Der beste Kader aller deutschen Mannschaften – mit Abstand
28.12.2012 Dies schlägt sich auch im GoalImpact, also im Einfluss der Spieler auf die erwartete eigene Tordifferenz, nieder. Je höher der Wert eines Spielers, desto besser ist die Tordifferenz der eigenen Mannschaft wenn der Spieler auf dem Platz stand im Vergleich zu den Spielen ohne ihn. Hierbei werden die Spieler durch alle Mannschaften, Ligen und Länder hinweg bewertet. Dies ermöglicht es eine statistische Grundgesamtheit zu erhalten, die groß genug ist signifikante Unterschiede herauszuarbeiten. Einen kleinen Exkurs hierzu findet man Ende dieses Artikels.
Der ohnehin schon erstklassige Kader, der die Bayern in das Champions-League-Finale getragen hat, wurde in der Sommerpause mit Dante (152,0) und Shaqiri (142,5) verstärkt. Die Abgänge Pranjic (110,8) und das Breno (121,9) haben dem Kader nicht Qualität im gleichen Maße beraubt. Einzig das Laufwunder Ivica Olic, nun bei Wolfsburg, hatte einen GoalImpact von 151,9, passte aber wohl nicht ins Konzept. Es ergibt sich folgendes Gesamtbild:
| Spieler | Score | Position |
|---|---|---|
| Thomas Müller | 212.2 | Mittelfeld |
| Manuel Neuer | 177.0 | Torwart |
| Luiz Gustavo | 176.3 | Mittelfeld |
| Bastian Schweinsteiger | 173.1 | Mittelfeld |
| Mario Gomez | 159.9 | Sturm |
| Arjen Robben | 157.9 | Mittelfeld |
| Claudio Pizarro | 152.2 | Sturm |
| Dante | 152.0 | Abwehr |
| Franck Ribéry | 146.3 | Mittelfeld |
| Jerome Boateng | 145.6 | Abwehr |
| Xherdan Shaqiri | 142.5 | Mittelfeld |
| Daniel Van Buyten | 136.1 | Abwehr |
| Philipp Lahm | 134.0 | Abwehr |
| Rafinha | 130.7 | Abwehr |
| Mario Mandzukic | 127.1 | Sturm |
| David Alaba | 120.9 | Mittelfeld |
| Holger Badstuber | 119.5 | Abwehr |
| Toni Kroos | 114.8 | Mittelfeld |
| Javier Martínez | 113.8 | Mittelfeld |
| Anatoliy Tymoshchuk | 112.6 | Mittelfeld |
| Diego Contento | 94.1 | Abwehr |
Für die jeweiligen Bereiche auf dem Spielfeld ergeben sich folgende Durchschnittswerte: 130.29 Abwehr, 147.04 Mittelfeld und 146.4 im Sturm.
Mit Ausnahme von Contento, der eine sehr schwache Statistik aufweist, sind keine größeren Abweicher nach unten dabei. Es überrascht aber schon, dass Kroos und Martinez für den Kader unterdurchschnittlich sind. Beide haben laut transfermarkt.de einen Marktwert von über 20 Million Euro und vor allem Martinez ist schon 24. Man wird ihn nicht als Talent gekauft haben, sondern als jemanden der sofort einschlägt.
Holger Badstuber hätte ich auch weiter oben vermutet. Allerdings werden Verteidiger weniger ein- und ausgewechselt, so dass der GoalImpact weniger trennscharf ist. Aus Sicht der Statistik hat es was gutes, dass Badstuber nun länger ausfällt. Bald werden wir sehen, ob Bayern München ohne ihn tatsächlich bessere Ergebnisse einfährt als mit ihm, denn auch er liegt hier ja unter dem Kader-Durchschnitt.
Philipp Lahm ist für die Statistik auch ein interessanter Spieler. Ich vermute, dass sein Wert für die Mannschaft höher ist als es der GoalImpact nahelegt. Der Grund ist, dass der GoalImpact misst, ob die Tordifferenz höher oder niedriger war, wenn der Spieler auf dem Platz war. Wir wissen aber, dass Korrelation nicht gleich bedeutend ist mit Kausalität. Der GoalImpact sagt also nicht, dass die Tordifferenz höher oder niedriger war, weil Philipp Lahm auf dem Platz war. Eine große Stärke von Philipp Lahm ist seine Vielseitigkeit. Das heißt, dass er oftmals nicht auf seiner Idealposition gespielt hat, um Lücken anderswo im Kader zu schließen. Wenn Lahm links spielt, obwohl er rechts viel besser ist, so wird der GoalImpact niedriger ausfallen, als es rechts der Fall wäre. Man sieht also, dass der GoalImpact nicht den ganzen Spieler beschreiben kann.
Die Spieler einer Mannschaft spielen naturgemäß oft gemeinsam und sind daher schwieriger statistisch zu trennen, als wenn sie in unterschiedlichen Mannschaften spielen würden. Das es dem GoalImpact trotzdem gut gelingt, sieht man am Vergleich mit den Transferwerten.
Die Korrelation ist mit 44% (Bestimmtheitsmaß 19%) eindeutig und dass obwohl der GoalImpact nicht direkt Transferwerte misst. Letztere stehen ja nicht nur für Spielstärke, sondern hängen auch vom Alter, der Vertragsbindung und anderen Faktoren ab.
Der GoalImpact ist ein Algorithmus, der errechnet welchen Einfluss ein Spieler auf die erwartete Tordifferenz hat. Dies wird gemessen, in dem alle Spiele in der Datenbank minutengenau auf Einsatzzeiten des Spielers hin untersucht werden. Das in diesen Minuten erreichte Torverhältnis wird dann korrigiert um
- Die Spielstärken der Mitspieler
- Die Spielstärken der gegnerischen Spieler (Eine 0:1-Niederlage gegen Bayern kann besser sein als ein 1:0-Sieg gegen einen Oberligisten)
- Einem eventuellen Heimvorteil (wer zu hause spielt hat es einfacher)
- Der Erschöpfung der Spieler (Einwechselspieler sind frisch und müssen mehr Leistung bringen.)
Da der GoalImpact von den GoalImpacts der Mitspieler und Gegner abhängt, müssen alle Werte gleichzeitig berechnet werden. Dies geschieht derzeit für alle Spieler in der Datenbank, die über 180.000 Spiele von 1965 bis heute umfasst. Die Berechnung dauert eine Weile, so dass ich die Werte nur einmal im Monat mit den neuen Spielen aktualisiere.
Der ausgewiesene Wert ist direkt proportional zu der Änderung in der erwarteten Tordifferenz, wenn man einen durchschnittlichen Spieler (GoalImpact 100) auswechselt und den entsprechenden Spieler eingewechselt wird. Relevant ist also nicht so sehr die Zahl selber, als vielmehr der Unterschied zweier Zahlen. Mehr Beschreibung zum Algorithmus und Auswertungen zu anderen Mannschaften findet Ihr im Blog goalimpact.com.
