Zum Hauptinhalt springen

Analytics: Eine Zahlenflut für den gläsernen Eishockeyspieler

Eine neue Statistikwelt erobert das Eishockey. Über ihren Nutzen debattieren Anhänger und Gegner mit beinahe religiösem Eifer.

Immer mehr Statistik prasselt auf den Eishockeyspieler ein. (Illustration Stephan Liechti)
Immer mehr Statistik prasselt auf den Eishockeyspieler ein. (Illustration Stephan Liechti)

Das Schweizer Eishockey ist eine Statistikwüste, in der nur langsam immer mehr Oasen entstehen. Um Feldspieler zu analysieren, haben wir die Skorerliste mit Toren und Assists. Und wir haben die Plus-/Minusbilanz, die sich errechnet aus den erzielten und kassierten Toren, bei denen ein Spieler auf dem Eis stand.

Und, seit knapp zwei Jahren, messen wir endlich auch die detaillierte Zeit, die ein Spieler effektiv auf dem Spielfeld verbringt – im Jargon «Eiszeit» genannt.

Als die Spieler noch Assists klauten

Viel mehr haben wir nicht, weil sich jahrelang kaum jemand um korrekte Statistiken scherte. Selbst die simple Skorerliste war bis vor wenigen Jahren stark fehlerhaft, da sie Manipulationen durch die Spieler selber erfuhr. Zum Beispiel, wenn der Teamcaptain nach Spielschluss auf dem offiziellen Matchblatt Tore und Assists noch abändern durfte.

Nicht nur einmal dürften wir früher falsche Ligatopskorer geehrt haben. Gerade Importspieler aus Nordamerika hatten in der Schweiz reihenweise den zweifelhaften Ruf des «Assist-Diebes».

Immerhin: Dieses Manko wurde mittlerweile behoben. Jede Nacht werden alle Tore von Club-unabhängiger Stelle per Video kontrolliert und die während dem Match reihenweise falsch notierten Torschützen und vor allem Assist-Geber korrigiert. Das ist ein erster kleiner Schritt.

Auch die Clubs wollen nicht alles öffentlich sehen

Nichts geändert hat sich aber an der Schmalkost der offiziellen Statistik, die auf der Verbands-Website publiziert ist. Beim Vergleich mit den Daten, die beispielsweise in der NHL öffentlich zugänglich sind, ist die Schweiz trotz steten Verbesserungen immer noch weit entfernt von der für eine seriöse Profiliga würdigen Auswahl an Statistiken.

Das liegt auch an den Clubs, die in der Schweiz das Sagen haben und in den meisten Belangen ihre Eigeninteressen in den Vordergrund stellen – im Gegensatz zur NHL, wo die Liga über Allmacht verfügt und ihr Produkt vorantreibt.

Mit ihrem «Gärtli-Denken» verstehen es die National-League-Clubs auch zu verhindern, dass mehr Daten öffentlich werden – einerseits, weil zusätzlicher Aufwand, diese Daten zu sammeln, kostet. Und dann gibt es die Daten, die eigentlich erfasst wären, die man aber nicht öffentlich sehen will. Es könnte ja sein, dass ein Konkurrent anhand der Statistiken merkt, was man in irgendeiner Sparte besonders gut macht. Wo kämen wir da hin …?

Und jetzt kommen die Analytics

Und nun das: Die in Nordamerika schon lange zum NHL-Alltag gehörenden Analytics kommen auch bei uns immer mehr zum Vorschein. Diese sollen mit sogenannten Advanced Stats die Analyse im Eishockeysport auf ein höheres Level hieven.

Eine der Hauptbotschaften ihrer Verfechter widerspricht dem bei Schweizer Eishockeyfans gängigen Modell, Spieler zu bewerten. Sie lautet: Tore und Assists spielen bei der Analyse eine untergeordnete Rolle, die Plus-/Minus-Bilanz ist unnütz. Weil: Tore sind ein zu seltenes Ereignis, um für Analysen aussagekräftig zu sein.

Die Währung der neuen Analytiker lautet Puck-Besitz, der werde am besten anhand der Anzahl abgegebener Schüsse gemessen. Die stark vereinfachte Rechnung: Wer häufiger schiesst, hat den Puck öfter; wer mehr Puck-Besitz hat, der dominiert das Spiel.

In der NHL schwören sogar einzelne General Manager auf diese moderne Statistik und lassen sie bei der Teamzusammenstellung einfliessen. Die Mannschaften haben ihre eigenen Analysten, die aus unzähligen Daten ihre eigenen Advanced Stats erstellen. Und es gibt gar diverse private Statistik-Fans, die aus den Rohdaten auf nhl.com ebenfalls Advanced Stats kreieren und diese der Öffentlichkeit zur Verfügung stellen wie zum Beispiel Corsica Hockey.

In der Schweiz noch Mangelware

Bei uns hingegen beschränkt sich der öffentliche Zugang auf die von einigen wenigen privaten Bloggern zur Verfügung gestellten Zahlen und Grafiken, die sie aus den spärlichen Daten von der Verbandsseite sihf.ch oder durch eigene gesammelten Rohdaten aus den TV-Bildern erstellen.

Einen kleinen Einblick erlaubt zudem der neue Sport-TV-Sender MySports, der jeweils freitags ein paar Minuten den Advanced Stats widmet. Die «Freaks» freuts, die Traditionalisten schauderts oder wunderts, wird doch mit Worten wie Corsi, Fenwick, FenClose oder, noch schlimmer, mit abstrakten Begriffen wie PDO und xG und noch vielem mehr um sich geworfen – siehe dazu auch das Glossar unten.

Es gibt auch in der Schweiz detaillierteste Advanced Stats, bloss sind sie für den Fan nicht zugänglich. Verantwortlich dafür ist zum Beispiel 49ing, die Firma des ehemaligen Spielers Andreas Hänni, die rund 5000 Daten pro NL-Partie sammelt und diese nach Wunsch ihrer Kundschaft auswertet. Auch MySports bezieht ihre Zahlen von 49ing. Zu den weiteren Kunden gehört auch der Schweizer Eishockeyverband.

Der Computer errechnet das Schlussresultat: 4,2 zu 3,6

Doch was genau macht 49ing? Es geht nicht bloss um die Advanced Stats wie Corsi, sondern um das ganze Bild: «Wir verfügen zwar über alle diese Advanced Stats, doch wir nützen sie für Analytics, für das Kreieren komplexer Modelle aus Statistiken. Modelle, die Antworten auf bestimmte Fragen geben sollen.» Anhand der rund 5000 Daten wird zum Beispiel für jedes Spiel berechnet, welchen Einfluss jeder Spieler auf den Spielverlauf nahm und wie anhand dessen das Resultat hätte lauten müssen – auf das Komma genau: Ambri schlägt Bern 4,2 zu 3,6.

Es wird jede nur mögliche Aktion erfasst: Wann welcher Spieler wo auf dem Eis lief, passte, schoss, Schüsse blockte, Blocks verpasste. Welche weitere Spieler vom eigenen und gegnerischen Team dabei ebenfalls auf dem Eis standen.

Unzählige Fragen werden dabei berücksichtigt. Fragen wie: Hatte der Spieler bei den Schüssen freie Bahn oder nicht? Wurde er beim Passen vom Gegner bedrängt oder nicht? Kreierte sein Team mehr Abschlüsse, wenn er mit einem bestimmten Mitspieler auf dem Eis stand oder nicht? Ist sein Team effizienter, wenn er auf dem Eis steht oder ist es umgekehrt? Wird seine Performance stark beeinflusst von der Qualität des gegnerischen Spielers oder nicht?

«Wenn du all diese Informationen übereinander legst, erhältst du neue Informationen», sagt Hänni.

Wie genau die Rohdaten erfasst werden, darüber reden weder die Datenanalysten noch die Clubs, die selber ihre Zahlen sammeln, gerne. Denn die Rohdaten sind das wichtigste Gut für Analysen. «Wenn diese nicht stimmen, ergeben die Berechnungen durch die Algorithmen keine brauchbaren Werte, dann ist es Hokus Pokus», sagt Hänni.

Hier die «Besserwisser», dort die «Ewiggestrigen»

Stimmen sie aber, sehen Verfechter der Advanced Stats die Möglichkeit, den gläsernen Spieler zu präsentieren, Stärken und Schwächen schonungs- und emotionslos aufzudecken.

Auch hier kommt ein interessanter Aspekt dazu über den (Nicht-)Willen der Protagonisten, detaillierte Statistiken öffentlich zu machen: Will ein Trainer beispielsweise wirklich, dass Analytics aufzeigen, dass er in der Mehrzahl der Spiele ausgecoacht wurde, da sein Widerpart die effizienteren Linienkombinationen aufs Eis schickte als er?

«Das ist fast schon eine philosophische Frage in einem Zeitalter mit Datenexplosion», sagt Hänni. «Man kann Dinge über Spieler herausfinden, wie es selbst der beste Experte nicht imstande ist. Ein Mensch kann nur beschränkt Scouting betreiben. Er erinnert sich in der Regel nur an Höhe- und Tiefpunkte. Doch für den Computer ist eine aussergewöhnliche Situation nicht aussergewöhnlich, sondern eine wie jede andere auch.»

Scouts und Experten, deren Dienste bald nicht mehr gefragt sein könnten? Diese Aussage zeigt auch, warum unter Eishockeyfans Anhänger und Gegner der Advanced Stats sich fast schon mit religiösem Eifer streiten – oft mit Unverständnis für die andere Seite. Hier die «Besserwisser», dort die «Ewiggestrigen».

In Nordamerika setzt die Fachpresse auf Analytics

Hänni als ehemaliger Profi mit 652 NLA-Spielen Erfahrung steckt zwischen den beiden Welten: «Ich sehe mich zweifellos als Experten und damit als das Gegenteil des Datenanalysten. Und auch ich sehe mich oft mit der Frage konfrontiert: Was, wenn die Analyse etwas anderes sagt als meine Meinung? Wichtig ist dann, weiterzudenken: Finde ich das interessant oder fühle ich mich in meiner Kompetenz angegriffen?»

Werden sich die Advanced Stats auch bei uns in der allgemeinen Diskussion rund um den Eishockeysport durchsetzen? In Nordamerika sind sie auf gutem Weg, auch die Fachpresse hat das Potenzial für eine neue Art der Sportberichterstattung und das Interesse der Fans erkannt.

Dies zeigt sich am Beispiel von «The Athletic» , einem relativ neuen Online-Sportmagazin. Dieses trotzt nicht nur mit einer kompletten Bezahlschranke aktuellen Trends, sondern setzt auch vertieft auf Advanced Stats.

Die Kritik: Macht das alles im Eishockey überhaupt Sinn?

Oder haben doch die Kritiker recht? Diese monieren unter anderem, dass die vor allem aus dem Basket- und Baseball übernommene Idee der Advanced Stats nicht zum Eishockey passe, da es sich durch die rutschige Unterfläche und das massiv höhere Tempo nicht mit der Datenanalyse aus mehrheitlich statischen Sportarten vereinbaren lässt?

Und dass es grundsätzlich doch auch als absurd angesehen werden kann, wenn man Spiele und Spieler analysiert, ohne auch nur eine einzige Match-Szene gesehen haben zu müssen.

«Perfektion gibt es nirgends», sagt Hänni. «Zu Recht wird uns vorgeworfen, dass wir mit Analytics die sehr wichtigen Faktoren Psychologie, Charakter und Stimmung nicht messen können. Aber ich frage dann: Können das die Experten? Die Datenanalyse soll die Experten nicht konkurrieren. Sie bietet einfach eine andere Betrachtungsweise. In der Medizin zum Beispiel gibt es auch nicht mehr nur Schamanen, sondern auch wissenschaftliche Methoden.»

----------

Corsi und Co.: Ein kleines Glossar

Werden Eishockeyfans erstmals mit Advanced Stats konfrontiert, ist die Chance gross, dass sie das Wort «Corsi» lesen oder hören. Hinter dem Namen steckt keine besondere Bedeutung. Tim Barnes, ein Finanzanalyst, der als Erfinder der Corsi-Statistik gilt, benannte seine Formel nach Jim Corsi, einem ehemaligen Goalietrainer der Buffalo Sabres.

Der Grund: Auf die Idee der Corsi-Statistik kam Barnes, als er ein Radiointerview mit Darcy Regier, dem General Manager der Buffalo Sabres hörte. Im Gespräch wurde gefachsimpelt über Schüsse auf und neben das Tor sowie Schüsse, die vom Gegner geblockt werden. Er habe die Statistik darum eigentlich «Regier-Zahl» nennen wollen, sagt Barnes, doch das habe in seinem Ohr schlecht getönt. Also suchte er auf der Homepage der Sabres nach einem besseren Namen. Als er den Namen «Jim Corsi» und vor allem dessen beeindruckenden Schnurrbart sah, sei für ihn klar gewesen: «Corsi-Zahl».

So erzählt zumindest der kanadische Eishockey-Kommentator und bekannte NHL-Experte Bob McKenzie die Geschichte, er beruft sich auf ein persönliches Interview mit Barnes.

Corsi steht am Anfang aller Eishockey-Advanced-Stats, die eine schier unendlich erscheinende Tiefe an Daten und Analysen ermöglichen. Wer Corsi versteht, kann in die Welt der Advanced Stats eintauchen. Hier einige wenige davon und ihre Bedeutung:

Corsi

Was soll mit Corsi ausgedrückt werden? Es geht um Schussversuche, die mit Puckbesitz und damit mit Spielkontrolle gleichgesetzt werden. Eine der Grundideen hinter Advanced Stats und insbesondere Corsi ist, dass eine nur auf Toren basierte Statistik zu viel dem Zufall und dem Faktor Glück überlässt. Dies, weil in einem Eishockeyspiel durchschnittlich nur rund 6 Tore fallen, also seltene Ereignisse sind. Viel häufiger sind hingegen Schussversuche.

Ein Corsi-Wert lässt sich sowohl für einen einzelnen Spieler als auch für eine ganze Mannschaft berechnen. Sowohl in einem einzelnen Spiel, als auch über mehrere Spiele hinweg gesehen. Die Corsi-Zahl soll auch aufzeigen, ob ein Spieler aktuell über unter unter seinen Verhältnissen spielt.

Und weil man bei den Advanced Stats davon ausgeht, dass Glück und Pech sich im Verlauf einer Saison irgendwann ausgleichen, wird Corsi auch dafür benutzt, in die Zukunft zu blicken: Schiesst ein Spieler/eine Mannschaft also aktuell viele Tore und weist gleichzeitig aber eine schlechte Corsi-Zahl auf, deutet das darauf hin, dass bald eine Negativ-Phase folgen wird.

Umgekehrt gilt dasselbe: Ein aktuell erfolgloses Team oder ein Stürmer mit aktueller Ladehemmung mit guten Corsi-Werten deutet darauf hin, dass bald vermehrt Siege respektive Tore erfolgen werden.

Wie wird die Corsi-Zahl errechnet? Ganz simpel: Sie ist die Plus-/Minus-Bilanz aller Schussversuche, die abgegeben werden, während der Spieler auf dem Eis steht. Als Schussversuch gelten alle Schüsse, die (a) im Tor landen, (b) vom Goalie gehalten werden, (c) von einem gegnerischen Feldspieler geblockt werden, (d) neben oder übers Tor gehen.

Beispiel: Steht ein Spieler in einer Partie bei 14 Schussversuchen seines Teams sowie deren 12 des Gegners auf dem Eis, kommt er auf eine Corsi-Zahl von Plus 2 (14:12). Allerdings wird die Corsi-Zahl mittlerweile bevorzugt in Prozentzahlen dargestellt: In unserem Beispiel hätte der Spieler einen Corsi-Prozent-Wert von 53,8. Errechnet wird die Prozentzahl wie folgt: 14/(14+12) = 53,8. Also «Schussversuche für» geteilt durch «Alle Schussversuche».

Zahlen über 50 Prozent gelten als gut, jene darunter als schlecht. In der Fachsprache heisst diese Darstellung in einer Prozentzahl «Corsi For Percentage».

Die Corsi-Zahl lässt sich wie erwähnt nicht nur für einen einzelnen Spieler errechnen, sondern auch für ein ganzes Team. In letzterem Fall werden einfach alle Schussversuche aller Spieler gezählt. Kommt also Team A in einer Partie auf 210 Schussversuche und sein Gegner auf 245, lautet die «Corsi For Percentage»-Zahl für Team A 46,2 Prozent. 210/(210+245) = 46,2.

Wichtig: Es werden nur jene Schussversuche gezählt, die bei personell numerischem Gleichstand auf dem Eis abgegeben werden. Schüsse während eines Powerplays (egal auf welches Tor) zählen nicht. Dies darum, weil Spieler, die vom Coach zwar in Unterzahl, aber nie in Überzahl eingesetzt werden, deutlich benachteiligt würden.

Zu hinterfragen bei Corsi: Alle Schussversuche werden gezählt. Also auch die geblockten. Sind viele vom Gegner geblockte Schüsse wirklich etwas Vorteilhaftes? Ein Verteidiger beispielsweise mit wenig Mobilität und Spielverständnis aber viel Selbstvertrauen, der von der blauen Linie aus reihenweise Pucks in den nächstbesten Gegner feuert und damit vielleicht sogar reihenweise Turnovers produziert, kann durchaus auf eine gute Corsi-Zahl kommen, ohne wirklich entsprechend positiven Einfluss aufs Spiel zu nehmen.

Fenwick

Identisch mit Corsi, ausser, dass die vom Gegner geblockten Schüsse nicht gezählt werden.

Zu hinterfragen bei Fenwick: Kann von der reinen Anzahl an Schussversuchen, ob geblockt oder nicht, wirklich auf eine Dominanz einer Mannschaft geschlossen werden? Was ist mit Mannschaften, die von der Taktik-Vorgabe ihres Coaches grundsätzlich jede mögliche Schuss-Chance wahrnehmen im Vergleich mit Teams, die “verspielt” mit vielen Passfolgen agieren und nur bei guten Torchancen den Schuss wahrnehmen?

FenClose

Der Ansatz: Bei deutlichem Resultat spielen beide Teams anders, die Analyse kann verfälscht werden. Zum Beispiel, wenn ein Team, das bei Spielhälfte 0:6 zurückliegt und dank Passivität und Verwalter-Mentalität des Gegners danach bei den Schussversuchen dominiert. FenClose wird genau wie Fenwick errechnet, allerdings zählt man nur jene Schussversuche bei engem Spielstand, also nur bei Gleichstand oder einem Tor Unterschied.

Zu hinterfragen bei FenClose: Macht es bei einem Spiel, in dem aus einem 0:4 ein 5:4 wurde, Sinn, nur die Statistik bei engem Spielstand zu werten? Ist Performance nicht einfach Performance, unabhängig des Spielstandes?

xG

xG steht für «Expected Goals», also «erwartete Tore». xG ist eine Statistik für Leute, denen Corsi und Fenwick immer noch zu wenig detailliert ist. Hier kommt die Schussqualität ins Spiel. Bei xG werden die Schüsse je nach Art und Ort, wo sie abgegeben wurden, mit diversen Faktoren multipliziert. Ein Schuss bei einer Solo-Chance analog zu einem Penalty soll mehr Gewicht haben als schwache Schüsse aus der Distanz mit zusätzlich freier Sicht des Goalies.

Zu hinterfragen bei xG: Es gibt weder einheitliche Zahlen für den Faktor, mit denen die unterschiedlichen Schüsse multipliziert werden noch eine Vereinheitlichung, welche Faktoren überhaupt berücksichtigt werden. Das kann böse gesagt als Willkür interpretiert werden.

PDO

Über die Herkunft des Namens PDO herrscht keine Einigkeit. Auch hier geht es um aktuelles Glück oder Pech, respektive dem Versuch, in die Zukunft zu blicken. Die PDO-Zahl für eine Mannschaft errechnet sich, indem man Schussprozent (wie viele der Schüsse aufs Tor landen im Tor und werden nicht vom gegnerischen Goalie pariert) und Fangprozent des eigenen Goalies addiert. Da 10% als durchschnittliche Schussquote und 90% als durchschnittliche Fangquote gelten, wird davon ausgegangen, dass sich die PDO-Zahl über einen längeren Zeitraum irgendwann bei rund 100 einpendelt.

Ein aktueller PDO-Wert von deutlich über 100 wird hier also mit einer Glücksphase gleichgesetzt, einer deutlich unter 100 als Pechsträhne.

PDO lässt sich auch für einzelne Spieler berechnen. In jenem Fall zählt man nur jene Schüsse und die Prozente, bei denen der betreffende Spieler auch auf dem Eis stand. Damit soll zum Beispiel bei einer heissen Skorer-Phase eines Stürmers festgestellt werden, ob er einfach nur Glück wegen gegnerischer Goalieleistungen hat oder sein eigener Verdienst an den vielen Toren hoch ist.

Zu hinterfragen bei PDO: Wird die Schusstechnik eines Spielers genügend beachtet? Es gibt ja erwiesenermassen technisch bessere und schlechtere Schützen.

Relative Stats

Hier geht es weiter in die Tiefe. Die meisten Advanced Stats kann man verwenden, um Vergleiche zwischen Einzelspieler und ganzer Mannschaft anzustellen. Ist der Corsi-Wert eines Spielers 55,2 Prozent, jene seiner Mannschaft aber bloss 45,2, dann spricht dies klar für den Spieler, da immer dann, wenn er auf dem Eis ist, mehr Schussversuche generiert als zugelassen werden als dies durschnittlich bei seiner Mannschaft der Fall ist.

Als Schweizer Beispiel in der NHL für die Corsi-Relative-Zahl wird meistens Nino Niederreiter genannt, der regelmässig zu den ligaweit Besten gehört. Salopp gesagt bedeutet dies, dass, wenn Niederreiter bei seinen Minnesota Wild auf dem Eis steht, offensiv mehr los ist, als wenn der Schweizer gerade auf der Bank sitzt. Und gleichzeitig spricht dies auch für Niederreiters Defensivarbeit, dass also vor dem eigenen Tor weniger Gefahr herrscht mit ihm als ohne ihn auf dem Eis.

Zu hinterfragen bei Relative Stats: Wer grundsätzlich Advanced Stats wie Corsi oder xG anzweifelt, wird auch Vergleichen innerhalb dieser Statistik-Kategorien nicht trauen.

Dieser Artikel wurde automatisch aus unserem alten Redaktionssystem auf unsere neue Website importiert. Falls Sie auf Darstellungsfehler stossen, bitten wir um Verständnis und einen Hinweis: community-feedback@tamedia.ch