xG en geavanceerde statistiek in de Bundesliga: van model naar inzet
Waarom xG niet alleen voor analisten meer is
Toen Harry Kane in zijn eerste Bundesliga-seizoen aan Bayern’s persdienst werd voorgesteld, formuleerde hij iets dat me sindsdien is bijgebleven: zijn werkstijl als spits draait om positiekeuze en timing van bewegingen, niet om brute kracht. Dat klinkt vanzelfsprekend voor een topaanvaller, maar het is precies wat expected goals – afgekort xG – probeert te kwantificeren. Hoe goed is de positie van waaruit een schot wordt gelost, in vergelijking met andere schoten vanuit vergelijkbare situaties? Tien jaar geleden was xG vakjargon voor scouts en data-analisten; vandaag is het basisinformatie voor elke serieuze wedder.
De acceptatie van xG in de bredere wedwereld is in een paar jaar tijd voltooid. Bookmakers gebruiken het in hun pre-match-modellen. Live-platforms tonen het tijdens wedstrijden. Krantenartikelen citeren xG-cijfers als argumenten voor of tegen specifieke prestaties. Voor wedders die geen toegang tot xG-data hebben, is dat een structurele achterstand op concurrenten.
Het Bundesliga-seizoen 2024/25 produceerde een gemiddelde van 3,13 doelpunten per match, met Bayern München die als kampioen 122 doelpunten scoorde – een Bundesliga-record. Beide cijfers krijgen meer betekenis als ze worden gelegd naast de xG-getallen die erbij horen. Bayern’s xG voor het seizoen lag rond 95 tot 100 – wat betekent dat ze gemiddeld 22 tot 27 doelpunten boven hun verwachte productie scoorden, een buitengewoon overpresterend cijfer dat in het volgende seizoen statistisch lastig vol te houden is.
Wat xG concreet meet en wat niet
Expected goals meet de kans dat een specifiek schot resulteert in een doelpunt, op basis van historische data van vergelijkbare schoten. Elke schot in een wedstrijd krijgt een xG-waarde tussen 0 en 1. Een strafschop heeft een xG van ongeveer 0,76 – historisch wordt 76 procent van strafschoppen gescoord. Een schot uit 25 meter zonder ondersteuning kan een xG hebben van 0,03 – drie procent kans op doelpunt.
De som van xG-waarden over een wedstrijd geeft het verwachte aantal doelpunten dat een team zou produceren bij gemiddelde afronding. Een team met een wedstrijd-xG van 2,1 zou bij gemiddelde afmaakkwaliteit ongeveer 2 doelpunten moeten scoren. Wanneer zij feitelijk 0 doelpunten scoren, hebben ze “onderpresteerd” op xG – pech, slechte spits, of een topkeeper aan de overkant.
Wat xG niet meet is even belangrijk. Het meet niet de tactische context – een team dat 3,0 xG heeft tegen een geblesseerde achterhoede zegt minder over hun werkelijke aanvalskracht dan tegen een topverdediging. Het meet niet de individuele kwaliteit van de afmaker – Harry Kane converteert kansen anders dan een Bundesliga-debutant met een vergelijkbare xG. Het meet niet de timing – een doelpunt vroeg in de wedstrijd verandert tactische context, een laat doelpunt mogelijk de uitkomst.
De praktische interpretatie: xG is een goede ruwe maat voor “wat de wedstrijd statistisch had moeten opleveren”. Het is een betere voorspeller van toekomstige resultaten dan het feitelijke score, omdat afmaakvariantie van wedstrijd tot wedstrijd hoog is. Maar over slechts één wedstrijd is xG niet definitief – pas over 10 tot 20 wedstrijden geeft het signaal voldoende betrouwbaarheid voor wedstrategie.
xG-gemiddelden in de Bundesliga
Het Bundesliga-gemiddelde xG per wedstrijd voor het thuisteam in 2024/25 lag rond 1,55 tot 1,60. Voor het uitteam rond 1,30 tot 1,35. Het verschil van ongeveer 0,25 xG per wedstrijd is wat statistisch het “thuisvoordeel” in expected goals oplevert.
Per team variëren de cijfers enorm. Bayern München produceerde gemiddeld 2,5 tot 2,8 xG per wedstrijd in 2024/25 – verreweg het hoogste in de competitie. Hun xG tegen lag rond 0,8 tot 0,9 per wedstrijd, een combinatie die hun extreme scoreverhouding van 122 doelpunten voor en slechts één nederlaag verklaart. Ook hun 11 clean sheets in het kampioensseizoen 2024/25 zijn xG-consistent: hun verwachte doelpunten tegen waren zo laag dat een hoog clean-sheet-rendement de natuurlijke uitkomst was.
Aan de andere kant van het spectrum produceren degradatiekandidaten gemiddeld 0,9 tot 1,1 xG per wedstrijd en geven 1,8 tot 2,2 weg. Het verschil van 1,0 tot 1,3 xG-saldo per wedstrijd vertaalt zich naar gemiddeld 30 tot 40 doelpunten verschil over een seizoen – wat de kloof tussen top en bodem verklaart.
De middenmoot zit dichterbij elkaar. Tussen plaats 6 en plaats 13 in de Bundesliga vinden we xG-gemiddelden tussen 1,3 en 1,7 per wedstrijd, met xG-tegen tussen 1,2 en 1,5. Het is in deze zone dat xG het krachtigst onderscheid maakt – twee teams kunnen op het scorebord vergelijkbaar lijken, maar in xG-stand wijd uiteen liggen.
Wanneer xG en uitslag uiteenlopen
De interessantste informatie zit in het verschil tussen feitelijke uitkomsten en xG-projectie. Een team dat consequent 0,3 tot 0,5 doelpunten boven of onder zijn xG presteert, vertelt een verhaal – over zijn afmaker, zijn keeper, of zijn pech-kant in de variantie.
Bayern’s seizoen 2024/25 was extreme onderpresteren door tegenstanders en overpresteren door Bayern zelf gecombineerd. Hun 122 doelpunten boven een xG van rond 95-100 betekent 22 tot 27 doelpunten overpresteren. Voor één seizoen niet ongekend, maar statistisch ongebruikelijk genoeg dat in 2025/26 een correctie naar baseline waarschijnlijk was – en die patroon zien we ook deels terug.
De omgekeerde stand: een team dat onder zijn xG presteert. Wanneer een ploeg structureel 0,5 doelpunten per wedstrijd minder scoort dan zijn xG suggereert, wijst dat op een afmakingsprobleem – een spits die in een dip zit, of een team dat veel halve kansen creëert zonder duidelijke topgelegenheden. Deze teams gaan vaak corrigeren naar de bovenkant in latere wedstrijden, omdat het patroon statistisch zelden lang aanhoudt.
Voor wedders is dit een specifieke signaaltype. Een ploeg die de afgelopen tien wedstrijden 8 doelpunten scoorde met een xG van 13 (-5 onderpresterend), is statistisch op een streak die niet houdbaar is. De volgende vijf wedstrijden zou hij gemiddeld dichter bij zijn xG moeten produceren – een verwachting waar de markt vaak achterloopt. Quoteringen op “team scoort 2+ doelpunten” bij zo’n ploeg kunnen waardevol zijn.
xGA, PPDA en packing rate kort
xG heeft zustermetrieken die in toenemende mate beschikbaar worden voor Bundesliga-wedders. Drie verdienen kort aandacht.
xGA staat voor expected goals against. Het meet het verwachte aantal doelpunten dat een team zou ontvangen op basis van de schoten tegen hen. Een team met lage xGA heeft sterke verdedigende structuur – niet alleen omdat ze weinig doelpunten incasseren, maar omdat ze structureel weinig kwaliteitskansen toelaten. Bayer Leverkusen onder Xabi Alonso had in 2023/24 uitzonderlijk lage xGA-cijfers, wat hun ongeslagen seizoen statistisch onderbouwde.
PPDA staat voor passes per defensive action. Het meet hoe agressief een team pressing toepast – lage PPDA betekent veel pressing-acties per pass van de tegenstander, dus hoge pressing-intensiteit. Bundesliga-clubs als Leipzig, Dortmund en in zijn beste jaren ook Hoffenheim hebben lage PPDA-cijfers. Voor wedstrijden waarin twee pressing-ploegen elkaar treffen, is een open spelpatroon en hoog doelpuntentotaal statistisch waarschijnlijker.
Packing rate meet hoe vaak een speler door zijn pass of dribbel tegenstanders “uitpakt” – passeert in een manier die hen uit het spel haalt. Het is een specifiekere metriek voor individuele bijdrage in opbouw en vleugelaanvallen. Voor wedders is dit minder direct toepasbaar dan xG of xGA, maar voor spelersmarkten kan packing rate signalen geven over wie de meest beslissende speler in een wedstrijd zal worden.
xG gebruiken bij Over/Under-markten
De meest praktische toepassing van xG voor wedders ligt in over/under-doelpuntenmarkten. Hier komt de combinatie van team-xG-gemiddelden en wedstrijdspecifieke aanpassingen tot werkelijk wedstrategische waarde.
De basisformule: voor een wedstrijd tussen team A (gemiddelde 1,8 xG per wedstrijd thuis) en team B (gemiddelde 1,2 xG per wedstrijd uit), is de verwachte gezamenlijke xG ongeveer 3,0. Pas dat aan voor xGA: team A geeft thuis gemiddeld 1,0 xGA weg, team B geeft uit gemiddeld 1,7 xGA weg. Verwacht doelpunten in de wedstrijd ligt dan rond 2,5 tot 3,0 – waarbij over 2,5 ongeveer 55 tot 60 procent kans heeft, over 3,5 ongeveer 35 tot 40 procent.
Vergelijk deze inschatting met de bookmaker-quoteringen. Wanneer over 2,5 op 1,75 staat (impliceert 57 procent kans) en jouw xG-model 60 procent suggereert, is er marginale value. Niet enorm, maar over tientallen wedstrijden cumulatief positief. Voor diepere over/under-strategieën waarin xG met andere factoren wordt gecombineerd, behandel ik de specifieke over/under-strategieën voor Bundesliga-doelpuntenmarkten in een aparte gids.
De waarschuwing erbij: xG-gebaseerde over/under-strategie werkt over volume, niet over individuele wedstrijden. Variantie op één wedstrijd kan extreme uitkomsten produceren – een 0-0 wedstrijd waarin beide teams elk 2,5 xG produceerden komt voor. Pas over 50 tot 100 wedstrijden middelt de strategie uit. Voor wedders zonder die geduld, is xG geen toverstaf.
Welke Bundesliga-club had in 2024/25 het grootste verschil tussen xG en behaalde punten?
Bayern München vertoonde het grootste positieve verschil. Hun feitelijke 122 doelpunten lagen ongeveer 22 tot 27 doelpunten boven hun seizoen-xG van rond 95 tot 100. Dat betekende een buitengewoon overpresterend seizoen statistisch. Aan de andere kant zaten ploegen in de middenmoot en degradatiezone met negatieve verschillen – clubs die door slechte afronding of opvallend goede tegenstander-keepers structureel onder hun verwachte productie bleven.
Werkt een xG-gebaseerde Over 2,5-strategie beter dan een vormgebaseerde?
Op volume en lange termijn ja – xG is een betere voorspeller van toekomstige doelpunten dan recente uitslagen. Vormcurves bevatten veel variantie en kunnen misleidend zijn over kleine steekproeven. Een team dat in vorm 5 doelpunten in 3 wedstrijden scoorde, kan dat hebben gedaan met een xG van slechts 4 – wat aangeeft dat een correctie omlaag in de volgende wedstrijden waarschijnlijk is. Wel geldt dat geen enkele single-factor-strategie werkt op alle wedstrijden; xG plus contextuele factoren werkt beter dan xG alleen.
Gemaakt door de redactie van 'Wedden op Bundesliga'.
