Die Vorarbeit zählt. Im Fußball fallen Tore selten aus dem Nichts — hinter den meisten Treffern steckt ein Pass, eine Flanke, ein Steilball, der die Chance erst ermöglicht hat. Doch klassische Assist-Statistiken erfassen nur einen Teil dieser Kreativleistung: Sie zählen ausschließlich Vorlagen, die direkt zu einem Tor führen. Wer einen perfekten Steilpass in den Strafraum spielt und der Mitspieler den Ball freistehend neben das Tor setzt, geht in der traditionellen Statistik leer aus. Expected Assists — kurz xA — korrigiert genau diese Verzerrung.
xA bewertet die Qualität einer Vorlage unabhängig vom Ergebnis des nachfolgenden Schusses. Die Metrik nutzt dasselbe Grundprinzip wie Expected Goals: Jeder Schlüsselpass wird danach bewertet, wie wahrscheinlich er unter vergleichbaren Umständen zu einem Tor geführt hätte — nicht, ob er es tatsächlich tat. Damit rückt der Spieler in den Fokus, der die Chance kreiert, statt nur der, der sie verwandelt.
In der Bundesliga, wo Plattformen wie FBref und Understat xA-Daten frei zugänglich machen, hat die Metrik eine wachsende Fangemeinde unter Analysten und informierten Fans. Dieser Artikel erklärt, wie xA berechnet wird, wo der Unterschied zu klassischen Assists liegt und wie sich die Metrik in der Spielerbewertung einsetzen lässt.
Was ist xA und wie wird es berechnet?
Expected Assists misst den erwarteten Torwert der Chancen, die ein Spieler durch seine Vorlagen geschaffen hat. Die Berechnung funktioniert in zwei Schritten: Zuerst wird jedem Torschuss ein xG-Wert zugeordnet — also die Wahrscheinlichkeit, dass dieser Schuss ein Tor ergibt. Dann wird dieser xG-Wert nicht dem Schützen, sondern dem Spieler gutgeschrieben, der den letzten Pass vor dem Abschluss gespielt hat. Die Summe aller dieser Werte ergibt den xA eines Spielers.
Ein konkretes Beispiel: Ein Flügelspieler schlägt eine Flanke in den Strafraum. Sein Mitspieler kommt am Fünfmeterraum zum Kopfball — eine Situation, die laut xG-Modell in etwa 45 Prozent der Fälle zum Tor führt. Der Flügelspieler erhält dafür 0,45 xA, unabhängig davon, ob der Kopfball im Netz landet oder nicht. Spielt derselbe Flankenläufer einen Rückpass an den Strafraumrand, der nur zu einem Weitschuss mit 0,04 xG führt, bekommt er entsprechend nur 0,04 xA gutgeschrieben.
Die methodische Grundlage teilt sich xA mit den xG-Modellen. Bayesian-basierte Ansätze, wie sie etwa von Iapteff et al. (2025) beschrieben wurden, arbeiten mit einem AUC-Wert von 0,781 bei nur sieben Variablen zur Bewertung der Schussqualität. Auf dieser Bewertung des Torschusses baut xA unmittelbar auf. Die Güte des xA-Werts hängt damit direkt von der Qualität des zugrunde liegenden xG-Modells ab — ein grobkörniges xG-Modell produziert auch ungenaue xA-Werte.
Datenanbieter wie Opta (Stats Perform) definieren dabei genau, welche Aktionen als Schlüsselpässe gelten: direkter Assist, Schlüsselpass ohne Tor, Schussvorbereitung aus dem offenen Spiel, nach Standards oder im Umschaltmoment. Diese klare Taxonomie sorgt dafür, dass xA-Werte verschiedener Spieler innerhalb derselben Datenquelle vergleichbar bleiben.
Wichtig ist eine Einschränkung: xA erfasst nur den letzten Pass vor dem Abschluss. Der geniale Spielverlagerungspass über 50 Meter, der die gegnerische Kette aufreißt, taucht nicht auf, wenn danach noch ein weiterer Kurzpass folgt, bevor geschossen wird. xA misst unmittelbare Vorlagen — nicht den gesamten Aufbau einer Chance.
xA vs. klassische Assists: Wo liegt der Unterschied?
Der klassische Assist ist binär: Entweder der letzte Pass vor einem Tor wird als Vorlage gezählt, oder er wird es nicht. Kein Tor, kein Assist — egal, wie brillant die Vorlage war. Das führt zu systematischen Verzerrungen, die xA offenlegt.
Ein Spieler, der pro Saison zehn Assists sammelt, gilt traditionell als starker Vorbereiter. Doch was, wenn neun dieser Assists nach Kurzpässen aus drei Metern entstanden sind, bei denen der Empfänger das Tor praktisch nicht verfehlen konnte? Und was, wenn ein anderer Spieler zwanzig Mal eine Großchance aufgelegt hat, sein Mitspieler aber nur dreimal traf? Der erste Spieler hat zehn Assists, der zweite drei — obwohl seine Vorlagen objektiv wertvoller waren. xA korrigiert dieses Ungleichgewicht, indem es die Qualität der geschaffenen Chance bewertet, nicht das Ergebnis.
In der Praxis zeigt sich der Unterschied besonders bei Spielern, die regelmäßig hohe Chancen kreieren, aber unter einem schwachen Sturmpartner leiden. Ein offensiver Mittelfeldspieler mit 4,5 xA und nur zwei tatsächlichen Assists produziert konstant gute Vorlagen — sein Mitspieler lässt sie liegen. Umgekehrt profitiert ein Spieler mit vielen Assists bei niedrigem xA davon, dass seine einfachen Pässe von einem erstklassigen Stürmer veredelt werden.
Opta unterscheidet in seinen Definitionen verschiedene Typen von Schlüsselpässen: solche, die zu einem Torschuss führen, und solche, die darüber hinaus eine hohe Torwahrscheinlichkeit erzeugen. xA geht noch einen Schritt weiter, indem es jedem einzelnen dieser Pässe einen konkreten Zahlenwert zuordnet. So lässt sich erstmals die Kreativleistung eines Spielers quantifizieren — nicht nur seine Beteiligung am fertigen Produkt.
xA in der Praxis: Spieler bewerten mit Expected Assists
Für Scouts und Analysten ist xA ein Filter, der Spieler sichtbar macht, die in der reinen Assist-Tabelle untergehen. Das Szenario ist typisch: Ein Verein sucht einen kreativen Mittelfeldspieler und sortiert Kandidaten nach Assists pro 90 Minuten. Das ergibt eine erste Liste, sagt aber wenig über die tatsächliche Vorlagenqualität. Wer stattdessen nach xA pro 90 filtert, erkennt Spieler, die systematisch Großchancen kreieren — selbst wenn ihre Sturmkollegen diese nicht nutzen.
In der Bundesliga lässt sich das auf Plattformen wie FBref oder Understat nachvollziehen. Dort lassen sich xA-Werte pro 90 Minuten nach Positionen filtern und über Saisons hinweg vergleichen. Ein Flügelspieler mit 0,25 xA pro 90 bei nur einem Assist alle vier Spiele ist statistisch ein deutlich wertvollerer Vorbereiter als die nackten Zahlen vermuten lassen. Trainer, die solche Diskrepanzen erkennen, können ihr Offensivspiel gezielter ausrichten — oder auf dem Transfermarkt nach Profilen suchen, die vom xA-Wert her überdurchschnittlich, aber vom Preisschild her unterschätzt sind.
Allerdings hat xA als Bewertungsmetrik Grenzen. Die Zahl erfasst nicht, wie ein Spieler Räume öffnet, Gegner bindet oder durch Laufwege indirekt Chancen ermöglicht. Ein Spielmacher, der den Ball über drei Stationen weiterleitet, erscheint im xA-Ranking nicht — obwohl seine Beteiligung am Angriff entscheidend war. xA ist deshalb am stärksten, wenn es mit anderen Metriken kombiniert wird: progressive Pässe, Passgenauigkeit im letzten Drittel, Key Passes. Erst das Zusammenspiel ergibt ein vollständiges Bild der kreativen Leistung.
Für Fans bietet xA einen pragmatischen Mehrwert: Es beantwortet die Frage, ob ein Spieler tatsächlich gute Chancen kreiert — oder ob seine Assist-Zahlen schlicht vom Können des Stürmers abhängen. Das verändert nicht nur die Debatte über einzelne Spieler, sondern auch den Blick auf ganze Mannschaften. Ein Team mit hohem kumulierten xA, aber wenigen tatsächlichen Assists, hat kein Kreativitätsproblem — es hat ein Abschlussproblem. Und genau solche Diagnosen sind es, die xA für Trainer und Sportdirektoren gleichermaßen interessant machen.
Fazit
Expected Assists schließt eine Lücke, die klassische Statistiken offen lassen. Wo der Assist nur das Ergebnis zählt — Tor oder kein Tor —, bewertet xA die Qualität der Vorlage selbst. Das macht die Metrik zum unverzichtbaren Werkzeug für alle, die Kreativität im Fußball nicht dem Zufall überlassen wollen.
Die wichtigsten Punkte: xA baut auf xG auf und erbt dessen Stärken wie auch dessen Einschränkungen. Die Metrik ist besonders wertvoll im Scouting und in der Spielerbewertung, wo sie verdeckte Kreativleistungen sichtbar macht. Gleichzeitig sollte xA nie isoliert betrachtet werden — erst in Kombination mit progressiven Pässen, Key Passes und dem taktischen Kontext entsteht ein vollständiges Bild.
Wer xA versteht, sieht nicht nur Tore und Assists. Er sieht die Arbeit dahinter — und erkennt, wer in einer Mannschaft wirklich die Fäden zieht.