In einer Liga, die rund eine Million Tracking-Datenpunkte pro Spiel generiert, reichen Tore und Assists längst nicht mehr aus, um die Qualität eines Spielers oder einer Mannschaft zu bewerten. Advanced Stats im Hockey haben in den vergangenen zehn Jahren eine stille Revolution ausgelöst — sie haben verändert, wie Teams Spieler bewerten, wie Trainer Taktiken entwickeln und wie Fans das Spiel verstehen. Was einst als Hobby von Blog-Statistikern begann, ist heute ein integraler Bestandteil jeder NHL-Organisation.
Daten sehen, was das Auge nicht sieht — das ist kein Marketing-Slogan, sondern die Kernidee hinter modernen Hockey-Metriken. Corsi misst den Besitz über Schussversuche. Fenwick verfeinert diese Messung. Expected Goals (xG) bewertet die Qualität jeder einzelnen Schusschance. NHL EDGE trackt die Bewegung jedes Spielers und der Scheibenkoordinaten in Echtzeit. Zusammen ergeben diese Werkzeuge ein Bild des Spiels, das weit über den Endstand hinausgeht — und das für jeden zugänglich ist, der bereit ist, sich darauf einzulassen. Dieser Artikel erklärt die wichtigsten Metriken von Grund auf, zeichnet die historische Entwicklung nach, zeigt die Technologie dahinter und ordnet ein, wie all das die Taktik der NHL fundamental verändert hat.
Von Plusminus zu xG: Kurzgeschichte der Hockey-Analytik
Lange Zeit war die Plusminus-Statistik die einzige Zahl, die über Tore und Assists hinaus etwas über einen Spieler aussagen sollte. Die Idee: Für jedes Tor bei Gleichzahlspiel, das fällt, während ein Spieler auf dem Eis steht, bekommt er ein Plus (eigenes Tor) oder ein Minus (Gegentor). In der Theorie sollte das ein Indikator für die Gesamtwirkung eines Spielers sein. In der Praxis war Plusminus so stark von der Mannschaftsleistung und dem Zufall abhängig, dass es als individuelle Bewertung praktisch wertlos war. Ein Stürmer auf einem starken Team konnte ein hervorragendes Plusminus haben, ohne selbst besonders gut zu spielen — und umgekehrt konnte ein herausragender Spieler auf einem schwachen Team katastrophale Werte aufweisen.
Auch die klassische Punktestatistik — Tore plus Assists — erzählte nur einen Teil der Geschichte. Sie sagte nichts über die defensive Arbeit eines Spielers, nichts über seinen Einfluss auf das Besitzspiel und nichts darüber, ob seine Offensivproduktion auf nachhaltiger Spielweise oder purem Glück basierte. Die NHL war, verglichen mit dem Baseball (wo Sabermetrics bereits in den 1970ern entstand), ein analytisches Entwicklungsland.
Der erste echte Bruch mit dieser Tradition kam aus der Blogosphäre, nicht aus den NHL-Büros. In den frühen 2000er Jahren begannen Hockey-Blogger und Hobby-Statistiker, Schussversuche als Alternative zum Plusminus zu analysieren. Die Idee war simpel: Wenn ein Team mehr Schussversuche generiert als es zulässt, kontrolliert es das Spiel — unabhängig davon, ob die Schüsse tatsächlich ins Tor gehen. Aus dieser Idee entstand Corsi, benannt nach dem ehemaligen NHL-Assistenztrainer Jim Corsi, der als einer der Ersten systematisch Schussdaten trackte.
In den 2010er Jahren begann die Professionalisierung. Einzelne Teams stellten die ersten Analysten ein, zunächst oft als Teilzeitkräfte oder Berater. Die Pioniere — Toronto Maple Leafs, Chicago Blackhawks, Tampa Bay Lightning — erkannten früh, dass datenbasierte Entscheidungen bei Drafts, Trades und Spielerverträgen einen Wettbewerbsvorteil bieten konnten. Der Wandel war dramatisch: Bis vor dem Analytics-Boom arbeiteten etwa 15 Personen in analytischen Rollen in der gesamten NHL; bis 2024 war diese Zahl auf rund 150 angewachsen. Jedes der 32 NHL-Teams beschäftigt heute mindestens einen Vollzeit-Analysten, viele haben ganze Abteilungen.
Russell Levine, Vizepräsident der NHL für Statistik und Information, beschrieb den nächsten Schritt so: „The next phase of this for me is helping people understand what makes Player A more effective than Player B in ways that aren’t obvious from traditional statistics“ — Russell Levine, VP Statistics and Information, NHL. Genau dieses Versprechen trieb die Entwicklung von Expected Goals und dem NHL-EDGE-Tracking-System voran.
Heute ist die Hockey-Analytik kein Randphänomen mehr, sondern fester Bestandteil des Ligabetriebs. Von Corsi über Fenwick zu xG — die Metriken haben sich weiterentwickelt, verfeinert und professionalisiert. Die folgenden Abschnitte erklären die wichtigsten davon im Detail.
Corsi und Fenwick: Schussversuche als Besitzindikator
Im Eishockey gibt es keinen Ballbesitz im klassischen Sinne. Kein Spieler hält die Scheibe minutenlang wie im Fußball, kein Team kontrolliert den Puck für halbe Spielzeiten. Aber es gibt Schussversuche — und die sind der beste Proxy für Spielkontrolle, den wir haben.
Corsi zählt alle Schussversuche eines Teams bei Gleichzahlspiel: Schüsse aufs Tor, geblockte Schüsse und Schüsse, die das Tor verfehlen. Die zentrale Metrik heißt CF% — Corsi For Percentage: Sie gibt an, welchen Anteil aller Schussversuche ein Team generiert. Ein CF% von 55 bedeutet, dass das Team 55 Prozent aller Schussversuche im Spiel auf sich vereint. Das klingt trocken, ist aber aussagekräftig: Teams mit einem hohen CF% über eine ganze Saison sind in der Regel besser als ihr reiner Tabellenstand vermuten lässt, weil sie das Spielgeschehen dominieren — auch wenn einzelne Spiele durch Torhüterleistungen oder Pech verloren gehen.
Die Formel ist unkompliziert: CF% = Corsi For / (Corsi For + Corsi Against) x 100. Ein CF% über 50 bedeutet, dass das Team mehr Schussversuche produziert als es zulässt. Unter 50 ist das Gegenteil der Fall. Die besten NHL-Teams der jüngeren Vergangenheit — Carolina Hurricanes, Colorado Avalanche, Florida Panthers — lagen regelmäßig bei 53 bis 56 Prozent, was in einer so ausgeglichenen Liga wie der NHL einen erheblichen Vorsprung darstellt.
Auf individueller Ebene wird Corsi relativ gemessen: als CF% Rel, also die Differenz zwischen dem CF% des Teams, wenn ein bestimmter Spieler auf dem Eis steht, im Vergleich zu wenn er auf der Bank sitzt. Ein Spieler mit einem CF% Rel von +5 macht sein Team messbar besser in Bezug auf Spielkontrolle. Diese Metrik ist besonders nützlich für die Bewertung von Verteidigern und Centern, deren Beitrag sich selten in der Torstatistik niederschlägt, aber im Besitzspiel entscheidend sein kann.
Fenwick ist Corsis enger Verwandter, mit einem wichtigen Unterschied: Fenwick klammert geblockte Schüsse aus der Zählung aus. Die Begründung: Ein geblockter Schuss erreicht nie die Torzone und ist daher weniger aussagekräftig als ein Schuss, der tatsächlich in Richtung Tor fliegt oder knapp vorbeigeht. In der Praxis liegen Corsi und Fenwick meist eng beieinander, aber es gibt Situationen, in denen Fenwick das bessere Bild liefert — etwa bei Teams, die viele Schüsse aus der Distanz blocken, ohne dass dies zwangsläufig auf gute Defensive hinweist. Fenwick wird deshalb oft als die leicht verfeinerte Version von Corsi betrachtet, auch wenn beide Metriken in den meisten Analysen austauschbar verwendet werden.
In der analytischen Community hat sich eine informelle Arbeitsteilung entwickelt: Corsi wird häufiger für den schnellen Überblick verwendet (weil die Datenbasis größer ist), während Fenwick bevorzugt wird, wenn es um die Bewertung der Offensivqualität geht. Für den Einstieg in die Hockey-Analytik reicht es, eine der beiden Metriken zu verstehen — das Grundprinzip ist identisch.
Beide Metriken haben ihre Grenzen. Sie behandeln alle Schussversuche gleich, obwohl ein Schuss aus der Slot-Zone (direkt vor dem Tor) offensichtlich gefährlicher ist als ein Schuss von der blauen Linie. Diese Schwäche hat zur Entwicklung von Expected Goals geführt — einer Metrik, die nicht nur zählt, wie oft geschossen wird, sondern auch woher.
Expected Goals (xG): Die wichtigste moderne Metrik
Expected Goals löst das größte Problem von Corsi und Fenwick: die Gleichbehandlung aller Schüsse. xG weist jedem Schussversuch eine Wahrscheinlichkeit zu, basierend auf einer Reihe von Faktoren — Schussdistanz, Schusswinkel, Schusstyp (Handgelenkschuss, Slapshot, Backhand), ob der Schuss aus einem Rebound entstand, ob es sich um einen Schnellangriff handelte und in welcher Spielsituation er abgefeuert wurde (5v5, Powerplay, Shorthanded).
Ein Beispiel: Ein Schuss aus zwei Metern Entfernung, direkt vor dem Tor, nach einem Rebound hat einen xG-Wert von vielleicht 0,45 — also eine 45-prozentige Wahrscheinlichkeit, ein Tor zu werden. Ein Schuss von der blauen Linie ohne Verkehr vor dem Tor hat vielleicht 0,02 — zwei Prozent. Über ein ganzes Spiel summiert ergeben die xG-Werte aller Schüsse eines Teams seinen Expected-Goals-Wert. Wenn ein Team einen xG von 3,2 hat, aber nur ein Tor erzielt, dann hat es entweder Pech gehabt oder der gegnerische Torhüter hat eine herausragende Leistung gezeigt.
Die Stärke von xG liegt in der Langzeitbetrachtung. Einzelne Spiele sind verrauscht — ein Torhüter kann an einem Abend alle Chancen entschärfen. Aber über 20 oder 30 Spiele hinweg gleichen sich diese Ausreißer aus, und Teams, die regelmäßig mehr xG produzieren als ihr Gegner, gewinnen statistisch gesehen mehr Spiele. Das Gleiche gilt auf Spielerebene: Ein Stürmer mit hohem individuellen xG, aber wenig Toren, wird wahrscheinlich eine Aufholjagd erleben — seine Schusschancen sind gut, die Tore werden kommen.
Es gibt verschiedene xG-Modelle, die sich in ihren Details unterscheiden. MoneyPuck, Evolving Hockey und Natural Stat Trick verwenden jeweils eigene Algorithmen mit leicht unterschiedlichen Gewichtungen der Eingangsvariablen. MoneyPuck zum Beispiel berücksichtigt über 30 Faktoren pro Schuss, darunter auch die Position des letzten Passes und die Anzahl der Verteidiger in der Schusslinie. Natural Stat Trick verwendet ein einfacheres Modell, das dafür transparenter in seiner Methodik ist. Die Grundprinzipien sind dieselben, aber die konkreten Zahlen können um 0,2 bis 0,5 xG pro Spiel variieren. Für den alltäglichen Gebrauch ist das unerheblich — wichtig ist das Verständnis des Konzepts, nicht die dritte Nachkommastelle.
Für Fans ist xG vor allem deshalb wertvoll, weil es eine Antwort auf die ewige Frage gibt: War das ein verdientes Ergebnis? Wenn dein Team 1:0 verliert, aber einen xG-Vorteil von 3,1 zu 1,4 hatte, dann war die Niederlage statistisch gesehen unverdient. Das tröstet nicht über den Verlust hinweg, aber es liefert Kontext — und Kontext ist das, was moderne Hockey-Statistiken im Kern bieten.
NHL EDGE: Tracking-Technologie im Detail
Hinter all diesen Metriken steckt eine Infrastruktur, die in ihrer Komplexität einzigartig im professionellen Eissport ist. NHL EDGE — das offizielle Puck-and-Player-Tracking-System der Liga — wurde seit der Saison 2021–22 in allen 32 NHL-Arenen installiert und generiert Daten, die noch vor einem Jahrzehnt undenkbar waren.
Die technische Basis besteht aus 14 bis 24 Infrarotkameras pro Arena, die in der Hallendecke montiert sind. Diese Kameras erfassen die Position von Sensoren, die in die Trikots der Spieler und in den Puck eingebettet sind. Der Puck-Sensor ist so konstruiert, dass er das Gewicht und die Flugeigenschaften der Scheibe nicht beeinflusst — eine technische Herausforderung, die Jahre der Entwicklung erforderte. Das System erzeugt rund eine Million 3D-Koordinaten pro Spiel — das sind Position, Geschwindigkeit und Beschleunigung jedes Spielers und der Scheibe, aufgenommen mit einer Frequenz von etwa 200 Datenpunkten pro Sekunde. Diese Rohdaten werden in Echtzeit verarbeitet und in interpretierbare Metriken übersetzt.
Die Infrastruktur war eine erhebliche Investition. Die Installation der Kameras und Sensoren in allen 32 Arenen erfolgte schrittweise ab 2019, mit der vollständigen Liga-weiten Einführung zur Saison 2021–22. Jede Arena hat eine leicht unterschiedliche Konfiguration, abhängig von der Deckenhöhe und Architektur, was die Standardisierung der Datenqualität zu einer zusätzlichen Herausforderung machte.
Brian Jennings, Chief Brand Officer der NHL, beschrieb das System so: „We’ve spent years developing our best-in-class Puck and Player Tracking system to help grow the game and create new fan experiences“ — Brian Jennings, Chief Brand Officer, NHL. Die Investition war erheblich, und die Ergebnisse zeigen sich auf mehreren Ebenen.
Für Teams liefert NHL EDGE Daten, die taktische Entscheidungen untermauern: Skating-Geschwindigkeiten einzelner Spieler, Reaktionszeiten von Torhütern, Schussgeschwindigkeiten und Bewegungsmuster in spezifischen Spielsituationen. Trainer können analysieren, wie schnell ein Verteidiger nach einem Puck-Verlust zurückskatet, oder welche Stürmer-Kombinationen die meisten High-Danger-Chances erzeugen. Diese Daten fließen in Trainingsplanung, Lineaufstellungen und Spielvorbereitungen ein.
Für Fans hat die NHL einen Teil dieser Daten öffentlich zugänglich gemacht. Auf der NHL-Website und in der offiziellen App gibt es einen eigenen EDGE-Bereich, der Metriken wie Top-Skating-Speed, Schussgeschwindigkeit und situative Statistiken zeigt. In den Fernsehübertragungen auf ESPN und TNT werden EDGE-Daten zunehmend in Grafiken und Kommentare eingebunden — die Skating-Geschwindigkeit eines Stürmers auf dem Breakaway, die Rotationsgeschwindigkeit eines Slapshots oder die Reaktionszeit eines Torhüters bei einem Rebound. Das bereichert das Seherlebnis und macht die Leistungen der Spieler greifbarer. Auch EA Sports hat für NHL 26 eine Partnerschaft mit NHL EDGE angekündigt, um die Tracking-Daten direkt ins Videospiel einfließen zu lassen — ein Zeichen dafür, wie breit die Anwendungen dieser Technologie inzwischen gestreut sind.
Die nächste Entwicklungsstufe ist bereits in Arbeit: NHL EDGE soll künftig auch Daten zu Scheibenkontrollzeit, Passqualität und individueller Zone-Time liefern — Metriken, die bisher nur manuell erhoben werden konnten. Damit würde das System den letzten großen blinden Fleck der Hockey-Analytik schließen: die Messung von Besitzzeit und Passspiel auf individuellem Niveau.
Wie Analytik die Taktik verändert hat
Die Daten haben nicht nur die Bewertung von Spielern verändert — sie haben die Art und Weise transformiert, wie NHL-Teams spielen. Der sichtbarste Wandel betrifft die Schussauswahl. Analytische Erkenntnisse zeigten, dass Schüsse aus der Slot-Zone (dem Bereich direkt vor dem Tor) eine drastisch höhere Torwahrscheinlichkeit haben als Distanzschüsse. Die Konsequenz: Teams begannen systematisch, mehr Schüsse aus dem Slot zu forcieren. Laut Daten von Sportlogiq lag der Anteil der Schüsse aus der Slot-Zone in der Saison 2015–16 bei rund 30 Prozent. Bis 2018–19 war dieser Wert auf etwa 40 Prozent gestiegen — ein tektonischer Wandel in nur drei Spielzeiten.
Dieser Shift hatte Kaskadeneffekte auf die gesamte Taktik. Wenn Teams mehr Schüsse aus dem Slot suchen, müssen Verteidiger den Slot aggressiver verteidigen. Das führte zu kompakteren Defensivformationen, weniger individuellen Zweikämpfen an der Bande und mehr Fokus auf Laufwege und Positionsspiel. Die klassische Stay-at-Home-Defensivstrategie — den Gegner entlang der Bande abdrängen und auf Turnover warten — wurde durch ein aktiveres Modell ersetzt: Schusslinien blockieren, den Slot zustellen, den Gegner zu Low-Danger-Schüssen von außen zwingen. Teams wie die New York Islanders unter Barry Trotz machten dieses System zum Markenzeichen.
Torhüter wiederum mussten ihre Spielweise anpassen: Mehr Verkehr vor dem Tor bedeutet mehr Rebounds, mehr abgefälschte Schüsse und weniger klare Sichtlinien. Die moderne NHL-Defensive ist ein direktes Produkt der analytischen Revolution — und Torhüter, die mit hohem Verkehr vor dem Tor umgehen können, werden entsprechend höher bewertet.
Auch das Powerplay hat sich gewandelt. Analytische Teams erkannten, dass das klassische 1-3-1-Setup zwar stabil war, aber zu wenige High-Danger-Chances erzeugte. Innovative Powerplay-Formationen — mit dem Schützen in der Bumper-Position zwischen den Kreisen, schnellen Puck-Rotationen und gezielten One-Timern — wurden durch xG-Analysen inspiriert und optimiert. Teams wie die Colorado Avalanche und die Edmonton Oilers nutzen ihr Powerplay als offensives Hauptwerkzeug, weil die Daten zeigen, dass die Torwahrscheinlichkeit in Überzahl deutlich höher ist als bei Gleichzahl.
Unternehmen wie Sportlogiq, ein in Montreal ansässiges Analytik-Unternehmen, haben sich auf die Lieferung detaillierter Tracking-Daten an NHL-Teams spezialisiert. Sportlogiq erfasst über 2.000 Events pro Spiel — weit mehr als die offiziellen NHL-Statistiken — und liefert Analysen zu Schussqualität, Verteidigungsleistung und Übergangsspiel. Mehr als die Hälfte der NHL-Teams nutzen Sportlogiqs Dienste, was zeigt, wie tief die Analytik inzwischen in den Ligabetrieb eingedrungen ist.
Die Frage ist längst nicht mehr, ob Analytik im Hockey funktioniert. Sie lautet: Wie weit kann man die Daten noch treiben? Die Investitionen in Analytik spiegeln sich auch im wirtschaftlichen Aufschwung der Liga wider: Laut dem NHL Year in Review 2024 haben 27 von 32 Clubs mindestens einen Jersey-Sponsor, und 16 neue Sponsoring-Deals wurden allein 2024 abgeschlossen — ein Zeichen dafür, dass datengestützte Vermarktung und Reichweitenmessung auch auf der Business-Seite Wirkung zeigen. Mit NHL EDGE und der nächsten Generation von Tracking-Metriken wird die Antwort auf die Frage nach den Grenzen der Daten in den kommenden Jahren deutlicher.
Zwei Jahrzehnte, eine Revolution
Von der simplen Plusminus-Statistik zu Millionen von Tracking-Datenpunkten pro Spiel — die Hockey-Analytik hat in zwei Jahrzehnten eine Reise zurückgelegt, die den Sport grundlegend verändert hat. Corsi und Fenwick haben das Konzept der Spielkontrolle messbar gemacht. Expected Goals hat die Qualität von Schusschancen quantifiziert. NHL EDGE hat die physische Infrastruktur geschaffen, um all das in Echtzeit zu erfassen und den Fans zugänglich zu machen. Und die taktischen Konsequenzen — vom Slot-Shooting-Boom bis zur analytisch optimierten Powerplay-Aufstellung — sind auf dem Eis für jeden sichtbar, der hinschaut.
Für dich als Fan bedeutet das: Du musst kein Statistiker sein, um von diesen Daten zu profitieren. Ein Blick auf den xG-Vergleich nach einem Spiel sagt dir mehr über den tatsächlichen Spielverlauf als der Endstand. Die Corsi-Werte deines Lieblingsteams verraten, ob eine Siegesserie nachhaltig ist oder auf dünnem Eis steht. Und NHL EDGE macht das Spiel sichtbar, das sich dem bloßen Auge entzieht. Die Daten ersetzen nicht die Emotion des Sports — aber sie geben ihr eine neue Tiefe.