Der Trugschluss der reinen Zahlen
Viele Analysten gehen direkt vom Tabellenwert zur Schlussfolgerung, ohne die kontextuellen Schichten zu prüfen. Ein kurzer Blick auf die Torschüsse pro Spiel – 12, 13, 14 – lässt das Bild eines explosiven Angriffs entstehen, doch die Realität? Oft ein einzelner Stürmer drückt die Statistiken nach oben, während das Team insgesamt kaum Gefahr generiert. Kurz gesagt: Zahlen lügen nicht, sie lügen nur, wenn du sie nicht hinterfragst.
Sampling-Falle – das kleine Datenset
Ein Spiel zu analysieren, das über 90 Minuten geht, klingt nach genug Material. Ignorierst du jedoch den Einfluss von Auszeiten, Verletzungen oder Wetter, zerrst du die Stichprobe zu stark. Die Gefahr ist besonders hoch, wenn du nur die letzten fünf Spiele betrachtest und daraus das kommende Ranking ableitest. Hier ein Beispiel: Ein Team gewinnt drei Spiele hintereinander, weil der Gegner einen Schlüsselspieler vermisst – das ist kein Trend, das ist ein Zufall. Nicht zu vergessen: Die Stichprobengröße reduziert die Signifikanz, das ist Statistik‑101, nicht die Wissenschaft der Glücksroulette.
Korrelationsirrtum – Korrelation ≠ Kausalität
Du siehst, dass die Passgenauigkeit steigt, sobald das Team mehr Ballbesitz hat, und du schließt daraus, dass Ballbesitz die Passgenauigkeit verbessert. Falsch. Wahrscheinlicher ist, dass ein stärkeres Team sowohl mehr Ballbesitz als auch präzisere Pässe erzielt – ein gemeinsamer Grundtreiber, nicht die eine Ursache der anderen. Und hier kommt das Wort „Spur“. Wenn du nicht zwischen direkter Ursache und gemeinsamer Variable unterscheidest, baust du ein Kartenhaus aus Zahlen, das bei jeder Gegenwindböe zusammenbricht.
Überbewertung einzelner Kennzahlen
Ein häufiges Missverständnis: Der „Expected Goals“-Wert (xG) wird als Allheilmittel präsentiert. In der Praxis ist xG ein Modell, das Annahmen über Schussqualität macht – Annahmen, die je nach Liga, Spielstil und sogar Stadiongröße variieren. Wenn du also ein Team nach seinem xG beurteilst, ohne die Spielart zu berücksichtigen, redest du an den falschen Empfänger. Stattdessen gilt: Kombiniere xG mit Druckstatistiken, Pressing‑Zonen und Laufdistanz, um ein vollständiges Bild zu erhalten.
Der „Cherry‑Pick“ – selektives Datenfiltern
Manchmal klingt es verlockend, nur die positiven Entwicklungen zu zitieren und die negativen zu ignorieren – das nennt man „Cherry‑Pick“. Du präsentierst die steigende Tordifferenz, verwirfst aber die wachsende Anzahl von Gegentoren aus Konterangriffen. Das ist nicht nur irreführend, es sabotiert das Vertrauen deines Gegenübers. Und das passiert häufiger, als du denkst, weil jedes Dashboard ein bisschen Licht ins Dunkel bringen will, aber am Ende ein verzerrtes Bild liefert.
Der entscheidende Hinweis
Ein Tool, das du jetzt sofort einsetzen solltest: Erstelle ein Dashboard, das jede Kennzahl mit einem Kontext‑Layer versieht – Gegnerstärke, Spielminute, Wetterbedingungen. Und hier ist das Finale: Setz sofort klare KPI-Definitionen im Dashboard um.