Available in US
Aan het einde van elk kalenderjaar maak ik voor mijzelf één samenvattend werkblad: alle relevante Bundesliga-cijfers tot dan toe, samengevat in een vorm die voor analytisch werk in januari en februari direct bruikbaar is. Het werkblad voor 25/26 was deze winter een interessante exercitie omdat de Bundesliga zich qua data zowel binnen historische trends als met opvallende afwijkingen presenteert. Voor wedders die structureel willen werken, is een goed begrepen seizoenoverzicht het uitgangspunt voor alle wedstrijd-modellen.
Dit overzicht is gestructureerd rond vijf data-dimensies die direct toepasbaar zijn voor wedmarkten — van totale goal-productie tot defensieve patronen tot de outliers die markten regelmatig verkeerd prijzen.
Seizoensverloop en Doelpuntengemiddelden
Halverwege het seizoen 25/26 staat de doelpuntenteller op iets boven 400 — een tempo van ruim 3 doelpunten per wedstrijd over de eerste 131 duels van 306. Dat tempo zit aan de bovenkant van het Bundesliga-gemiddelde maar past binnen de historische bandbreedte. Het 23/24-seizoen sloot af op 3,18 per wedstrijd, een hoog cijfer voor Europese topcompetities (Eredivisie kwam dat seizoen uit op 3,4 als hoogste van de top-15; Bundesliga zit structureel daaronder maar boven Premier League en La Liga).
De seizoenscurve binnen 25/26 is interessant. De openingsspeeldagen — typisch hoog-energetisch maar tactisch onafgemaakt — produceerden bovengemiddelde goalcijfers, met een gemiddelde rond 3,3 per wedstrijd in augustus en september. Vanaf oktober daalde dat naar 2,9-3,0, wat overeenkomt met het verwachte patroon: tactische coherentie ontwikkelt zich, defensie wordt beter georganiseerd, en clean-sheet-frequenties stijgen.
Voor wedders die de seizoenscurve gebruiken voor over/under-modellering, is de praktische conclusie: in de eerste tien speeldagen biedt de markt vaak over-zijde-waarde omdat openingslijnen op historische gemiddelden gebaseerd zijn maar feitelijke goalproductie hoger ligt. Vanaf speeldag 12 of 13 normaliseert het patroon.
Een tweede curve die ik in 25/26 systematisch heb getrackt: de winterpauze-effect. Bundesliga-wedstrijden in de eerste twee speeldagen na de winterpauze produceerden gemiddeld 3,4 doelpunten — opmerkelijk hoger dan de seizoengemiddelde van 3,0. De verklaring zit in de combinatie van rustige spelers, minder tactische coherentie na de pauze, en hogere openheid in spelpatronen. Voor wedders is dit een meetbaar wedvenster: de over-zijde van totaalmarkten in deze twee speeldagen leverde in mijn historische data positieve verwachte waarde, en het patroon herhaalt zich in 25/26.
xG-leiders en aanvalsprofielen
De xG-leiders van 25/26 zijn ongelijkmatig verdeeld over de top-vier clubs. Bayern domineert de aanvalsmetrieken met opvallende cijfers: 117 doelpunten op doel, 615 schoten, en 12 toegekende penalty’s in de eerste seizoenshelft — cijfers die geen andere Bundesliga-club benadert. Dit weerspiegelt zowel de individuele kwaliteit (de klassieke wereldwijde anker-rol van Harry Kane op de spitspositie) als het tactische systeem dat aanvallend volume genereert.
Voor wedders is het xG-overschot van Bayern ten opzichte van feitelijke doelpunten een specifieke meting. In 25/26 scoorde Bayern feitelijk dichtbij hun xG-totaal, wat suggereert dat de huidige conversie-ratio sustainable is. Wanneer xG en feitelijke goals significant uiteenlopen — bijvoorbeeld als feitelijke goals 15% boven xG liggen — is dat een signaal dat regressie naar het gemiddelde gaat plaatsvinden.
Leverkusen, ondanks het vertrek van Alonso, behoudt een aanvalsprofiel met hoge xG-output — gemiddeld 1,8-2,0 xG per wedstrijd, wat de tweede positie achter Bayern claimt. Dortmund, RB Leipzig en Eintracht Frankfurt volgen op vergelijkbare niveaus rond 1,5-1,7. Voor wedders die specifieke over/under-modellen bouwen, geeft deze hiërarchie het skelet voor goal-verwachtings-curves.
Defensieve cijfers en clean-sheet-frequenties
De defensieve kant van 25/26 toont meer spreiding dan de aanvallende kant. Bayern houdt de nul in iets minder dan een derde van zijn wedstrijden — een hoog cijfer voor een team dat structureel domineert. Leverkusen heeft een veel lagere clean-sheet-frequentie (rond 20%), gevolg van de openere spelstijl.
Aan de onderkant van de tabel zijn de defensieve profielen verschillend. Heidenheim houdt zijn nul in ongeveer 20% van zijn wedstrijden, wat verrassend laag is voor een verdedigend-georiënteerd team — maar verklaarbaar door de aanvalskwaliteit van hun tegenstanders. Mainz heeft een hogere clean-sheet-frequentie maar lagere offensieve productie. Voor wedders die BTTS-no-markten spelen, zijn de defensieve cijfers fundamenteel.
Het Bundesliga-thuisvoordeel-percentage van 58,35% in 24/25 — de laagste van de Big Five-competities — komt mede voort uit deze defensieve patronen. Onder-clubs spelen thuis niet significant beter dan uit, omdat hun verdedigende discipline buitenshuis ook werkt. Topclubs hebben thuisvoordelen, maar minder uitgesproken dan in andere Europese topcompetities.
Secundaire markten — kaarten, hoekschoppen en speciale wedmarkten
Buiten de primaire 1X2 en over/under-markten zijn secundaire markten een onderbelichte zone voor wedders. Voor 25/26 zijn enkele meetbare patronen relevant.
Gele kaarten per wedstrijd liggen in de Bundesliga structureel rond 3,5-4,0 — lager dan het Eredivisie-gemiddelde rond 4,5. Dat verschil wordt door bookmakers slechts gedeeltelijk geprijsd, en voor wedders die deze markten specifiek volgen, zit er soms waarde in de under-zijde van Bundesliga-kaart-totaalmarkten.
Hoekschoppen per wedstrijd liggen in 25/26 rond 10,5-11 gemiddeld, met opvallend hogere cijfers in wedstrijden met Bayern of Leverkusen — vaak 12-14 per wedstrijd. Anytime-scorer-markten op gevestigde Bundesliga-aanvallers hebben in 25/26 typisch implied probabilities tussen 35-55%, afhankelijk van speler-en-tegenstander-combinatie.
Een derde secundair patroon: doelpunt-tijdverdeling. In de Bundesliga 25/26 valt 53% van alle doelpunten in de tweede helft, met een opvallende piek tussen minuut 70-85. Voor live-wedders is dit een gestructureerde observatie: wedstrijden die in de pauze 0-0 staan, hebben in dit seizoen een hogere kans op tweede-helft-goals dan in voorgaande seizoenen. Live over 1,5-prijzen die na een 0-0-pauze op 1,80 of hoger staan, leveren in mijn historische werk positieve verwachte waarde — vooral wanneer beide ploegen aanvallend-georiënteerde profielen hebben en de eerste-helft-statistieken (schoten, hoekschoppen) suggereren dat de score-stilte tactisch was, niet door defensieve dominantie.
Onderpresteerders — de marktinefficiëntie-zone
De interessantste data-categorie voor wedders is de “onderpresteerders” — ploegen wiens feitelijke resultaten significant onder hun xG-output liggen. Deze ploegen zijn vatbaar voor positieve regressie en bieden vaak structurele wed-edges.
In 25/26 zijn er twee tot drie ploegen die op dat moment van het seizoen aanzienlijk onder xG-verwachting presteren — typisch midden-tabel-clubs met sterke onderliggende cijfers maar tegenvallende resultaten. Voor wedders die dit patroon herkennen, zijn deze ploegen de logische “buy-low”-kandidaten voor seizoentotaal-puntenmarkten en outright-Europa-League-prijzen.
Het omgekeerde — overpresteerders met feitelijke resultaten boven xG — bestaat ook. Deze ploegen zijn vatbaar voor negatieve regressie, en hun outright-prijzen verdienen voorzichtigheid. Mijn ervaring is dat de markt overpresteerders vaak iets te lang positief blijft prijzen, wat short-positie op deze ploegen waarde kan geven.
Voor wedders die deze statistieken willen koppelen aan modelmatige xG-analyses — de bouwsteen voor structureel rendement — sluit dit aan op mijn werk over xG-analyse voor de Bundesliga, waar de fundamenten van xG-modellering en de specifieke 25/26-curve in detail worden behandeld.
Articles
Samengesteld door de redactie van 'bundesligawe'.
