Both Teams to Score Bundesliga: BTTS-Daten und Value im GG/NG-Markt
Available in US
BTTS — „Beide Teams treffen“ — ist einer der Märkte, bei dem die einfache Statistik täuscht. Ja, viele Bundesliga-Spiele enden mit Toren auf beiden Seiten. Aber „viele“ heißt nicht „die meisten“, und die Verteilung zwischen Klubs, Paarungstypen und Saisonphasen ist erheblicher als die meisten Wetter annehmen. Wer pauschale BTTS-Quoten kauft, verliert langfristig. Wer die Verteilung wirklich versteht und mit xG-Daten kombiniert, findet echte Ineffizienzen.
In diesem Artikel analysiere ich die tatsächlichen BTTS-Häufigkeiten in der Bundesliga, erkläre, warum defensive xG der beste verfügbare Filter ist, und zeige, wie echter Value im GG/NG-Markt entsteht — mit einem konkreten Rechenbeispiel.
BTTS-Häufigkeiten in der Bundesliga: Was die Daten wirklich zeigen
In der Bundesliga liegt die BTTS-Rate im Mehrjahresschnitt bei etwa 52 bis 57 Prozent aller Spiele. Das ist höher als in La Liga oder der Serie A — die Bundesliga ist offensiver als die defensiveren südeuropäischen Ligen. Aber 57 Prozent bedeuten eben auch, dass in rund 43 Prozent der Spiele keine BTTS-Wette aufgeht. Das ist kein Randphänomen — es ist fast jedes zweite Spiel.
Die historische Grundverteilung hilft dabei: In der Bundesliga gewinnt das Heimteam etwa 43 bis 45 Prozent der Spiele. Ein erheblicher Teil davon endet mit einem Heimsieg ohne Gegentor — also ohne BTTS. Gleichzeitig enden rund 60 Prozent der Spiele mit über 2,5 Toren. Der Unterschied zwischen dieser Zahl und der BTTS-Rate erklärt sich durch Spiele, in denen alle Tore auf einer Seite fallen — ein 3:0, ein 4:1, ein 2:0. Viele Tore bedeuten nicht automatisch Tore auf beiden Seiten.
Die Verteilung nach Klub ist entscheidend. Bayern München erzielt zu Hause gegen schwache Gegner fast immer — aber ein gut organisierter Aufsteiger, der mit einem 0:1 nach Hause fahren würde, kassiert selten. Das Ergebnis: BTTS auf Bayern-Heimspiel gegen einen Abstiegskandidaten kann statistisch schlechter sein als auf ein Mittelfeldduell, bei dem beide Teams keine ausgeprägte Defensivstruktur haben. Die Intuition trügt hier regelmäßig, weil Bayern so offensichtlich „viele Tore erzielt“, dass Wetter vergessen zu prüfen, ob der Gegner überhaupt treffen wird.
Die saisonale Verteilung ist ebenfalls relevant. Frühe Spieltage zeigen oft höhere BTTS-Raten, weil Teams offensiv starten und Defensivstrukturen noch nicht eingespielt sind. Im Winterblock und bei enger Belastung durch Europaspiele sinkt die Rate. Und in der Abstiegsrunde der letzten Spieltage, wenn Teams auf einen Punkt spielen, sinkt die BTTS-Rate bei solchen Direktduellen nochmals.
Defensive xG als BTTS-Filter: Der zuverlässigste Ansatz
Mein zuverlässigster Filter für BTTS-Wetten ist die defensiv zugelassene Expected Goals — xGA — der letzten sechs Spiele beider Teams. Ein Team mit unter 0,8 xGA pro Spiel ist strukturell defensiv stark — unabhängig davon, wie viele Tore tatsächlich gefallen sind, weil Einzelfehler und Glück die Tor-Statistik verzerren. Wenn ein solches Team gegen einen offensiven Gegner antritt, ist BTTS statistisch deutlich unsicherer als die Rohquote suggeriert.
Umgekehrt: Wenn beide Teams eine xGA von über 1,4 pro Spiel aufweisen, ist das ein klares Argument für BTTS. Beide Abwehren sind porös, beide Angriffe kommen zu Chancen. Hier liegt echter statistischer Vorteil — besonders wenn der Markt das noch nicht eingepreist hat, weil ein Team kurzzeitig gut aussehende Ergebnisse hatte, ohne die xG-Qualität der Abwehr zu verbessern. In solchen Situationen ist die BTTS-Quote noch attraktiv, weil der Markt die Ergebnisse sieht, nicht die zugrunde liegenden Chancen.
Ein weiterer wichtiger Faktor ist das frühe Spielgeschehen. Wenn ein Team nach 20 Minuten in Führung geht, sinkt die BTTS-Wahrscheinlichkeit für den Rest des Spiels spürbar. Das führende Team agiert defensiver, der Gegner unter Druck attackiert unkoordinierter. Im Live-Markt ist das ein klassischer Einstiegspunkt für NG-Wetten — die Quote steigt nach einem frühen Tor auf das Heimteam, weil die BTTS-Wahrscheinlichkeit gesunken ist, aber der Markt manchmal erst mit Verzögerung reagiert.
Value im GG/NG-Markt finden: Ein Rechenbeispiel
Der GG/NG-Markt hat bei Bundesliga-Spielen eine Margin-Struktur, die sich vom 1X2-Markt unterscheidet. Die Buchmacher-Margin ist oft leicht höher — 5 bis 6 Prozent statt 3 bis 4 Prozent. Das liegt daran, dass der Markt von weniger informierten Wettern dominiert wird, die pauschale BTTS-Tipps platzieren. Höhere Margin bedeutet für den Markt mehr Puffer — bedeutet aber für informierte Wetter mehr potenziellen Edge, wenn sie tatsächlich besser kalkulieren als der Markt.
Mein Value-Ansatz ist konkret. Ich berechne auf Basis der xGA-Daten beider Teams eine eigene BTTS-Wahrscheinlichkeit mit einem vereinfachten Poisson-Ansatz. Wenn meine Schätzung mindestens 6 Prozentpunkte über der impliziten Quote liegt, ist das für mich ein GG-Argument. Wenn ich systematisch unter der Marktquote liege, setze ich auf NG.
Beispielrechnung ohne Bezug auf konkrete aktuelle Spiele: Team A hat in sechs Spielen durchschnittlich 1,1 xGA, Team B hat 1,3 xGA. Beide Abwehren sind porös. Wenn der Markt BTTS bei 1.75 bepreist — implizit 57 Prozent –, meine Schätzung aber 64 Prozent ergibt, liegt der Expected Value bei 1,75 mal 0,64 minus 1 = 0,12. Das sind 12 Cent Expected Value pro eingesetztem Euro — ein Edge, der sich über viele Wetten auszahlt. Solche Situationen existieren. Sie sind nicht die Regel, aber sie sind reproduzierbar und auffindbar.
Was ich vermeide: BTTS-Wetten auf Spiele mit klaren Defensivdominanten auf einer Seite, auf Derbys mit unvorhersehbarer Taktik und auf Spiele, bei denen ich keinen klaren xG-Vorteil in der Analyse sehe. Selektivität ist im BTTS-Markt noch wichtiger als im 1X2-Markt, weil die höhere Margin weniger Fehlertoleranz lässt.
Welche Bundesliga-Klubs weisen die höchste BTTS-Rate als Heimteam auf?
Traditionell zeigen Klubs mit offensivem Spielstil und gleichzeitig anfälliger Defensive die höchste BTTS-Rate als Heimteam. Für saisonspezifische aktuelle Daten sind Statistikportale wie Fbref oder Understat zuverlässige Quellen. Die Rangfolge verändert sich mit Trainerwechseln und Kaderveränderungen erheblich.
Wie beeinflusst ein schnelles erstes Tor die BTTS-Wahrscheinlichkeit im Spielverlauf?
Ein frühes Tor in Minute 1 bis 20 senkt typischerweise die BTTS-Wahrscheinlichkeit. Das führende Team agiert defensiver, der Gegner unter Druck attackiert unkoordinierter und trifft seltener. Im Live-Markt kann das die NG-Quote attraktiv machen, besonders wenn das frühe Tor aus einer defensiv kontrollierten Situation entstand und der Favorit nun sichert.
Eine letzte praktische Anmerkung zum Live-Markt für BTTS: Wenn ein Spiel nach 65 Minuten noch 0:0 steht und beide Teams aktiv nach einem Tor suchen, ist die Live-GG-Quote oft überproportional gestiegen — weil viele Wetter die Nullrunde als Zeichen für ein torreiches Spiel interpretieren. Oft stimmt das. Aber wenn die xG in beiden Hälften bereits hoch ist und kein Tor gefallen ist, liegt das oft an guten Torhütern oder Pech — nicht an mangelnder Offensivabsicht. In diesen Situationen kann die GG-Quote im Live-Markt einen echten Value-Moment bieten, weil die erhöhte Quote die tatsächliche Torerwartung für die verbleibenden 25 Minuten widerspiegelt.
Für alle, die tiefer in die statistische Modellierung von BTTS einsteigen wollen: Das Poisson-Modell ist der nächste logische Schritt. Es erlaubt, aus den xG-Daten beider Teams die Wahrscheinlichkeit zu schätzen, dass jedes Team mindestens ein Tor erzielt. Die Kombination dieser Einzelwahrscheinlichkeiten ergibt eine BTTS-Gesamtwahrscheinlichkeit, die mit der impliziten Marktquote verglichen werden kann. Das ist nicht kompliziert, erfordert aber Sorgfalt bei der Datenwahl. Aktuelle xG-Daten aus den letzten sechs bis acht Spielen sind zuverlässiger als Saisondurchschnitte, weil sie die aktuelle Teamform besser abbilden.
Das Wichtigste in Kürze: Im BTTS-Markt gilt dasselbe Grundprinzip wie in allen anderen Bundesliga-Wettmärkten. Die publizierte Quote ist eine Schätzung des Buchmachers. Sie ist manchmal präzise und manchmal nicht. Meine Aufgabe als Analyst ist es, zu beurteilen, wann meine eigene Schätzung besser ist — auf Basis von xG-Daten, Defensivstatistiken und kontextuellen Faktoren. Wenn meine Schätzung mindestens 6 Prozentpunkte von der impliziten Marktwahrscheinlichkeit abweicht, setze ich. Ansonsten nicht. Diese Selektivität ist kein Verlust — sie ist der Kern des Prozesses.
Geschrieben von der Redaktion „Fußball Bundesliga Wetten”.
