Karlsruher vs Energie Cottbus: 14 Schüsse, null Tore, Über trotzdem

Ballbesitz ohne Ertrag

Mein Modell sagt mir eine unangenehme Sache über Karlsruher: Sie kontrollieren den Ball besser, als sie ihn nutzen. Zu Hause im Wildparkstadion zeigen sie 62% Ballbesitz im Wildparkstadion und eine Passgenauigkeit von 83% — Werte, die man normalerweise mit einem Team verbindet, das den Gegner einschnürt und sich Torchancen erarbeitet. Stattdessen steht in der gleichen Zeile 1 Tor aus 8 Schüssen. Das ist keine Schlusschwäche im eigentlichen Sinne. Wenn man 8 Abschlüsse hat und nur einen davon im Netz versenkt, ist das ineffizient, aber nicht absurd. Die Frage, die mich interessiert, ist nicht, wie die Bälle reingingen, sondern wie selten gefährliche Situationen überhaupt entstanden.

Eine Ecke aus 8 Schüssen bei 62% Ballbesitz ist die Zahl, die alles zusammenhält. Wenn ein Team so viel Ballkontrolle hat und trotzdem kaum den Strafraum erzwingt, dann läuft das Spielgerät durch die Reihen, aber nicht in die Zone, in der Abwehrfehler passieren. Die 83% Passgenauigkeit bestätigt das eher, als dass sie es widerlegt — sie messen, dass die Pässe ankommen, nicht wohin sie gehen. Auswärts, bei nur 49% Ballbesitz und spürbar höherem Risiko (19 Fouls, 11 Ecken), kommt Karlsruher dem Tor häufiger nah, verwertet aber auch dort nichts. Die Durchschnittsnote 6,8 ist in beiden Kontexten identisch, was ich als Bestätigung lese, dass die Spielweise stabil ist, egal ob sie dominiert oder kontert.

Der Markt wird das vermutlich als „solide Heimbasis mit Luft nach oben" einordnen. Ich sehe es anders: Solange die Ballbesitzphasen nicht in den Sechzehner führen, ist diese Kontrolle kein Fundament, sondern ein Zustand, der sich selbst wiederholt — ohne dass sich etwas daraus ergibt.

Vierzehn Schüsse, null Tore

Das ist der Satz, den ich am liebsten auf eine Wand drucken würde, weil er so schön die Kluft zwischen Aktivität und Ergebnis beschreibt: vierzehn Schüsse auswärts, null Tore, elf Ecken. Karlsruher waren auf Reisen statistisch präsenter als zu Hause — mehr Abschlüsse, mehr Standards, mehr Fouls — und sind trotzdem mit leeren Händen abgefahren. Mein Modell trennt genau hier zwischen Schussvolumen und Schussqualität, und die Lücke zwischen diesen beiden Konzepten ist in diesem Sample auffällig groß. Elf Ecken bei null Treffern bedeutet, dass sie den Ball regelmäßig in den Sechzehner bringen, aber die letzte Entscheidung — Flankenwinkel, Ballkontakt, Positionierung im Fünfmeterraum — nicht auf die Reihe bekommen. Ballbesitz 49 % auf Reisen bestätigt das Bild: Sie dominieren den Ball nicht, sie arbeiten gegen das Spiel des Gegners und erarbeiten sich Abschlüsse aus Umschaltsituationen, die strukturell niedrigeren xG-Wert tragen als eine kontrollierte Angriffsphase.

Was mir die Gegenüberstellung zeigt: Zu Hause schießen sie weniger, aber die Schüsse sitzen offenbar besser — einer von acht fand den Weg ins Netz. Auswärts sind es vierzehn Versuche und null Ertrag, was auf deutlich schlechtere Durchschnittspositionen hindeutet. Dreiundneunzig Prozent mehr Abschlüsse, null Prozent mehr Tore — das ist kein Unglück, das ist Struktur. Die Fouls sagen mir dasselbe: Neunzehn Foulspiele auswärts gegenüber vier zu Hause verraten, dass sie gegen Mannschaften mit höherem Pressingdruck häufiger in Defensive Situationen gezwungen werden, aus denen sie nur mit Standards herauskommen.

Die Ligadaten stützen den Verdacht: Im Schnitt fallen hier 3,62 Tore pro Partie, 66 % enden über 2,5, und in 59 % treffen beide Teams. Karlsruher auswärts mit null aus vierzehn Schüssen liegen damit deutlich unter dem, was ein xG-nahes Modell für eine 14-Schuss-Partie erwarten würde — selbst bei konservativer Schätzung der Einzelwahrscheinlichkeiten. Ich traue dem Ergebnis nicht als Prognose. Ein Tor fällt irgendwann, die Frage ist nur, ob der Markt das schon eingepreist hat oder ob die Null aus n=1 noch schwerer wiegt als sie sollte.

Die Liga sagt mehr als mein Sample

Wenn mein Team-Sample auf zwei Spiele schrumpft — eines zu Hause, eines auswärts, beide gegen unterschiedliche Gegner und unter unterschiedlichen Matchplänen — dann wird die eigene Verteilung unzuverlässiger als der Ligaschnitt. Das ist kein Eingeständnis von Schwäche, sondern eine Frage der Gewichtung: Ich habe für Karlsruhe keine belastbare Toleranzspanne um den echten Erwartungswert, also ziehe ich das Liga-Prior heran, solange es keine systematische Verschiebung gibt. Und bei der 2. Bundesliga gibt es diese Verschiebung in eine Richtung, die mein Modell stärker gewichtet als die Teamdaten: Die Liga ist toreich.

• 3,62 Tore pro Spiel im Ligaschnitt — ein Wert, der deutlich über dem liegt, was ich aus der 3. Liga oder dem Pokal kenne, und spürbar über dem Bundesligaschnitt.
• 66 % der Partien enden mit mehr als 2,5 Toren. Zwei von drei Spielen liefern also ein Torerlebnis über der klassischen Marktlinie, unabhängig davon, welche Paarung auf dem Platz steht.
• In 59 % der Spiele treffen beide Teams. Knapp unter der Mehrheit, aber hoch genug, dass ich eine „Sauber bleiben"-Erwartung auf einer einzelnen Teamseite nicht als belastbar einstufen würde — schon gar nicht mit zwei Datenpunkten.
• Karlsruhe selbst liegt in seinen zwei erfassten Spielen unter dem Ligaschnitt bei den eigenen Toren: ein Tor aus zwei Partien, bei acht Schüssen zu Hause und vierzehn auswärts. Das Muster — Aktivität ohne Ertrag — wiederholt sich über beide Heimvorteile, was die Wahrscheinlichkeit erhöht, dass es strukturell ist und nicht nur Pech in zwei einzelnen Spielen.
• Energie Cottbus taucht in meinem Datensatz nicht mit eigenständigen, zuordenbaren Spielwerten auf — ich habe nur eine Aggregatzeile, die ich nicht eindeutig einer Seite zuordnen kann. Die Unsicherheit liegt hier also auf beiden Seiten der Paarung.

Was ich daraus ziehe: Das Liga-Prior hebt meine Torerwartung für dieses Spiel über das, was Karlsruhes eigene zwei Spiele nahelegen, und zwar deutlich. Die 2. Bundesliga ist eine Liga, in der Tore statistisch gesehen normal sind — und wenn ein Team aktiv schießt, aber nicht trifft, dann ist der Ligaschnitt der bessere Anker als das eigene Sample, weil er sagt: In dieser Liga passiert das noch. Ob die Richtung am Ende ausreicht, ist eine Preisfrage, und die Preisfrage stelle ich im nächsten Abschnitt.

Bei n=1 lügen die Zahlen öfter

Ich muss hier einmal ganz nüchtern auf meine eigene Datenbasis schauen, bevor ich auch nur eine Bandbreite formuliere, die ich verteidigen kann. Für Karlsruhe steht ein einzelner Heimwert, played: 1 — ein Spiel, in dem sie 62 Prozent Ballbesitz hatten, acht Schüsse abgaben, davon einen als Tor notieren, und eine Passgenauigkeit von 83 Prozent erreichten. Ein einziger Heim-Wert. Ich kann daraus einen Durchschnitt bilden, aber ich kann ihm kein Konfidenzintervall verpassen, das enger wäre als plus-minus das Doppelte des Beobachtungswerts. Wenn ich euch also einen Heim-xG-Erwartungswert nennen würde — und ich tue es bewusst nicht, weil er sich aus n=1 nicht rekonstruieren lässt —, dann wäre das eine Zahl, deren Fehlerbalken breiter wäre als die Zahl selbst.

Insgesamt habe ich played: 2 für die Saison, also zwei Spiele, ein Heim- und ein Auswärtsspiel. Das sind achtundneunzig Schussversuche, die ich aus dem Gedächtnis zählen muss, um den Durchschnitt zu verifizieren — nein, ich zähle nach: acht plus vierzehn, zweiundzwanzig Schüsse, ein Tor. Ein Tor aus zweiundzwanzig Versuchen ist entweder ein Abschlussproblem oder ein Torhüterproblem oder ein Matchplanproblem, und bei zwei Spielen kann ich diese drei Hypothesen nicht trennen. Das ist keine Faulheit meinerseits, das ist die arithmetische Grenze des Samples.

Ich arbeite deshalb ausschließlich mit Rauschensbändern. Statt zu sagen „Karlsruhe gewinnt hier mit 48 Prozent Wahrscheinlichkeit" sage ich: „irgendwo zwischen 40 und 55 Prozent, und die Mitte dieses Bands ist keine Aussage über die Wahrheit, sondern über meine Unwissenheit." Das Rauschensband ist hier bewusst breit — 15 Prozentpunkte —, weil es alles ist, was ich ehrlich behaupten kann. Ein engeres Band bei dieser Datenlage wäre keine Präzision, sondern Arroganz.

Und jetzt kommt der zweite Unsicherheitslayer hinzu: kein verifizierbarer Buchmacherpreis für diese Partie, jedenfalls keiner, den ich zum Zeitpunkt des Schreibens bestätigen kann. Ohne Marktpreis habe ich kein Korrektiv gegen mein eigenes Modell, keine Möglichkeit zu prüfen, ob mein Rauschensband mit dem kollidiert, was die Summe aller Wetterinnen erwartet. Ich sitze also allein mit zwei Spielen und einer Bandbreite, und das ist weder ein Drama noch ein Fehler — es ist einfach die ehrliche Beschreibung dessen, was ich weiß.

Praktisch heißt das: Wenn ihr meine Einschätzung lest, lest sie als ein Fenster, nicht als einen Punkt. Wer ein Fenster von fünfzehn Prozentpunkten Breite als Entscheidungsgrundlage für einen Einsatz nutzt, der setzt nicht auf Modellgewinn — der setzt auf Glück und nennt es Analyse. Ich kann das nicht für euch lösen. Ich kann nur sagen, wo mein Gewissheit endet und das Rauschen beginnt.

Wo der Preis fehlt, beginnt die Unsicherheit

Karlsruher gegen Energie Cottbus, Wildparkstadion, 13. September 2026, 13:30 Uhr — und kein Buchmacherpreis verfügbar, der mir eine Vergleichsgröße liefern würde. Das ist für meine Arbeit kein Randproblem, sondern ein Strukturbruch: Ich kann ein Modell laufen lassen, kann Verteilungen erzeugen, kann eine Richtung angeben, aber ohne eine Quote, gegen die ich meine Wahrscheinlichkeit stelle, bleibt der entscheidende Schritt — das Value-Urteil — schlicht unmöglich. Eine Prognose ohne Preis ist eine Meinung ohne Marktkontakt, und genau davor habe ich am meisten Respekt.

Was ich dennoch sagen kann, ist die Richtung des Modells. Die Ankerpunkte, die ich aus dem bisherigen Sample und dem Ligakontext ziehe — Ballbesitzdifferenz zugunsten Karlsruhers, ein Schussvolumen, das Cottbus als gefährlich, aber nicht als torgefährlich ausweist, und eine Liga, deren Torschnitt und Über-Quote einen offenen Spielverlauf eher wahrscheinlich als die Ausnahme machen — deuten auf ein Heimteam, das zumindest die Kontrolle hat. Kontrolle ist nicht gleichbedeutend mit drei Punkten, das weiß ich seit meiner ersten Saison mit xG-Modellen, aber sie ist ein Gewichtungsfaktor, den ich nicht ignorieren kann. Cottbus mit vierzehn Schüssen und elf Ecken ohne Torerfolg zeigt mir ein Team, das sich Chancen erarbeitet, aber nicht verwertet — das ist ein anderes Risiko als ein Team, das gar nicht erst in den Sechzehner kommt.

Wo die Unsicherheit beginnt, wird es für mich unangenehm. Bei einem gut gesampelten Spiel, sagen wir nach zehn Spieltagen mit stabilen Daten, würde ich mich vielleicht schon bei einer Abweichung von ein paar Prozentpunkten zwischen Modell und Markt einmischen. Hier aber, mit zwei Spielen pro Team, ist mein Rauschen so breit, dass ich keine Bandbreite formulieren kann, die eng genug wäre, um einen Preis als falsch zu erkennen. Die hypothetische Schwelle, ab der ich mich für diese Paarung interessieren würde, liegt für mich so tief, dass ich sie gar nicht erst beziffern möchte — sie wäre ohnehin keine Zahl, sondern ein Eingeständnis, dass ich zu wenig weiß. Solange keine Quote steht, bleibt mein Output eine Richtung ohne Einsatz, eine Tabelle ohne Verdict.

Was ich mitnehme, was ich nicht weiß

• Karlsruhers Kernproblem ist nicht der Ballbesitz selbst, sondern was danach kommt — das ist die eine Aussage, die auch zwei Spiele Datenbasis noch tragen.
• Cottbus hat auswärts mehr Schüsse produziert als Tore, aber ich kann bei diesem Sample nicht sauber zwischen Struktur und Zufall trennen.
• Ohne Quote bleibt jede Prognose ein Vorwissen ohne Gegenprüfung — ich kann eine Bandbreite beschreiben, aber keinen Value identifizieren.
• Die Liga-Referenz von 3,62 Toren im Schnitt und 66 % Über-2,5-Anfall ist meine einzige belastbare Zahl, weil sie nicht an ein Team hängt.
• Falls vor Anpfiff eine Linie auftaucht, die weit unter dem Liga-Schnitt liegt, würde ich sie gegen mein ownes Modell abklopfen — der Markt könnte mehr wissen als mein Mini-Sample.
• Ich würde diesen Match nicht mit Überzeugung spielen, nicht weil das Modell versagt, sondern weil es schlicht zu wenig Daten hat, um sich über das Rauschen hinwegzusetzen.

18+. Gamble responsibly. Odds correct at the time of writing and subject to change. This is opinion, not financial advice. BeGambleAware.org.