playbox
playbox
Kontakt
Zurück zu den Artikeln
<Hinter den Kulissen der Fußballanalyse: Teil 2> Analyse der Balltreter (xG, VAEP)

<Hinter den Kulissen der Fußballanalyse: Teil 2> Analyse der Balltreter (xG, VAEP)

Date published:2025/5/27

Vorwort.

Hallo zusammen, hier ist Scott von Playbox.

In Teil 1 haben wir euch einen Blick hinter die Kulissen geworfen und gezeigt, wie wir Matchdaten aus Sendeaufnahmen gewinnen. Wir hoffen, es hat euch gefallen!

In diesem zweiten Teil werden wir die Daten endlich nutzen, um eine konkrete Analyse durchzuführen. Das Thema lautet 'Ballhalteranalyse'. Wir zeigen Ihnen, wie Sie die Leistung von Spielern und Mannschaften auf leicht verständliche Weise bewerten können. Dazu verwenden wir Indikatoren wie xG (Torerwartung), von denen Sie in letzter Zeit viel gehört haben , und VAEP, das die Spielqualität quantifiziert.

Diese Ausgabe wurde von Mr. Nakamura verfasst, der als aktiver Analytiker für das Kicking-Team der Universität Tsukuba tätig ist und außerdem Forschungen im Bereich des Computer-Vision betreibt. Seine Perspektive auf die Verbindung zwischen Praxis und Theorie ist ein Muss (!).

Von der Universität Tsukuba ausgebildete Analysten stellen das Spiel auf den Kopf... Wir blicken hinter die Kulissen des engen Spiels gegen Kashiwa, das J1-Team Machida besiegt hat: Tokyo Shimbun Digital.

Wir wünschen Ihnen weiterhin viel Spaß mit unserer dreiteiligen Serie 'Hinter den Kulissen der Fußballanalyse'!

  • Hinter den Kulissen der Fußballanalyse: Teil 1 Wie man Spieldaten aus Übertragungsmaterial gewinnt
  • Hinter den Kulissen der Fußballanalyse: Teil 2 Ballträgeranalyse (xG, VAEP)
  • Hinter den Kulissen der Fußballanalyse: Teil 3 Analyse von Angriffsmustern abseits des Balls (OBSO)

Einleitung.

Wie in Teil 1 beschrieben, werden für die taktische Analyse im Fußball neben den Tracking-Daten, die die Positionsdaten der einzelnen Spieler aufzeichnen, häufig auch Ereignisdaten verwendet, die Informationen über das Geschehen am Ball (Ballbesitz) aufzeichnen.

Die Betrachtung einer einzelnen Aktion in den Ereignisdaten ist jedoch "nur ein Ereignis, das passiert ist", und ihr Wert und ihre Schwierigkeit können nicht bestimmt werden. Erst durch die Einführung von Indikatoren und die Auswertung in Kombination mit den Aktionen davor und danach wird es möglich, zurückzublicken und zu sagen: "War dieses Spiel wirklich großartig?" und "Wie wertvoll war es?".

Schauen Sie sich zum Beispiel das folgende Video an. Dies ist die Szene, in der Trossard eine Flanke aus dem Dribbling heraus schlägt und Martinelli sie mit dem Kopf trifft und ein Tor erzielt.

Wie würdest du dieses Spiel bewerten? "Ist es eine Entscheidung?" Oder denkst du vielleicht: "Nein, das ist ein No-Brainer" oder "Das ist wie ein Tor, wenn man es überquert."

Wie hoch waren die tatsächliche Schwierigkeit und der Wert? Diese Eindrücke sind subjektiv und können von Person zu Person variieren.

Deshalb führen wir hier einen Index namens "xG (Expected Goals)" und "VAEP (Valuing Actions by Estimating Probabilities)" ein , der die Position der Spieler und die Art der Aktion bei jeder Aktion aus dem Übertragungsmaterial aufgreift und zur Bestimmung des Schusses verwendet Diese Methode bewertet quantitativ die Schwierigkeit des Schusses und die Qualität der Aktionen, die zur Erreichung des Schusses beitragen! Das Hauptmerkmal dieser beiden Indikatoren besteht darin, dass sie nicht nur zur objektiven Quantifizierung der an einem Tor beteiligten Schussereignisse verwendet werden können, sondern auch zur Bewertung des Beitrags der beteiligten Spieler beim Passen, Dribbeln usw.

Was ist xG?

Was ist xG?

**xG (Expected Goals)** ist ein Indikator, der die Wahrscheinlichkeit quantifiziert, dass ein Schuss zu einem Tor im Bereich von 0 bis 1 führt. Ein Schuss mit einem xG-Wert von 0,10 hat beispielsweise eine Erfolgswahrscheinlichkeit von 10 %, was bedeutet, dass es schwierig genug ist, bei einem von zehn Versuchen ein Tor zu erzielen.

Obwohl es im Fußball sehr schwierig ist, ein Tor zu erzielen, kann die xG dazu verwendet werden, die Qualität der einzelnen Schusssituationen zu quantifizieren.

Wie wird xG berechnet?

Wie wird xG also berechnet? Traditionell wird er anhand der folgenden einfachen Faktoren berechnet

  • Position des Fallschirms
  • Art des Schusses
  • Zustand des Spielers, der geschossen hat

In der Praxis wird der xG-Wert im Kickball-Club der Universität Tsukuba ermittelt,

  • Unterteilung des Bereichs um die PA in ein Raster, Bereich für Bereich
  • nach Situation, z. B. ob der Schuss direkt oder mit dem Fuß nach hinten erfolgt.

Für jede dieser Situationen wurden Gewichte festgelegt, und die xG für jeden Schuss wurde manuell durch Multiplikation dieser Gewichte berechnet. Wenn man z. B. x0,8 für die Mitte des Torraums und x0,8 für einen Direktschuss mit dem dominanten Fuß festlegt, beträgt die xG für diesen Schuss 0,64.

Tatsächliche Schusssituationen im Fußball sind jedoch nicht so einfach, dass sie nur anhand der oben genannten Faktoren unterteilt werden können. Daher sind Methoden, die KI-Modelle verwenden, derzeit die gängige Methode zur Berechnung von xG. Es wurden verschiedene Methoden vorgeschlagen, und die folgenden Daten sind einige der in den Berechnungen verwendeten

  • Entfernung des Schusses
  • Winkel zum Tor
  • Art des Schusses
  • Art des Ereignisses vor dem Schuss
  • Position des Verteidigers/Keepers
  • Geschwindigkeit des Spielers

Mithilfe von KI können zuvor aufgezeichnete Schussdaten mit zuvor aufgezeichneten Schussdaten auf der Grundlage dieser verschiedenen Faktoren verglichen werden, was detaillierte xG-Berechnungen ermöglicht.

Beispiele für die Analyse mit xG

Hier sind einige Beispiele für die Analyse mit xG!

Szene-für-Szene-Analyse

Schauen wir uns zunächst die xG-Werte einiger Szenen mit einem KI-Modell an, das die trainierten xG-Werte tatsächlich berechnet.

1. AFC Asien-Qualifikationsspiel Japan gegen Australien Schuss von Mitate

Der xG-Wert dieses Schusses von Mitate war "0,032". Das bedeutet, dass die Wahrscheinlichkeit, dass dieser Schuss ausgeführt wird, 3,2 % beträgt, was bedeutet, dass es sich um einen sehr schwierigen Schuss handelt. Diese Zahl ist auf den Winkel zum Tor zurückzuführen, und die Entfernung ist nicht sehr groß.

2. AFC Asien-Qualifikationsspiel Japan gegen China Mitate-Ergebnisse

Der xG-Wert des Schusses von Mitsumata lag bei 0,135, was bedeutet, dass er eine Chance von 13,5 % hatte, ein Tor zu erzielen. Obwohl es sich um einen Kopfball handelte und der Winkel zum Tor klein war, war der Abstand zum Tor viel größer als beim vorherigen Schuss, so dass man sagen kann, dass sich auch die xG verbessert hat.

In diesem Fall haben wir ein KI-Modell verwendet, das einfache Merkmale wie die Entfernung und den Winkel zum Tor sowie die Position des Schusses erlernt hat. Aber wie bereits erwähnt, kann ein KI-Modell, das die Position des Torwarts und die Ereignisse vor dem Schuss als Merkmale erlernt, verwendet werden, um xG noch genauer zu berechnen!

Spiel-zu-Spiel-Analyse

Als Nächstes folgt ein Beispiel für eine Spiel-zu-Spiel-Analyse mit xG.

Hier sind die Statistiken aus dem 35. Spiel der La Liga zwischen Barcelona und Real Madrid. (entnommen aus FOTMOB)

Das Spiel wurde von Barcelona mit 4:3 gewonnen. Schauen wir uns nun die xG des Spiels an. Barcelonas xG liegt bei 4,26, verglichen mit Real Madrids xG von 2,74. Das tatsächliche Ergebnis spiegelt dies fast genau wider, aber Barcelonas xG ist höher als das tatsächliche Ergebnis, so dass sie im Nachhinein sagen können, dass sie ein Tor mehr hätten schießen können, wenn sie das nötige Tor geschossen und die nötige Entschlossenheit gehabt hätten, es zu schießen. Auf der anderen Seite ist Real Madrids xG niedriger als ihre tatsächliche Punktzahl, was ihre Entschlossenheit zeigt, relativ schwierige Schüsse abzugeben.

stats.webp

Die folgende Abbildung zeigt auch eine Heatmap-Visualisierung der xGs der Universität Tsukuba in einem bestimmten Spiel der Saison 2024. (Unter Verwendung von Ereignisdaten von Bepro).

Es ist zu erkennen, dass die meisten Torchancen in der Nähe der Mitte der Torlinie, vor der linken Seite des Torraums und in der Nähe des Strafraums vergeben wurden. Diese Visualisierung kann nicht nur dazu verwendet werden, um auf die Angriffsseite der eigenen Mannschaft zurückzublicken, sondern auch, um die Schwächen der Gegner zu analysieren. Durch die Kombination der xG-Daten mit der Art und dem Bereich des letzten Passes, der zum Schuss geführt hat, glauben wir, dass es möglich ist, auf der Grundlage der Daten Schusstraining vorzuschlagen.

heatmap.webp

xG ist ein relativ einfacher Indikator, aber das macht ihn intuitiv und leicht verständlich,

  • Ein Schuss
  • Alle Schüsse in einem Spiel
  • Die Schüsse einer Mannschaft im Laufe einer Saison
  • Schüsse pro einzelnen Spieler

Ich persönlich halte ihn aufgrund seiner Vielseitigkeit und der Bedeutung seiner direkten Verbindung zu Toren für einen sehr guten Indikator!

Was ist der VAEP?

Bislang haben wir den xG vorgestellt, der die "Schüsse pro Schuss" bewertet. Als nächstes werden wir den VAEP vorstellen, mit dem nicht nur Schüsse, sondern auch "Aktionen" bewertet werden können!

Was ist VAEP?

VAEP (Valuing Actions by Estimating Probabilities) wurde von Tom Decroos und seinen Kollegen am DTAI Sports Analytics Lab der KU Leuven (Katholische Universität Leuven), Belgien, entwickelt. Entwickelt wurde es von Tom Decroos et al. VAEP quantifiziert für jede Aktion während des Spiels (Pass, Dribbling, Tackling usw.), die zu einem Schuss führt, wie sehr das Spiel die Torerwartung der Mannschaft verändert hat.

Mit Hilfe der zuvor vorgestellten xG konnte berechnet und bewertet werden, wie hoch die Wahrscheinlichkeit ist, dass der Spieler, der den Schuss abgegeben hat, ein Tor erzielt. Die Auswertung ist jedoch nur begrenzt möglich, da es nicht so viele Szenen in einem Spiel gibt, die tatsächlich zu einem Schuss führen, und weil andere Spielzüge als die des schießenden Spielers nicht berücksichtigt werden. Mit dem VAEP ist es hingegen möglich, nicht nur den Wert des Schusses zu quantifizieren, sondern auch die Aktionen, die dem Schuss vorausgehen, wie z. B. Pässe und Dribblings, so dass der Beitrag von mehr Spielern zur Mannschaft bewertet werden kann!

Wie der VAEP berechnet wird

Der VAEP gibt an, wie stark sich der Zustandswert der Mannschaft vor und nach einem bestimmten Spielzug verändert hat". Er wird in den folgenden Schritten berechnet

  1. Ermitteln des Zustandswertes vor der Aktion
  2. Ermitteln des Zustandswerts nach der Aktion
  3. VAEP = (Zustandswert nach der Aktion) - (Zustandswert vor der Aktion)

Der Zustandswert ergibt sich hier als (erwarteter Punktestand) - (erwarteter Verlust).

Wenn beispielsweise der Zustandswert vor dem Anheben des Kreuzes 0,10 und der Zustandswert nach dem Anheben des Kreuzes 0,25 beträgt, ist der VAEP dieses Kreuzes +0,15 und das Spiel kann mit einer Wirkung von 0,15 Toren gegen Ihre Mannschaft bewertet werden. Beträgt der Zustandswert vor dem Pass hingegen 0,10 und nach dem Pass 0,05, so ist der VAEP dieses Passes -0,05 und das Spiel wird als 0,05 Tore besser für die gegnerische Mannschaft bewertet.

Wie oben erläutert, erfordert die Berechnung des VAEP die Bestimmung der erwarteten erzielten Tore und der erwarteten Gegentore. Zur Berechnung dieser Werte werden zwei Arten von Modellen des maschinellen Lernens verwendet : Torschussmodelle und Torschussmodelle.

Diese Modelle nehmen die Zielaktion und die drei Aktionen, die ihr vorausgingen, sowie die ein oder zwei Aktionen, die ihr vorausgingen, als einzelne Eingabedaten (Zustand) und berechnen das erwartete Ergebnis und die erwarteten Tore für jede dieser Aktionen.

  • Art der Aktion (Passen, Dribbeln, Schießen, usw.)
  • Positionsdaten des Balls/Spielers
  • Zeitdifferenz und zurückgelegte Strecke zwischen den Aktionen
  • Entfernung und Winkel zum Tor

Die Eingabe besteht aus einer großen Anzahl von Merkmalswerten wie Jeder Zustand wird dann als "1, wenn der Spieler innerhalb von k Spielen ein Tor erzielt (oder verliert), 0, wenn nicht" bezeichnet und erlernt.

Durch die Verwendung des gelernten Modells berechnet das System vor und nach jeder Aktion, wie hoch die Wahrscheinlichkeit ist, in dieser Situation ein Tor zu erzielen" und wie hoch die Wahrscheinlichkeit ist, ein Tor zu verlieren".

Beispiele für die Analyse mit VAEP

VAEP wird in zwei Szenen berechnet! Es werden nur die sechs Aktionen vor jedem Schuss berücksichtigt.

1. AFC-Qualifikationsspiel Japan vs. Australien Mitate schießt

Berechnen wir nun auch den VAEP für die Szene, für die wir gerade xG berechnet haben! Das folgende Diagramm zeigt die Ergebnisse der Analyse, wobei offensive_value und defensive_value die Auswirkungen auf die erzielten bzw. kassierten Tore darstellen. In dieser Szene ist der VAEP niedrig, weil Mitsurus Schuss außerhalb des Strafraums landete, während sein Dribbling vor dem Schuss als effektives Eindringen bewertet werden kann, weil der VAEP hoch ist. Beachten Sie auch das lange Zuspiel von Morita, der den höchsten VAEP in dieser Szene hatte. Obwohl es sich nicht um eine Aktion handelte, die direkt zu einem Tor führte, kann sie als effektive Aktion gewertet werden, die sie dem gegnerischen Tor deutlich näher brachte.

undefined

2. Premier League, Abschnitt 36, Liverpool gegen Arsenal, Spieler Martinelli erzielt ein Tor.

Das ist die Szene, die wir am Anfang erwähnt haben! Wie habt ihr sie bewertet? Schaut euch die Analyse unten an. In dieser Szene ist der VAEP von Martinelli deutlich höher, weil er ein Tor mit einem Kopfball erzielt hat. Der VAEP wird auf der Grundlage der erwarteten Tore berechnet, so dass der VAEP von Torschützen, deren Aktionen direkt zu einem Tor führen, tendenziell höher ist. Auch hier ist die Flanke von Trossard zu erwähnen, die von ihm unterstützt wurde. Die VAEP-Werte sind im Vergleich zu anderen Aktionen höher, was zeigt, dass er in der Lage war, den entscheidenden Pass zu machen!

undefined

Wie Sie aus der Analyse dieser beiden Szenen ersehen können, lässt sich mit dem VAEP die Wirkung der Aktionen aller an der Entstehung des Schusses beteiligten Spieler quantifizieren, nicht nur des Spielers, der den Schuss abgegeben hat! Durch die Berechnung des VAEP für das gesamte Spiel können Sie vergleichen, welche Spieler effektiver waren, und da der VAEP für jede Aktion berechnet wird, können Sie auch zurückblicken, um zu sehen, wann und in welchen Bereichen der Angriff effektiver war!

Schlussfolgerung.

Die Verwendung von Übertragungsmaterial eröffnet neue Möglichkeiten für eine erweiterte taktische Analyse in Umgebungen, in denen keine offiziellen Daten verfügbar sind. Die Möglichkeit, den Wert eines Spiels anhand von Indikatoren wie xG und VAEP numerisch zu visualisieren, kann uns auch bei der Frage helfen: "Welcher Spieler kann den entscheidenden Job machen?" Dies ermöglicht eine datenbasierte Spielerbewertung, wie z. B. "Dieser Spieler ist gut, auch wenn er keine Ergebnisse gezeigt hat", die für die Analyse und natürlich für die Spielerakquise genutzt werden kann!

In Zukunft, wenn die KI-basierte automatische Verfolgung und die Streaming-Videoanalyse-Technologie Fortschritte machen, ist die Anzeige von xG- und VAEP-Werten in Echtzeit nicht nur ein Traum. Darüber hinaus werden nicht nur Profiteams, sondern auch Amateurmannschaften in der Lage sein, Videomaterial zu nutzen, um ihre taktische Analyse zu vertiefen.

Wir beabsichtigen, unser System und unser Know-how für die xG- und VAEP-Analyse mithilfe der Videoanalyse im Fernsehen weiter zu aktualisieren und die Einführung dieser Technologie bei Fußballmannschaften und Medien zu unterstützen. Wenn Sie Interesse haben, zögern Sie bitte nicht, uns zu kontaktieren.

Website von Playbox Inc. 👉️ https://www.play-box.ai/

playbox, eine erschwingliche KI-Sportkamera mit automatischer Aufzeichnung und Bearbeitung 👉️ https://www.play-box.ai/lp

Kontaktieren Sie uns.

Wenn Sie Fragen, Anfragen oder Geschäftsvorschläge für Playbox haben, können Sie uns gerne unter der folgenden E-Mail-Adresse kontaktieren.

📩 atom@play-box.ai