Was ist ein Geisterspiel?
Ein Geisterspiel ist ein Spiel ohne Zuschauer, meist wegen Pandemien oder Sperrstunden. Es fühlt sich an wie ein leeres Stadion, das Echo der eigenen Schritte begleitet den Ball. Kurz gesagt: keine Atmosphäre, keine Crowd‑Energy.
Warum xG unter Geisterbedingungen verzerrt wird
Hier der Knackpunkt: Expected Goals (xG) basiert auf Wahrscheinlichkeiten, die historisch über tausende von Spielsituationen gelernt wurden – und diese beinhalten immer das Rauschen der Fans. Entfernt man das Rauschen, ändert sich das Bild radikal.
Fehlende Intensität
Ohne das Adrenalin der Menge sinkt die Laufgeschwindigkeit, die Passgenauigkeit leidet, und Schüsse werden seltener aggressiv. Ein kurzer, knackiger Satz: Der Ball wird ruhiger gekickt. Auf längere Sicht bedeutet das: Die xG‑Modelle überbewerten Chancen, weil sie von einer höheren Schussqualität ausgehen, die im Geisterspiel nie erreicht wird.
Zuschauerfaktor
Durch den fehlenden Druck der Zuschauer kommt es zu mehr Fehlpässen, weniger Risk‑Shots. Die Wahrscheinlichkeit, dass ein Flankengebiet zum Torschuss wird, fällt stark. Dabei nutzen viele Algorithmen standardisierte „Crowd‑Weighting“-Parameter – die wegfallen, wenn das Stadion leer ist. Das Resultat? Ein System, das plötzlich zu viele Tore „voraussieht“.
Praktische Konsequenzen für Analysten
Also, was tun? Erstens: Geisterspiele als Ausreißer kennzeichnen. Filter setzen, um diese Daten aus dem Trainingsset zu entfernen. Zweitens: Anpassungsfaktoren einbauen – etwa ein “Empty‑Stadium‑Multiplier”, der xG‑Werte um 0,15 reduziert, wenn das Spiel ohne Publikum stattfindet. Drittens: Immer das Umfeld prüfen, bevor du deine Modelle deployst. Auf kifussballxganalyse.com gibt’s ein Dashboard, das dir sofort zeigt, welche Matches unter Geisterbedingungen gelaufen sind.
Setz jetzt deine Modelle auf reale Spielbedingungen um.