Corsi und Fenwick klingen wie italienische Fußballtrainer, sind aber die Grundpfeiler der modernen Eishockeyanalyse. Diese Metriken revolutionierten die Art, wie Experten Teamleistungen bewerten. Statt nur Tore zu zählen, erfassen sie alle Schussversuche und messen damit die Spielkontrolle. Für Wetter öffnet dieses Verständnis eine neue Dimension der Analyse, die über oberflächliche Ergebnisstatistiken hinausgeht.
Zurück zur Übersicht aller Statistiken.
Was ist Corsi?
Corsi misst alle Schussversuche einer Mannschaft bei ausgeglichener Spielstärke, also bei 5-gegen-5. Die Zählung umfasst Schüsse aufs Tor, geblockte Schüsse und Schüsse, die das Tor verfehlen. Jeder Versuch zählt gleich, unabhängig davon, ob er gefährlich war oder harmlos aus der Distanz kam.
Die Bezeichnung stammt von Jim Corsi, einem ehemaligen NHL-Torhütertrainer, der diese Statistik in den 1990er Jahren für seine Analyse nutzte. Er erkannte, dass die Anzahl der Schussversuche gegen seinen Torhüter mehr über die Teamdefensive aussagte als die Tore allein. Die Metrik wurde später von Analysten aufgegriffen und standardisiert.
Corsi For zählt die Schussversuche des eigenen Teams, Corsi Against die des Gegners. Die Differenz CF minus CA zeigt die absolute Dominanz oder Unterlegenheit. Aussagekräftiger ist Corsi For Percentage, abgekürzt CF%, die den Anteil der eigenen Schussversuche an allen Versuchen beider Teams angibt. Ein CF% von 55 bedeutet: Das Team generiert 55 Prozent aller Schussversuche im Spiel bei 5-gegen-5.
Was ist Fenwick?
Fenwick funktioniert identisch zu Corsi, schließt aber geblockte Schüsse aus der Zählung aus. Nur Schüsse aufs Tor und verfehlte Schüsse werden gezählt. Die Logik dahinter: Geblockte Schüsse spiegeln teilweise die Defensivstrategie des Gegners wider, nicht nur die Offensivbemühungen des angreifenden Teams.
Die Namensgebung folgt demselben Muster wie bei Corsi. Matt Fenwick, ein Blogger und Analyst, popularisierte diese Variation. Er argumentierte, dass Teams mit vielen geblockten Schüssen nicht unbedingt offensiv stark sind, sondern möglicherweise schlechte Schussentscheidungen treffen, die leicht geblockt werden können.
In der Praxis unterscheiden sich Corsi und Fenwick selten dramatisch. Teams mit hohem Corsi haben typischerweise auch hohen Fenwick, die Korrelation liegt bei über 95 Prozent. Für die meisten Wettanalysen liefern beide Metriken ähnliche Ergebnisse. Corsi wird häufiger verwendet, weil die Datenbasis größer ist und die Berechnung einfacher nachvollziehbar.
Interpretation der Zahlen
Ein CF% von 50 Prozent gilt als neutral, das Team generiert genauso viele Versuche wie der Gegner. Werte über 52 Prozent deuten auf Dominanz hin, unter 48 Prozent auf Probleme bei der Spielkontrolle. Die besten Teams der Liga erreichen regelmäßig CF%-Werte um 54 bis 56 Prozent, die schwächsten fallen auf 44 bis 46 Prozent.
Der Zusammenhang zwischen Corsi und Siegen ist statistisch belegt, aber nicht linear. Ein Team mit CF% 55 gewinnt nicht automatisch mehr als eines mit CF% 53. Torhüterleistung, Schussqualität und Powerplay-Effizienz beeinflussen das Ergebnis ebenfalls. Corsi misst die Spielkontrolle, nicht das vollständige Bild.
Die Zeitspanne der Betrachtung beeinflusst die Aussagekraft erheblich. Corsi stabilisiert sich schneller als Torstatistiken, weil mehr Ereignisse in die Berechnung einfließen. Nach 20 Spielen ist Corsi bereits aussagekräftig, während Tordifferenz noch stark von Varianz beeinflusst wird. Diese frühere Stabilität macht Corsi besonders wertvoll für Wetter zu Saisonbeginn.
Corsi für Wettentscheidungen nutzen
Der praktische Einsatz von Corsi beginnt mit der Identifikation von Diskrepanzen zwischen Spielkontrolle und Ergebnissen. Ein Team mit starkem Corsi aber schwacher Tordifferenz ist wahrscheinlich unterbewertet. Die Schussversuche deuten auf Qualität hin, die Ergebnisse wurden von Pech oder schlechtem Finishing beeinflusst. Solche Teams bieten Value, weil die Buchmacher primär auf Ergebnisse reagieren.
Das umgekehrte Szenario identifiziert überbewertete Teams. Ein schwacher Corsi kombiniert mit starker Tordifferenz signalisiert unsustainable Erfolge. Das Team gewinnt trotz Spielkontrollproblemen, vermutlich durch überdurchschnittliche Torhüterleistung oder Finishing. Diese Teams werden ihre Ergebnisse wahrscheinlich nicht halten können und bieten Value als Außenseiter oder für Under-Wetten.
Die Kombination von Corsi mit Score Effects verfeinert die Analyse. Teams, die früh in Führung gehen, ziehen sich oft zurück und generieren weniger Schussversuche. Ihr Close-Game Corsi, also bei Spielständen innerhalb eines Tores, zeigt die tatsächliche Spielstärke besser als der Gesamtwert. Diese Adjustierung verhindert Fehlinterpretationen bei Teams mit vielen Blowout-Siegen oder -Niederlagen.
Score-adjusted und Relative Corsi
Score-adjusted Corsi korrigiert den Spielstand-Effekt mathematisch. Die Metrik gewichtet Schussversuche je nach Spielstand unterschiedlich, um vergleichbare Werte zu erhalten. Ein Team, das oft führt und weniger schießt, wird fair bewertet gegen eines, das oft hinterherläuft und deshalb mehr riskiert.
Relative Corsi vergleicht die Leistung eines Spielers oder einer Linie mit dem Teamdurchschnitt. Ein Spieler mit Rel CF% von plus fünf generiert fünf Prozentpunkte mehr Schussversuche als das Team im Durchschnitt, wenn er auf dem Eis steht. Diese Metrik isoliert den individuellen Einfluss von der Teamstärke und eignet sich für Player Props.
Zone Starts beeinflussen Corsi erheblich. Spieler, die häufig im Offensivdrittel beginnen, haben automatisch höhere Corsi-Werte. Bereinigte Metriken wie Corsi QoC, also Quality of Competition, und Corsi QoT, Quality of Teammates, kontextualisieren die Zahlen. Für Wettanalysen auf Teamebene sind diese Adjustierungen weniger relevant, für Player Props hingegen entscheidend.
Grenzen von Corsi und Fenwick
Die größte Schwäche von Corsi liegt in der fehlenden Qualitätsbewertung. Ein Schuss aus dem Slot zählt genauso wie ein harmloser Weitschuss. Teams mit hohem Corsi aber niedriger Schussqualität performen schlechter als ihre Zahlen suggerieren. Expected Goals adressieren dieses Problem, aber Corsi allein bildet es nicht ab.
Diese erweiterten Daten führen direkt zur Berechnung von Expected Goals (xG) in der NHL.
Special Teams fließen nicht in die Standard-Corsi-Berechnung ein. Power Play und Penalty Kill sind separate Disziplinen mit eigener Dynamik. Ein Team kann bei 5-gegen-5 dominieren, aber im Powerplay schwach sein. Für die Gesamtbewertung müssen beide Aspekte berücksichtigt werden, Corsi deckt nur einen Teil ab.
Die Varianz in Einzelspielen bleibt hoch. Ein Team mit Saison-CF% von 54 kann in einem einzelnen Spiel bei 45 Prozent landen. Schussversuche unterliegen Schwankungen, und ein einziges Spiel reicht nicht für verlässliche Schlüsse. Corsi entfaltet seine Vorhersagekraft über größere Stichproben, nicht für einzelne Wetten.
Der analytische Werkzeugkasten
Corsi und Fenwick sind keine Wunderwaffen, sondern Werkzeuge. Sie messen einen Aspekt des Spiels, nämlich die Schussversuchsbalance, und ignorieren andere. Die beste Analyse kombiniert Corsi mit Expected Goals, PDO, Torhüterstatistiken und situativen Faktoren. Jede Metrik liefert einen Puzzleteil, das Gesamtbild entsteht erst durch Integration.
Für den Einstieg empfiehlt sich der Fokus auf CF% bei 5-gegen-5. Diese Zahl ist auf allen Analytics-Websites verfügbar und leicht verständlich. Mit wachsender Erfahrung kannst du Score-adjusted und Relative Metriken einbeziehen. Der Aufbau analytischer Kompetenz geschieht schrittweise, Corsi ist ein solider Startpunkt.
Die Buchmacher nutzen längst dieselben Daten. Der Edge entsteht nicht durch Kenntnis von Corsi, sondern durch dessen geschickte Anwendung. Wer Corsi früher auf neue Trends anwendet, Adjustierungen besser vornimmt oder Kontextfaktoren präziser einschätzt, findet den Value, den andere übersehen.
