Bayern gegen Dortmund in der Matchup-Matrix

Während ich diese Zeilen schreibe, sitzt mein Kollege Bryan im Podcast mit Freudentränen und analysiert für uns das Topspiel des Freitagabends, St. Pauli gegen Kiel. Obwohl ich meinen Jungs in der Dauerkarte genau das auch für die Matchup-Matrix-Analyse in Aussicht gestellt hatte – also ein Artikel von mir feat. Bryan –, haben sie sich von großen Namen leiten lassen.

Wenn du dabei mitreden willst, welche Spiele hier analysiert werden, geht's hier zur Dauerkarte.

Ibiza oder Antarktis?

Entsprechend schaue ich mir das Topspiel am Samstagabend an – el clásico alemán, Dortmund gegen Bayern. Dortmund ist somit back to back unser Team für die Analyse und ich als Datenanalyst kann nur weinen. Warum? Weil der BVB zu Hause und auswärts eine andere Mannschaft ist.

Zu Hause ist wie auf Ibiza mit Meeresrauschen und Cocktail in Badehose bei 35 Grad und einer angenehmen Brise, während auswärts das Äquivalent zu einer Wanderung durch die Antarktis bei minus 35 Grad ist ... ebenfalls bei einer leichten Brise und in Badehose.

Das macht aus dem BVB im Durchschnitt ein Mittelklasse-Team, so wie es die Tabelle auch zeigt: Zu Hause Platz eins, auswärts Platz 16, gesamt Platz fünf. Ähnliches wird sich auch später in meiner Matchup-Matrix wieder zeigen und ich muss schauen, was ich daraus mache.

Bevor ich das mache, nehme ich neue Leser mit auf eine kurze Entdeckungsreise der Matchup-Matrix. Ob diese am Ende nach Ibiza oder in die Antarktis führt, lasse ich erst einmal offen.

Was ist die Matchup-Matrix?

Ausgangslage sind die individuellen Kickbase-Punkte eines jeden Spielers, also keine Punkte für Teamtore, Sieg/Niederlage oder zu null. Diese individuellen Punkte werden der jeweiligen Position des Spielers in dem entsprechenden Spiel zugeordnet. Jeder Feldspieler kann dabei eine von 23 Positionen zugeordnet bekommen – je nachdem, wo er sich realtaktisch aufgehalten hat. Diese kombiniere ich dann zu 11 Positionsgruppen, sodass sich daraus eine Aufstellung abbilden lässt. Genau eine solche Abbildung seht ihr auch am Ende in einer grafischen Darstellung.

Diese Punkte kann ich dann sowohl der eigenen Mannschaft als „erzielt“ und dem Gegner als „zugelassen“ zuordnen. Dabei werden Werte sowohl durch Minuten als auch durch die Stärke des Gegners bereinigt. Diese bemisst sich anhand dessen, wie viel das Team im Vergleich zum Ligadurchschnitt gegen diese Positionsgruppe zulässt.

Und für den BVB müsste ich das Ganze scheinbar noch auf daheim und auswärts aufteilen. Da wir jedoch nicht ausschließen können, dass der Unterschied auf Zufall oder den Spielplan zurückzuführen ist, wäre diese Einteilung vielleicht unangemessen und damit keine Option für mich.

Diese Werte helfen uns dabei, gute Matchups zu finden. Denn wenn ein Team auf einer Position viele Punkte erzielt und der nächste Gegner dort überdurchschnittlich viel zulässt, sollte das ein guter Fit sein. Entsprechend können wir auch die Tabelle lesen, die ich euch nun zeige.

Wir suchen dabei nach einer Übereinstimmung, also mehr als 100 Prozent auf der linken und rechten Seite der Tabelle. Das trifft in Tabelle 1 nur auf zwei Positionen zu, nämlich den Linksverteidiger und den Stürmer von Bayern – entsprechend Davies und Kane. Diese beiden Jungs können also schon mal problemlos gestellt werden. Ob es noch weitere Spieler gibt, deren Matchup oder individuelle Klasse den jeweils anderen Wert überstrahlt, schauen wir uns in Tabelle 3 an.

Bei Dortmund in Tabelle 2 gibt es keinen Fit – somit müsste man auf das angesprochene Überstrahlen hoffen, sollte man den einen oder anderen Dortmunder im Team haben. Der Keeper mit 155 Prozent hat zumindest schon mal gute Chancen.

Und wie Tabelle 3 nun zeigt, ist er auch der einzige Spieler, der in der Multiplikation der beiden Werte auf über 100 Prozent kommt – also seine üblichen Punkte leicht übertreffen könnte.

Bei den Bayern sieht das anders aus: Hier sind die selbst erzielten Punkte auf den meisten Positionen so stark, dass das relativ schlechte Matchup Dortmund ausgehebelt werden könnte. Dennoch ist das Ganze schon schwächer zu bewerten als die Positionen mit Fit (Linksverteidiger und Stürmer).

Neben diesen Fits suchen wir uns die Positionen mit den höchsten Werten heraus. Das sind neben den inzwischen bekannten Positionen von Davies und Kane auch der Rechtsaußen, also voraussichtlich Olise. Gleich schaue ich mir für euch an, was diese Spieler in der Realität besonders gut können und gleichzeitig vom BVB zugelassen wird.

Bevor ich das mache, noch die Antwort auf die Frage, was ihr mit euren Dortmundern und Manuel Neuer mit Werten unter 80 Prozent machen könntet: Die niedrigsten Werte in tiefem Rosa könnt ihr euch rauspicken und diese Spieler bevorzugt nicht stellen – natürlich immer bei sinnvollen Optionen wie einigen Augsburgern, wie im Spieltagsranking gut zu sehen ist.

Doktorarbeit: "Kane kann Tore schießen"

Natürlich muss ich auch beweisen, dass ich für die Analyse qualifiziert bin. Also beantworte ich die Frage, was Harry Kane gut kann, mit: „Tore schießen“. Das sollte für einen Doktortitel reichen und bedarf wohl keiner weiteren Ausarbeitung.

Was er darüber hinaus kann? Großchancen kreieren. Das hat er diese Saison bereits fünf Mal gemacht und bedeutet Platz 10 aller Spieler in der Liga. Hier ist Dortmund zumindest durchschnittlich anfällig mit 1,73 pro Spiel, sodass Kane diese Stärke durchschnittlich wahrscheinlich ausspielen kann. 0,45 kreierte Großchancen pro Spiel ergeben eine 45prozentige Wahrscheinlichkeit auf eine in diesem Spiel.

Davies kann sich zumindest mit zwei Stärken schmücken, die er gegen Schwarz-Gelb gut nutzen könnte. Auf der einen Seite sind die Zweikämpfe, denn Platz zwei der Liga wird von ebendiesen belegt mit 10,9 verlorenen Zweikämpfen pro Spiel. Das liegt 17 Prozent über dem Ligaschnitt von 9,3 und ermöglicht Davies, der immerhin auf Platz 38 liegt, mehr als seinen immer noch recht guten Wert von 1,1 pro Spiel.

Eine andere seiner Stärken ist das Dribbling, bei dem sich auch direkt sein Kollege auf der anderen Seite mit einreiht. Davies hat 1,6 erfolgreiche Dribblings pro Spiel, während Olise sogar 1,91 auf den Platz zaubert und damit auf Platz zehn liegt. Dortmund liegt hier zwar auf Platz vier von unten, lässt also wenig zu, aber vielleicht immer noch zu viel für die beiden.

In vielen anderen Statistiken, in denen die Bayern-Spieler gut sind, lässt der BVB gar nicht viel zu und ist sogar zu weiten Teilen auf Platz zwei nach den Bayern.

Das Dortmunder Muster

Ähnlich wie letzte Woche zeigt sich in den Statistiken bestenfalls, dass der BVB durchschnittlich wenig zulässt. Jedoch ist das Verhältnis der vielen zugelassenen Großchancen zu wenigen zugelassenen Pässen und Schüssen ein schlechtes Zeichen. Man lässt wenig zu, aber wenn, dann brennt es anscheinend richtig.

Und wenn das jemand provozieren und nutzen kann, dann sind es Spieler mit hoher individueller Qualität wie die des FC Bayern. Da ich im Rahmen der Matchup-Matrix nur die Spieler mit Fit oder hohen Werten analysiere, fallen alle Jungs aus Dortmund aus dem Raster.

Ob es dennoch eine Chance auf Punkte gibt, dürften meine Kollegen Fadi, Bryan und Sveno im Gamechanger oder mein Kollege Kassem in seinem Video dazu analysiert haben.

Vielleicht kommt auch dazu noch ein Artikel, um in Brackel ein wenig Hoffnung zu verbreiten. Für mich wird das geschafft durch die Tatsache, dass das Spiel zu Hause ist und man dort bislang alles gewonnen hat. Dennoch reicht es für mich nicht, um das Spiel zu ziehen. Knapper, aber dominanter Sieg für Bayern, Gamechanger Olise. Und damit übergebe ich an die Jungs im Podcast.

Euer Hub1 :)

PS: Ibiza oder Antarktis? Irgendwie ist es das trübe deutsche Wetter geworden. Tickets können erst nach dem Spiel gebucht werden.

PPS: Hier geht's zu einer genaueren Erläuterung der Matchup-Matrix und den Spielfeldern.