Matchday-Briefing: Die Matchup-Matrix erklärt

Wer sich gefragt hat, warum es zuletzt keine Beiträge mehr von mir gab: Sveno hat mich losgeschickt, um eine neue Metrik zu erstellen. Ich sollte Form und Matchup abbilden. Herausgekommen ist etwas, das hinsichtlich des Matchups ziemlich komplex – aber auch ziemlich interessant für euch sein könnte.

Deshalb dachte er sich, es wäre doch auch cool, mich neben dem Programmieren auch noch schreiben zu lassen. Und da mein kleiner Fanclub sich das auch gewünscht hat, habe ich mich dazu breitschlagen lassen. Schließlich wäre das Ganze auch wertlos, wenn ich niemanden hätte, dem ich’s zeigen könnte. Here we go.

Vorstellung der Matrix

Im Folgenden stelle ich euch also eine Matrix vor, die das Matchup einer bestimmten Position gegen eine bestimmte Mannschaft darstellt. Damit das Ganze weniger kryptisch ist, während ich es erkläre, beginne ich direkt mit der Grafik und baue darauf auf. Da wir uns später auf das Beispiel Bochum gegen Wolfsburg fokussieren werden, habe ich die Spalte gegen Bochum ausgeschnitten. Das ist dann auch für euch angenehmer anzuschauen.

Aufgrund besserer Darstellung haben die folgenden Abbildungen etwas komprimiert. Die vollständigen Tabellen findet ihr hier: Gesamttabellen.

Spoiler: Nicht direkt mit dem Lesen aufhören, da kommt noch mehr – die Tabelle ist in dieser Form nur zu 50 % vollständig.

Tabelle 1: Zugelassene Punkte (in Prozent) pro Team nach Position

Ausgangslage und Berechnung

Ausgangslage sind die individuellen Kickbase-Punkte eines jeden Spielers. Teamtore, Sieg/Niederlage, Minuten und Zu-null-Bonus werden entsprechend nicht einberechnet. Diese individuellen Punkte werden der jeweiligen Position des Spielers im entsprechenden Spiel zugeordnet. Jeder Feldspieler kann dabei eine von 23 Positionen zugeordnet bekommen – je nachdem, wo er sich realtaktisch aufgehalten hat.

Die Werte stellen dabei eine Kombination aus den Daten der vergangenen Saison und der aktuellen dar. Die Gewichtung wird mit jedem Spieltag stärker auf die aktuelle Saison gelegt. Bei den Aufsteigern zählt natürlich nur die aktuelle Saison.

Macht Florian Wirtz also gegen Leipzig 250 Punkte als OML (offensives Mittelfeld links), fließen diese Punkte in die Matrix unter „OML“ bei „Leipzig“ ein. Dadurch erhöht sich die Prozentzahl an Punkten, die gegen Leipzig durchschnittlich als OML erzielt werden. Jeder andere OML in der Saison zieht diesen Schnitt anschließend sehr wahrscheinlich wieder runter.

Dabei wird der Wert immer in Relation zum Durchschnitt der Liga auf dieser Position ermittelt. Der Mittelwert aller Prozentwerte in der Zeile OML ist also 100 %. Nun könnten wir uns anschauen, gegen welche Teams ein OML denn wahrscheinlich die meisten Punkte erzielt. Dafür suchen wir (in der ersten Gesamttabelle) den höchsten Wert in der Zeile „OML“ und finden 196,52 % gegen Hoffenheim und 182,11% gegen Bochum. Ein Spieler als OML macht somit knapp 97% mehr Punkte gegen Hoffenheim und 82% mehr gegen Bochum, als dies im Durchschnitt gegen andere Bundesligateams der Fall wäre. Also wenn ihr einen OML habt, stellt ihn gegen Hoffenheim und Bochum auf jeden Fall auf.

Optimale Positionen gegen bestimmte Teams

Alternativ können wir schauen, welche Position man am besten gegen Wolfsburg aufstellen könnte. Dabei springt der „LM“ (linkes Mittelfeld) mit 141,24 % ins Auge. Sollte dieser nicht in der Formation vorkommen, ist auch ein „LMV“ (linker Mittelfeldverteidiger) mit 129,62 % in Ordnung.

Und gegen welches Team stellen wir grundsätzlich am liebsten auf, unabhängig von der Position? Dafür suchen wir nach dem höchsten Wert in der untersten Zeile „Gesamt“. Wer jetzt auf Kiel und St. Pauli getippt hätte, wird von Augsburg, Mönchengladbach und Hoffenheim überrascht. Gegen diese Teams solltet ihr also in der Regel alle Spieler stellen. Lustiges Timing, dass Augsburg gegen Gladbach spielt.

Spezifische Positionen und deren Performance

Wenn wir nun wissen wollen, welche spezifischen Positionen grundsätzlich die meisten Punkte erzielen, schauen wir uns die Spalte ganz rechts an. Da sind die Torhüter ganz vorn – irgendwie logisch, weil deren Punkte nicht aufgeteilt werden wie z.B. bei Wirtz auf OML, OMM und OMR.

Ansonsten machen IVL und IVR (Innenverteidiger links und rechts) die meisten Punkte, gefolgt von STR und STM (Stürmer rechts und Mitte). Das ist jedoch mit Vorsicht zu genießen, schließlich sind diese Positionen immer besetzt. Solche Positionen haben im Vergleich zu anderen Positionen, die auch mal leer sein können, einen Vorteil, weil sie jedes Spiel weitere Punkte für sich sammeln können. Insbesondere im Zentrum und den Offensivpositionen ist das selbst bei einem einzelnen Spieler variabel. So spielt Wirtz zwar meist OML, aber auch OMM und OMR. Seine Punkte teilen sich also auf drei Positionen auf. Einzig die Position STR werde ich in künftigen Artikeln bei Interesse mal genauer beleuchten. Schließlich ist diese Position nicht bei jedem Team besetzt und dennoch werden dort sogar leicht mehr Punkte erzielt als bei STM.

Erweiterung der Matrix

So viel zu den zugelassenen Punkten eines jeden Teams. Ich hatte erwähnt, dass diese Matrix nur 50 % ausmacht – also fehlen hier nach meiner Berechnung noch 50 %. Diese werden durch die folgende Matrix hinzugefügt. Hier habe ich die Wolfsburger Spalte markiert, da diese später wichtig wird.

Tabelle 2: Selbst erzielte Punkte (in Prozent) pro Team nach Position

Selbst erzielte Werte der Teams

Wenn wir uns die Gesamttabelle anschauen - Sieht vom Layout gleich aus, oder? Wer kurz die dunkelgrünen Werte überfliegt, könnte darauf kommen, dass dies die selbst erzielten Werte eines Teams sind – schließlich weisen Leverkusen und Bayern entsprechend hohe Werte auf.

Bleiben wir bei meinen Leverkusenern, bei denen die höchsten Werte für OMR, OML und LM zu finden sind – Grüße gehen insbesondere raus an Flo Wirtz und Alex Grimaldo in den Hauptrollen sowie Jonas Hofmann und Amine Adli in den Nebenrollen.

Rot markierte Zellen sind meist zu vernachlässigen – sie zeigen in der Regel an, dass die Mannschaft selten mit diesen Positionen spielt. Hohe Werte zeigen auf der einen Seite an, dass die Spieler auf diesen Positionen besonders viele Punkte erzielen – jedoch immer im Ligavergleich. Je seltener andere Mannschaften diese Position spielen, desto rasanter schnellt der Wert in die Höhe.

Kombination der Matrizen

Diese Matrix allein ist also nur bedingt aussagekräftig, doch wenn wir sie mit der ersten Matrix kombinieren und ein wenig optimieren, kommen sehr aufschlussreiche Zahlen heraus.

Dabei multiplizieren wir die Prozentwerte, die ein Team zulässt, mit dem Wert, den ein Team erzielen kann – bereinigt durch den Schnitt aller Punkte für die jeweilige Position (Spalte ganz rechts). Das multiplizieren wir dann noch mal mit 11, weil elf Spieler gleichzeitig spielen (solange, bis jemand auf eine andere Idee kommt).

Beispiel: Bochum gegen Wolfsburg

Tabelle 3: Matchup-Matrix (in Prozent) gegen Bochum pro Team nach Position

Um das Ganze direkt der Feuertaufe zu unterziehen, nehmen wir uns das Spiel Bochum gegen Wolfsburg heraus. Wir haben eben bereits festgestellt, dass ein OML gegen Bochum ein guter Fit ist. Wolfsburg spielt jedoch nahezu nie mit einem OML, sodass dieser Fit in der Kombination der beiden Daten (Punkte gegen Bochum x selbst erzielte Punkte von Wolfsburg) nicht vorhanden ist.

Dennoch sieht man in der Spalte „Mittelwert“, dass Bochum viele Punkte gegen die meisten Offensivpositionen grundsätzlich zulässt. Also sollten wir alle Spieler aufstellen, die offensiv einsetzbar sind – in diesem Beispiel also Mohammed Amoura, Jonas Wind und Tiago Tomas. Ab hier beziehe ich dann die Form mit ein, die bei Amoura und Wind (insbesondere gemeinsam) sehr gut ist.

Rein statistisch ist nun Jonas Wind vorne, weil Bochum gegen Mittelstürmer viel zulässt und Wolfsburg leicht überdurchschnittliche Punkte mit dieser Position erzielt. Mein persönlicher Favorit ist Amoura, weil er sicherlich auch als OML auftreten kann bzw. über die linke Seite kommt und Bochum hier viel zulässt. Stellt einfach beide auf!

Bedeutung der Matrix

Diese Matrix stellt nur die individuellen Kickbase-Punkte dar – aus der Vergangenheit. Sie können uns somit als Indikator dienen, um Stärken und Schwächen bestimmter Positionen aufzuzeigen, jedoch nur bezogen auf Kickbase-Punkte. An manchen Stellen kann man daraus auch Schlüsse auf das bevorstehende Spiel ziehen, sollte dies jedoch dann immer mit Fußballexpertise kombinieren.

Die Daten für euch zu interpretieren, ist meine Aufgabe und dies erledige ich für euch im Rahmen des Matchday-Briefings der Dauerkarte sowie bei entsprechender Resonanz auch in weiteren Artikeln.

Falls ihr keine Ahnung habt, was die sogenannte Dauerkarte ist, könnt ihr euch die Features auf der Shop-Seite mal durchlesen. Ich würde mich freuen, wenn ich bei euch das Interesse an der Dauerkarte geweckt habe.

Ausblick und Weiterentwicklung

So viel fürs Erste zu der neuen Metrik und Matrix dazu. Meine aktuelle Idee wäre, euch nach und nach jede Mannschaft einzeln zu präsentieren, insbesondere welche Positionen gegen diese Teams großes Potenzial haben und wie Daten aus der Vorsaison durch Statistiken aus dieser Saison bestätigt oder verändert werden.

Die Matrix selbst wird noch erweitert auf Positionsgruppen, sodass bspw. ein OML und LA (Linksaußen) besser miteinander verglichen werden können. Am Beispiel Amoura sieht man gut, dass die aktuelle Matrix sicherlich noch hinkt – wenn das Team bspw. nahezu nie mit dieser Position gespielt hat. Auch diese Ergebnisse werde ich euch präsentieren.

Schreibt gern in die Kommentare, was ihr davon haltet, welche Fragen ihr noch habt, was euch gefällt und wo ihr noch Optimierungspotenzial seht. Das System steht noch am Anfang und wird kontinuierlich weiterentwickelt. Die Ergebnisse davon seht ihr jede Woche im Matchday Briefing in der Form der Matchup Matrix.

Kleine Fragen greife ich gern im Discord oder hier in den Kommentaren auf, größere Fragen werden in ganzen Artikeln beantwortet. Ich freue mich auf euer Feedback.

Euer Hub1