Advanced Stats Eishockey Wetten – Corsi, Fenwick & xG erklärt | EISKANTE

Vor sechs Jahren habe ich zum ersten Mal eine Wettentscheidung ausschließlich auf Basis von Corsi-Daten getroffen – gegen mein Bauchgefühl, gegen die Ergebnislage, gegen den Markt. Das Team hatte fünf der letzten sieben Spiele verloren, aber einen Corsi von 57 %. Ich habe gewettet, gewonnen, und seitdem sind Advanced Stats das Fundament meiner gesamten Analyse. In der NHL-Saison 2024/25 wurden 77,6 % aller Tore bei gleicher Spieleranzahl erzielt – ein Rekordwert seit über 50 Jahren. Das bedeutet, dass die 5-gegen-5-Leistung wichtiger ist als je zuvor, und genau diese Leistung messen Corsi, Fenwick und Expected Goals.

Advanced Stats sind im Eishockey kein Geheimwissen mehr – aber die wenigsten Wetter nutzen sie konsequent. In diesem Artikel erkläre ich die drei wichtigsten Metriken, zeige ihre Berechnung und demonstriere, wie Sie sie konkret in Wettentscheidungen übersetzen.

Corsi: Schussversuche als Besitzindikator

Eines Abends saß ich mit einem befreundeten NHL-Scout zusammen, und er sagte: „Schussversuche lügen nicht – Ergebnisse schon.“ Corsi ist die einfachste und gleichzeitig mächtigste Advanced Stat im Eishockey. Sie misst alle Schussversuche bei gleicher Spieleranzahl – Schüsse auf das Tor, geblockte Schüsse und Schüsse am Tor vorbei. Ein Team mit einem Corsi von 55 % generiert 55 % aller Schussversuche im Spiel und ist damit die dominantere Mannschaft.

Warum Corsi und nicht einfach Torschüsse? Weil Torschüsse nur einen Teil des Bildes zeigen. Ein Schuss, der geblockt wird, war trotzdem ein Angriff – das Team hatte den Puck, hat eine Schussposition erarbeitet und den Abschluss gesucht. Corsi erfasst den gesamten offensiven Prozess, nicht nur das Ergebnis.

Für Wetten ist der Corsi-Wert über die letzten zehn Spiele der beste einzelne Prädiktor für zukünftige Leistung – besser als die aktuelle Punkte-Bilanz, besser als Goals-per-Game, besser als die Tabellenposition. Ein Team mit negativer Bilanz, aber einem Corsi von 54 % ist statistisch unterbewertet und wird mit hoher Wahrscheinlichkeit seine Ergebnisse verbessern. Das ist der Kern meiner konträren Wettstrategie.

Fenwick: Die Corsi-Verfeinerung

Fenwick ist Corsi ohne geblockte Schüsse – also nur Schüsse auf das Tor und Schüsse am Tor vorbei. Die Logik dahinter: Geblockte Schüsse erreichen nie den Torhüter und haben daher eine geringere Torwahrscheinlichkeit. Fenwick filtert diesen „Rauschen“-Anteil heraus und liefert ein präziseres Bild der offensiven Qualität.

In der Praxis ist die Korrelation zwischen Corsi und Fenwick sehr hoch – über 0,95. Für die meisten Wettentscheidungen macht es keinen Unterschied, welche der beiden Metriken Sie verwenden. Fenwick hat einen marginalen Vorteil bei Teams mit extremen Blocking-Strategien: Ein Team, das systematisch viele Schüsse blockt, hat einen künstlich niedrigeren Corsi-Wert, weil die geblockten Gegner-Schüsse den Corsi des Blockerteams drücken. Fenwick korrigiert das.

Ich verwende Corsi als Standardmetrik und greife auf Fenwick zurück, wenn ich eine Diskrepanz zwischen den beiden sehe. Wenn der Corsi eines Teams bei 48 % liegt, der Fenwick aber bei 52 %, spricht das für ein Team, das zwar viele Schüsse blockt – was defensiv gut ist -, aber offensiv durchaus Qualität liefert. Solche Nuancen können bei engen Wettentscheidungen den Ausschlag geben. In der Praxis kommt diese Diskrepanz bei etwa 10-15 % der Teams vor – genug, um sie zu kennen, aber selten genug, um nicht jeden Datenpunkt doppelt checken zu müssen.

Expected Goals: Qualität statt Quantität

Expected Goals – xG – sind die jüngste und leistungsfähigste Metrik im Eishockey-Analytics-Arsenal. Während Corsi und Fenwick die Menge der Schussversuche messen, bewertet xG die Qualität jedes einzelnen Schusses. Ein Schuss aus dem Slot – dem Bereich direkt vor dem Tor – hat eine xG von 0,15 bis 0,25, ein Schuss von der blauen Linie vielleicht nur 0,02. Die Summe aller xG-Werte eines Spiels ergibt die erwartete Toranzahl.

Für Wetter ist xG aus einem einfachen Grund überlegen: Es prognostiziert zukünftige Torverhältnisse besser als tatsächliche Tore. Ein Team mit 2,5 xG pro Spiel, das aber nur 2,0 Tore pro Spiel erzielt, hat eine Shooting Percentage unter dem Erwartungswert – statistisch wird es mehr Tore schießen, sobald die Regression einsetzt. Umgekehrt: Ein Team mit 3,5 Toren pro Spiel bei 2,8 xG überperformt und wird voraussichtlich weniger Tore schießen.

In der aktuellen NHL-Saison korreliert xG stärker mit dem Saisonergebnis als jede andere einzelne Metrik. Teams mit positivem xG-Differential – mehr xG für als gegen – beenden die Saison in über 70 % der Fälle in der oberen Tabellenhälfte, unabhängig davon, wie ihre Bilanz zu einem bestimmten Zeitpunkt aussieht.

Von der Statistik zur Wette: Ein Praxisleitfaden

Theorie ist wertlos ohne Anwendung. Hier ist mein konkreter Workflow für eine NHL-Wettanalyse auf Basis von Advanced Stats. Schritt eins: Ich rufe die 5-gegen-5-Corsi-Werte beider Teams für die letzten zehn Spiele ab. Schritt zwei: Ich vergleiche die xG-Differentiale. Schritt drei: Ich schaue auf die Save Percentage und die Shooting Percentage – liegen sie deutlich über oder unter dem Karriereschnitt, ist Regression wahrscheinlich.

Ein Beispiel aus der Praxis: Team A hat einen Corsi von 53 %, ein positives xG-Differential von +0,4 pro Spiel, aber eine negative Bilanz von 3-5-2 in den letzten zehn Spielen. Die Save Percentage des Starters liegt bei 0,898 – deutlich unter seinem Karriereschnitt von 0,915. Meine Einschätzung: Team A spielt gut, hat aber Pech im Tor. Die Quote auf Team A ist überhöht, weil der Markt die Ergebnisse überbewertet und die Prozesse unterbewertet. Ich wette auf Team A.

Der wichtigste Punkt: Advanced Stats sind kein Allheilmittel. Sie sind ein Werkzeug – das beste einzelne Werkzeug, das wir haben -, aber sie ersetzen nicht den Kontext. Kaderveränderungen, Verletzungen, Spielplan und Torhüter-Matchups müssen ebenfalls in die Analyse einfließen. Wer sich tiefer mit NHL-Wetten beschäftigen möchte, findet dort weiterführende Analyseansätze, die auf diesen Stats aufbauen.

Eine Warnung, die ich aus Erfahrung gebe: Verlieben Sie sich nicht in die Zahlen. Ich habe Phasen erlebt, in denen mein Corsi-basiertes Modell drei Wochen am Stück falsch lag – weil eine Variable, die das Modell nicht erfasst, das Spiel dominierte. Verletzungen, Teamchemie, Trainerwechsel – all das fließt nicht in Corsi oder xG ein. Advanced Stats geben Ihnen einen strukturellen Vorteil, aber keinen Automatismus. Nutzen Sie sie als Fundament, nicht als Bibel.