BVB - Statistiken

Tore, Assists und Pre-Assists - Statistik der Saison 2025/26
_____________________________________________

1. Pflichtspiel 19.08.2025 / DFB-Pokal, 1. Runde: Rot-Weiss Essen - Borussia Dortmund 0:1
0:1 ⚽: Guirassy | ⭐: Bensebaini | ♐: Anton

2. Pflichtspiel 23.08.2025 / 1. Bundesligaspiel: FC St. Pauli - Borussia Dortmund 3:3
0:1 ⚽: Guirassy | ⭐: Sabitzer | ♐: Bellingham
1:2 ⚽: Anton | ⭐: Nmecha | ♐: Svensson
1:3 ⚽: Brandt | ⭐: Groß | ♐: Mane

3. Pflichtspiel 31.08.2025 / 2. Bundesligaspiel: Borussia Dortmund - Union Berlin 3:0
1:0 ⚽: Guirassy | ⭐: Couto | ♐: Anselmino
2:0 ⚽: Guirassy | ⭐: Beier | ♐: Guirassy
3:0 ⚽: Nmecha | ⭐: | ♐:

4. Pflichtspiel 13.09.2025 / 3. Bundesligaspiel: FC Heidenheim - Borussia Dortmund 0:2
0:1 ⚽: Guirassy | ⭐: Ryerson | ♐: Couto
0:2 ⚽: Beier | ⭐: Adeyemi | ♐: Ryerson

5. Pflichtspiel 17.09.2025 / 1. Spieltag Champions League: Juventus FC - Borussia Dortmund 4:4
0:1 ⚽: Adeyemi | ⭐: Guirassy | ♐: Nmecha
1:2 ⚽: Nmecha | ⭐: Adeyemi | ♐: Couto
2:3 ⚽: Couto | ⭐: Sabitzer | ♐:
2:4 ⚽: Bensebaini | ⭐: Guirassy | ♐:

6. Pflichtspiel 21.09.2025 / 4. Bundesligaspiel: Borussia Dortmund - VFL Wolfsburg 1:0
1:0 ⚽: Adeyemi | ⭐: Ryerson | ♐: Sabitzer

7. Pflichtspiel 27.09.2015 / 5. Bundesligaspiel: 1. FSV Mainz 05 - Borussia Dortmund 0:2
0:1 ⚽: Svensson | ⭐: Brandt | ♐: Beier
0:2 ⚽: Adeyemi | ⭐: Brandt | ♐: Adeyemi

8. Pflichtspiel | 01.10.2025 / 2. Spieltag Champions League: Borussia Dortmund - Athletic Club Bilbao 4:1
1:0 ⚽: Svensson | ⭐: Adeyemi | ♐: Ryerson
2:0 ⚽: Chukwuemeka | ⭐: Guirassy | ♐: Sabitzer
3:1 ⚽: Guirassy | ⭐: Sabitzer | ♐: Anton
4:1 ⚽: Brandt | ⭐: Beier | ♐: Nmecha

9. Pflichtspiel 04.10.2025 / 6. Bundesligaspiel: Borussia Dortmund - RB Leipzig 1:1
1:1 ⚽: Couto | ⭐: Guirassy | ♐: Beier

10. Pflichtspiel 18.10.2025 / 7. Bundesligaspiel: FC Bayern München - Borussia Dortmund 2:1
2:1 ⚽: Brandt | ⭐: Ryerson | ♐: Schlotterbeck

11. Pflichtspiel 21.10.2025 | 3. Spieltag Champions League: FC Kopenhagen - Borussia Dortmund 2:4
0:1 ⚽: Nmecha | ⭐: Bellingham | ♐: Guirassy
1:2 ⚽: Bensebaini | ⭐: Guirassy | ♐:
1:3 ⚽: Nmecha | ⭐: Chukwuemeka |♐:
1:4 ⚽: Silva | ⭐: | ♐:

12. Pflichtspiel 25.10.2025 / 8. Bundesligaspiel: Borussia Dortmund - 1. FC Köln 1:0
1:0 ⚽: Beier | ⭐: Silva | ♐ : Schlotterbeck

13. Pflichtspiel 28.10.2025 | DFB-Pokal, 2. Runde: Eintracht Frankfurt - Borussia Dortmund 3:5 n.V. i.E.
1:1 ⚽: Brandt | ⭐: Ryerson | ♐ : Bellingham
Elfmeterschießen:
1:2 ⚽: Silva
2:3 ⚽: Süle
2:4 ⚽: Chukwuemeka
3:5 ⚽: Nmecha

14. Pflichtspiel 31.10.2025 / 9. Bundesligaspiel: FC Augsburg - Borussia Dortmund 0:1
0:1 ⚽: Guirassy | ⭐: | ♐:

15. Pflichtspiel 05.11.2025 / 4. Spieltag Champions League: Manchester City - Borussia Dortmund 4:1
3:1 ⚽: Anton | ⭐: Ryerson | ♐: Groß

16. Pflichtspiel 08.11.2025 / 10. Bundesligaspiel: Hamburger SV - Borussia Dortmund 1:1
0:1 ⚽: Chukwuemeka | ⭐: Schlotterbeck | ♐:

17. Pflichtspiel 22.11.2025 / 11. Bundesligaspiel: Borussia Dortmund - VFB Stuttgart 3:3
1:0 ⚽: Can | ⭐: Schlotterbeck / ♐:
2:0 ⚽: Beier | ⭐: | ♐:
3:2 ⚽: Adeyemi | ⭐: Beier | ♐: Adeyemi

18. Pflichtspiel 25.11.2025 / 5. Spieltag Champions League: Borussia Dortmund - Villarreal FC 4:0
1:0 ⚽: Guirassy | ⭐: Anselmino | ♐: Anton
2:0 ⚽: Guirassy | ⭐: | ♐:
3:0 ⚽: Adeyemi | ⭐: | ♐:
4:0 ⚽: Svensson | ⭐: Groß | ♐: Bellingham

19. Pflichtspiel 29.11.2025 / 12. Bundesligaspiel: Bayer Leverkusen - Borussia Dortmund 1:2
0:1 ⚽: Anselmino | ⭐: Svensson | ♐:
0:2 ⚽: Adeyemi | ⭐: Silva | ♐:

20. Pflichtspiel 02.12.2025 / DFB-Pokal Achtelfinale: Borussia Dortmund - Bayer Leverkusen 0:1
-

21. Pflichtspiel 07.12.2025 / 13. Bundesligaspiel: Borussia Dortmund - TSG Hoffenheim 2:0
1:0 ⚽: Brandt | ⭐: Couto | ♐: Adeyemi
2:0 ⚽: Schlotterbeck | ⭐: Nmecha | ♐: Couto

22. Pflichtspiel 10.12.2025 / 6. Spieltag Champions League: Borussia Dortmund - FK Bodø/Glimt 2:2
1:0 ⚽: Brandt | ⭐: Silva | ♐:
2:1 ⚽: Brandt | ⭐: | ♐:

23. Pflichtspiel 14.12.2025 / 14. Bundesligaspiel: SC Freiburg - Borussia Dortmund 1:1
0:1 ⚽: Bensebaini | ⭐: Couto | ♐:

24. Pflichtspiel 19.12.2025 /15. Bundesligaspiel: Borussia Dortmund - Borussia M'gladbach 2:0
1:0 ⚽: Brandt | ⭐: Süle | ♐: Groß
2:0 ⚽: Beier | ⭐: Silva | ♐: Couto

25. Pflichtspiel 09.01.2026 / 16. Bundesligaspiel: Eintracht Frankfurt - Borussia Dortmund 3:3
0:1 ⚽: Beier | ⭐: Ryerson | ♐: Schlotterbeck
1:2 ⚽: Nmecha | ⭐: | ♐:
3:3 ⚽: Chukwuemeka | ⭐: | ♐:

26. Pflichtspiel 13.01.2026 / 17. Bundesligaspiel: Borussia Dortmund - Werder Bremen 3:0
1:0 ⚽: Schlotterbeck | ⭐: Ryerson | ♐:
2:0 ⚽: Sabitzer | ⭐: Nmecha | ♐: Svensson
3:0 ⚽: Guirassy | ⭐: Bellingham |

27. Pflichtspiel 17.01.2026 / 18. Bundesligaspiel: Borussia Dortmund - FC St. Pauli 3:2
1:0 ⚽: Brandt | ⭐: Adeyemi | ♐ : Bellingham
2:0⚽: Adeyemi | ⭐: Silva | ♐ : Brandt
3:2 ⚽: Can | ⭐: Beier | ♐ :

28. Pflichtspiel 20.01.2016 / 7. Spieltag Champions League: Tottenham Hotspurs - Borussia Dortmund 2:0
-

29. Pflichtspiel 25.01.2026 / 19. Bundesligaspiel: Union Berlin - Borussia Dortmund 0:3
0:1 ⚽: Can | ⭐: Guirassy | ♐
0:2 ⚽: Schlotterbeck | ⭐: Ryerson ♐:
0:3 ⚽: Beier | ⭐: Bellingham | ♐:

30.Pflichtspiel 28.01.2026 7 8. Spieltag ´Champions League: Borussia Dortmund - Inter Mailand 0:2
-

31. Pflichtspiel 01.02.2026 / 20. Bundesligaspiel: Borussia Dortmund - FC Heidenheim 3:2
1:0 ⚽:Anton | ⭐: | ♐:
2:2 ⚽: Guirassy | ⭐: | ♐:
3:2 ⚽: Guirassy | ⭐: Beier | ♐: Brandt

32. Pflichtspiel 07.02.2026 / 21. Bundesligaspiel: VFL Wolfsburg - Borussia Dortmund 1:2
0:1 ⚽: Brandt | ⭐: Ryerson | ♐:
1:2 ⚽: Guirassy | ⭐: Silva | ♐: Nmecha

33. Pflichtspiel 13.02.2026 / 22. Bundesligaspiel: Borussia Dortmund - 1. FSV Mainz 05 4:0
1:0 ⚽: Guirassy | ⭐: Ryerson | ♐:
2:0 ⚽: Beier | ⭐: Ryerson | ♐:
3:0 ⚽: Guirassy | ⭐: Ryerson | ♐:
(4:0 Eigentor)

34. Pflichtspiel 17.03.2026 / CL-Playoffs Hinspiel: Borussia Dortmund - Atalanta Bergamo 2:0
1:0 ⚽: Guirassy | ⭐: Ryerson | ♐: Beier
2:0 ⚽: Beier | ⭐: Guirassy | ♐: Nmecha

35. Pflichtspiel 21.02.2026 / 23. Bundesligaspiel: RB Leipzig - Borussia Dortmund 2:2
(2:1 Eigentor)
2:2 ⚽: Silva | ⭐: Adeyemi | ♐: Brandt

36. Pflichtspiel 25.02.2026 / CL-Playoffs Rückspiel: Atalanta Bergamo - Borussia Dortmund 4:1
3:1 ⚽: Adeyemi | ⭐: Chukwuemeka | ♐: Adeyemi

37. Pflichtspiel 28.02.2026 / 24. Bundesligaspiel: Borussia Dortmund - FC Bayern München
1:0 ⚽: Schlotterbeck | ⭐: Svensson | ♐:
2:2 ⚽: Svensson | ⭐: Sabitzer | ♐: Couto

38. Pflichtspiel 08.03.2026 / 25. Bundesligaspiel: 1. FC Köln - Borussia Dortmund 1:2
0:1 ⚽: Guirassy | ⭐: Beier | ♐:
0:2 ⚽: Beier | ⭐: Brandt | ♐: Beier

39. Pflichtspiel 14.03.2026 / 26. Bundesligaspiel: Borussia Dortmund - FC Augsburg 2:0
1:0 ⚽: Adeyemi | ⭐: Beier | ♐: Svensson
2:0 ⚽: Reggiani | ⭐: Ryerson | ♐:
__________________________________________

Ranglisten

Gesamtscorer (Tore, Assists, Pre-Assists)

Guirassy .......... (⚽⚽⚽⚽♐⚽⭐⭐⭐⚽⭐♐⭐⚽⚽⚽⚽⭐⚽⚽⚽⚽⚽⚽⭐⚽) +26
Beier ................ (♐⚽♐⭐♐⚽⚽⭐⚽⚽⭐⚽⭐⚽♐⚽⭐⚽♐⭐) +20
Adeyemi .......... (⭐⚽⭐⚽⚽♐⭐⚽♐⚽⚽♐⭐⚽⭐⚽♐⚽) +18
Brandt ............. (⚽⭐⭐⚽⚽⚽⚽⚽⚽⚽⚽♐♐ ⚽♐⭐) +16
Ryerson ........... (⭐♐⭐♐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐) +16
Nmecha .......... (⭐⚽♐⚽♐⚽⚽⚽⭐⚽⭐♐♐) +13
Couto .............. (⭐♐♐⚽⚽⭐♐⭐♐♐) +10
Schlotterbeck .. (♐♐⭐⭐⚽♐⚽⚽⚽) +9
Silva ................. (⚽⚽⭐⭐⭐⭐⭐⭐⚽) +9
Svensson ......... (♐⚽⚽⚽⭐♐⭐⚽♐) +9
Bellingham ..... (♐⭐♐♐⭐♐⭐ ) +7
Sabitzer .......... (⭐⭐♐♐⭐⚽⭐) +7
Anton .............. (♐⚽♐⚽♐⚽) +6
Chukwuemeka (⚽⭐⚽⚽⚽⭐) +6
Bensebaini ...... (⭐⚽⚽⚽) +4
Groß ................. (⭐♐⭐♐) +4
Anselmino ....... (♐⭐⚽) +3
Can ................... (⚽⚽⚽) +3
Süle .................. (⚽⭐) +2
Mane ................ (♐) +1
Reggiani .......... (⚽) +1

Platzierung - Name - Tore + Assists + Pre-Assists = Gesamtpunkte (Spielzeit / BVB-TM-Scorerquote)

01. Guirassy ......... : 17 + 7 + 2 = 26 Gesamtpunkte (2.668 Spielminuten / 103 Min. pro Scorer)
02. Beier ................ : 9 + 6 + 5 = 20 Gesamtpunkte (2.145 Spielminuten / 107 Min. pro Scorer)
03. Adeyemi .......... : 9 + 5 + 4 = 18 Gesamtpunkte (1.742 Spielminuten / . 97 Min. pro Scorer)
04. Brandt ........... : 10 + 3 + 3 = 16 Gesamtpunkte (1.807 Spielminuten / 113 Min. pro Scorer)
04. Ryerson ......... : 0 + 14 + 2 = 16 Gesamtpunkte (2.369 Spielminuten / 148 Min. pro Scorer)
06. Nmecha ........... : 6 + 3 + 4 = 13 Gesamtpunkte (2.940 Spielminuten / 226 Min. pro Scorer)
07. Couto ............... : 2 + 3 + 5 = 10 Gesamtpunkte (1.493 Spielminuten / 149 Min. pro Scorer)
08. Silva ................... : 3 + 6 + 0 = 9 Gesamtpunkte ( . 960 Spielminuten / 107 Min. pro Scorer)
08. Schlotterbeck .... : 4 + 2 + 3 = 9 Gesamtpunkte (2.570 Spielminuten / 286 Min. pro Scorer)
08. Svensson ........... : 4 + 2 + 3 = 9 Gesamtpunkte (3.048 Spielminuten / 339 Min. pro Scorer)
11. Sabitzer ............. : 1 + 4 + 2 = 7 Gesamtpunkte (1.807 Spielminuten / 258 Min. pro Scorer)
11. Bellingham ........ : 0 + 3 + 4 = 7 Gesamtpunkte (1.998 Spielminuten / 285 Min. pro Scorer)
13. Chukwuemeka .. : 4 + 2 + 0 = 6 Gesamtpunkte ( . 979 Spielminuten / 163 Min. pro Scorer)
13. Anton ................. : 3 + 0 + 3 = 6 Gesamtpunkte (3.207 Spielminuten / 535 Min. pro Scorer)
15. Groß ................... : 0 + 2 + 2 = 4 Gesamtpunkte (.. 732 Spielminuten / 183 Min. pro Scorer)
15. Bensebaini: ........ : 3 + 1 + 0 = 4 Gesamtpunkte (2.033 Spielminuten / 508 Min. pro Scorer)
17. Anselmino .......... : 1 + 1 + 1 = 3 Gesamtpunkte ( . 564 Spielminuten / 188 Min. pro Scorer)
17. Can ..................... : 3 + 0 + 0 = 3 Gesamtpunkte ( . 980 Spielminuten / 327 Min. pro Scorer)
19. Süle ..................... : 1 + 1 + 0 = 2 Gesamtpunkte ( .587 Spielminuten / 293 Min. pro Scorer)
20. Mane ................... : 0 + 0 + 1 = 1 Gesamtpunkt . ( . 311 Spielminuten / 311 Min. pro Scorer)
20. Reggiani .............. : 1 + 0 + 0 = 1 Gesamtpunkt . ( . 290 Spielminuten / 290 Min. pro Scorer)
_________________________________________

Scorer und Quoten (Sobald eine Quote angegeben wird, werden nur Spieler berücksichtigt, die mindestens 25% der möglichen Spielzeit von 3540 Minuten in 39 Pflichtspielen = 885 Spielminuten im Einsatz waren).

Platzierung - Name | BVB-TM-Scorerquote | Spielposition

01. Adeyemi ............... | .. 97 Min. | MS, HS, RA
02. Guirassy ................ | 103 Min. | MS
03. Beier ..................... | 107 Min. | MS, HS, LA
03. Silva ...................... | 107 Min. | MS
05. Brandt .................. | 113 Min. | OM
06. Ryerson ................ | 148 Min. | RV
07. Couto .................... | 149 Min. | RV, RM
08. Chukwuemeka ..... | 163 Min. | ZM
09. Nmecha ................ | 226 Min. | ZM
10. Sabitzer ................ | 258 Min. | ZM
11. Can ........................ | 282 Min. | IV, DM
12. Bellingham ........... | 285 Min. | ZM
13. Schlotterbeck ....... | 327 Min. | IV
14. Svensson ............... | 339 Min. | LV, LM
15. Bensebaini ............ | 508 Min. | LV
16. Anton ..................... | 535 Min. | IV

Tore

01. Guirassy 17
02. Brandt 10
03. Adeyemi 9
03. Beier 9
05. Nmecha 6
06. Chukwuemeka 4
06. Schlotterbeck 4
06. Svensson 4
09. Anton 3
09. Bensebaini 3
09. Can 3
09. Silva 3
13. Couto 2
14. Anselmino 1
14. Reggiani 1
14. Sabitzer 1
14. Süle 1

Torvorbereitung (Assists + Pre-Assists)

01. Ryerson 16
02. Beier 11
03. Adeyemi 9
03. Guirassy 9
05. Couto 8
06. Bellingham 7
06. Nmecha 7
08. Brandt 6
08. Sabitzer 6
08. Silva 6
11. Schlotterbeck 5
11. Svensson 5
13. Groß 4
14. Anton 3
15. Anselmino 2
15. Chukwuemeka 2
17. Bensebaini 1
17. Mane 1
17. Süle 1

Tore + Assists (meist benutzte Scorerzählung in der medialen Sportberichterstattung, in Klammern Scorer pro Einsatzminuten = Scorerquote)

01. Guirassy ......... 24 (111 Min.)
02. Beier ............... 15 (143 Min.)
03. Adeyemi ......... 14 (124 Min.)
04. Ryerson .......... 14 (169 Min.)
05. Brandt ............ 13 (139 Min.)
06. Silva .................. 9 (107 Min.)
07. Nmecha ............ 9 (327 Min.)
08. Chukwuemeka . 6 (163 Min.)
09. Schlotterbeck ... 6 (428 Min.)
10. Svensson .......... 6 (508 Min.)
11. Couto ................ 5 (299 MIn.)
12. Sabitzer ............ 5 (361 Min.)
13. Bensebaini ....... 4 (508 Min.)
14. Can ................... 3 (327 Min.)
15. Bellingham ....... 3 (666 Min.)
16. Anton ................ 3 (1.069 Min.)
___________________________________________

Einsatzzeiten in Minuten und Prozent von 3.540 möglichen Spielminuten

01. Kobel ............... | 3.540 Min. | 100%
02. Anton ............... | 3.207 Min. | . 91%
03. Svensson ......... | 3.048 Min. | . 86 %
04. Nmecha ........... | 2.940 Min. | . 83%
05. Guirassy ........... | 2.668 Min. | . 75%
06. Schlotterbeck .. | 2.570 Min. | . 73%
07. Ryerson ............ | 2.369 Min. | . 67%
08. Beier ................. | 2.145 Min. | . 61%
09. Bensebaini ....... | 2.033 Min. | . 57%
10. Bellingham ...... | 1.998 Min. | . 56%
11. Sabitzer ............ | 1.807 Min. | . 51%
11. Brandt .............. | 1.807 Min. | . 51%
13. Adeyemi............ | 1.742 Min. | . 49%
14. Couto ................ | 1.493 Min. | . 42%
15. Can ...................... | 980 Min. | . 28%
16. Chukwuemeka .... | 979 Min. | . 28%
17. Silva ..................... | 960 Min. | . 27%
18. Groß ..................... | 732 Min. | . 21%
19. Süle ...................... | 587 MIn. | . 17%
20. Anselmino ............ | 564 Min. | . 16%
21. Mane .................... | 311 Min. | ... 9%
22. Reggiani ............... | 290 Min. | ... 8%
23. Özcan ................... | . 32 Min. | ... 1 %
24. Campbell ............. | . 16 Min. | . 0,5%

Nicht eingesetzt wurden bisher Kabar sowie die Ersatztorhüter Drewes, Meyer und Ostrzinski. Groß hat den Verein verlassen, Campbell und Duranville sind inzwischen verliehen worden.

_________________________________________________

Bundesliga nach 26 von 34 Spielen
Tabellenplatz, Verein, Punkte, Tordifferenz

1. Bayern München .... 67 +68
2. Borussia Dortmund 58 +29
3. TSG Hoffenheim. .... 50 +20
4. VFB Stuttgart .......... 50 +17
3. RB Leipzig ............... 47 +13
6. Bayer Leverkusen ... 45 +16


BVB-Tabellenplatzentwicklung: 8, 4, 2, 2, 2, 2, 4, 4, 3, 3, 4, 3, 3, 3, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2

Nächstes Bundesligapiel: 21.03.2026 Borussia Dortmund - Hamburger SV

Champions League

In den Playoffs ist der BVB gegen Atalanta Bergamo ausgeschieden (2:0, 1:4).

DFB-Pokal

Aus dem DFB-Pokal ist der BVB im Achtelfinale gegen Bayer Leverkusen ausgeschieden (0:1).
_____________________________________________

⚽ - Tor
⭐ - Assist
♐ - Pre-Assist

Ich denke, man kann davon ausgehen, dass die xGoals erwartungstreu sind. Das heißt, wenn man die xGoals simuliert und Tore gemäß den Wahrscheinlichkeiten der xG-Werte fallen, wird man insgesamt, also über viele Spiele gesehen, auf nahezu die gleiche Anzahl an Toren kommen wie sie in der Realität gefallen sind.
Das sollte eine Voraussetzung für so ein statistisches Modell sein, meiner Meinung nach. Auf die Gesamtmenge an Spielen darf es da keinen Bias geben, wenn man so ein Modell erstellt.
Eine Abweichung bezüglich der Anzahl an Siegen/Niederlagen und Unentschieden könnte es theoretisch dennoch geben. Aber nur, wenn die Trefferwahrscheinlichkeit vom Spielstand abhängt und das gleichzeitig nicht vom xG-Modell berücksichtig würde. Das hieße, die selbe Torchance müsste bei Spielstand Unentschieden eine andere Wahrscheinlichkeit als bei Spielstand Führung oder Rückstand haben. Ich würde das nicht erwarten, aber auch nicht komplett ausschließen. Generell wäre das auch leicht in die xG-Modelle zu integrieren. Keine Ahnung, ob es dafür Ansätze gibt.
Jedenfalls würde ich davon ausgehen, dass die xG-Modelle bei den angebenden Torwahrscheinlichkeiten insofern richtig liegen, dass die Gesamtanzahl der Tore einer Liga und auch die Anzahl der Siege und Unentschieden, über einen längeren Zeitraum gesehen, gut geschätzt werden.

Bezüglich der Aussagekraft auf zukünftige Ergebnisse wurde bereits gezeigt, dass die xG-Modelle hier genauere Prognosen liefern als andere Standardstatistiken, wie die Anzahl der Punkte, der Tore oder der Torschüsse. Artikel dazu, sollten zu finden sein.

Die vielen anderen Einflussfaktoren, die die Stärke eines Teams beschreiben, sorgen dafür, dass die xG-Werte für einzelne Spiele öfters zu ungenau sind. Über einen längeren Zeitraum nimmt die Genauigkeit aber zu. Das selbe gilt aber natürlich auch für andere Statistiken wie die Anzahl der real geholten Punkte oder das echte Torverhältnis. Bei den xG-Werten braucht es eben nur weniger Spiele im Vergleich, um eine ebenso gute Aussage zu liefern. Dennoch braucht es eine gewisse Anzahl an Spielen für eine gute Schätzungen. So macht man es eben auch in anderen Statistiken, wenn es Störgrößen gibt, vergrößert man die Stichprobe und geht davon aus, dass sich die Störgrößen ausmitteln.

Allgemein muss man eben auch nicht immer auf die Leistungsstärke abzielen. Die xG-Werte beziehen sich eben nur auf die Torchancen und da ist es eine wertvolle Information, ob man selber und die Gegner die Chancen gut nutzen.

Experten werden den Ausgang eines Spiels besser schätzen können. Eigentlich reicht es schon die letzten 5 Minuten zu sehen, um zu wissen, wer am Ende führt, auch ohne die Tore zu sehen.
Was wäre hier ein fairer Vergleich zu den xG-Modellen, die nur die Torschüsse sehen?
Nur die ersten 15 Minuten des Spiels zeigen?
Wenn in der Zeit kein Torschuss abgeben wird, kann das xG-Modell nur auf ein 0:0 tippen.
Also, ganz klar werden die Experten den Vergleich gewinnen.

Was aber auch Experten schlechter können, ist zu schätzen, wie viele Tore mehr oder weniger eine Mannschaft in einer gesamten Saison eigentlich hätte erwarten dürfen. Also, wie viele Tore würde eine Mannschaft schießen, wenn sie noch einmal alle Torchancen der gesamten Saison bekäme?
Kaum eine Mannschaft würde noch einmal auf genau die selbe Anzahl kommen. Aber auch Experten würden sich schon allein damit schwer tun, ob es mehr oder weniger Tore beim zweiten Versuch würden. Hier würde ich erwarten, dass die xG-Modelle deutlich besser lägen.

Dass mit solchen Modellen viel Geld verdient wird, davon kann man ausgehen. Da wird es sicherlich auch noch deutlich bessere Modelle geben. Wobei ich eigentlich für noch wichtiger empfinde, dass Experten diese Modelle genau erklären und interpretieren können. Zum Beispiel sollte ein Experte für ein xG-Modell erklären können, inwieweit wir nun Glück hatten oder nicht. Zwar würde ich nicht erwarten, dass man hier sehr genau sein kann. Aber man sollte den Bereich deutlich verkleinern können und genau benennen können, wo bzw. in welchen Spielsituationen es Ungenauigkeiten gab, die keine klare Aussage zulassen. Wenn man dann identifizieren könnte, dass, wie von vielen argumentiert, unser Verteidigungsstil in der Defensive zu einer Überperformance führte, wäre das ein wichtiger Hinweis für die zukünftige Ausrichtung.

Um noch einmal auf den Signifikanztest zurückzukommen. Die Vergleichsgröße zu den xG-Angaben wären die wahren Ergebnisse. Die Erwartunsgwerte dieser Verteilungen sind dann die real erzielten Tore und Punkte.
Man könnte dann einzeln prüfen, ob die Anzahl der geschossenen Tore, der kassierten Gegentore und der geholten Punkte signifikant von den xG-Angaben abweichen. Ich denke, für diesen Test kann man auch auf die xG-Werte für die einzelnen Torschüsse zurückgreifen. Denn die Signifikanz-Aussage ist ein anderer Aspekt. Man probiert nicht etwas damit zu belegen, was eigentlich überprüft werden soll. Es geht nur darum zu prüfen, ob Realität und xG-Werte bei uns zusammenpassen. Die xG-Werte bilden die Verteilung der Tore ab. Das tun sie nicht, wenn die Realität in dieser Verteilung extrem unwahrscheinlich wird. Wenn unsere Überperformance von fast 13 Punkten über den xPoints laut xG-Verteilung so unwahrscheinlich ist, dass so etwas nur alle tausend Jahre vorkommen dürfte, dann ist sicherlich von einem Fehler in der xG-Verteilung auszugehen. Beispielsweise könnte der Bias der xG-Modelle bei Topteams dazu führen.
Solche Signifikanztest machen daher Sinn, auch mit den xG-Wahrscheinlichkeiten. So kann man beispielsweise belegen, dass es bei Favre damals nicht einfach Glück gewesen sein kann.

Fun fact zu den xGoals und xAssists (wovon ich wenig halte), weil ich gerade in der Spielvorschau beim Kicker darüber gestolpert bin:

Durchschnitt der letzten 25 Aufeinandertreffen BVB - Bayer:

xGoals 0,94 : 1,55
xAssists 0,81 : 1,67

Tore 2,16 : 1,48

Siege 13 : 7

Sagt das nicht mehr über den Wert solcher Spielereien aus als jeder Hypothesentest?
Dieser Beitrag wurde zuletzt von -adi- am 10.04.2026 um 00:36 Uhr bearbeitet

Ich habe mir mal die Mühe gemacht, und simuliert, in wie vielen Fällen man basierend auf den xG in dieser Saison 64 oder mehr Punkte aus den bisherigen Spielen erwarten kann. Dabei habe ich zwei unterschiedliche Methoden verwendet. Einmal habe ich die Spiele einzeln aus den individuellen Torchancen gesampled. Diese Art von Monte-Carlo Simulation ist aber bisher noch recht rechenaufwendig. Da müsste ich nochmal meinen Code überarbeiten oder die Sample-Size von 100000 runter auf 10000 reduzieren. Deshalb habe ich auch noch einfaches Poisson Sampling mit den gesamten xG der jeweiligen Spiele gemacht, auch wenn das mit den xPts am Ende schlechter gematched hat. Da bin ich am Ende tatsächlich leicht unter den xPts bei circa 50.05 Punkten im Schnitt gekommen. In circa 1.3% der 100000 Saisons, die ich simuliert habe, landeten am Ende bei 64 Punkten oder mehr. Mit Monte-Carlo Sampling der einzelnen Abschlüsse bin ich leicht darüber bei circa 1.44% der Fälle über 64 Punkten oder genau 64 Punkten gelandet. Dort haben die xPts mit circa 51.228 ziemlich genau gematched. Möglich also, aber ziemlich unwahrscheinlich. Bei 5% Confidence müsste bzw. könnte man die Nullhypothese hier schon verwerfen. Im Endeffekt muss natürlich jeder selber wissen, ob er dann denkt, dass das Model falsch ist oder, dass wir einfach Glück hatten. Am Ende wird die Wahrheit irgendwo in der Mitte liegen. Das eine Mannschaft wie der BVB im Mittel besser als ein Model ist, dass auf die Effizienz einer durchschnittlichen Mannschaft geeicht ist, weil wir nunmal auf individueller Ebene keine durchschnittliche Mannschaft sind. Daher sollte es niemanden wundern, dass das Modell da nicht exakt stimmt.

Ich habe auch noch ein Paar andere Tests zusätzlich gemacht. Ich habe jeweils die xG, xGA und einmal beides so umgewichtet, dass der Mittelwert genau dem derzeitigen Ergebnis entspricht. Sprich mich habe die xG zum Beispiel für den BVB um den Faktor 1.078 aufgewertet. Dadurch sollte der Erwartungswert genau 60 Toren entsprechen und wir wäre offensiv genau da, wo wir es laut unser eigenen Effizienz regelmäßig erwarten dürfen. Mit dieser Annahme erhöhen sich die xPts um circa 2.5 Punkte auf 51.98. Die Wahrscheinlichkeit für eine Saison mit 64 Punkten oder mehr erhöht sich auf circa 2.8%. Das bedeutet, selbst wenn wir im Rahmen der Effizienz unserer Spieler eine entsprechend höhere Torausbeute und dementsprechend höhere xG auf unsere Spieler bezogen erwarten dürfen, ist es immer noch unwahrscheinlich, eine Saison wie diese zu spielen. Wenn man das ganze umgekehrt für die xGA macht erhöhen sich die xPts auf 54.12 und die Gesamtwahrscheinlichkeit für 64 oder mehr Punkte auf knapp 6%. Gegnerische Unfähigkeit erklärt unsere Saison also besser als eigene Fähigkeiten. Aber die Wahrscheinlichkeit ist immer noch gering. Am liebsten würde ich noch die xGoT nehmen, um den Effekt vom Torwart zu bereinigen, aber die gibt es auf understat noch nicht. Daher müsste ich mich die Tage nochmal dran setzen und das ganze mit Fotmob Daten wiederholen. Wenn man sehr großzügig ist und annimmt, dass sowohl die Effizienz von uns als auch die Ineffizienz von unseren Gegnern in der Regel immer so zu erwarten ist, kommt man 'nur' auf circa 56 Punkte im Schnitt und eine Wahrscheinlichkeit von etwas über 10% Prozent, eine Saison wie die jetzige zu spielen. Damit käme man auf die ganze Saison auf circa 68 'realistischere' xPts, im Vergleich zu den circa 62, bei denen wir nach dem reinen Model stehen. Ich denke grob die Richtung ist auch nicht ganz unrealistisch für das, was die Mannschaft in dieser Saison gezeigt hat, zumindest als Erwartungswert.

Zu der ganzen Leverkusen/Stuttgart Geschichte im Kicker habe ich übrigens auch kurz nachrecherchiert. Im von Understat betrachteten Zeitraum hatten wir gegen Leverkusen in den letzten circa 23 Spielen (glaube ich) 1.8 xG. Selbst wenn das ein anderes Modell ist, kann das im Schnitt nie im Leben so weit abweichen. Davon abgesehen würde ich auch mal bezweifeln wollen, dass der BVB über so einen langen Zeitraum sowohl gegen Stuttgart als auch gegen Leverkusen im Schnitt eine negative xG Bilanz hat. Ich würde mich mal aus dem Fenster lehnen und sagen, dass da beim Kicker etwas in der Berechnung nicht stimmt.

PS: Falls sich jemand für die Simulation interessiert, kann er sich gerne bei mir melden, dann mach ich ein Repo draus und schicke den Link.

Unabhängig von der Torschussfolge, läge ein komplett ausgeglichenes Spiel, mit gleichen Wahrscheinlichkeiten für Sieg, Unentschieden und Niederlage ungefähr bei einem xG:xGA von 0,88:0,88. Liegt dieser niedriger, erhöht sich die Wahrscheinlichkeit für ein Unentschieden, selbst wenn das xG-Verhältnis identisch bleibt. Schließlich erhöht sich vor allem die Wahrscheinlichkeit für ein 0:0 als Ergebnis mit der höchsten individuellen Wahrscheinlichkeit. Erhöhen sich xG und xGA im selben Maß, steigen die Wahrscheinlichkeiten für eine Sieg einer Mannschaft.

Bei einem xG:xGA von 1,00:1,00 wären bspw. die Wahrscheinlichkeiten für 0:0, 1:0; 0:1 und 1:1 exakt gleich wahrscheinlich (13,53%). Die Wahrscheinlichkeit, dass beide Teams 2 Tore erzielen, liegt aber schon nur noch bei 3,38%, während die Wahrscheinlichkeit, dass ein Team 2 Tore erzielt und das andere weniger (also 0 oder 1), weiterhin bei 13,53% liegt. Je höher der xG beider Teams, desto wahrscheinlicher also Ungleichheiten im Torverhältnis, weil Effizienz und Zufall als Einflussgrößen überproportional zulegen.

Ein Problem an den xPTS ist, dass der Gewinner alles mitnimmt und der Verlierer nichts. Nimmt man bspw. mal die Siegwahrscheinlichkeiten des BVB für die komplette Saison, hätte man nur ungefähr 15 Spiele gewonnen und in 6 Spielen hätte es ein Unentschieden geben müssen, würde man die Wahrscheinlichkeiten auf die bisherigen 28 Spiele umlegen und runden. Also 51 Punkte, wie ungerundet auf Understat angegeben.

Es gilt aber: the winner takes it all! So hatten wir in 16 Spielen eine Wahrscheinlichkeit >50% auf den Sieg. In nur 2 Spielen hatten unsere Gegner eine Wahrscheinlichkeit >50% auf einen Sieg. Ergäbe also 16 Siege, 10 Unentschieden und 2 Niederlagen, würde man annehmen, dass die kritische Schwelle für den Sieg eine Wahrscheinlichkeit >50% für einen Sieg ist, weil wahrscheinlicher als die anderen Ergebnisse. Das wären demnach dann schon 58 Punkte. Der Teil würde also eigentlich vom xG Modell sogar noch besser erklärt werden, aber nicht vom Erwartungswert, den man für die xPTS nutzt.

Wir haben schließlich sogar 7 Spiele mit einer Siegwahrscheinlichkeit unter 50% gewinnen können. Diesen Spielen stehen 4 Unentschieden mit Siegwahrscheinlichkeit >50% entgegen, in denen also eigentlich ein Sieg nach xG Modell das wahrscheinlichste Ergebnis gewesen wäre. In diesen 12 Spielen wurde letztendlich darüber entschieden, ob (und wie sehr) man die xPTS übertrifft oder nicht. Hierin stecken also netto die 3 zusätzlichen Siege zum Erwartungswert bei "the winner takes it all", um auf 64 Punkte zu kommen, wie es aktuell der Fall ist. Das ist der Teil, den das xG Model nicht so recht erklären kann.

Schaut man sich umgekehrt einen Unterperformer an und nimmt bspw. Heidenheim, dann sieht es dort so aus, dass sie in 4 Spielen eine Wahrscheinlichkeit >50% auf einen Sieg hatten. Statt 12 Punkten haben sie aus diesen 4 Spielen aber nur 7 Punkte geholt. In 16 Spielen hatte der Gegner eine Wahrscheinlichkeit von >50% auf einen Sieg. Heidenheim holte in einem dieser Spiele einen Punkt. Bleiben also 8 Spiele, in denen kein Team eine Wahrscheinlichkeit >50% auf einen Sieg hatte, aus denen Heidenheim auch 8 Punkte holte. Hier sind es daher effektiv nur 3 Spiele, die nach "the winner takes it all" vom Erwartungswert abweichen. In diesem Fall negativ, wobei es netto nur 4 Punkte Abweichung sind. Understat spricht sogar von 8,87 Punkten, die zum Erwartungswert fehlen. Auch hier könnte demnach der xG das Ergebnis noch besser erklären als der Erwartungswert, trotzdem eine Abweichung bleibt.

Es gibt aber sogar relativ weit oben in der Tabelle noch einen Unterperformer: Leverkusen. Die haben 14 Spiele mit einer Siegwahrscheinlichkeit >50%, aber konnten nur 10 davon tatsächlich gewinnen, während der Rest Remis endete. Nach xPTS wurden 32,5 Punkte aus diesen Spielen erwartet, tatsächlich waren es 34. Sie outperformten daher zwar die xPTS, nicht aber "the winner takes it all". In 4 Spielen war eine Niederlage wahrscheinlicher als 50%. Leverkusen verlor alle davon, unterperformte damit in diesen Spielen den xG um 3,2 xPTS. Bei den verblieben 10 relativ offenen Spielen, holte Leverkusen 13 Punkte, bei 14,4 xPTS. Ergibt in Summe 50,1 xPTS (Abweichung zu Understatt resultiert aus der fehlenden Betrachtung der Abschlussfolge), gegenüber 47 realen Punkten und sogar 52 Punkten, hätte Leverkusen weniger Punkte verloren, deren Verlust eigentlich wenig wahrscheinlich war. In dem Fall kann der xG Leverkusens Unterperformance daher ziemlich schlecht erklären.

Drückt man die 3 Betrachtungsweisen übrigens für alle 3 Vereine als Spielausgang aus, sähe es folgendermaßen aus:

BVB | W | D | L | Punkte
Punkte | 19 | 7 | 2 | 64
xPTS | 15 | 6 | 7 | 51
>50% for the win | 16 | 10 | 2 | 58

Leverkusen | W | D | L | Punkte
Punkte | 13 | 8 | 7 | 47
xPTS | 15 | 5 | 8 | 50
>50% for the win | 14 | 10 | 4 | 52

Heidenheim | W | D | L | Punkte
Punkte | 3 | 7 | 18 | 16
xPTS | 7 | 6 | 15 | 27
>50% for the win | 4 | 8 | 16 | 20

Es sind also im Wesentlichen 2 Faktoren, die für die Abweichung sorgen. Man könnte es relative und absolute Über- oder Unterperformance nennen.

Relativ, indem man mehr Punkte mitnimmt als der Erwartungswert verspricht, weil der Gewinner alles bekommt oder umgekehrt weniger, weil der Verlierer nichts bekommt. Absolut, indem offene Spiele einen Gewinner und Verlierer finden oder es gar ein Ergebnis gegen alle Wahrscheinlichkeit gibt. Die relative Abweichung ist dabei sogar vom Modell gut erklärbar, wird aber nicht direkt in den xPTS abgebildet, sondern nur in den zugrundeliegenden Ergebniswahrscheinlichkeiten. Wer konstant über 50% Siegwahrscheinlichkeit hat und das dann auch in den Ergebnissen umsetzen kann, sollte die xPTS immer überbieten. Umgekehrt sollte es bei über 50% Siegwahrscheinlichkeit des Gegners, die umgesetzt werden kann, so sein, dass man die xPTS immer unterbietet. Das wäre auch dasselbe Prinzip, wenn es für einen Sieg nur 2 Punkte gäbe.

Die absolute Abweichung ist dahingegen schwer vom Modell erklärbar, weil die Ergebnisse grundsätzlich nicht zum xG als auch den Siegwahrscheinlichkeiten passen. Umso mehr, wenn die absolute Abweichung noch stärker von der relativen Abweichung abweicht als von der realen Punktausbeute, wie bspw. im Falle von Leverkusen.

Ich habe nun auch gesehen, dass man sich die understat Daten einfach ziehen kann. Ich denke, das hast du auch gemacht, oder?

Ich habe dann ebenfalls ein Monte-Carlo Sampling durchgeführt und Korrekturfaktoren getestet. Wie bei dir, sorgen die Korrekturfaktoren dafür, dass die Summe der korrigierten xG-Werte die tatsächlich erzielten Tore und Gegentore ergeben. Das ist natürlich dann nur eine Schätzung dafür, wie sich ein Fehler in den xG-Werten hier auswirken würde. Denn ein Fehler wäre sicherlich nicht konstant für alle Schüsse gleich, sondern mal mehr mal weniger groß. Trotzdem vermitteln die korrigierten xG-Werte einen Eindruck, was es bedeuten würde, wenn die xG-Werte die Schussqualität im Mittel nicht über- bzw. bei Gegentoren unterschätzen würden.

Hier die Ergebnisse meiner Simulationen:

--- Analyse BVB Saison 25/26 (Stand 29 Spieltage) ---
Reale Tore: 60 | Reale Gegentore: 29
Summe xG: 57.35 | Summe xG Gegner: 36.37
Reale Punkte: 64

Korrekturfaktor Offensive (Effizienz): 1.046
Korrekturfaktor Defensive (Gegner-Effizienz): 0.797

--- Simulierte xPoints ---
Basis xPoints (reines xG): 52.79
xPoints (nur BVB korrigiert): 54.24
xPoints (nur Gegner korrigiert): 57.63
xPoints (Beide korrigiert): 58.93

Auffallend ist, dass die Summen der xG-Werte höher sind als auf der understat Seite. Dort beträgt der xG unserer erzielten Tore 56,67 und für die Gegentore 35,90, während bei mir 57,35 und 36,37 herauskommen. Ich denke, understat wertet hier Doppelchancen anders aus. Denn wenn beispielsweise ein Schuss pariert wird und darauf ein Nachschuss folgt, können aus dieser Situation keine zwei Tore entstehen. So würde es erst gar nicht zum Nachschuss kommen, wenn der erste Schuss ins Tor geht. Das wird mittlerweile bei understat berücksichtigt, zumindest bei den xPoints pro Spiel, meine ich. Ich habe dann auch versucht nach Doppelchancen zu filtern, in dem Schüsse aus der selben Minute zusammengefasst werden. Dadurch waren die xG-Werte auch näher an den understat Daten, aber genau getroffen habe ich sie nicht. Seltsamerweise entsprechen meine simulierten xPoints dennoch exakt der understat Angabe von 52,79. Entweder berücksichtigt understat hier ebenfalls keine Doppelchancen oder der Effekt dadurch spielt keine Rolle.
Ansonsten kann man gut sehen, dass die gegnerische Unterperformance in der Chancenverwertung den größeren Effekt auf die xPoints hat. Dass die Gegner nur knapp 80 % der Tore erzielen, die nach xG-Werten zu erwarten wären, bringt uns fast 5 zusätzliche xPoints. Hingegen bringt unsere leichte Überperformance bei den erzielten Toren nur knapp 1,5 zusätzliche xPoints. Beides zusammen würde demnach etwas mehr als 6 zusätzliche xPoints bringen (das Ergebnis ist nicht die Summe der beiden getrennt berechneten xPoints).

Die Angaben machen deutlich, wo Erklärungen ansetzen sollten, denke ich. Die Ursachen, inwieweit Unterschiede zwischen realer Punkteausbeute und xPoints unsere Qualität oder Glück sind, liegen einerseits in der schwachen Chancenverwertung der Gegner und in der Verteilung der Tore.

Die Verteilung der Tore ist unabhängig von den xG-Werten und meint im Prinzip, dass wir eher statt einmal 3:1 und 1:1 zu spielen, zweimal ein 2:1 holen und somit mehr punkten. Diese beispielhaften Resultate ändern eben nichts an den Differenzen zwischen xG-Werten und real erzielten bzw. kassierten Toren, aber haben halt großen Einfluss auf die geholten Punkte.
Obige Berechnungen deuten darauf hin, dass wir auf diese Weise ca. 5 zusätzliche Punkte im Vergleich zu den xPoints holten. Das könnte Glück sein oder auch cleveres Gamemanagement, in dem man Führungen gut hält oder bei Unentschieden noch zulegen kann, um das Spiel für sich zu entscheiden. Das müsste man weiter untersuchen.

Der zweite Faktor ist, dass die Gegner sehr viel liegen ließen. Sie erzielten ca. 20 % weniger Tore als die xG-Werte vermuten ließen. Das brachte uns ebenfalls ca. 5 zusätzliche Punkte im Vergleich zu den xPoints.
Schaut man sich die xG-Werte für andere Mannschaften an, fällt auf, dass unsere Überperformance hier nicht ungewöhnlich ist. Demnach könnte es auch gut Zufall sein. Allerdings fällt auf, dass Bayern und Leipzig ähnlich liegen. Hier könnte also ein Topmannschaften Bias vorliegen. Das könnte man durch weitere Auswertungen für andere Topmannschaften vielleicht bestätigen.

Ich denke, diese xPoints Auswertungen zeigen ganz gut auf, woher eine Überperformance herkommen könnte; nämlich durch die schwache gegnerische Chancenverwertung und unser Gamemanagement. Mittels der Daten kann man auch konkret schätzen, wie viel das ausmachen könnte; nämlich jeweils ca. 5 zusätzliche Punkte.
Auch mein persönliches Gefühl, was den Glücksfaktor angeht, hat sich etwas geändert. Ich denke nun, dass unser Glücksfaktor geringer ist, als ich zunächst angenommen habe. Denn es erscheint mir nun plausibler, wie es zu unserer Überperformance kommen konnte.

PS: Fehler in meinen Berechnungen schließe ich nicht aus; also nicht blind den Angaben vertrauen. Die Werte schwanken auch ein bisschen, wenn ich wiederholt simuliere. Die Aussagen bleiben aber gleich.

Interessanter Punkt mit den Gesamt-xG, bei mir hatte es aber auch keine signifikanten Auswirkungen. Ich habe 100000 mal simuliert, da sollte der Fehler des Mittelwertes extrem gering sein und die gesamten xG haben trotzdem noch bis auf einen möglichen Effekt durch Rundung bis auf die zweite Nachkommastelle genau wie bei Understat angegeben, daher würde ich mal stark vermuten, dass der Effekt insgesamt vernachlässigbar ist. Ich würde definitiv zustimmen, dass das Gesamtergebnis etwas über die Verteilung der Tore aussagt. Im Endeffekt sagen die Korrekturfaktoren erstmal nur aus: Selbst wenn man mit unserer Effizienz und der Ineffizienz der Gegner immer rechnen kann, wird das nur sehr selten zu so vielen Punkten führen, wie wir sie jetzt haben. Nämlich nur dann, wenn die Effizienz von uns und die Ineffizienz vom Gegner sehr ungleich verteilt sind. Das kann man auch kontrollieren. Die Differenz zwischen unseren realen Toren und unseren xG korreliert beispielsweise mit -0.57 mit der xG Differenz im Spiel, die Differenz zwischen den gegnerischen xG und den gegnerischen Toren korreliert umgekehrt mit 0.37. Wenn die xG-Differenz also eher knapp oder zu unseren Ungunsten war, sind wir tendenziell effizienter gewesen und der Gegner Ineffizienter. Ich würde auch denken, dass das in einigen Fällen dadurch zu erklären ist, dass dich gegnerische Effizienz eher dazu zwingt, selbst mehr fürs Spiel zu tun und umgekehrt. Andererseits ist es aber auch ein nicht zu unterschätzender Faktor, dass du eben durch eine Führung durch Effizienz mehr Kontrolle darüber haben solltest, wie du das Spiel gestaltest. Gegen Pauli beispielsweise haben wir durch gegnerische Effizienz zwei Gegentore bekommen und wurden dadurch gezwungen, selbst mehr xG zu erspielen. Allerdings waren wir dort eigentlich auch vor den Gegentoren schon deutlich Chancenreicher als Pauli und waren am Ende auf einen Elfmeter aus dem nichts an der Strafraumkante angewiesen. Man müsste wahrscheinlich mal über die Jahre bei anderen Topmannschaften gucken, wie viel Unterschied dort die Einführung von Korrekturfaktoren macht. Ich würde mal schätzen, dass das was wir bei uns sehen schon enorm ungewöhnlich ist, selbst wenn man gutes Game-Management voraus setzt. Vor allem wenn man bedenkt, dass wir auch viele Spiele in dieser Saison hatten, in denen wir uns auf einer knappen Führung ausgeruht haben und dann darauf gesetzt haben, dass der Gegner eben die eine Chance nicht mehr bekommt oder er sie eben nicht macht, wenn er sie bekommt. Daher erklärt das erstmal sehr gut, wie es zu unserer Überperformance kam, aber ich würde mich deshalb noch nicht darauf festlegen wollen, dass es dadurch verlässlicher oder wiederholbarer erscheint. Dafür gab es mir zu viele Spiele, die am Ende im absoluten best-case Szenario für uns geendet sind, obwohl auch andere Szenarien realistisch waren. Dass das kein Naturgesetz ist, hat man ja auch in der CL und im Pokal gesehen. Trotzdem wird es natürlich Komponenten dieser Ungleichverteilung geben die durch gutes Gamemanagement erklärbar sind. Deshalb wäre es glaube ich interessant zu untersuchen, ob es dafür Präzedenzfälle gibt bzw, ob es für Topmannschaften ein Stück weit üblich ist.

Hatte mehrere Stats dazu aufgearbeitet, auf welche beziehst du dich genau?

Habe das Thema auch mal für xPTS berechnet:

xPTS | Unentschieden | Führung | Rückstand
FCA | 1,28 | 0,87 | 0,76
Leverkusen | 1,95 | 1,88 | 1,44
Bayern | 2,31 | 2,53 | 2,26
BVB | 1,99 | 1,66 | 1,91
Gladbach | 1,33 | 1,77 | 0,88
Frankfurt | 1,40 | 1,41 | 1,08
Köln | 1,05 | 1,32 | 1,36
Heidenheim | 0,88 | 1,29 | 0,88
Freiburg | 1,08 | 1,65 | 1,83
HSV | 1,10 | 0,53 | 1,25
Hoffenheim | 1,44 | 1,82 | 1,39
Mainz | 1,22 | 1,40 | 1,34
RB | 2,01 | 1,85 | 1,17
Pauli | 0,76 | 0,59 | 0,89
Union | 1,30 | 0,95 | 1,20
VfB | 1,65 | 1,91 | 1,26
Werder | 0,90 | 1,91 | 1,07
Wolfsburg | 1,38 | 0,38 | 1,13

Spannend daran sind übrigens noch 2 weitere Dinge:

Erstens, dass es letzte Saison unter Kovac noch komplett anders aussah. Da war man bei Spielstand Unentschieden unter Kovac schwach und legte erst nach eher glücklicher Führung zu. Bei Spielstand Unentschieden holte man so nur 1,34 xPTS. Bei Führung waren es dann starke 2,22 Punkte. Bei Spielstand Unentschieden übertraf man den xG (1,49 | diese Saison 1,79) extrem (2,38 Tore), während die Gegner leicht unter xGA blieben, der ziemlich hoch lag (1,55), weil wir extreme Probleme hatten gute Chancen herauszuspielen (nur 0,11 xG/Shot), bei einer niedrigen Shot-Ratio von 51,5%. Bei Führung waren es dann aber 2,67 xG und man war nur noch vergleichsweise leicht darüber bei den Toren, mit 2,93, während der xGA zurück ging.

Zweitens hat man diese Saison nur 15 Minuten mehr in Rückstand verbracht, als letzte Saison, nachdem Kovac übernahm, obwohl es viel weniger Spiele sind. Letzte Saison hatte man viel Glück, dass man nicht häufiger in Rückstand lag. Diese Saison kann man das seltener behaupten, obwohl die Effizienz offensiv und defensiv immer noch extrem auf unserer Seite ist (diese Saison übertrifft man bei Spielstand Unentschieden das erwartete Torverhältnis um +1,05, diese Saison immer noch um +0,59. Wenn man dann auch sieht, wie der xGA bei Spielstand Unentschieden zurückging - vor allem vor der Winterpause -, dann sieht man da auch den Schwerpunkt der Taktik: sie ist risikovermeidend ausgelegt und vor allem darauf aus den Rückstand zu verhindern, auch nach der Winterpause, seitdem das etwas leidet, weil man offensiver werden sollte, das aber effektiv nur über Standards werden konnte. Das Prinzip verfolgt man aber spätestens seit der Umstellung auf 3er Kette sehr deutlich.

Und das limitiert denke ich auch in Führung massiv mittlerweile, weil man eigentlich gar keine Voraussetzungen geschaffen hat, um erfolgreich zu kontern. Wir rücken oft nur schlecht nach, je tiefer der Schwerpunkt. Den bekommen wir zwangsläufig, wenn der Gegner bei Rückstand mehr für das Spiel investieren muss und daher mindestens die Intensität erhöht. Dagegen haben wir viel zu wenig Dynamik in der Formation in der vordersten Reihe, um dem entgegenzuwirken. Das war jetzt gegen Leverkusen auch ein extremes Problem, unabhängig vom Spielstand. One-Versus-One spricht auch von deutlich reduzierten progressiven Pässen, im Vergleich zum Vorjahr (173 vs. 197). Dabei ist der Vorjahreswert noch mit den schlechteren Sahin Werten gespickt. Wenn man dann eben auch sieht, wie viele offensive Anspielstationen wir oft nur schaffen, lässt sich meines Erachtens auch nur schwer von wegen Mentalität argumentieren. Wir laufen ja sogar mehr als letzte Saison und wenn die Sprintdaten nicht in der Definition geändert worden wären, würden die wohl ähnliches Aussagen. Schließlich ist man darin immer noch Top 5 in dieser Saison. Ich denke eher, dass die Reserven in diesem Bereich eher gering sind, wodurch man da auch nur in den paar Minuten Rückstand mal über das Normal hinaus kann.

Für mich spricht daher viel dafür, dass der Schwerpunkt im offenen Spiel mittlerweile viel zu tief geraten ist, weil die Defensive es braucht, um wirklich stabil zu sein. Dabei wird auch entlarvt wird, dass Guirassys bester Vorlagengeber vom Flügel letzte Saison Groß war, der erst viel weniger spielte und jetzt weg ist. Ryersons Vorlagen auf Guirassy aus dem Spiel heraus existieren schließlich kaum und Coutos Rolle ist mittlerweile verschwindend gering. Entsprechend gibt es aus dem laufenden Spiel heraus keinen funktionalen Plan, wie der Stürmer bedient werden soll, auf den alles ausgerichtet ist, obwohl man in Verbindung mit diesem tiefen Schwerpunkt entweder spielstärker oder dynamischer agieren sollte, um mehr zu kontern. Gerade bei Guirassy wird die Logik daher ganz schön herausgefordert, wie das taktisch alles zueinander passen soll. Es gibt kaum guten Flanken aus dem Spiel für ihn und schnelle Konter sind mit ihm nicht so möglich, obwohl der Abschluss immer noch auf ihn fokussiert wird, so wie er die zentralen Räume hält.

Meine Vermutung ist daher, dass wir keine taktischen und läuferischen Mittel haben, um in Führung dauerhaft aktiv zu bleiben, während unsere Gegner ihre Taktik überarbeiten, weil sie nun in einer Position sind, in der sie nichts mehr zu verlieren haben und daher Risiken gehen, die sie vorher stärker zu vermeiden versuchten. Womit ich aber aus diesem Thread deutlich abdrifte. In jedem Fall ist aber spannend, dass die Hebel der letzten Saison in Führung komplett außer Kraft gesetzt worden sind. Das lässt sich sehr deutlich sagen, weswegen es auch beunruhigend ist, dass der Sprung im xG zum Vorjahr bei Spielstand Unentschieden eben auch nicht besonders groß ist. Noch spannender wird es, wenn man sich mal den Saisonverlauf etwas ansieht. So hatten wir zur Winterpause bei Spielstand Unentschieden einen xG von 1,61, was noch näher an der Vorsaison unter Kovac dran ist. Nach der Winterpause steigerten wir vorrangig über Standards die Torgefahr und waren zwischenzeitlich deswegen sogar mehrfach bei bis zu 1,94 xG bei Spielstand Unentschieden. Der OP xG seit der Winterpause (1,40) nähert sich mittlerweile aber eher wieder dem vor der Winterpause an (1,26) als umgekehrt und in den letzten beiden Spielen ging selbst über Standards nichts, weil gute Teams uns offenbar selbst dafür zu weit von ihrem Tor weghalten können.

Die Stats sprechen daher davon, dass sich spielerisch unter Kovac nichts getan hat, während die Risiken, warum Standards eine unzuverlässige Sache sind, ohne Ausbau des Spielerischen, sich zumindest bereits vereinzelt abbilden. Vermutlich bildet sich bei Führung daher nur das Extrem davon ab.

Tore, Assists und Pre-Assists - Statistik der Saison 2025/26
_____________________________________________

1. Pflichtspiel 19.08.2025 / DFB-Pokal, 1. Runde: Rot-Weiss Essen - Borussia Dortmund 0:1
0:1 ⚽: Guirassy | ⭐: Bensebaini | ♐: Anton

2. Pflichtspiel 23.08.2025 / 1. Bundesligaspiel: FC St. Pauli - Borussia Dortmund 3:3
0:1 ⚽: Guirassy | ⭐: Sabitzer | ♐: Bellingham
1:2 ⚽: Anton | ⭐: Nmecha | ♐: Svensson
1:3 ⚽: Brandt | ⭐: Groß | ♐: Mane

3. Pflichtspiel 31.08.2025 / 2. Bundesligaspiel: Borussia Dortmund - Union Berlin 3:0
1:0 ⚽: Guirassy | ⭐: Couto | ♐: Anselmino
2:0 ⚽: Guirassy | ⭐: Beier | ♐: Guirassy
3:0 ⚽: Nmecha | ⭐: | ♐:

4. Pflichtspiel 13.09.2025 / 3. Bundesligaspiel: FC Heidenheim - Borussia Dortmund 0:2
0:1 ⚽: Guirassy | ⭐: Ryerson | ♐: Couto
0:2 ⚽: Beier | ⭐: Adeyemi | ♐: Ryerson

5. Pflichtspiel 17.09.2025 / 1. Spieltag Champions League: Juventus FC - Borussia Dortmund 4:4
0:1 ⚽: Adeyemi | ⭐: Guirassy | ♐: Nmecha
1:2 ⚽: Nmecha | ⭐: Adeyemi | ♐: Couto
2:3 ⚽: Couto | ⭐: Sabitzer | ♐:
2:4 ⚽: Bensebaini | ⭐: Guirassy | ♐:

6. Pflichtspiel 21.09.2025 / 4. Bundesligaspiel: Borussia Dortmund - VFL Wolfsburg 1:0
1:0 ⚽: Adeyemi | ⭐: Ryerson | ♐: Sabitzer

7. Pflichtspiel 27.09.2015 / 5. Bundesligaspiel: 1. FSV Mainz 05 - Borussia Dortmund 0:2
0:1 ⚽: Svensson | ⭐: Brandt | ♐: Beier
0:2 ⚽: Adeyemi | ⭐: Brandt | ♐: Adeyemi

8. Pflichtspiel | 01.10.2025 / 2. Spieltag Champions League: Borussia Dortmund - Athletic Club Bilbao 4:1
1:0 ⚽: Svensson | ⭐: Adeyemi | ♐: Ryerson
2:0 ⚽: Chukwuemeka | ⭐: Guirassy | ♐: Sabitzer
3:1 ⚽: Guirassy | ⭐: Sabitzer | ♐: Anton
4:1 ⚽: Brandt | ⭐: Beier | ♐: Nmecha

9. Pflichtspiel 04.10.2025 / 6. Bundesligaspiel: Borussia Dortmund - RB Leipzig 1:1
1:1 ⚽: Couto | ⭐: Guirassy | ♐: Beier

10. Pflichtspiel 18.10.2025 / 7. Bundesligaspiel: FC Bayern München - Borussia Dortmund 2:1
2:1 ⚽: Brandt | ⭐: Ryerson | ♐: Schlotterbeck

11. Pflichtspiel 21.10.2025 | 3. Spieltag Champions League: FC Kopenhagen - Borussia Dortmund 2:4
0:1 ⚽: Nmecha | ⭐: Bellingham | ♐: Guirassy
1:2 ⚽: Bensebaini | ⭐: Guirassy | ♐:
1:3 ⚽: Nmecha | ⭐: Chukwuemeka |♐:
1:4 ⚽: Silva | ⭐: | ♐:

12. Pflichtspiel 25.10.2025 / 8. Bundesligaspiel: Borussia Dortmund - 1. FC Köln 1:0
1:0 ⚽: Beier | ⭐: Silva | ♐ : Schlotterbeck

13. Pflichtspiel 28.10.2025 | DFB-Pokal, 2. Runde: Eintracht Frankfurt - Borussia Dortmund 3:5 n.V. i.E.
1:1 ⚽: Brandt | ⭐: Ryerson | ♐ : Bellingham
Elfmeterschießen:
1:2 ⚽: Silva
2:3 ⚽: Süle
2:4 ⚽: Chukwuemeka
3:5 ⚽: Nmecha

14. Pflichtspiel 31.10.2025 / 9. Bundesligaspiel: FC Augsburg - Borussia Dortmund 0:1
0:1 ⚽: Guirassy | ⭐: | ♐:

15. Pflichtspiel 05.11.2025 / 4. Spieltag Champions League: Manchester City - Borussia Dortmund 4:1
3:1 ⚽: Anton | ⭐: Ryerson | ♐: Groß

16. Pflichtspiel 08.11.2025 / 10. Bundesligaspiel: Hamburger SV - Borussia Dortmund 1:1
0:1 ⚽: Chukwuemeka | ⭐: Schlotterbeck | ♐:

17. Pflichtspiel 22.11.2025 / 11. Bundesligaspiel: Borussia Dortmund - VFB Stuttgart 3:3
1:0 ⚽: Can | ⭐: Schlotterbeck / ♐:
2:0 ⚽: Beier | ⭐: | ♐:
3:2 ⚽: Adeyemi | ⭐: Beier | ♐: Adeyemi

18. Pflichtspiel 25.11.2025 / 5. Spieltag Champions League: Borussia Dortmund - Villarreal FC 4:0
1:0 ⚽: Guirassy | ⭐: Anselmino | ♐: Anton
2:0 ⚽: Guirassy | ⭐: | ♐:
3:0 ⚽: Adeyemi | ⭐: | ♐:
4:0 ⚽: Svensson | ⭐: Groß | ♐: Bellingham

19. Pflichtspiel 29.11.2025 / 12. Bundesligaspiel: Bayer Leverkusen - Borussia Dortmund 1:2
0:1 ⚽: Anselmino | ⭐: Svensson | ♐:
0:2 ⚽: Adeyemi | ⭐: Silva | ♐:

20. Pflichtspiel 02.12.2025 / DFB-Pokal Achtelfinale: Borussia Dortmund - Bayer Leverkusen 0:1
-

21. Pflichtspiel 07.12.2025 / 13. Bundesligaspiel: Borussia Dortmund - TSG Hoffenheim 2:0
1:0 ⚽: Brandt | ⭐: Couto | ♐: Adeyemi
2:0 ⚽: Schlotterbeck | ⭐: Nmecha | ♐: Couto

22. Pflichtspiel 10.12.2025 / 6. Spieltag Champions League: Borussia Dortmund - FK Bodø/Glimt 2:2
1:0 ⚽: Brandt | ⭐: Silva | ♐:
2:1 ⚽: Brandt | ⭐: | ♐:

23. Pflichtspiel 14.12.2025 / 14. Bundesligaspiel: SC Freiburg - Borussia Dortmund 1:1
0:1 ⚽: Bensebaini | ⭐: Couto | ♐:

24. Pflichtspiel 19.12.2025 /15. Bundesligaspiel: Borussia Dortmund - Borussia M'gladbach 2:0
1:0 ⚽: Brandt | ⭐: Süle | ♐: Groß
2:0 ⚽: Beier | ⭐: Silva | ♐: Couto

25. Pflichtspiel 09.01.2026 / 16. Bundesligaspiel: Eintracht Frankfurt - Borussia Dortmund 3:3
0:1 ⚽: Beier | ⭐: Ryerson | ♐: Schlotterbeck
1:2 ⚽: Nmecha | ⭐: | ♐:
3:3 ⚽: Chukwuemeka | ⭐: | ♐:

26. Pflichtspiel 13.01.2026 / 17. Bundesligaspiel: Borussia Dortmund - Werder Bremen 3:0
1:0 ⚽: Schlotterbeck | ⭐: Ryerson | ♐:
2:0 ⚽: Sabitzer | ⭐: Nmecha | ♐: Svensson
3:0 ⚽: Guirassy | ⭐: Bellingham |

27. Pflichtspiel 17.01.2026 / 18. Bundesligaspiel: Borussia Dortmund - FC St. Pauli 3:2
1:0 ⚽: Brandt | ⭐: Adeyemi | ♐ : Bellingham
2:0⚽: Adeyemi | ⭐: Silva | ♐ : Brandt
3:2 ⚽: Can | ⭐: Beier | ♐ :

28. Pflichtspiel 20.01.2016 / 7. Spieltag Champions League: Tottenham Hotspurs - Borussia Dortmund 2:0
-

29. Pflichtspiel 25.01.2026 / 19. Bundesligaspiel: Union Berlin - Borussia Dortmund 0:3
0:1 ⚽: Can | ⭐: Guirassy | ♐
0:2 ⚽: Schlotterbeck | ⭐: Ryerson ♐:
0:3 ⚽: Beier | ⭐: Bellingham | ♐:

30.Pflichtspiel 28.01.2026 7 8. Spieltag ´Champions League: Borussia Dortmund - Inter Mailand 0:2
-

31. Pflichtspiel 01.02.2026 / 20. Bundesligaspiel: Borussia Dortmund - FC Heidenheim 3:2
1:0 ⚽: Anton | ⭐: | ♐:
2:2 ⚽: Guirassy | ⭐: | ♐:
3:2 ⚽: Guirassy | ⭐: Beier | ♐: Brandt

32. Pflichtspiel 07.02.2026 / 21. Bundesligaspiel: VFL Wolfsburg - Borussia Dortmund 1:2
0:1 ⚽: Brandt | ⭐: Ryerson | ♐:
1:2 ⚽: Guirassy | ⭐: Silva | ♐: Nmecha

33. Pflichtspiel 13.02.2026 / 22. Bundesligaspiel: Borussia Dortmund - 1. FSV Mainz 05 4:0
1:0 ⚽: Guirassy | ⭐: Ryerson | ♐:
2:0 ⚽: Beier | ⭐: Ryerson | ♐:
3:0 ⚽: Guirassy | ⭐: Ryerson | ♐:
4:0 ⚽: Eigentor

34. Pflichtspiel 17.03.2026 / CL-Playoffs Hinspiel: Borussia Dortmund - Atalanta Bergamo 2:0
1:0 ⚽: Guirassy | ⭐: Ryerson | ♐: Beier
2:0 ⚽: Beier | ⭐: Guirassy | ♐: Nmecha

35. Pflichtspiel 21.02.2026 / 23. Bundesligaspiel: RB Leipzig - Borussia Dortmund 2:2
2:1 ⚽: Eigentor
2:2 ⚽: Silva | ⭐: Adeyemi | ♐: Brandt

36. Pflichtspiel 25.02.2026 / CL-Playoffs Rückspiel: Atalanta Bergamo - Borussia Dortmund 4:1
3:1 ⚽: Adeyemi | ⭐: Chukwuemeka | ♐: Adeyemi

37. Pflichtspiel 28.02.2026 / 24. Bundesligaspiel: Borussia Dortmund - FC Bayern München
1:0 ⚽: Schlotterbeck | ⭐: Svensson | ♐:
2:2 ⚽: Svensson | ⭐: Sabitzer | ♐: Couto

38. Pflichtspiel 08.03.2026 / 25. Bundesligaspiel: 1. FC Köln - Borussia Dortmund 1:2
0:1 ⚽: Guirassy | ⭐: Beier | ♐:
0:2 ⚽: Beier | ⭐: Brandt | ♐: Beier

39. Pflichtspiel 14.03.2026 / 26. Bundesligaspiel: Borussia Dortmund - FC Augsburg 2:0
1:0 ⚽: Adeyemi | ⭐: Beier | ♐: Svensson
2:0 ⚽: Reggiani | ⭐: Ryerson | ♐:

40. Pflichtspiel 21.03.2026 / 27. Bundesligaspiel: Borussia Dortmund - Hamburger SV
1:2 ⚽: Bensebaini | ⭐: Beier | ♐:
2:2 ⚽: Guirassy | ⭐: | ♐:
3:2 ⚽: Bensebaini | ⭐: | ♐:

41. Pflichtspiel 05.04.2026 / 28. Bundesligaspiel: VFB Stuttgart - Borussia Dortmund 0:2
0:1 ⚽: Adeyemi | ⭐: | ♐:
0:2 ⚽: Brandt | ⭐: Silva | ♐: Sabitzer

42. Pflichtspiel 11.04.2026 / 29. Bundesligaspiel: Borussia Dortmund - Bayer Leverkusen 0:1
-

__________________________________________

Ranglisten

Gesamtscorer (Tore, Assists, Pre-Assists)

Guirassy .......... (⚽⚽⚽⚽♐⚽⭐⭐⭐⚽⭐♐⭐⚽⚽⚽⚽⭐⚽⚽⚽⚽⚽⚽⭐⚽⚽) +27
Beier ................ (♐⚽♐⭐♐⚽⚽⭐⚽⚽⭐⚽⭐⚽♐⚽⭐⚽♐⭐⭐) +21
Adeyemi .......... (⭐⚽⭐⚽⚽♐⭐⚽♐⚽⚽♐⭐⚽⭐⚽♐⚽⚽) +19
Brandt ............. (⚽⭐⭐⚽⚽⚽⚽⚽⚽⚽⚽♐♐ ⚽♐⭐⚽) +17
Ryerson ........... (⭐♐⭐♐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐) +16
Nmecha .......... (⭐⚽♐⚽♐⚽⚽⚽⭐⚽⭐♐♐) +13
Couto .............. (⭐♐♐⚽⚽⭐♐⭐♐♐) +10
Silva ................. (⚽⚽⭐⭐⭐⭐⭐⭐⚽⭐) +10
Schlotterbeck .. (♐♐⭐⭐⚽♐⚽⚽⚽) +9
Svensson ......... (♐⚽⚽⚽⭐♐⭐⚽♐) +9
Sabitzer .......... (⭐⭐♐♐⭐⚽⭐♐) +8
Bellingham ..... (♐⭐♐♐⭐♐⭐ ) +7
Anton .............. (♐⚽♐⚽♐⚽) +6
Bensebaini ...... (⭐⚽⚽⚽⚽⚽) +6
Chukwuemeka (⚽⭐⚽⚽⚽⭐) +6
Groß ................. (⭐♐⭐♐) +4
Anselmino ....... (♐⭐⚽) +3
Can ................... (⚽⚽⚽) +3
Süle .................. (⚽⭐) +2
Mane ................ (♐) +1
Reggiani .......... (⚽) +1

Platzierung - Name - Tore + Assists + Pre-Assists = Gesamtpunkte (Spielzeit / BVB-TM-Scorerquote)

01. Guirassy ......... : 18 + 7 + 2 = 27 Gesamtpunkte (2.867 Spielminuten / 106 Min. pro Scorer)
02. Beier ................ : 9 + 7 + 5 = 21 Gesamtpunkte (2.338 Spielminuten / 111 Min. pro Scorer)
03. Adeyemi ........ : 10 + 5 + 4 = 19 Gesamtpunkte (1.813 Spielminuten / . 95 Min. pro Scorer)
04. Brandt ........... : 11 + 3 + 3 = 17 Gesamtpunkte (1.915 Spielminuten / 113 Min. pro Scorer)
05. Ryerson ......... : 0 + 14 + 2 = 16 Gesamtpunkte (2.625 Spielminuten / 164 Min. pro Scorer)
06. Nmecha ........... : 6 + 3 + 4 = 13 Gesamtpunkte (3.031 Spielminuten / 233 Min. pro Scorer)
07. Silva ................. : 3 + 7 + 0 = 10 Gesamtpunkte (1.082 Spielminuten / 108 Min. pro Scorer)
07. Couto ............... : 2 + 3 + 5 = 10 Gesamtpunkte (1.493 Spielminuten / 149 Min. pro Scorer)
09. Schlotterbeck .... : 4 + 2 + 3 = 9 Gesamtpunkte (2.840 Spielminuten / 316 Min. pro Scorer)
09. Svensson ........... : 4 + 2 + 3 = 9 Gesamtpunkte (3.255 Spielminuten / 362 Min. pro Scorer)
11. Sabitzer ............. : 1 + 4 + 3 = 8 Gesamtpunkte (2.018 Spielminuten / 252 Min. pro Scorer)
12. Bellingham ........ : 0 + 3 + 4 = 7 Gesamtpunkte (2.254 Spielminuten / 322 Min. pro Scorer)
13. Chukwuemeka .. : 4 + 2 + 0 = 6 Gesamtpunkte (1.102 Spielminuten / 184 Min. pro Scorer)
13. Bensebaini: ........ : 5 + 1 + 0 = 6 Gesamtpunkte (2.258 Spielminuten / 376 Min. pro Scorer)
13. Anton ................. : 3 + 0 + 3 = 6 Gesamtpunkte (3.477 Spielminuten / 580 Min. pro Scorer)
16. Groß ................... : 0 + 2 + 2 = 4 Gesamtpunkte (.. 732 Spielminuten / 183 Min. pro Scorer)
17. Anselmino .......... : 1 + 1 + 1 = 3 Gesamtpunkte ( . 564 Spielminuten / 188 Min. pro Scorer)
17. Can ..................... : 3 + 0 + 0 = 3 Gesamtpunkte ( . 980 Spielminuten / 327 Min. pro Scorer)
19. Süle ..................... : 1 + 1 + 0 = 2 Gesamtpunkte ( .588 Spielminuten / 294 Min. pro Scorer)
20. Mane ................... : 0 + 0 + 1 = 1 Gesamtpunkt . ( . 311 Spielminuten / 311 Min. pro Scorer)
20. Reggiani .............. : 1 + 0 + 0 = 1 Gesamtpunkt . ( . 335 Spielminuten / 335 Min. pro Scorer)
_________________________________________

Scorer und Quoten (Sobald eine Quote angegeben wird, werden nur Spieler berücksichtigt, die mindestens 25% der möglichen Spielzeit von 3810 Minuten in 42 Pflichtspielen = 953 Spielminuten im Einsatz waren).

Platzierung - Name | BVB-TM-Scorerquote | Spielposition

01. Adeyemi ............... | .. 95 Min. | MS, HS, RA
02. Guirassy ................ | 106 Min. | MS
03. Silva ...................... | 108 Min. | MS
04. Beier ..................... | 111 Min. | MS, HS, LA
05. Brandt .................. | 113 Min. | OM
06. Couto .................... | 149 Min. | RV, RM
07. Ryerson ................ | 164 Min. | RV
08. Chukwuemeka ..... | 184 Min. | ZM
09. Nmecha ................ | 233 Min. | ZM
10. Sabitzer ................ | 252 Min. | ZM
13. Schlotterbeck ....... | 316 Min. | IV
12. Bellingham ........... | 322 Min. | ZM
11. Can ........................ | 327 Min. | IV, DM
14. Svensson ............... | 362 Min. | LV, LM
15. Bensebaini ............ | 376 Min. | LV
16. Anton ..................... | 580 Min. | IV

Tore

01. Guirassy 17
02. Brandt 11
03. Adeyemi 10
04. Beier 9
05. Nmecha 6
06. Bensebaini 5
07. Chukwuemeka 4
07. Schlotterbeck 4
07. Svensson 4
10. Anton 3
10. Can 3
10.. Silva 3
13. Couto 2
14. Anselmino 1
14. Reggiani 1
14. Sabitzer 1
14. Süle 1

Torvorbereitung (Assists + Pre-Assists)

01. Ryerson 16
02. Beier 12
03. Adeyemi 9
03. Guirassy 9
05. Couto 8
06. Bellingham 7
06. Nmecha 7
06. Sabitzer 7
06. Silva 7
10. Brandt 6
11. Schlotterbeck 5
11. Svensson 5
13. Groß 4
14. Anton 3
15. Anselmino 2
15. Chukwuemeka 2
17. Bensebaini 1
17. Mane 1
17. Süle 1

Tore + Assists (meist benutzte Scorerzählung in der medialen Sportberichterstattung, in Klammern Scorer pro Einsatzminuten = Scorerquote)

01. Guirassy ......... 25 (115 Min.)
02. Beier ............... 16 (146 Min.)
03. Adeyemi ......... 15 (121 Min.)
04. Brandt ............ 14 (137 Min.)
05. Ryerson .......... 14 (169 Min.)
06. Silva ................ 10 (108 Min.)
07. Nmecha ............ 9 (337 Min.)
08. Chukwuemeka . 6 (184 Min.)
09. Bensebaini ....... 6 (376 Min.)
10. Schlotterbeck ... 6 (473 Min.)
11. Svensson .......... 6 (543 Min.)
12. Couto ................ 5 (299 MIn.)
13. Sabitzer ............ 5 (404 Min.)
14. Can ................... 3 (327 Min.)
15. Bellingham ....... 3 (751 Min.)
16. Anton ................ 3 (1.159 Min.)
___________________________________________

Einsatzzeiten in Minuten und Prozent von 3.810 möglichen Spielminuten

01. Kobel ............... | 3.810 Min. | 100%
02. Anton ............... | 3.477 Min. | . 91%
03. Svensson ......... | 3.255 Min. | . 85 %
04. Nmecha ........... | 3.031 Min. | . 80%
05. Guirassy ........... | 2.867 Min. | . 75%
06. Schlotterbeck .. | 2.840 Min. | . 75%
07. Ryerson ............ | 2.369 Min. | . 67%
08. Beier ................. | 2.338 Min. | . 61%
09. Bensebaini ....... | 2.258 Min. | . 59%
10. Bellingham ...... | 2.254 Min. | . 59%
11. Sabitzer ............ | 2.018 Min. | . 53%
12. Brandt .............. | 1.915 Min. | . 50%
13. Adeyemi............ | 1.813 Min. | . 48%
14. Couto ................ | 1.493 Min. | . 39%
15. Chukwuemeka . | 1.102 Min. | . 29%
16. Silva .................. | 1.082 Min. | . 28%
17. Can ...................... | 980 Min. | . 26%
18. Groß ..................... | 732 Min. | . 19%
19. Süle ...................... | 588 MIn. | . 15%
20. Anselmino ............ | 564 Min. | . 15%
22. Reggiani ............... | 335 Min. | .... 9%
21. Mane .................... | 311 Min. | .... 8%
23. Özcan ................... | . 46 Min. | .... 1 %
24. Campbell ............. | . 16 Min. | . 0,4%

Nicht eingesetzt wurden bisher Kabar sowie die Ersatztorhüter Drewes, Meyer und Ostrzinski. Groß hat den Verein verlassen, Campbell und Duranville sind inzwischen verliehen worden.

_________________________________________________

Bundesliga nach 29 von 34 Spielen
Tabellenplatz, Verein, Punkte, Tordifferenz

1. Bayern München .... 76 +78
2. Borussia Dortmund 64 +31
3. VFB Stuttgart .......... 56 +22
4. RB Leipzig ............... 56 +20
5. Bayer Leverkusen ... 52 +20
6. TSG Hoffenheim. .... 51 +14
7. Eintracht Frankfurt . 42 +-0


BVB-Tabellenplatzentwicklung: 8, 4, 2, 2, 2, 2, 4, 4, 3, 3, 4, 3, 3, 3, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2

Nächstes Bundesligapiel: 18.04.2026 TSG Hoffenheim - Borussia Dortmund

Champions League

In den Playoffs fürs Achtelfinale ist der BVB gegen Atalanta Bergamo ausgeschieden (2:0, 1:4).

DFB-Pokal

Aus dem DFB-Pokal ist der BVB im Achtelfinale gegen Bayer Leverkusen ausgeschieden (0:1).
_____________________________________________

⚽ - Tor
⭐ - Assist
♐ - Pre-Assist
Dieser Beitrag wurde zuletzt von arche am 13.04.2026 um 12:47 Uhr bearbeitet