen ist groß — von spezialisierten Datenbanken mit Rohdaten bis zu aufbereiteten Portalen mit Visualisierungen und Prognosen. Doch nicht jede Plattform eignet sich für jeden Zweck. Die relevanten Unterschiede liegen in der Abdeckung der Ligen, der Tiefe der angebotenen Metriken, der Sprache und im Preis.
Die folgenden Abschnitte vergleichen die wichtigsten Plattformen direkt miteinander und klären, ob sich der Umstieg von kostenlosen auf kostenpflichtige Dienste lohnt.
Plattformen im direkten Vergleich
Sechs Plattformen dominieren den deutschsprachigen Raum, wenn es um frei zugängliche oder teilweise kostenlose Fußball-Statistiken geht. Jede hat ein eigenes Profil, eigene Stärken und blinde Flecken. Die folgende Tabelle fasst die wesentlichen Unterschiede zusammen.
FBref gilt unter Analysten als Goldstandard für kostenlose erweiterte Metriken. Die Daten stammen von StatsBomb und Opta, was eine hohe Qualität sicherstellt. Der einzige Nachteil: Die Plattform ist ausschließlich auf Englisch verfügbar, und die Datenmenge kann auf den ersten Blick erschlagend wirken. Understat ist schlanker und fokussiert sich auf xG-Daten der sechs großen europäischen Ligen — ideal für alle, die schnell einen xG-Vergleich brauchen, ohne sich durch Dutzende Tabellen zu klicken.
FootyStats richtet sich stärker an Nutzer, die Daten für Wettanalysen verwenden. Die Liga-Abdeckung ist mit über 200 Wettbewerben die breiteste im Vergleich, allerdings sind viele Funktionen hinter einer Bezahlschranke. WhoScored punktet mit visuellen Darstellungen und Spieler-Ratings, bleibt bei den erweiterten Metriken aber hinter FBref zurück. Transfermarkt ist die meistgenutzte Plattform im deutschsprachigen Raum — vor allem wegen der Marktwerte und der Community, weniger wegen statistischer Tiefe. Und Fussballdaten.de bedient die Nische derjenigen, die schnell und auf Deutsch historische Ergebnisse und Tabellen der Bundesliga nachschlagen wollen.
Welche Plattform die richtige ist, hängt vom Nutzungszweck ab. Wer Spieler analytisch vergleichen will, kommt an FBref nicht vorbei. Wer Wettmärkte analysiert, findet bei FootyStats die passendere Datengrundlage. Und wer sich als Fan einfach informieren möchte, ist mit Transfermarkt oder WhoScored gut bedient.
Kostenlos oder Premium: Was lohnt sich?
Die Grenze zwischen kostenlosen und kostenpflichtigen Statistikdiensten ist fließender, als man vermuten würde. FBref und Understat bieten kostenlos ein Niveau an erweiterten Metriken, das vor zehn Jahren selbst für Geld kaum zu bekommen war. xG, xA, progressive Pässe, Pressingdaten — all das ist ohne Registrierung zugänglich. Für die meisten Fans und Hobby-Analysten reicht das aus.
Premium-Dienste werden dann relevant, wenn die Anforderungen steigen. FootyStats Premium (ab ca. 10 Euro monatlich) bietet Zugang zu Detailstatistiken für über 200 Ligen, darunter Eckball-Quoten, BTTS-Historien und ligaspezifische Trend-Reports — Daten, die für systematische Wettanalysen nützlich sind. Statista Sports liefert aufbereitete Wirtschafts- und Marktdaten, etwa zu Umsätzen, Transfervolumen und Zuschauerzahlen, ist aber mit einem Jahresabo im dreistelligen Bereich vor allem für professionelle Anwender gedacht.
Für den Einstieg gilt eine einfache Regel: Wer noch lernt, wie man xG liest und eine Heatmap interpretiert, braucht kein Premium-Abo. Wer regelmäßig eigene Analysen erstellt, ligaübergreifende Vergleiche zieht oder Daten in Excel oder Python weiterverarbeitet, wird irgendwann an die Grenzen der kostenlosen Angebote stoßen — und dann lohnt sich die Investition in ein spezialisiertes Tool.
Fußball-Statistik als Fan: Mehr sehen, mehr verstehen
Fußball-Statistik ist kein Werkzeug, das ausschließlich Profis vorbehalten ist. Im Gegenteil: Gerade für Fans eröffnet die Datenanalyse eine Ebene des Spielverständnisses, die das reine Zuschauen ergänzt — nicht ersetzt. Wer nach einem Spiel die xG-Werte beider Mannschaften vergleicht, versteht plötzlich, warum ein 1:0 das Ergebnis einer taktischen Meisterleistung oder eines glücklichen Abpfiffs sein kann. Wer die Heatmap eines Außenverteidigers liest, erkennt, ob ein Team bewusst über die Flügel aufgebaut hat oder ob der Gegner die Mitte zugestellt hat. Statistik gibt den Bildern eine zweite Bedeutungsschicht.
Die Zahlen zeigen, dass das Interesse an Fußball in Deutschland nicht nachlässt — im Gegenteil. In der Saison 2025/26 wurden laut DFL-Zuschauerbericht insgesamt 20 983 964 Tickets für Spiele der 1. und 2. Bundesliga verkauft — ein historischer Rekord. Pro Spiel waren das im Schnitt 34 288 Zuschauer, ebenfalls ein Bestwert. Diese Zahlen belegen ein enormes Engagement, das sich längst nicht mehr auf 90 Minuten im Stadion beschränkt. Dabei bleibt der Stadionbesuch erschwinglich: Die durchschnittliche Eintrittskarte kostet laut DFL-Zuschauerbericht 28,78 Euro — ein Anstieg von nur 9,6 Prozent seit der Saison 2019/20, während die allgemeine Inflation in Deutschland im selben Zeitraum 21,8 Prozent betrug. Vor dem Anpfiff checken Fans die Aufstellungen auf Transfermarkt, nach dem Schlusspfiff vergleichen sie xG-Daten auf FBref, und in der Halbzeit diskutieren sie auf sozialen Medien über Pressing-Werte.
Bernd Neuendorf, Präsident des DFB, beschrieb die Entwicklung anlässlich der Mitgliederstatistik 2025 so: „Es ist ein starkes Zeichen, dass der Fußball in Deutschland zum 125-jährigen Jubiläum des DFB an vielen Stellen weiter wächst. Das zeigt, wie attraktiv und vielfältig der Amateurfußball ist.“ — Bernd Neuendorf, Präsident, DFB. Das Wachstum betrifft nicht nur die Mitgliedszahlen, sondern auch das Informationsbedürfnis der Fans. Wer Fußball-Statistik versteht, kann fundierter diskutieren, bessere Fragen stellen und das Spiel auf einer tieferen Ebene genießen.
Dabei geht es nicht darum, jedes Spiel durch die Brille eines Analysten zu betrachten. Es geht darum, ein zusätzliches Werkzeug zur Verfügung zu haben. Ein Fan, der weiß, dass ein bestimmter Stürmer seinen xG konstant übertrifft, versteht, warum der Spieler mehr wert ist, als seine Torzahl vermuten lässt. Ein Fan, der PPDA-Werte lesen kann, erkennt den Unterschied zwischen einem Team, das hoch presst, und einem, das nur hektisch aussieht. Statistik macht den Fußball nicht kälter — sie macht ihn reicher.
Statistik und Sportwetten: Chancen und Risiken
Der Markt für Sportwetten in Deutschland ist seit der Regulierung durch den Glücksspielstaatsvertrag 2021 ein legaler, aber streng überwachter Bereich. Wer Fußball-Statistik für Wettentscheidungen nutzt, bewegt sich auf einem Terrain, das analytische Kompetenz belohnt — aber auch Disziplin und Risikobewusstsein erfordert. Statistik kann informierte Entscheidungen ermöglichen. Sie kann das Wetten nicht in eine risikofreie Investition verwandeln.
Drei Metriken stehen im Zentrum der statistikbasierten Wettanalyse. Over/Under — die Frage, ob in einem Spiel mehr oder weniger als eine bestimmte Toranzahl fallen — lässt sich durch historische Torquoten, xG-Durchschnitte und Defensivstärke beider Teams modellieren. BTTS (Both Teams to Score) basiert auf ähnlichen Datengrundlagen, berücksichtigt aber zusätzlich die Defensivqualität und die Quote, mit der Teams zu Null spielen. Head-to-Head-Analysen (H2H) vergleichen die bisherigen Aufeinandertreffen zweier Mannschaften, wobei die Aussagekraft stark von der Aktualität und der Konstanz der Kader abhängt.
Die Qualität einer Wettanalyse steht und fällt mit der Datengrundlage. Plattformen wie FootyStats liefern ligaspezifische Over/Under- und BTTS-Quoten für über 200 Wettbewerbe. FBref bietet xG-Daten, die eine eigene Modellierung ermöglichen. Doch selbst die besten Daten schützen nicht vor dem fundamentalen Problem des Wettmarkts: Die Quoten der Buchmacher reflektieren bereits ein enormes Datenvolumen und die Arbeit spezialisierter Analysten-Teams. Einen systematischen Vorteil — einen sogenannten Edge — zu finden, ist schwieriger, als die meisten Einsteiger annehmen.
Der deutsche Profifußball ist eine Milliarden-Industrie mit 64 122 Beschäftigten — Wetten sind ein Nebenprodukt dieses Unterhaltungsangebots, nicht umgekehrt. Wer Statistik für Wettentscheidungen nutzen will, sollte die Daten als Entscheidungshilfe behandeln, nicht als Garantie. Kein xG-Modell und keine historische Quote kann vorhersagen, ob ein Torwart im entscheidenden Moment einen unhaltbaren Reflex zeigt.
Hinweis: Sportwetten bergen finanzielle Risiken. Wer wettet, sollte ausschließlich mit Geld spielen, dessen Verlust er verkraften kann. Die Bundeszentrale für gesundheitliche Aufklärung informiert unter www.bzga.de über Hilfsangebote bei problematischem Spielverhalten.
Statistik richtig lesen: Visuell denken, besser verstehen
Zahlen allein erzählen keine Geschichte. Erst wenn Daten visuell aufbereitet werden — als Heatmap, Shot Map oder Passdiagramm —, werden Muster sichtbar, die in einer Tabelle untergehen würden. Die Fähigkeit, statistische Visualisierungen zu lesen und richtig zu interpretieren, ist deshalb eine Kernkompetenz für jeden, der mit Fußball-Daten arbeiten will. Die beiden häufigsten und wichtigsten Darstellungsformen im Fußball sind Heatmaps und Shot Maps. Beide sind auf den meisten Statistik-Plattformen kostenlos verfügbar — aber beide werden regelmäßig falsch gelesen.
So liest man eine Heatmap
Eine Heatmap zeigt die räumliche Verteilung der Aktionen eines Spielers oder Teams auf dem Spielfeld. Die Darstellung nutzt ein Farbspektrum — typischerweise von Blau (wenig Aktivität) über Grün und Gelb bis Rot (hohe Aktivität) —, um auf einen Blick erkennbar zu machen, in welchen Zonen ein Spieler besonders präsent war. Die Grundlage sind Positionsdaten: Jeder Ballkontakt, jedes Tackling, jeder Sprint wird auf dem Spielfeld verortet und zu einer Dichtekarte aggregiert.
Die häufigste Fehlinterpretation besteht darin, eine Heatmap als Qualitätsurteil zu lesen. Ein roter Bereich im offensiven Drittel bedeutet nicht automatisch, dass der Spieler dort effektiv war — nur, dass er dort häufig den Ball berührt hat. Ein Flügelspieler, der ständig im eigenen Drittel auftaucht, kann ein Zeichen dafür sein, dass er defensiv arbeitet — oder dass sein Team so stark unter Druck steht, dass er gar nicht nach vorne kommt. Der Kontext bestimmt die Interpretation.
Für die korrekte Analyse einer Heatmap empfiehlt es sich, drei Aspekte zu berücksichtigen. Erstens: die Symmetrie. Verteilt sich die Aktivität gleichmäßig oder gibt es eine klare Seitenpräferenz? Ein Mittelfeldspieler, dessen Heatmap stark nach links verschoben ist, wurde möglicherweise taktisch auf diese Seite angewiesen — oder der Gegner hat die rechte Seite bewusst zugestellt. Zweitens: die Tiefe. Wie weit erstrecken sich die Aktivitätszonen in Richtung des gegnerischen Tors? Ein zentraler Mittelfeldspieler, dessen Heatmap im letzten Drittel kaum Farbe zeigt, ist kein Offensivmotor, auch wenn er 90 Pässe gespielt hat. Drittens: der Vergleich. Eine einzelne Heatmap sagt weniger als der Vergleich mehrerer Spiele. Erst die Regelmäßigkeit eines Musters erlaubt Rückschlüsse auf die Spielweise eines Akteurs.
Shot Maps: Torschüsse auf einen Blick
Eine Shot Map bildet sämtliche Torschüsse eines Spielers oder Teams in einem Spiel (oder über eine Saison) auf dem Spielfeld ab. Jeder Schuss wird als Punkt dargestellt, wobei die Position den Ort des Abschlusses markiert. Zusätzliche Informationen werden über die Größe und Farbe des Punktes codiert: Größere Punkte stehen für höhere xG-Werte, also für qualitativ bessere Chancen. Die Farbe unterscheidet in der Regel zwischen Treffern, gehaltenen Schüssen, Schüssen am Tor vorbei und geblockten Versuchen.
Die Stärke der Shot Map liegt in ihrer Verdichtung. Wo eine Tabelle mit Torschüssen abstrakt bleibt, macht die visuelle Darstellung sofort sichtbar, ob ein Team seine Chancen aus dem Strafraum heraus kreiert oder überwiegend aus der Distanz abschließt. Ein Cluster großer Punkte im Fünfmeterraum deutet auf eine Mannschaft hin, die systematisch hochwertige Abschlüsse erzwingt. Viele kleine Punkte von der Strafraumgrenze zeigen dagegen ein Team, das den Weg zum Tor nicht findet und auf Glücksschüsse angewiesen ist.
Für die Interpretation ist es wichtig, Shot Maps nicht isoliert zu betrachten. Ein Team kann eine beeindruckende Shot Map mit vielen Schüssen aus guter Position haben — und trotzdem 0:1 verlieren, wenn der Torwart des Gegners einen überragenden Tag hatte. Umgekehrt kann eine Shot Map mit wenigen, aber perfekt platzierten Schüssen die Effizienz einer Konterstrategie offenlegen. Die besten Erkenntnisse entstehen, wenn man Shot Maps beider Teams vergleicht und sie mit den xG-Werten und dem tatsächlichen Ergebnis abgleicht. Plattformen wie Understat und FBref stellen Shot Maps kostenlos bereit und machen diesen Vergleich für jeden zugänglich.
Bundesliga in Zahlen: Saison 2025/26
Die Bundesliga-Saison 2025/26 markiert in mehrfacher Hinsicht einen Wendepunkt. Sportlich lieferte der Wettbewerb die erwartete Spannung an der Spitze und den üblichen Nervenkrieg im Abstiegskampf. Wirtschaftlich aber stellte die Saison Rekorde auf, die das Ausmaß der Kommerzialisierung des deutschen Fußballs in neue Dimensionen rücken. Die DFL veröffentlichte im Januar 2026 auf ihrem Neujahrsempfang den Wirtschaftsreport, und die Zahlen lesen sich wie das Geschäftsergebnis eines DAX-Konzerns.
Die zentrale Kennzahl: 6,33 Milliarden Euro Gesamtumsatz der 36 Klubs der 1. und 2. Bundesliga — ein Plus von 7,9 Prozent gegenüber dem Vorjahr und erstmals mehr als sechs Milliarden. Die 1. Bundesliga allein steuerte 5,12 Milliarden Euro bei, die 2. Bundesliga kam auf 1,21 Milliarden, ein Wachstum von 13,1 Prozent, das die dynamische Entwicklung der zweiten Liga unterstreicht. Besonders bemerkenswert: Alle 18 Klubs der 1. Bundesliga verzeichneten einen positiven EBITDA — kein einziger Verein schrieb operativ rote Zahlen. Die Stadionauslastung lag bei 95,9 Prozent, wobei 15 der 18 Erstligisten eine Quote von mehr als 90 Prozent erreichten. Auch die 2. Bundesliga stellte mit 9,33 Millionen verkauften Tickets (30 493 pro Spiel, +6 Prozent) einen neuen Zuschauerrekord auf.
Hinter diesen Umsätzen stehen Menschen. 64 122 Beschäftigte arbeiten mittlerweile im deutschen Profifußball, ein Anstieg von 3,9 Prozent zum Vorjahr. Vom Greenkeeper bis zur Datenanalystin, vom Jugendtrainer bis zum Hospitality-Manager — der Fußball ist ein Arbeitgeber von volkswirtschaftlicher Relevanz. Das zeigen auch die Steuerzahlen: Knapp 1,7 Milliarden Euro an Steuern und Abgaben wurden in der Saison 2025/26 abgeführt. Über die vergangenen zehn Spielzeiten summiert sich dieser Beitrag auf mehr als 14 Milliarden Euro.
Marc Lenz, Geschäftsführer der DFL, ordnete die Finanzdaten bereits im Wirtschaftsreport 2024 in einen größeren Kontext ein: „Deutsche Clubs agieren mit einer Personalkostenquote von unter 50 Prozent und gestiegenen Investitionen in Nachwuchsleistungszentren zukunftsfähig und wesentlich gesünder als andere europäische Topligen.“ — Marc Lenz, Geschäftsführer, DFL. Die Personalkostenquote ist tatsächlich ein Schlüsselindikator: Während Ligen wie die Premier League oder Ligue 1 teilweise Quoten von 60 bis 70 Prozent aufweisen, hält die Bundesliga einen Wert, der finanzielle Stabilität signalisiert.
Das Eigenkapital der Bundesliga-Klubs überstieg erstmals die Zwei-Milliarden-Marke: 2,17 Milliarden Euro, wobei alle 18 Erstligisten positives Eigenkapital auswiesen. Im Breitenfußball spiegelt sich die Vitalität der Sportart in anderen Zahlen: Laut DFB-Mitgliederstatistik spielen 2,38 Millionen Menschen in Deutschland organisiert Fußball, ein Plus von 2,15 Prozent zur Vorsaison — den stärksten Zuwachs verzeichneten Mädchen bis 16 Jahre mit einem Plus von 7 Prozent auf knapp 119 000 aktive Spielerinnen. Die Bundesliga ist nicht nur ein Unterhaltungsprodukt — sie ist ein wirtschaftliches Ökosystem, das von der Kreisliga bis zur Champions League reicht und dessen statistische Erfassung zunehmend anspruchsvoller und umfassender wird.
Häufig gestellte Fragen zur Fußball-Statistik
Was bedeutet xG im Fußball und wie wird der Wert berechnet?
Expected Goals — xG — beziffern die Wahrscheinlichkeit, dass ein bestimmter Torschuss zum Treffer führt. Die Berechnung basiert auf historischen Daten: Jeder Schuss wird anhand von Variablen wie Entfernung zum Tor, Schusswinkel, Schussart und Spielsituation bewertet. Ein xG-Wert von 0,25 bedeutet, dass vergleichbare Schüsse in der Vergangenheit in 25 von 100 Fällen ein Tor erzielt haben. Der Wert beschreibt also keine Gewissheit, sondern eine statistische Erwartung. In der Bundesliga wird xG von Analysten genutzt, um die Chancenqualität eines Teams zu bewerten — unabhängig davon, ob der Ball tatsächlich im Netz landet. Plattformen wie FBref und Understat stellen xG-Daten kostenlos bereit.
Welche Fußball-Statistik-Seite bietet die besten Daten?
Die Antwort hängt vom Verwendungszweck ab. Für erweiterte Metriken wie xG, xA und Pressing-Daten ist FBref die umfangreichste kostenlose Quelle — die Daten stammen von StatsBomb und Opta und decken über 50 Ligen ab. Wer sich primär für den deutschsprachigen Raum interessiert, findet auf Transfermarkt die größte Community und die bekannteste Marktwert-Datenbank. FootyStats richtet sich an Nutzer, die Daten für Wettanalysen benötigen, und bietet mit über 200 Ligen die breiteste Abdeckung, allerdings sind viele Funktionen kostenpflichtig. Understat ist ideal für schnelle xG-Vergleiche der sechs großen europäischen Ligen. Eine einzelne Plattform, die alles abdeckt, gibt es nicht — die Kombination mehrerer Quellen liefert das vollständigste Bild.
Wie werden Fußball-Statistiken in der Bundesliga technisch erhoben?
Die Datenerfassung in der Bundesliga beruht auf dem optischen Tracking-System TRACAB von Sportec Solutions, einer DFL-Tochtergesellschaft. Hochfrequenzkameras in jedem Stadion erfassen die Positionen aller Spieler und des Balls 25 Mal pro Sekunde. Pro Spiel entstehen so rund 3,6 Millionen Datenpunkte, an einem vollständigen Spieltag sind es etwa 65 Millionen. Ab der Saison 2025/26 ergänzt die Semi-Automated Offside Technology (SAOT) das System: 21 Punkte auf dem Körper jedes Spielers werden in Echtzeit verfolgt, um Abseitsentscheidungen automatisiert zu unterstützen. Die erfassten Rohdaten werden anschließend zu Metriken wie xG, PPDA oder Laufleistung verarbeitet und stehen Vereinen, Medien und Datenplattformen zur Verfügung.
Fazit: Warum Fußball-Statistik jeden Fan weiterbringt
Fußball-Statistik ist kein Gegenentwurf zur Emotion des Spiels. Sie ist eine Ergänzung — ein Werkzeug, das Muster sichtbar macht, die dem bloßen Auge verborgen bleiben. Wer xG lesen kann, versteht, warum ein Team trotz Niederlage die bessere Mannschaft war. Wer PPDA-Werte einordnet, erkennt den Unterschied zwischen aktivem Pressing und reaktivem Hinterherlaufen. Wer eine Shot Map interpretiert, sieht in Sekunden, was ein Trainer in stundenlanger Videoanalyse herausarbeitet. Zahlen lesen. Spiele verstehen.
Die technologische Infrastruktur ist vorhanden — von Millionen Tracking-Datenpunkten pro Bundesliga-Spiel bis zu KI-gestützten Chatbots, die Statistiken in natürlicher Sprache aufbereiten. Die Plattformen sind zugänglich: FBref, Understat und andere bieten kostenlos ein Analyseniveau, das vor einem Jahrzehnt Profivereinen vorbehalten war. Die wirtschaftliche Dimension des Fußballs, dokumentiert in Milliardenumsätzen und über 64 000 Arbeitsplätzen, unterstreicht, dass Datenanalyse kein Nischenthema mehr ist, sondern ein integraler Bestandteil der Branche.
Was bleibt, ist die Aufgabe des Einzelnen: die Daten zu nutzen, ohne sich von ihnen beherrschen zu lassen. Statistik erklärt Wahrscheinlichkeiten, keine Gewissheiten. Sie ersetzt weder das Staunen über ein Traumtor noch das Urteil eines erfahrenen Trainers. Aber sie gibt jedem — vom Fan auf der Tribüne bis zum Scout am Laptop — die Möglichkeit, den Fußball tiefer zu verstehen als je zuvor. Die Metriken, Quellen und Methoden, die dieser Artikel vorstellt, sind der Einstieg. Die Vertiefung liegt in den spezialisierten Analysen zu xG, PPDA, Tracking-Technologie und den vielen weiteren Facetten, die das Thema Fußball-Statistik zu bieten hat.