Formanalyse Eishockey Wetten – Formkurve & Momentum nutzen | EISKANTE

Fünf Siege in Folge – das Team ist heiß, die Quoten steigen, alle wetten drauf. Genau in diesem Moment habe ich letzten Winter gegen den Strom gewettet und gewonnen. Nicht aus Kontrarianismus, sondern weil die zugrunde liegenden Daten des Teams katastrophal waren: schlechte Corsi-Werte, eine Save Percentage über 0,930, die nicht nachhaltig war, und ein schwacher Spielplan, der die Siegesserie begünstigt hatte. Die Formkurve sagte „heiß“, die Statistiken sagten „Regression steht bevor“. Die Statistiken hatten recht.

Formanalyse ist eines der meistmissbrauchten Werkzeuge bei Eishockey-Wetten. Die meisten Wetter schauen auf Ergebnisse der letzten fünf Spiele und treffen daraus Schlüsse, die statistisch nicht haltbar sind. Echte Formanalyse geht tiefer: Sie unterscheidet zwischen nachhaltigen Leistungsveränderungen und statistischem Rauschen. In diesem Artikel erkläre ich, welche Indikatoren tatsächlich aussagekräftig sind und wie Sie Momentum von Zufall trennen.

Welche Indikatoren die Formkurve bestimmen

Siege und Niederlagen allein sagen fast nichts über die Form eines Teams aus – klingt provokant, ist aber statistisch belegt. Ein Team kann fünf Spiele in Folge gewinnen, weil der Torhüter eine Serie mit 0,945 Save Percentage gespielt hat, die nicht nachhaltig ist. Oder weil der Spielplan fünf schwache Gegner hintereinander bot. Die Ergebnisse sind Fakt, aber ihre Ursachen sind das, was für die Wette zählt.

Die aussagekräftigsten Formindikatoren im Eishockey sind prozessbasiert, nicht ergebnisbasiert. An erster Stelle stehen die Expected Goals – xG – , die messen, wie viele Tore ein Team basierend auf der Qualität und Quantität seiner Schüsse hätte erzielen müssen. In der NHL-Saison 2024/25 wurden 77,6 % aller Tore bei gleicher Spieleranzahl erzielt – ein Rekord, der zeigt, dass die 5-gegen-5-Leistung wichtiger ist als je zuvor. Teams mit einem xG-Vorteil über die letzten zehn Spiele tendieren dazu, ihre Ergebnisse langfristig zu verbessern, selbst wenn die aktuelle Bilanz schwach aussieht.

Zweitwichtigster Indikator: die Schussversuche, gemessen durch Corsi. Ein Team mit 55 % Corsi-Anteil kontrolliert das Spiel, auch wenn einzelne Ergebnisse dagegen sprechen. Dritter Indikator: Penalty-Kill-Effizienz und Powerplay-Quote, die kurzfristig stark schwanken, aber über zehn Spiele aussagekräftig werden. Und schließlich: die Save Percentage des Torhüters – wenn sie in den letzten Spielen deutlich über oder unter dem Karriereschnitt liegt, ist eine Regression fast sicher.

Winning und Losing Streaks: Überbewertet oder relevant?

Hier wird es unbequem, weil ich gegen die Intuition argumentiere. Sophia Chayka, Analytics-Expertin und eine der schärfsten Stimmen in der Branche, hat es präzise formuliert: Die Vorhersagegenauigkeit der Wettlinien sinkt seit Jahren, und Spiele werden immer schwerer zu prognostizieren. Das gilt besonders für Streak-basierte Vorhersagen.

Ich habe über drei Saisons getrackt, wie Teams nach Siegesserien von fünf oder mehr Spielen abschneiden. Das Ergebnis: In der NHL gewinnt ein Team nach einer Fünf-Spiele-Siegesserie sein sechstes Spiel in 52,3 % der Fälle – kaum besser als der Ligadurchschnitt. Nach einer Fünf-Spiele-Niederlagenserie gewinnt das Team sein nächstes Spiel in 48,1 % der Fälle – kaum schlechter. Streaks haben im Eishockey eine minimale prädiktive Kraft für das nächste Einzelspiel.

Was Streaks allerdings beeinflussen, sind die Quoten. Der Buchmacher und das Wettervolk preisen Siegesserien überproportional ein, was den Favoriten überbewertet und den Gegner zum Value Bet macht. Umgekehrt werden Losing Streaks überbewertet: Teams in einer Niederlagenserie bekommen höhere Quoten, als ihre tatsächliche Leistung rechtfertigt. Dieser Effekt – Recency Bias im Markt – ist einer der zuverlässigsten Ineffizienzen bei Eishockey-Wetten.

Form vs. zugrunde liegende Statistiken

Das Kernproblem der Formanalyse ist die Unterscheidung zwischen Signal und Rauschen. Eine Siegesserie kann ein Signal sein – das Team hat tatsächlich einen neuen Leistungslevel erreicht, etwa durch eine Kaderveränderung, die Rückkehr eines Schlüsselspielers oder ein neues taktisches System. Oder sie ist Rauschen – eine zufällige Häufung positiver Ergebnisse, die durch unsustainable Shooting Percentage, schwachen Spielplan oder Torhüter-Overperformance getrieben wird.

Mein Entscheidungsbaum sieht so aus: Ich schaue zuerst auf die Ergebnisse der letzten zehn Spiele. Dann vergleiche ich sie mit den zugrunde liegenden Metriken – xG, Corsi, Save Percentage, Powerplay/Penalty Kill. Wenn Ergebnisse und Metriken in die gleiche Richtung zeigen, ist die Form wahrscheinlich real. Wenn die Ergebnisse glänzen, aber die Metriken schwach sind, setze ich gegen die Form. Und wenn die Ergebnisse schlecht sind, aber die Metriken stark, setze ich auf die Mannschaft.

Dieser kontraintuitive Ansatz hat mich in den letzten drei Jahren mehr Geld verdient als jede andere einzelne Strategie. Der Markt bewertet Ergebnisse; ich bewerte Prozesse. Das klingt nach einer Binsenweisheit, aber in der Praxis handeln die meisten Wetter genau umgekehrt – sie sehen drei Siege und schließen auf gute Form, ohne einen einzigen Blick auf die Underlying Stats zu werfen.

Ein konkretes Beispiel aus der letzten Saison: Ein Team hatte sechs der letzten acht Spiele verloren, aber die xG-Bilanz war positiv, und der Corsi lag bei 54 %. Der Torhüter hatte in dieser Phase eine Save Percentage von 0,891 – deutlich unter seinem Karriereschnitt von 0,914. Die Ergebnisse schrien „Krisenteam“, die Daten sagten „gesundes Team mit Torhüterpech“. Ich habe drei Wochen lang konsequent auf dieses Team gesetzt, bis die Regression einsetzte. Fünf von sieben Wetten gingen auf – kein Zufall, sondern die natürliche Korrektur einer statistischen Anomalie.

Praxis-Checkliste für die Formanalyse

Statt langer Erklärungen hier mein konkreter Ablauf, den ich vor jedem Eishockey-Wett-Einsatz durchgehe. Erster Schritt: Ergebnisse der letzten zehn Spiele beider Teams abrufen. Nicht die letzten fünf – zehn Spiele glätten Ausreißer und liefern ein verlässlicheres Bild.

Zweiter Schritt: xG-Bilanz und Corsi-Werte der letzten zehn Spiele beider Teams prüfen. Stimmen Ergebnisse und Metriken überein? Oder gibt es eine Diskrepanz? Eine positive xG-Bilanz bei negativer Ergebnisbilanz ist ein starkes Signal für Value auf der Seite des vermeintlich schwächeren Teams.

Dritter Schritt: Save Percentage des Starter-Torhüters in den letzten zehn Spielen. Liegt sie mehr als 1,5 % über oder unter dem Karriereschnitt, ist Regression wahrscheinlich. Ein Team, das nur wegen einer heißen Torhüter-Phase gewinnt, wird diese Siege nicht halten.

Vierter Schritt: Spielplan-Check. Gegen wen hat das Team in den letzten zehn Spielen gespielt? Fünf Siege gegen Bottom-10-Teams sagen etwas anderes als fünf Siege gegen Playoff-Contender. Fünfter Schritt: Kaderveränderungen und Verletzungen. Ist ein Schlüsselspieler zurückgekehrt oder ausgefallen? Ein einziger Kaderumbau kann die Formkurve stärker beeinflussen als alle taktischen Anpassungen zusammen.