Strokes Gained für Golfwetten: Kategorien, Daten und Praxisanwendung

Als ich vor sechs Jahren anfing, Strokes-Gained-Daten systematisch in meine Wettanalyse einzubauen, hat sich meine Trefferquote bei Head-to-Head-Wetten messbar verbessert. Das ist keine Übertreibung und kein Zufall — SG ist die einzige Golfstatistik, die individuelle Leistung kontextbezogen misst und damit die Grundlage für jede datenbasierte Wettentscheidung liefert. SG: Approach erklärt rund 30 Prozent aller Strokes-Gained-Separation bei den Top-5-Platzierten der letzten fünf Masters-Ausgaben. Das ist kein abstraktes Akademikerwissen, sondern ein Werkzeug mit direktem Einfluss auf die Quotenbewertung.

Die Grundidee von Strokes Gained ist elegant: Jeder Schlag eines Spielers wird mit dem Tour-Durchschnitt verglichen, kontextbereinigt um die Ausgangsposition. Ein Drive von 300 Yards auf das Fairway ist mehr wert als einer von 300 Yards ins Rough, und SG bildet diesen Unterschied ab. Für Wettanalysten ist das Gold, weil es die Leistung in ihre Bestandteile zerlegt — und genau diese Bestandteile entscheiden, wer auf welchem Kurs Vorteile hat.

Die vier Strokes-Gained-Kategorien im Detail

Vor meinem ersten SG-Modell habe ich stundenlang vor Tabellen gesessen und mich gefragt, warum manche Spieler auf bestimmten Kursen dominieren und auf anderen untergehen. Die Antwort liegt fast immer in den vier Kategorien, die das Spiel vom Tee bis zum letzten Putt aufteilen.

SG: Off the Tee misst die Qualität des Abschlags. Hier zählen Länge und Genauigkeit — ein langer, gerader Drive verschafft dem Spieler einen Vorteil für den zweiten Schlag. Auf langen, offenen Kursen wie Augusta National mit seinen 7.565 Yards ist SG: Off the Tee ein relevanter Faktor, weil kürzere Annäherungsschläge die Birdie-Wahrscheinlichkeit erhöhen. Auf engen Parkland-Kursen hingegen kann ein aggressiver Longhitter ins Rough geraten und den Vorteil wieder verlieren.

SG: Approach to the Green ist die Kategorie, die ich am intensivsten analysiere. Sie misst die Qualität der Annäherungsschläge — typischerweise der zweite Schlag auf Par-4-Löchern und der zweite oder dritte auf Par-5-Löchern. Diese Kategorie korreliert am stärksten mit Turnierergebnissen, weil sie den entscheidenden Übergang vom Fairway aufs Grün abbildet. Ein Spieler mit starkem SG: Approach landet den Ball näher an der Fahne, was kürzere Putts und mehr Birdies bedeutet.

SG: Around the Green erfasst das Kurzspiel — Chips, Pitches, Bunker-Schläge aus dem Bereich rund um das Grün. Diese Kategorie ist auf Kursen mit kleinen, konturierten Grüns besonders wichtig, weil dort häufiger verfehlt wird. Ein Spieler mit exzellentem Kurzspiel kann Fehler beim Approach kompensieren und trotzdem Par retten.

SG: Putting misst die Qualität auf den Grüns. Das Putting ist die volatilste Kategorie — Spieler schwanken von Woche zu Woche stärker im Putting als in jeder anderen Disziplin. Das macht Putting-Daten kurzfristig weniger verlässlich als Approach- oder Tee-Daten. Mein Modell gewichtet Putting deshalb schwächer als die anderen Kategorien, es sei denn, der Kurs hat extrem schnelle oder konturierte Grüns, wo Putting-Fähigkeit zum differenzierenden Faktor wird.

Was oft übersehen wird: Die vier Kategorien addieren sich zu SG: Total, aber die Summe verschleiert die Einzelleistungen. Zwei Spieler mit identischem SG: Total von +2,0 können völlig unterschiedliche Profile haben — einer dominiert vom Tee und puttet schwach, der andere trifft kein Fairway, aber chippt und puttet wie ein Gott. Für die Wettanalyse ist die Zerlegung in die Einzelkategorien unverzichtbar, weil der Kurs bestimmt, welche Kategorie den Ausschlag gibt.

Wo findet man Strokes-Gained-Daten?

Diese Frage höre ich bei jedem Vortrag. Die gute Nachricht: Die wichtigsten Datenquellen sind frei zugänglich. Die PGA Tour veröffentlicht SG-Statistiken auf ihrer offiziellen Website, aufgeschlüsselt nach Saison, Turnier und Spieler. Die Datentiefe ist beeindruckend — ich kann SG-Profile über mehrere Jahre hinweg verfolgen und Trends erkennen, die in den Rohstatistiken unsichtbar wären.

Für die DP World Tour sind SG-Daten ebenfalls verfügbar, allerdings mit weniger Granularität als bei der PGA Tour. Das ist ein Nachteil für die Analyse europäischer Turniere, weil der Vergleich zwischen Tour-Kontexten schwieriger wird. Ein Spieler mit SG: Approach von +1,2 auf der PGA Tour ist nicht automatisch gleichwertig mit einem mit +1,2 auf der DP World Tour, weil die Feldstärken unterschiedlich sind.

Spezialisierte Datenplattformen bieten erweiterte Analysemöglichkeiten: Kursabhängige SG-Profile, historische Vergleiche über Kurstypen hinweg, und rollierende Durchschnitte, die die aktuelle Form stärker gewichten als ältere Ergebnisse. Ich nutze eine Kombination aus drei Quellen, um meine Modelle zu füttern — die offizielle Tour-Statistik als Basis, eine spezialisierte Plattform für Kursanalysen und meine eigene Datenbank, in der ich kursspezifische SG-Profile pflege.

Ein Hinweis zur Datenqualität: SG-Statistiken sind nur so gut wie die Eingangsdaten. Schottdaten werden auf der PGA Tour per ShotLink-System automatisch erfasst, was hohe Genauigkeit garantiert. Bei anderen Tours fehlt diese Infrastruktur teilweise, was die SG-Berechnungen weniger präzise macht. Für die Wettanalyse bedeutet das: PGA-Tour-Daten verdienen höheres Vertrauen als Daten von kleineren Tours.

Noch ein praktischer Hinweis: Viele Datenquellen bieten SG-Werte als Saisondurchschnitt an. Das ist ein guter Startpunkt, aber für die Wettanalyse nicht ausreichend. Ich brauche turnierweise aufgeschlüsselte Daten, um Formtrends zu erkennen und die letzten vier bis sechs Wochen stärker zu gewichten als den Saisonschnitt. Die Investition in eine Datenquelle, die diese Granularität bietet, zahlt sich langfristig aus.

Strokes Gained in der Wettpraxis anwenden

Theorie ist das eine, Praxis das andere. Mein Workflow für eine SG-basierte Wettanalyse beginnt mit dem Kursprofil: Welche SG-Kategorien sind auf diesem Kurs historisch am stärksten mit Turniererfolg korreliert? Augusta National belohnt SG: Approach und SG: Off the Tee. Ein Links-Kurs bei The Open gewichtet SG: Around the Green höher, weil die Grüns schwerer zu treffen sind und das Kurzspiel für die Schadensbegrenzung sorgt.

Der nächste Schritt: Spielerprofile erstellen. Ich nehme die SG-Daten der letzten 24 Turniere und berechne gewichtete Durchschnitte, wobei jüngere Ergebnisse stärker einfließen. Ein Spieler, der vor sechs Monaten eine Schwächephase im Putting hatte, aber in den letzten vier Wochen wieder auf Spitzenniveau puttet, hat ein anderes Profil als einer mit stabiler, aber mittelmäßiger Putting-Leistung.

Dann der Abgleich: Kursprofil gegen Spielerprofil. Ein Spieler, dessen Stärken genau zu den Kursanforderungen passen, hat einen analytischen Vorteil. Wenn dieser Vorteil in der Marktquote nicht reflektiert wird — etwa weil der Spieler keinen bekannten Namen hat oder seine letzten Ergebnisse auf unpassenden Kursen schwach waren —, entsteht eine Value-Gelegenheit.

Der häufigste Fehler bei der SG-Anwendung: Kurzfristige Putting-Daten übergewichten. Ich habe Wettende gesehen, die einen Spieler nach einer starken Putting-Woche zum Favoriten erklären — ohne zu berücksichtigen, dass Putting die volatilste Kategorie ist. Mein Modell reduziert den Putting-Einfluss auf etwa 15 Prozent der Gesamtbewertung und verlässt sich stärker auf Approach und Off-the-Tee, die über Zeiträume von 20 bis 30 Turnieren deutlich stabiler sind. Wer den gesamten strategischen Rahmen für datenbasierte Golfwetten verstehen will, findet dort den methodischen Überbau.

Erstellt vom Redaktionsteam „GREENFLAG".