Von Wegen Querpasstoni

Toni Kroos ist seit jeher einer dieser Spieler, die ihren schwersten Stand im eigenen Land haben. Obwohl er sicherlich einer der erfolgreichsten deutschen Nationalspieler des letzten Jahrzehnts ist gewinnt er keine Beliebtheitspreise. Kroos gilt als schwierig, seine Verweigerung im Finale Dahoam einen der Elfmeter zu schießen hat ihn bei Bayern entfremdet. Während seine reservierte Art in Madrid als Gegenpol zu einem extrovertierten Ronaldo gut ankam wurden Bayernfans nie wirklich warm mit ihm. Ein Spitzname hängt ihm in Deutschland besonders nach: Querpasstoni.

Ich denke oftmals dass die Ablehnung Kroos als Querpasstoni ein Proxy für die Ablehnung des Ballbesitzfußballs an sich ist. Kroos ist ein Symbol dieses Fußballs der oft als langweilig und ineffizient gilt. Was nützt einem all der Ballbesitz wenn ein Großteil der Pässe tief im Mittelfeld stattfinden und das Spiel nur von rechts nach links und zurück verlagert wird? Kroos war dann häufig der Spieler mit den meisten Pässen und der besten Passquote (zwei der meistzitierten Statistiken in der heutigen Fußballübertragung).

In diesem Post zeige ich ein paar Visualisierungen und fortgeschrittene Passstatistiken, die hoffentlich ein neues Gefühl über Toni Kroos’ Passspiel geben.


Häufigste Passtypen

Wir beginnen zunächst einmal damit unsere Passdaten naiv zu plotten. In unserer ersten Grafik seht ihr alle Pässe von Toni Kroos im Champions League-Finale 2017/2018. Um uns wirklich auf das Passspiel aus dem Spiel heraus zu konzentrieren, filtern wir alle Standardsituationen und Kopfbälle heraus.

Wir können sofort ein paar Beobachtungen machen: die meisten Pässe beginnen und enden im mittleren Drittel des Platzes; durchschnittlich beginnen Kroos’ Pässe im linken Halbfeld, ungefähr auf der Höhe der Mittellinie; nach vorne gibts es wenige direkt vertikale Pässe und Kroos scheint den Ball bevorzugt auf die Außen zu verlagern.


Ein Nachteil dieser Darstellung ist natürlich, dass es schnell sehr unübersichtlich wird. In dieser Grafik seht ihr “nur” 78 Pässe, aber um Aussagen über Trends oder Strukturen zu treffen benötigen wir viel größere Datensätze (zum Beispiel alle Pässe einer Saison).

Ein Ansatz einen größeren Datensatz zu analysieren aber trotzdem den Überblick zu behalten bietet sich durch den sogenannten K-Means-Algorithmus. Angewandt auf unsere Passdaten versucht diese Methode alle Pässe in k verschiedene Gruppen zusammenzufassen, indem es den mittleren Abstand aller Pässe in einer Gruppe minimiert.

Für unser obiges Beispiel sieht das nun wie folgt aus.


Die 78 Pässe wurden nun in fünf Kategorien eingeteilt und werden jeweils durch die gestrichelten, dickeren Pfeile repräsentiert. Wichtig ist, dass diese fünf Pfeile keine echten Pässe darstellen, sondern nur den Durchschnitt der Eigenschaften (Ursprung, Länge, Winkel) aller Pässe ihrer Kategorie.

So können wir nun also eine größere Anzahl an Pässen gleichzeitig analysieren ohne den Überblick zu verlieren. Die folgende Grafik zeigt nun eine Analyse aller Toni Kroos Pässe der Saisons 2009/2010 bis jetzt (Liga und Champions League), eingeteilt in sechs Kategorien. Im Titel für jeden Plot findet ihr die Häufigkeit, mit der diese Pässe auftreten.

Am häufigsten sind kurze Pässe auf rechts oder links außen, gefolgt von einer Gruppen von verschiedenen Pässen aus dem hinteren, linken Halbraum. Die homogenste Gruppe ist allerdings die vorletzte (ca. 14% aller Pässe), die Seitenwechsel von links auf den rechten Flügel repräsentiert.

Wir werden dieses Muster noch häufiger in den nächsten Grafiken sehen.


Pass Heatmaps

Eine weitere Technik eine große Anzahl von Pässen übersichtlich darzustellen sind Heatmaps. Hierzu wird das Spielfeld in eine Anzahl gleich großer Rechtecke aufgeteilt, deren Farbe von einer bestimmten Kennzahl (Ballkontakte, Pässe, Fouls, …) abhängt.

Weiter unten seht ihr nun so eine Heatmap: je mehr Pässe in einem Rechteck beginnen, desto dunkler ist die grüne Einfärbung.

Wir sehen natürlich sofort, dass Toni Kroos vor allem im linken Halbfeld zu finden ist und sich auch öfter mal etwas fallen lässt.


Im einem nächsten Schritt können wir diese Grafik nun auch noch interaktiv machen und die Ziele der Pässe darstellen. Wenn ihr in der nächsten Heatmap mit der Maus über das Spielfeld fahrt, seht ihr den Zusammenhang zwischen Passursprung und -ziel. Natürlich ist ein Großteil aller Pässe relative kurz, was aber auffällt ist, dass Kroos sehr häufig das Spielauf die außen verlagert und bevorzugt aus dem linken Halbfeld auf die rechte Außenbahn.


Wir können das noch klarer darstellen, indem wir nur die Pässe herausfiltern, die mehr als 35m des Spielfelds in der Breite überwinden. So sehen wir sehr deutlich dass diese zum Großteil aus dem linken Halbfeld gespielt werden. Da Kroos rechtsfüßig ist, bietet sich dann natürlich die rechte Flanke als Ziel für diese Pässe an.


Um einen weiteren Aspekt von Kroos’ Passrepertoire abzudecken können wir auch auf Torschussvorlagen, also Pässe die direkt zu Torabschlüssen führen, filtern. Der Schwerpunkt dieser Pässe befindet sich nun natürlich ein bisschen weiter vorne.


Falls ihr keine Angst vor Highlight-Videos mit Technountermalung habt, können wir im folgenden Clip einige unsere Beobachtungen bestätigen. Ein Großteil der Szenen sind elegante Seitenwechsel und Steilpässe. Natürlich ist es aber generell keine gute Idee sich auf Videos zu verlassen, die lediglich Highlights zusammenschneiden.


Pass Sonarplots

Die dritte Technik die wir heute benutzen um Passdaten zu visualisieren sind sogennante Sonarplots. Hierbei liegt der Hauptfokus auf dem Winkel der gespielten Pässe während die Länge der Sektoren die relative Häufigkeit dieser Pässe darstellt. Andere Merkmale wie durchschnittliche Passlänge oder Passquote können zusätzlich durch Farben dargestellt werden.

Einen Sonarplot für Toni Kroos seht ihr hier:

Um den Passwinkel nicht unnötig einzuschränken habe ich die Pässe nun auf das mittlere Drittel beschränkt. Pässe im Verteidigungs- oder Angriffsdrittel werden natürlich naturgemäß öfter nur nach vorne oder Richtung Tor gespielt. Das soll nicht heißen, dass eine Analyse dieser Pässe nicht interessant wäre.

Im obigen Sonarplot sehen wir nun, dass Kroos häufiger nach vorne als nach hinten spielt und zudem häufiger nach rechts als nach links. Das deckt sich mit unseren Beobachtungen aus unseren Passcharts und der Heatmap. Zudem weist Toni Kroos wie zu erwarten eine beachtliche Passgenauigkeit auf, wobei diese nach vertikal nach vorne ein bisschen abflacht.

Um die obigen Beobachtungen ein bisschen in Relation zu setzen vergleichen wir nun Kroos’ Sonarplot mit zwei anderen Mittelfeldspielern: Thiago Alcántara und İlkay Gündoğan

Sowohl Thiagos als auch Gündogans Passsonare sind symmetrischer als die von Kroos, dessen Pässe, wie oben schon gesagt, sehr rechtslastig ist. Thiagos Passmuster ist ähnlicher zu dem von Kroos, während Gündogan öfter vertikal nach vorne spielt und dabei auch größeres Risiko eingeht, wie wir and der geringeren Passquote sehen.


Fortgeschrittene Statistiken von StatsBomb via FBRef

Bis jetzt beruhten unsere Analysen auf rohen Passdaten, also Ort, Länge und Winkel von einer großen Anzahl einzelner Pässe. Als Alternative wollen wir uns zum Abschluss einige fortgeschrittene Statistiken von StatsBomb ansehen.

Diese sind für einige Ligen frei zugänglich auf FBRef.com und wir uns konzentrieren auf Mittelfeldspieler der fünf großen Ligen aus der jetzigen Saison 2019/2020. Alle Statistiken sind hier pro 90 gespielten Minuten berechnet um sie vergleichbar zu machen.


Passtypen: Seitenwechsel oder Vorwärtspässe

Zu Beginn wollen wir uns noch einmal die oben schon genannten Seitenwechsel genauer ansehen und sie mit einem Maß für Vorwärtspässe in einen Kontrast setzen. Seitenwechsel sind hier wir oben definiert: Pässe die mehr als (ungefähr) 35m der Breite des Platzes überqueren.

Für Vorwärtspässe ist die Definition ein bisschen komplizierter: es werden nur erfolgreiche Pässe erfasst, die den Ball mehr als 10m nach vorne verlagern gemessen am höchsten Punkt der letzten sechs Pässe. Pässe in den Sechzehner werden zusätzlich berücksichtigt.


Wir sehen hier wieder deutlich, dass Seitenwechsel eines der Hauptstilmittel von Toni Kroos sind. Kein andere Mittelfeldakteur spielte mehr davon in dieser Saison. Das beißt sich aber natürlich nicht mit seiner Rolle in der Vorwärtsbewegung. Auch hier sind Toni Kroos’ Pässe signifikant beteiligt.


Pässe ins Angriffsdrittel und wie sie dort hingelangen

Auch bei Pässen ins letzte Spieldrittel liegt Toni Kroos weit mit vorne. Schnittstellenpässe, also Pässe durch die Reihen des Gegners in den offenen Raum, nehmen eine geringere Rolle ein. Kroos liegt aber immer noch vor Spielern wie Thiago und Goretzka. Natürlich sollte man hier idealerweise auch die Spielweise der jeweiligen Teams und auch ihrer Kontrahenten mit einbeziehen. Falls Gegner oftmals sehr tief stehen gibt es natürlich auch weniger Möglichkeiten einen Schnittstellenpass zu spielen.


Vorwärtsdistanz durch Pässe oder Dribblings?

In einem letzten Vergleich betrachten wir wie Spieler zur Vorwärtsbewegung ihrer Mannschaften beitragen: durch Läufe mit dem Ball am Fuß oder durch Pässe. Beide Statistiken beziehen sich hier auf die gewonnen Meter pro 90 Minuten Spielzeit. Wie zu erwarten ist Toni Kroos hier wieder in der Elite der Passverteiler zu finden, aber auch in der Kategorie der Läufe mit Ball muss er sich nicht verstecken.


Zum Abschluss

In diesem Artikel haben wir zunächst drei verschiedene Wege kennengelernt um Passdaten grafisch darzustellen: simple Plots der Passwege mit oder ohne K-Means-Clustering, Pass-Heatmaps (für Seitenwechsel und Torschussvorlagen) und Sonar-Plots. In einem nächsten Schritt haben wir einige erste Eindrücke mit fortgeschrittenen Statistiken von StatsBomb bestätigt.

Ein wichtiger Punkt ist, dass wir uns in diesem Artikel nur auf das Passspiel von Toni Kroos konzentrieren und andere Aspekte seines Spiels wie defensive Aktionen, Standards and Fernschüsse außen vor lassen.

  • Den Code um interaktive Heatmaps zu generieren gibt es auf meinem englischsprachigen Blog.
  • Eine Tutorial für Sonarplots findet ihr hier.
  • Die StatsBomb-Daten für die letzten Charts findet ihr auf fbref.com
  • Um über neue Artikel informiert zu werden folgt uns doch gerne auf Twitter
comments powered by Disqus