Die Bundesliga-Saison 2023/24 kann auf jeden Fall mit einem Superlativ aufwarten: Bayer Leverkusen beendet die Saison ungeschlagen als Meister. Welche weiteren, möglicherweise überraschenden Erkenntnisse wir mit DeltaMaster aus den Spieldaten ziehen konnten, verraten wir im Beitrag!
Bundesliga-Saison 2023/24
Als Datengrundlage nehmen wir sämtliche Spielergebnisse der gerade abgelaufenen Bundesligasaison 2023/24 her, wie sie bei der offiziellen Seite www.bundesliga.com oder beim kicker zu finden sind. Die Grafische Tabelle ist in unserer Business-Intelligence-Software DeltaMaster prädestiniert für eine übersichtliche und einprägsame Darstellung.
Werfen wir doch einen genaueren Blick auf die Bausteine, die für das schnelle Erfassen der Tabelle verantwortlich sind:
Der gesamte Spielverlauf der Bundesliga-Saison 2023/24 auf einen Blick
Abgesehen von den üblichen Statistiken über Tore und Tordifferenzen, Punkte sowie gewonnene, unentschiedene und verlorene Spiele, erhöhen besonders zwei Gestaltungselemente das schnelle Verständnis: Bissantz’Numbers und Sparklines.
Bissantz’Numbers sind typografisch skaliert – größere Werte stellen wir auch größer dar. Die 90 erzielten Punkte von Bayer Leverkusen lassen in der Darstellung im Vergleich die 17 Punkte von SV Darmstadt 98 mickrig erscheinen. Ebenso erkennt man aus dem Augenwinkel, wo die Tordifferenz eher verschwindet bzw. stark zu einer Seite ausschlägt. Hier folgen wir einem weiteren Gestaltungsgrundsatz und versehen nur die Tordifferenz mit einem Vorzeichen und geben die Punkte ohne Vorzeichen aus.
Die Sparklines – in Form von Sparksäulen – geben einen komprimierten Überblick über die gesamte Saison. Gewonnene Spiele werden in Blau mit einer 1 dargestellt, verlorene in Rot mit einer -1. Unentschieden werden mit einem kleinen Wert größer null nicht besonders betont. Auf Anhieb ist ersichtlich, dass Bayer Leverkusen eine mehr als gelungene Saison absolviert hat: Von Rot ist hier nichts zu sehen.
Ebenso erkennen wir, dass der FC Bayern München standesgemäß begonnen hat. Nach etwas mehr als einem Drittel der Saison setzten aber ungewohnte Niederlagen ein. Beim VfB Stuttgart ist es umgekehrt: Bis etwa zur Winterpause gab es den einen oder anderen Patzer, der Rest der Saison wurde dann bravourös absolviert.
Serien: Gewonnen, verloren, nicht gewonnen und nicht verloren
Längere Sieges- oder Niederlagenserien sehen wir sofort. Beim 1. FC Union Berlin war nach einem verheißungsvollen Start das Pulver erst einmal verschossen und es folgten neun verlorene Spiele in Serie. In einem älteren Blog-Beitrag Serien mit Folgen untersuche ich, wie wahrscheinlich solche länger anhaltenden Niederlagenserien sind.
Gerne wird festgehalten, seit wie vielen Spielen eine bestimmte Mannschaft nicht mehr verloren oder nicht mehr gewonnen hat. Dazu wird die Rubrik der Unentschieden wahlweise den Siegen oder den Niederlagen zugeordnet.
Für die folgende Darstellung betone ich durch die asymmetrische Wertzuweisung die Rubrik der jeweiligen Spaltenüberschrift in den letzten beiden Spalten:
Serien der Form “Nicht verloren” bzw. “Nicht gewonnen”
Klar ist, dass Bayer Leverkusen die gesamte Saison nicht verloren hat. Aber auch die Unterbrechungen durch nicht gewonnene Spiele – bei Bayer Leverkusen sind das aber nur Unentschieden – dauern maximal zwei Spieltage an. Auch der VfB Stuttgart und Bayern München haben nur sehr kurze Serien von maximal zwei nicht gewonnenen Spielen vorzuweisen. Bei ihnen können wir diese Unterbrechungen aber im Vergleich zu Bayer Leverkusen häufiger beobachten.
Die längeren Blöcke sind visuell leicht zu erfassen. Mir fallen zum Beispiel die langen Serien von nicht verlorenen Spielen gegen Ende der Saison bei RB Leipzig und beim 1. FSV Mainz auf. Speziell beim 1. FSV Mainz ist dies umso bemerkenswerter, da Mainz auch mit zwei langen Serien nicht gewonnener Spiele in die Saison gestartet ist.
Bissantz’Numbers auch für den Bundesliga-Alltag
Bleiben wir für einen Moment noch bei den Bissantz’Numbers. Mit ihrer Hilfe lässt sich der Blick des Betrachters auch bei der Darstellung eines normalen Bundesliga-Spieltages lenken:
Der 34. Bundesliga-Spieltag mit Bissantz’Numbers
Es fällt sofort auf, dass der 34. Spieltag eher zugunsten der Heim-Mannschaften ausfiel. Gegen den Strom schwimmt der 1. FSV Mainz 05, dem ein Auswärtssieg gelungen ist.
Bewegung in der Bundesliga
Erst im letzten Monat habe ich in einem Beitrag über den Fleischverzehr in Deutschland die Bewegungsanalyse vorgestellt. Nun ergibt sich bereits wieder eine passende Anwendungsmöglichkeit: Die Bewegungsanalyse eignet sich gut dazu, das Auf und Ab während der Spielzeit zu visualisieren.
Die Bewegungsanalyse stellt eine ABC-Analyse mit Zeitkomponente dar, die hier durch die Spieltage gegeben ist.
Dabei arbeiten wir am besten mit festen Anzahlen in den Einstellungen. Es bietet sich an, die A-Klasse über die ersten 5 Elemente zu definieren (Teilnahme an der Champions League). Der C-Klasse weisen wir die 3 letztplatzierten Mannschaften (Abstieg bzw. Relegationsspiele) zu. Das heißt, wir wählen als abschließende Grenze der B-Klasse die 15:
A-, B- und C-Klasse mit 5, 10 und 3 Elementen
Transformation der Plätze
Die Plätze der Mannschaften müssen aber vorher transformiert werden. Wir können sie nicht direkt verwenden: Platz 1 in einer ABC-Analyse trägt ja am geringsten zu der Gesamtsumme bei und würde in einer absteigend sortierten Rangliste auf dem letzten Rang landen.
Beispielsweise kann man die Differenz “19 – Platz” verwenden, dann wird Platz 1 mit 18 bewertet und Platz 18 wiederum mit 1. Da für die Gruppierung in A, B und C bei Benutzung der Elementanzahl nur die Reihenfolge eine Rolle spielt, aber nicht die Werte selbst, arbeite ich mit dem negativen Platz und wähle für die Anzeige z. B. im Tooltipp eine benutzerdefinierte Formatierung “##;Platz ##;##”. Diese unterdrückt für negative Werte das Vorzeichen und stellt zusätzlich das Wort Platz voran.
In der folgenden Bewegungsanalyse haben wir die Dauerkonkurrenten FC Bayern München und Borussia Dortmund markiert:
Bayern immer vor Dortmund
Die Sortierung der Mannschaften ergibt sich aus den Platzierungen des 1. Spieltages. Von Anfang bis zum Ende der gesamten Spielzeit war Bayern München vor Dortmund platziert.
Mit Mouseover können wir den Verlauf einer beliebig gewählten Mannschaft einblenden, beispielsweise von Bayer Leverkusen:
Bayer Leverkusen fast immer auf Platz 1 der Bundesliga
Bayer Leverkusen war ab dem 3. Spieltag auf Platz 1 der Tabelle, mit zwei Ausnahmen: Am 5. und am 13. Spieltag stand Bayern München für jeweils einen Spieltag an der Spitze.
Heimstarke vs. auswärtsstarke Mannschaften der Bundesliga
Nun untersuchen wir, wie sich das Heimspielrecht bei den Bundesliga-Mannschaften auswirkt. Dazu schauen wir auf zunächst auf die Tabelle, die sich nur aus den 17 Heimspielen ergibt:
Bayer Leverkusen auf Platz 1 der Heim-Tabelle
Bayer Leverkusen führt wenig überraschend die Heim-Tabelle an. Für die Auswärts-Tabelle ergibt sich:
Bayer Leverkusen auch auf Platz 1 der Auswärts-Tabelle
Auch in der Auswärts-Tabelle liegt Bayer Leverkusen vorn.
Zwei Dinge möchte ich nun behandeln: Mit zwei Tabellen kann ich meinen Blick immer nur auf eine der beiden Tabellen richten. Welche Möglichkeiten gibt es, Heim- und Auswärtsstärke direkter zu vergleichen?
Zweitens werden die Sparksäulen für alle 34 Spieltage angezeigt, weisen aber jeweils tatsächlich nur Werte für 17 Spieltage auf; die restlichen 17 Spieltage werden durch ihre NULL-Werte nur als Lücken dargestellt. Gibt es eine kompaktere Darstellung?
Unmittelbarer Vergleich Heim vs. Auswärts in einer Tabelle
Versuchen wir es zunächst mit einer einzigen Tabelle für Heim- und Auswärtsergebnisse:
Heim- und Auswärtsergebnisse in einer Tabelle
Jetzt liegen die Tordifferenzen bzw. die Punkte von Heim und Auswärts jeweils direkt nebeneinander.
Es fällt zum Beispiel auf, dass sowohl VfB Stuttgart als auch FC Bayern München und RB Leipzig zu Hause deutlich mehr Punkte als auswärts holen. In der Tordifferenz ist diese Tendenz noch einmal verstärkt sichtbar.
1899 Hoffenheim hat ein komplett ausgeglichenes Punkte- und Torverhältnis. Für die Auswärtstabelle bedeutet das einen guten 6. Platz, bei Heimspielen reicht es nur zu Rang 11. Der VfL Bochum zeigt hingegen auswärts die deutlich schlechtere Tordifferenz.
Zur Betonung der Unterschiede zwischen Heim- und Auswärtsbilanz könnte man nun auch noch eine Differenz der Tordifferenzen berechnen, aber werfen wir lieber noch einen Blick auf eine weitere Möglichkeit der Visualisierung.
Heim- vs. Auswärtsspiele in der Portfolioanalyse
Betrachten wir nun die erzielten Punkte für Heim- und Auswärtsspiele und tragen sie in einer Portfolioanalyse ein:
Heim- und Auswärtspunkte in der Portfolioanalyse
Für die eingezeichnete Äquivalenzgerade A = H stimmen erzielte Auswärtspunkte mit den Heimpunkten überein. Dies ist für Bayer Leverkusen und 1899 Hoffenheim der Fall. Nur eine Mannschaft war auswärts stärker als im heimischen Stadion und liegt oberhalb der Äquivalenzgeraden: SV Darmstadt 98. Alle anderen Mannschaften haben zu Hause mehr Punkte erzielt als auswärts. Bei Bayern München ist die Differenz der erzielten Punkte mit 43 Heimpunkten zu 29 Auswärtspunkten am größten. Eine gedachte Parallele zur Äquivalenzgeraden ( d. h., es gilt A = H – c) durch einen Dot ist für den FC Bayern am weitesten von der Äquivalenzgeraden entfernt.
Alternativ könnte man, um diese Differenz zu betonen, auch eine Portfolioanalyse mit den Achsen H und A-H erstellen.
Sparksäulen mit Lücken
Kehren wir nun zurück zu der Darstellung von Sparksäulen nur für Bundesliga-Heimspiele. Zunächst möchte ich erklären, warum die Lücken in der Darstellung entstehen.
Die Zeitachse beinhaltet alle 34 Spieltage. Es gibt in den Tabelleneigenschaften (auch per F4 aufrufbar) eine Einstellung “Tage ohne Daten in Sparkline auslassen”:
Tage ohne Daten in Sparkline auslassen
Aktivieren wir diese Checkbox, ändert sich aber in der Darstellung der Heimspiel-Tabelle nichts. Dies liegt daran, dass an jedem Spieltag immer (genau) 9 Mannschaften ein Heimspiel haben. Solange wir alle 18 Mannschaften darstellen, gibt es somit keinen einzigen Spieltag, bei denen alle Mannschaften auswärts antreten. Eine Periode (= Spieltag) wird nur dann eliminiert, wenn allen Sparklines hier der Wert fehlt – und das ist bei den 34 Spieltagen bei Berücksichtigung aller 18 Mannschaften nie der Fall.
Ein bestimmter Spieltag wird jedoch beispielsweise dann eliminiert, wenn wir uns auf eine Teilmenge derjenigen 9 Mannschaften beschränken, die an diesem Spieltag auswärts antreten und deshalb eine NULL für Heimpunkte aufweisen.
Selbst zwei Mannschaften können auch nicht durchgehend den gleichen Heim-Auswärts-Rhythmus mit den gleichen Lücken aufweisen, da sie ja in der Saison irgendwann einmal – genauer gesagt zweimal – aufeinandertreffen.
Nur wenn genau eine Mannschaft betrachtet wird, lässt sich die gesamte Historie mit der genannten Checkbox eindampfen und alle Lücken beseitigen. Hier ist das exemplarisch am Beispiel Borussia Mönchengladbach demonstriert:
Für eine einzelne Mannschaft lassen sich die Lücken der Darstellung beseitigen
Nun können wir aber diese einzeilige Grafische Tabelle mit Small Multiples über alle Bundesliga-Vereine iterieren. Somit erhalten wir über die Small Multiples die gewünschte komprimierte Darstellung der Heimspiele, auch wenn wir nun aus der Position der Säule nicht mehr unmittelbar den zugehörigen Spieltag ablesen können. Über den Tooltipp ließe sich aber der zugehörige Spieltag noch einblenden.
Die Mannschaften auf den ersten 5 Plätzen der Heim-Tabelle
Verwenden wir somit anstelle einer Tabelle mit 18 Zeilen 18 Tabellen mit einer Zeile (über Small Multiples generiert), können wir tatsächlich die NULL-Werte für jede Mannschaft eliminieren.
Welche Bundesliga-Spielergebnisse sind häufig?
Modellieren wir zwei Hilfsdimensionen mit den Anzahlen der geschossenen Tore der Heim- bzw. der Gastmannschaften, können wir weitere Erkenntnisse über die Häufigkeit von Spielergebnissen gewinnen:
Das gute alte 1:1 als heißer Tipp
Das 1:1 ist mit Abstand das häufigste Spielergebnis der abgelaufenen Bundesligasaison. Allerdings eignet es sich nur dann als Universaltipp, wenn überhaupt nichts über die teilnehmenden Mannschaften einer Spielpaarung bekannt ist.
Außerdem scheint es bei völliger Abwesenheit von Ahnung von Fußball sowieso eine gute Idee zu sein, der Gastmannschaft exakt 1 Tor zuzugestehen. Egal, ob die Heimmannschaft 0, 1, 2, 3 oder 5 Tore geschossen hat: Die häufigste Toranzahl der Gastmannschaft war in diesen Fällen immer die 1. In den anderen Fällen 4, 6, 7 und 8 ist die Differenz zum maximalen Wert eins oder null.
In der obigen Grafischen Tabelle sind Verknüpfungen zu sehen. Per Klick auf einen Pfeil können wir uns einen zweiten Bericht mit den Paarungen und dem zugehörigen Ergebnis einblenden lassen, beginnend mit Release 6.5.6 auch in einem eigenen Fenster:
Vier Spiele mit 5:1 in der Bundesliga-Saison 2023/24
Gibt es für bestimmte Mannschaften besonders typische Ergebnisse?
PowerSearch in der Bundesliga-Statistik
Mittels PowerSearch können wir unseren Daten-Würfel systematisch nach Element-Kombinationen mit einem hohen Wert einer Kennzahl durchsuchen. Im vorliegenden Fall interessiert uns die Häufigkeit von Spielergebnissen mit bestimmten Eigenschaften.
Dazu betrachten wir die zwei Dimensionen der Heim- und Gastmannschaften und die zwei Dimensionen der Heim- und Gast-Tore.
Ziehen wir diese vier Dimensionen in die Analyse und lassen alle möglichen Kombinationen – vom 1er-Tupel bis zum 4er-Tupel – zu, erhalten wir diese Top-15-Ergebnisse:
Häufige 1er- und 2er-Tupel in PowerSearch
Hier sehen wir nur 1er- und 2er-Tupel mit den Toren der Heim- bzw. Gastmannschaft, da ja die Erwähnung einer konkreten Heim- bzw. Gastmannschaft nur noch zu maximal 17 Spielen führen kann, also weniger als die hier sichtbaren 18 auf dem 15. Platz.
Trotzdem zeigt uns PowerSearch die von mir bereits oben beobachtete Tatsache, dass Gastmannschaften sehr häufig genau 1 Tor erzielen (113-mal), häufiger als die Heimmannschaften (90-mal). Die erste aufgeführte 2er-Kombination führt zum häufigsten Spielergebnis 1:1.
Wir wollten aber eigentlich Mannschaften mit ihren typischen Ergebnissen finden. Damit nicht nur Teile, sondern immer ein komplettes Spielergebnis zu sehen ist, ändern wir die Einstellungen folgendermaßen:
Geänderte Einstellungen in PowerSearch
In der Magic-Button-Leiste sind einerseits jetzt nur noch 3er-Tupel aktiviert. Darüber hinaus müssen Heim-Tore und Gast-Tore nun zwingend im 3er-Tupel vorhanden sein (muss in Objekttupel vorkommen durch Rechts-Klick aktivierbar).
Effektiv heißt dies, dass neben den Toranzahlen entweder eine Heim- oder eine Gastmannschaft im 3er-Tupel erwähnt wird. 4er-Tupel sind deswegen nicht spannend, da die vollständige Festlegung von Heim- und Gastmannschaft mit den erzielten Toren entweder nur einen Treffer haben kann oder gar nicht auftaucht.
Die sortierte Ergebnisliste sieht nun folgendermaßen aus:
Häufige 3er-Tupel mit vollständigem Spielergebnis in PowerSearch
Erstaunliche 7 Spiele gingen 1:1 aus, wenn der 1. FC Köln zu Gast war. Fast genauso häufig – mit 6 und 5 Spielen – kam es zu diesem Ergebnis, wenn VfL Bochum bzw. der 1. FSV Mainz zu Hause spielten.
Wenn man nun wissen will, wie jeweils die Gegner bei diesen Spielen hießen, gibt es mehrere Wege.
Navigation zur Ermittlung der Gegener
Besonders schnell kommt man mit der Navigation zum Ziel – einem festen Bestandteil der Grafischen Tabelle. Nehmen wir bspw. die bereits oben gezeigte Häufigkeitstabelle der Spielergebnisse her (zunächst ohne die Verknüpfungen), können wir innerhalb der Tabelle bestimmte Häufigkeits-Werte immer genauer sezieren. Das folgende animierte Gif ermittelt zunächst die 7 Heimmannschaften, wenn der 1. FC Köln auswärts 1:1 gespielt hat. Anschließend schauen wir nach den Gastmannschaften für die Fälle, bei denen der Vfl Bochum zu Hause 1:1 gespielt hat:
Navigation zur Ermittlung der Gegner
Somit hat die Analyse nur eine einzige Grafische Tabelle benötigt. Allerdings ist in dieser Grafischen Tabelle nicht von vornherein klar, dass das häufigste Spielergebnis mit einer konkret genannten Mannschaft zum häufigsten Spielergebnis ohne konkret genannte Mannschaften gehört. Es könnte sein, dass es eine Heimmannschaft (oder Gastmannschaft) gibt, die beispielsweise 10-mal 0:0 gespielt hat.
Die Anzahl eines Ergebnisses mit einer konkret genannten Mannschaft kann aber nie größer sein als der Wert des zugehörigen anonymen Feldes. Mit PowerSearch schauen wir alle Felder der Reihe nach an (nur bildlich gesprochen, nicht algorithmisch interpretiert!) und klappen einmal die Heim- und einmal die Gastmannschaften auf. Wir durchsuchen somit alle Möglichkeiten und finden dann auf jeden Fall die maximale Anzahl mit einer genannten Mannschaft.
Arbeiten wir mit Verknüpfungen und somit mit einem zweiten Bericht, können wir beispielsweise per Navigation die 41 der 1:1-Ergebnisse nach der Gastmannschafts-Ebene aufklappen und anschließend den Navigationspfeil bei der 7 vom 1. FC Köln anklicken:
Navigation, kombiniert mit Verknüpfung
Ähnliche Analysen kann man nun auch für die vorliegenden Daten der 2. Bundesliga durchführen, sogar vergleichende Analysen wären möglich. Beispielsweise gab es in der 2. Bundesliga 26-mal ein 1:0 (1. BL: nur 14-mal) und Paderborn hat 5-mal auswärts mit 2:1 gewonnen. Vielleicht ergibt sich eine ausführliche Beschäftigung mit diesen Daten zu einem späteren Zeitpunkt.
Anmerkung
Die ausgewiesenen Ergebnisse und Auswertungen sollten korrekt sein und sind nach bestem Wissen und Gewissen erstellt worden. Trotzdem können wir keine Gewähr auf Richtigkeit der gezeigten Werte geben!
