Daten sind der Rohstoff — aber woher kommen sie?
Jede analytische Wettstrategie steht und fällt mit der Qualität ihrer Daten. xG-Werte, Schussstatistiken, Pressing-Metriken, Eckball-Zahlen, Schiedsrichter-Bilanzen — all diese Datenpunkte sind die Grundlage jeder fundierten Bundesliga-Prognose. Aber die Daten kommen nicht von allein, und nicht jede Quelle liefert dieselbe Qualität. Wer die richtigen Quellen kennt und effizient nutzt, hat einen Vorteil gegenüber Wettern, die ihre Analyse auf Halbwissen und Bauchgefühl aufbauen.
Die gute Nachricht: Für Bundesliga-Daten muss niemand ein Vermögen ausgeben. Die besten Quellen sind kostenlos oder kosten weniger als ein monatliches Streaming-Abo. Die Herausforderung liegt nicht im Zugang, sondern in der Auswahl — denn zu viele Datenquellen erzeugen ebenso viele Probleme wie zu wenige, wenn die Qualität nicht geprüft wird.
Die wichtigsten Datenquellen im Überblick
FBref (fbref.com), betrieben von Sports Reference, ist eine der umfassendsten kostenlosen Datenquellen für den Bundesliga-Wetter. Die Plattform liefert Schussdaten, Passstatistiken, Pressing-Metriken und defensive Kennzahlen auf Team- und Spielerebene — aktuell für die laufende Saison und historisch für vergangene Jahre. Seit Oktober 2022 basieren die Daten auf dem Opta-Modell von Stats Perform (sports-reference.com), das das zuvor verwendete StatsBomb-Modell abgelöst hat. Hinweis: Anfang 2025 wurden die erweiterten Statistiken wegen eines Rechtestreits mit Opta vorübergehend entfernt — es empfiehlt sich, den aktuellen Umfang der verfügbaren Daten auf FBref zu prüfen. Für die meisten Wetter bleibt FBref eine zentrale Quelle, die einen großen Teil des Datenbedarfs abdeckt.
Understat (understat.com) ergänzt FBref mit einer intuitiven Visualisierung der xG-Trends. Die Plattform zeigt auf einen Blick, ob ein Team über oder unter seinen erwarteten Werten performt, und liefert xG-Daten auf Spielebene, die für die Formanalyse unverzichtbar sind. Ein Nachteil: Understat verwendet ein eigenes xG-Modell, das von dem auf FBref verwendeten Opta-Modell abweicht — die Differenzen sind gering, aber bei Grenzfällen relevant.
WhoScored (whoscored.com) bietet Spielerbewertungen, taktische Übersichten und Detailstatistiken wie Zweikampfquoten, Passgenauigkeit und Dribbling-Erfolgsraten. Für Spieler-Wetten und taktische Analysen ist WhoScored eine wertvolle Ergänzung, auch wenn die Gesamtbewertung einzelner Spieler mit Vorsicht zu genießen ist — sie aggregiert viele Metriken zu einer Zahl, und diese Aggregation ist nicht immer transparent.
Transfermarkt (transfermarkt.de) ist die Referenz für Kaderdaten, Marktwerte, Verletzungshistorien und Schiedsrichter-Statistiken. Für die Kadertiefe-Analyse, die Einschätzung von Ausfällen und die Bewertung der Relegations- und Abstiegskandidaten ist Transfermarkt unverzichtbar. Die Schiedsrichter-Sektion liefert Karten- und Foulbilanzen auf Referee-Ebene, die für Karten-Wetten essentiell sind.
Sofascore (sofascore.com) und Flashscore (flashscore.de) bieten Live-Daten und Echtzeit-Statistiken während der Spiele. Für Pre-Match-Analysen sind sie weniger relevant als FBref oder Understat, aber für die schnelle Überprüfung von Aufstellungen, Formkurven und Head-to-Head-Bilanzen sind sie nützliche Alltagswerkzeuge, die auf dem Smartphone jederzeit verfügbar sind.
Neben den kostenlosen Quellen existieren kostenpflichtige Dienste wie Opta oder StatsBomb direkt für Rohdatenzugriff. Ebenso bietet das kostenlose Portal Football-Data.co.uk (football-data.co.uk) herunterladbare CSV-Dateien historischer Ergebnisse und Quoten. Für Wetter, die eigene Modelle bauen — etwa xG-Regressionen oder Elo-Rating-Systeme —, sind diese Rohdaten unverzichtbar. Für die Mehrheit der Wetter, die mit vorgefertigten Statistiken arbeiten, reichen die kostenlosen Plattformen vollkommen aus. Die Investition in kostenpflichtige Daten lohnt sich erst, wenn die eigene Analysefähigkeit so weit fortgeschritten ist, dass die Grenzen der Gratisquellen tatsächlich spürbar werden.
Daten richtig nutzen: Workflow für die Spieltagsanalyse
Die Menge an verfügbaren Daten kann überwältigend sein. Ein strukturierter Workflow verhindert, dass die Analyse in Datenchaos endet. Ein bewährter Dreischritt für den Bundesliga-Spieltag sieht so aus.
Erstens: Übersicht verschaffen. Die Spielpaarungen des Spieltags auf Transfermarkt prüfen — Kadersituation, Ausfälle, Schiedsrichter-Ansetzungen. Das dauert zehn Minuten und liefert den Rahmen für die Detailanalyse.
Zweitens: Leistungsdaten auf FBref analysieren. Für jedes Spiel, das in die engere Auswahl kommt, die xG-Daten, die Formkurve der letzten acht Spiele und die Heim-Auswärts-Bilanz beider Teams abrufen. Dabei die Gegnerqualität der letzten Spiele berücksichtigen und die xG-Differenz gegen die aktuelle Tabellenposition halten. Dieser Schritt dauert fünfzehn bis zwanzig Minuten pro Spiel.
Drittens: Quoten vergleichen und Value berechnen. Die eigene Wahrscheinlichkeitsschätzung gegen die beste verfügbare Quote halten und nur wetten, wenn der Expected Value positiv ist. Quotenvergleich über drei bis vier Anbieter, effektive Quote nach Wettsteuer berechnen, Wette dokumentieren. Dieser letzte Schritt — die Dokumentation — wird von den meisten Wettern übersprungen, ist aber der Schlüssel zur langfristigen Verbesserung, weil er die eigene Kalibrierung messbar macht.
Gesamtaufwand pro Spieltag: sechzig bis neunzig Minuten für drei bis fünf analysierte Spiele. Das ist weniger als eine Halbzeit Bundesliga-Konferenz — und der analytische Ertrag ist unvergleichlich höher als das passive Konsumieren von Spielberichterstattung. Wer diesen Workflow über eine Saison hinweg konsequent durchzieht, baut nicht nur eine Datenbasis auf, sondern schult seine Analysefähigkeit auf ein Niveau, das mit jeder Woche steigt.
Datenquellen bewerten: Worauf es ankommt
Nicht jede Statistik-Seite liefert dieselbe Qualität, und drei Kriterien helfen bei der Bewertung. Erstens: Transparenz des Modells. Quellen, die erklären, wie ihre xG-Werte berechnet werden, sind vertrauenswürdiger als solche, die eine Black Box präsentieren. FBref (xG-Erklärung auf FBref) und Understat sind hier führend, weil sie auf etablierten Modellen basieren und die Methodik offenlegen.
Zweitens: Aktualität. Daten, die einen Spieltag verzögert sind, haben für Pre-Match-Analysen eingeschränkten Wert. Die meisten der genannten Plattformen aktualisieren innerhalb von 24 Stunden nach Spielende — schnell genug für die Spieltagsvorbereitung am Donnerstag oder Freitag, aber nicht für kurzfristige Live-Wetten-Entscheidungen.
Drittens: Konsistenz. Wer zwischen verschiedenen xG-Quellen wechselt, vergleicht Äpfel mit Birnen. Das Opta-Modell auf FBref liefert andere Werte als das Modell auf Understat, und die Differenz kann bei einzelnen Spielen 0,3 bis 0,5 xG betragen — genug, um die Analyse eines Spiels in die falsche Richtung zu lenken. Die Empfehlung: Eine Hauptquelle wählen und konsequent dabei bleiben. Die zweite Quelle nur als Gegencheck nutzen, nicht als Ersatz — und bei Widersprüchen hinterfragen, welches Modell die spezifische Spielsituation besser abbildet.
Daten sammeln ist der Anfang — Daten verstehen ist die Kunst
Die Datenquellen existieren, sie sind zugänglich, und sie liefern die Grundlage für fundierte Bundesliga-Prognosen. Aber Daten ohne Interpretation sind Zahlen ohne Bedeutung. Wer die Zahlen versteht — was eine xG-Differenz von plus 0,8 über zehn Spiele bedeutet, warum eine Pressing-Intensität von 7,5 PPDA einen taktischen Stil anzeigt, wie eine Eckball-Erwartung aus der Schussfrequenz abgeleitet wird —, verwandelt frei verfügbare Informationen in einen Wettbewerbsvorteil.
Die besten Daten nützen nichts ohne die Fähigkeit, sie richtig zu lesen. Und diese Fähigkeit wächst mit jedem Spieltag, an dem man die Daten analysiert, die Prognosen dokumentiert und die eigenen Fehler ehrlich auswertet.