Spielerstatistiken im Darts: Average, Checkout und OChE richtig deuten

Warum die meisten Tipper Spielerstatistiken falsch lesen

Vor drei Jahren saß ich an einem Sonntagabend vor meiner Tabelle und habe ein knappes Erste-Runde-Match auf der Pro Tour analysiert. Beide Spieler hatten ein Saison-Average um die 96. Ich tippte auf den, der laut Statistik die geringfügig bessere Checkout-Quote vorzuweisen hatte — und verlor. Was ich übersehen hatte: Der andere Spieler hatte sein Average innerhalb der letzten vier Wochen von 92 auf 99 verbessert, der von mir getippte sich im selben Zeitraum von 98 auf 95 verschlechtert. Die Tabelle zeigte die Wahrheit, aber ich hatte die falsche Zeile gelesen.

Das ist der typische Fehler. Ein durchschnittlicher PDC-Profi wirft heute ein Three-Dart-Average zwischen 95 und 100. Die Elite — Spieler wie Luke Humphries oder Luke Littler — liegt regelmäßig darüber, in Spitzenform oft jenseits der 105. Diese Zahl ist gleichzeitig die wichtigste und die am häufigsten missbrauchte Spielerstatistik im Pfeilsport. Jeder Tipper kennt sie, jeder zweite Tipper zieht aus ihr falsche Schlüsse, und jeder dritte verwechselt einen Saisonschnitt mit einer Tagesform.

Ich tippe seit sechs Jahren auf PDC-Matches und führe seit der Hälfte dieser Zeit eine eigene Tabelle, die fünf Spielermetriken pro Match abgleicht. In dieser Zeit habe ich gelernt: Average sagt dir, wie schnell ein Spieler punktet, aber nicht, ob er gewinnt. Checkout-Quote sagt dir, wie er Legs beendet, aber nicht, wie er sie aufbaut. First Nine sagt dir, wie er startet, aber nicht, wie er unter Druck arbeitet. OChE sagt dir, was alle anderen Metriken auslassen — und genau deshalb ist es die wertvollste Kennzahl, die im breiten Wett-Diskurs am wenigsten verwendet wird.

In diesem Text gehe ich die Metriken durch, die ich vor jedem Tipp anschaue, in der Reihenfolge, in der ich sie tatsächlich verwende. Ich zeige dir, wo die häufigsten Lesefehler liegen, welche Werte für welche Quotenentscheidung relevant sind und welche Datenquellen ich nutze, um ein Spielerprofil schnell zusammenzustellen, ohne im Statistik-Sumpf zu versinken.

Three-Dart-Average — was die wichtigste Zahl wirklich aussagt

Wenn du in einer Spielerstatistik nur eine einzige Zahl anschauen dürftest, wäre das Three-Dart-Average die einzig vertretbare Wahl. Sie ist die durchschnittliche Punktzahl, die ein Spieler pro Aufnahme von drei Pfeilen erzielt. Klingt simpel, ist aber das mit Abstand reichhaltigste Datenfeld im Pfeilsport — weil daraus mehr abgelesen werden kann als nur Tagesform.

Das Average wird über das gesamte Match berechnet und ist mathematisch die Summe aller Punkte geteilt durch die Anzahl der Aufnahmen, multipliziert mit drei. Ein 100er-Average bedeutet im Schnitt 100 Punkte pro Aufnahme, also einen Spieler, der ein 501-Leg in etwas mehr als 15 Pfeilen ausspielen kann, wenn er den Schnitt durchhält. Bei dieser Form bekommt jede Aufnahme dasselbe Gewicht — das hohe Eröffnungs-Visit und das letzte mühsame Doppelfeld-Visit auf den Auscheck. Genau hier liegt die erste Falle: Eine schnelle 180 hebt den Average kurzfristig stark, ein verschmiertes Doppelfeld senkt ihn proportional. Das Average sagt also nicht, wie ein Spieler punktet, sondern wie effizient er die gesamte Strecke abgearbeitet hat.

Für Wett-Entscheidungen verwende ich vier Average-Varianten parallel. Das Tournament-Average ist der Durchschnitt über alle Matches eines bestimmten Turniers — bei einer WM also über die Spielwoche. Gian van Veen ging mit einem Tournament-Average von 102,16 bei einer Doppel-Quote von 51,23 Prozent durch die WM 2026 — eine Zahl, die nahezu jeden seiner Spielausgänge im Turnier hervorragend erklärt. Das Match-Average ist deutlich volatiler: van Veen warf in Runde 2 derselben WM einen 108,28er Match-Schnitt — das höchste Einzelspiel-Average des gesamten Turniers — und kein einziges Mal in seiner Karriere zuvor war er in diese Region vorgedrungen. Ein einzelner 108er bedeutet nicht, dass der Spieler diese Form halten kann; er bedeutet, dass er sie an diesem Abend hatte.

Das Set-Average ist die Variante, die Pre-Match selten kommuniziert wird, aber für Spieler-zu-Spieler-Vergleiche enorm wertvoll ist. Luke Littler stellte bei der WM 2025 mit 140,91 ein turnier-höchstes Set-Average auf — ein Wert, den ich vor diesem Tag für mathematisch fast nicht erreichbar gehalten hätte. Solche Ausreißer sagen wenig über Tagesform, aber viel über die mentale Sicherheit eines Spielers in einer Situation, in der die meisten anderen den Set-Average bei 95 halten. Die vierte Variante ist das First Nine — der Schnitt der ersten neun Pfeile eines Legs, die im Punktebereich oberhalb von 167 nicht durch das Auscheck-Setup beeinflusst werden. Dazu kommen wir gleich.

Ich habe für meine Tabelle eine Faustregel entwickelt, die sich in Hunderten von Tipps bewährt hat. Bei einem Pre-Match-Tipp zähle ich nur Average-Werte, wenn sie auf mindestens 10 Matches der letzten 60 Tage basieren. Alles darunter ist Rauschen. Bei einem Live-Tipp im laufenden Match orientiere ich mich am bisherigen Match-Average, aber nur, wenn mindestens drei Sets gespielt sind — vorher ist die Stichprobe zu klein, um eine Quotenverschiebung zu rechtfertigen. Wenn ein Spieler nach zwei Sets ein Match-Average von 110 zeigt, ist die Wahrscheinlichkeit hoch, dass das nächste Set unter 100 fällt — Form-Spitzen halten im Schnitt nicht länger als zwei Sets, ein Effekt, den ich in meinen Notizen mit dem Begriff Rückkehr-zum-Mittel beschreibe.

Was am Average regelmäßig falsch gemacht wird: Tipper vergleichen einen 100er-Saisonschnitt mit einem 98er-Saisonschnitt und tippen den Höheren. Das ignoriert drei Faktoren — Turniertyp, Gegnerstärke und Wurfreihenfolge. Ein 100er-Average gegen Top-10-Gegnerschaft ist mehr wert als ein 102er-Average gegen Pro-Tour-Qualifikanten. Ein 100er-Average als zweite Werfer ist deutlich mehr wert als derselbe als Anwerfer — weil Average und Wurfreihenfolge sich gegenseitig bedingen.

Die Checkout-Quote — Eintrittskarte zum Leg-Gewinn

Im April 2024 verloren zwei Top-15-Spieler ein Pro-Tour-Match gegen einen Qualifikanten, weil sie zusammen 17 Doppelversuche brauchten, um neun Legs zu beenden. Ihr Match-Average lag bei 99 — solide, aber nicht herausragend. Der Qualifikant gewann mit einem Average von 91 und einer Checkout-Quote von 56 Prozent. Wenn dieses Match zeigt, was Statistik eigentlich aussagt, dann das: Wer das Doppelfeld nicht trifft, gewinnt kein Match — egal, wie schön die ersten zwei Pfeile auf der Triple-20 sitzen.

Die Checkout-Quote ist die Prozentzahl der verwendeten Doppelfeld-Aufnahmen, die zu einem Leg-Gewinn führen. Ein Spieler, der 50 Doppelfeld-Versuche in einer Saison hatte und damit 22 Legs beendet hat, hat eine Quote von 44 Prozent. Die Spitze des professionellen Feldes liegt bei rund 50 Prozent — wobei der typische Korridor für PDC-Profis zwischen 35 und 45 Prozent verläuft. Wer unter 35 ist, hat ein strukturelles Doppelfeld-Problem; wer über 50 liegt, gehört zur engeren Weltspitze.

Was die Quote tatsächlich misst, wird oft missverstanden. Sie zählt nur Aufnahmen, in denen der Spieler einen Doppelfeld-Versuch unternommen hat — also Punktestände von 170 und darunter, bei denen ein Auscheck mathematisch in drei Pfeilen möglich ist. Eine Aufnahme bei einem Reststand von 200 zählt nicht in die Quote, auch wenn der Spieler im selben Visit mathematisch keine Chance auf ein Doppelfeld hatte. Das verzerrt Vergleiche: Spieler mit höherem First-Nine-Average kommen seltener in Auscheck-Situationen jenseits der 100 — und ihre Quote misst deshalb tendenziell die einfacheren Doppelfeld-Stellungen. Ein Spieler mit niedrigerem Average kommt häufiger spät in den Out-Bereich und hat dort schwierigere Doppelfeld-Anflüge.

Für die Bewertung einer Checkout-Quote brauche ich drei Schichten gleichzeitig. Erstens, was misst sie: den Anteil erfolgreich verwerteter Doppelfeld-Chancen, gewichtet über alle versuchten Aufnahmen. Zweitens, welcher Wert ist gut: 50 Prozent gelten als Elite-Niveau, 40 Prozent als solide professionell, alles unter 35 Prozent ist gefährlich für die Wett-Bewertung. Drittens, was bedeutet sie für die Quote: Eine hohe Checkout-Quote bei niedrigerem Average ist häufig undervalued, eine hohe Average-Zahl bei mittlerer Checkout-Quote oft overvalued — der Buchmacher wichtet den Average überproportional.

Van Veens 51,23 Prozent Doppel-Quote bei der WM 2026 sind hier ein nützliches Lehrbeispiel. Er warf nicht den höchsten Tournament-Average, aber seine Doppelfeld-Effizienz erklärt sieben seiner acht Spielausgänge bis zum Finale. Wer rein nach Average gegen van Veen gespielt hätte, hätte ihn auf seinem Weg ins Endspiel mehrfach unterschätzt. Die Buchmacher wussten das ab Runde drei, die Quoten passten sich entsprechend an. Wer das schon vor dem Turnier in seinem Modell hatte, fand zwei oder drei Wett-Chancen mit echter Edge, bevor die Quoten sich angeglichen haben.

Eine zweite Falle bei der Checkout-Quote: Aktualität. Doppelfeld-Form ist die volatilste der vier Hauptmetriken. Ein Spieler, der vor einem Monat 50 Prozent geworfen hat, kann heute bei 38 Prozent stehen — ohne dass sich sein Average großartig bewegt hätte. Ich nutze für meine Tabelle ein 60-Tage-Fenster mit zusätzlicher Gewichtung der letzten 14 Tage. Wenn die Werte zwischen diesen beiden Zeiträumen um mehr als acht Prozentpunkte abweichen, halte ich die Statistik für instabil und nutze sie nur als ergänzendes Signal, nicht als Hauptkriterium.

First Nine und 180er-Rate — der Indikator für Aggressivität

Stell dir vor, ein Spieler wirft in einem Leg drei Aufnahmen mit 180, 140 und 140. Nach neun Pfeilen steht er bei 41 Punkten — und braucht für den Auscheck nur noch eine clevere Verteilung. Sein First Nine Average liegt in diesem Leg bei 153,33. Diese Zahl ist die punktuell aggressivste Statistik des Pfeilsports — und sie ist diejenige, die zwischen Top-50- und Top-10-Spielern am schärfsten trennt.

First Nine ist der Drei-Pfeil-Durchschnitt der ersten neun Pfeile eines Legs. Da diese Punkte mathematisch nicht durch ein Auscheck-Setup beeinflusst werden — bei einem Restbestand über 167 ist ein Auscheck physikalisch unmöglich — misst die Zahl reines Punkten ohne taktische Einschränkung. Wer ein hohes First Nine wirft, baut Druck auf den Gegner auf, weil ein 9-Dart-Finish in greifbare Nähe rückt und das Punktepolster für einen 11- oder 12-Pfeil-Auscheck steht. Der typische Korridor liegt im Profi-Bereich bei 95 bis 105. Spieler über 110 haben statistisch ein 9-Dart-Potenzial in jeder beliebigen Aufnahme.

Die 180er-Rate ist die zweite Komponente derselben Aggressivitäts-Achse. Sie zählt die Anzahl der maximalen Aufnahmen — drei Pfeile in der Triple-20, oder einer Kombination, die 180 Punkte ergibt — und wird meist als Quote pro Leg ausgewiesen. Luke Littler hat in der Saison 2024 mit 847 maximalen Aufnahmen einen neuen Saisonrekord aufgestellt — vorher hielt Michael Smith die Marke mit 714 aus 2022. Christopher Kempf, der PDC-Stats-Analyst, hat die Saison so eingeordnet: „With more than eight months of darts completed in 2024, Luke Littler currently holds the fourth-highest rate of 180s ever seen for a player contesting more than 1000 legs, at 0.362 per leg. Littler is the fastest player ever to accumulate 500 maxima in a season.“

Diese 0,362 Maximums pro Leg sind die nützlichere Lesart als die absolute Zahl 847. Eine Saison-Maximum-Zahl hängt davon ab, wie viele Legs ein Spieler gespielt hat — Littler war in 2024 in nahezu jedem Top-Turnier weit gekommen, was die Leg-Zahl nach oben getrieben hat. Die Rate pro Leg ist normalisiert und vergleichbar zwischen Spielern mit unterschiedlichem Spielplan. Wer Pre-Match auf Most-180s oder über/unter 180s tippt, muss diese Rate kennen — die absolute Saison-Zahl in einer Schlagzeile reicht für eine Quotenbewertung nicht aus.

Die Verbindung zwischen First Nine und 180er-Rate erklärt, warum Wett-Märkte rund um diese Statistik so reichhaltig sind. Ein Spieler mit First-Nine-Schnitt 108 wirft praktisch nie ohne Triple-20-Treffer in der ersten Aufnahme — was die Wahrscheinlichkeit einer 180 im Vergleich zum Average ungefähr verdoppelt gegenüber einem Spieler mit First Nine 95. Der Buchmacher kennt diesen Zusammenhang, aber er reagiert nicht in jeder Wettmarkt-Variante gleich schnell. Insbesondere bei pro-Match-Märkten wie „wirft Spieler X mehr als 4,5 Maximums?“ liegt der typische Buchmacher-Aufschlag bei rund acht Prozent — eine Marge, die mit einer sauberen First-Nine-Analyse manchmal überwunden werden kann.

Mein praktischer Schritt vor jedem Tipp auf einen Spieler-Spezialmarkt: Ich nehme die First-Nine-Werte der letzten 30 Tage, dazu die 180er-Rate pro Leg im selben Zeitraum, und vergleiche sie mit der Quote des Marktes. Wenn der Spieler in einem 7-Leg-Match-Format antritt und seine 180er-Rate bei 0,30 liegt, ist die rechnerische Erwartung bei 2,1 Maximums. Der Markt setzt die Linie oft bei 3,5 oder 4,5 — was die Über-Wette zu einer Verlustwette macht, wenn der Tipper nicht zusätzliche Information mitbringt. Solche kleinen Rechnungen verhindern den teuren Reflex-Tipp auf den scheinbar offensichtlichen Markt.

TV-Average vs. Floor-Average — warum die Bühne den Spieler verändert

Warum verlieren erfahrene Pro-Tour-Spieler in der ersten WM-Runde gegen Newcomer? Eine ehrliche Antwort: weil das Floor-Average eines Spielers im stillen Hallen-Setup eines Pro-Tour-Wochenendes systematisch höher liegt als sein TV-Average unter Scheinwerfern, 3.000 Zuschauern und Kameras, die jede Doppelfeld-Sequenz live in 4K übertragen. Dieser Unterschied ist kein Bauchgefühl. Er ist messbar, und er ist der wichtigste Filter, den ich vor jedem WM-Tipp anlege.

Floor-Tournaments sind die Pro Tour Events und Players-Championships, die in geschlossenen Hallen vor wenigen Hundert Zuschauern ohne TV-Bühne ausgetragen werden. TV-Tournaments sind die Major-Events — WM, Premier League, World Matchplay, World Grand Prix, World Cup. Beide Kategorien tragen offizielle PDC-Statistiken, aber sie messen verschiedene Spiele. Der Spieler auf dem Floor wirft in einer Atmosphäre, die seinem Trainingsraum näher ist als einer Live-Übertragung. Der Spieler auf TV wirft mit dem Bewusstsein, dass jeder verschmierte Doppelversuch von vier Kameras festgehalten wird und am nächsten Tag in den Highlight-Reels läuft.

Die Größenordnung des Unterschieds variiert pro Spieler stark. Manche Profis haben praktisch identische Floor- und TV-Averages — Luke Humphries gehört zu dieser Gruppe, was einer der Gründe ist, warum er so konstant ranking-Wert generiert. Andere Spieler haben ein TV-Average, das zwei bis vier Punkte unter ihrem Floor-Wert liegt — das ist eine erhebliche Lücke, die Pre-Match-Quoten auf Major-Turnieren systematisch beeinflusst. Wer einen Spieler mit Floor-Schnitt 99 und TV-Schnitt 95 vor einer WM-Erstrundenpartie über Floor-Daten bewertet, schätzt seinen wahren Erwartungswert zu hoch ein.

Mein zweistufiger Filter sieht so aus. Erste Stufe: Ich notiere für jeden Spieler in meiner Tabelle einen TV-Floor-Delta-Wert — die Differenz zwischen 60-Tage-TV-Average und 60-Tage-Floor-Average. Ein Delta um null bedeutet, dass der Spieler bühnen-resistent ist. Ein Delta von minus drei oder mehr bedeutet, dass dieser Spieler in Pressure-Momenten regelmäßig Form verliert. Zweite Stufe: Ich gewichte das Average der bevorstehenden Partie nach dem Setting — bei einer WM-Erstrunde fließt zu 70 Prozent das TV-Average ein, zu 30 Prozent das Floor-Average; bei einem Pro Tour Event ist das Verhältnis umgekehrt.

Was im breiten Markt regelmäßig falsch gemacht wird: Anbieter publizieren oft nur ein zusammengesetztes Saison-Average, das beide Kategorien vermischt. Wer eine WM-Wette auf Basis dieser Zahl trifft, vergleicht Äpfel mit Birnen. Die saubereren Datenquellen — dazu mehr in der Sektion zu Datenquellen und Tools weiter unten — trennen Floor und TV explizit. Der Aufwand, beide Werte einzeln anzuschauen, dauert pro Spieler unter einer Minute, und er hat in meiner Tabelle über zwei Saisons hinweg messbar die ROI bei WM- und Premier-League-Tipps verbessert. Ein einziger Filter, eine einzige Zahl — und ein klarer Edge gegen Tipper, die nur den Saison-Average lesen.

OChE und Throw-Disadvantage — die zwei unterschätzten Kennzahlen

Eine Frage zum Aufwärmen: Was glaubst du, wie hoch die Wahrscheinlichkeit ist, ein Leg zu gewinnen, in dem du nicht als Anwerfer beginnst? Die meisten Tipper schätzen 45 bis 48 Prozent. Christopher Kempf hat die Antwort auf Basis aller 501-Darts-Events ausgerechnet: „Legs played against the throw are over 50 % harder to win. In all 501 darts events, players will, on average, win only 38 % of the legs in which they throw second.“ 38 Prozent — eine Zahl, die das gesamte Wett-Modell des Pfeilsports auf den Kopf stellt, wenn man sie konsequent anwendet.

Throw-Disadvantage ist die strukturelle Benachteiligung des zweiten Werfers in einem Leg. Sie entsteht, weil der erste Werfer mathematisch einen knappen Bewegungsvorsprung hat — er kann mit drei guten Aufnahmen ein 11-Pfeil-Leg fertigstellen, während der zweite Werfer im selben Tempo immer einen Schritt zurück liegt. Das gilt insbesondere im 501-Format, das die Standardregel der PDC ist. In Sets mit nur drei oder fünf Legs ohne Anwurfwechsel-Regel multipliziert sich diese Asymmetrie weiter: Wer den Anwurf des Sets verliert, hat strukturell eine schlechtere Set-Gewinnchance — und der Buchmacher preist diesen Effekt nicht immer sauber ein, besonders bei Live-Quoten zwischen den Legs.

Die zweite, im Mainstream-Wett-Diskurs noch viel zu selten genannte Kennzahl heißt OChE — Ordinal Checkout Efficiency. Sie misst nicht nur, ob ein Spieler beim Auscheck trifft, sondern in welchem Versuch innerhalb einer Aufnahme. Ein Spieler, der bevorzugt im ersten Doppelfeld-Versuch checkt, ist mathematisch wertvoller als einer, der häufig zwei oder drei Pfeile auf das Doppelfeld braucht — auch wenn beide Spieler dieselbe Endrate auf den Auscheck haben. Der Grund liegt im Erhalt der Wurf-Initiative: Wer im ersten Versuch trifft, hat keine Pfeile gespart, die er sonst auf der Auswärtsstrecke vergeudet hätte, und der Gegner hat in seinem nächsten Visit keine zusätzliche Setup-Chance. Eine ausführliche Auseinandersetzung mit dieser Metrik, ihrer Berechnung und ihrer praktischen Anwendung findest du unter Ordinal Checkout Efficiency im Detail — die Zahlen dort lesen sich auf den ersten Blick technisch, sind aber genau die Daten, die Buchmacher in ihre Modelle einarbeiten und Tipper meist nicht.

Wie verwende ich OChE und Throw-Disadvantage praktisch? Bei Pre-Match-Tipps schaue ich vor allem auf die Throw-Disadvantage-Resistenz eines Spielers: Wie viele Legs gewinnt er, wenn er nicht als erster wirft? Die Saisonzahlen liegen bei den meisten Profis nahe der 38-Prozent-Marke. Spieler, die deutlich darüber liegen — sagen wir, bei 45 Prozent — haben einen strukturellen Vorteil, der pro Match etwa ein halbes Leg an Gewinn-Erwartung wert ist. In einer Best-of-11-Legs-Partie sind das fünf Prozentpunkte zusätzliche Siegwahrscheinlichkeit, eine Größenordnung, die Quotenmodelle oft nicht erfassen.

Bei Live-Tipps wird OChE relevant, wenn ich auf das nächste Leg oder den nächsten Set-Gewinner setze. Wenn der Spieler, der gerade als zweiter Werfer auf dem Spielboard ist, in seinen letzten 50 Legs als zweiter Werfer 43 Prozent gewonnen hat — also fünf Prozentpunkte über der durchschnittlichen 38-Prozent-Schwelle — und der Buchmacher die Live-Quote auf den Anwerfer überpreist (zum Beispiel bei 1,40), liegt da regelmäßig eine kleine Edge, die sich über eine Saison stabil reproduzieren lässt.

Die ehrliche Wahrheit: Diese beiden Kennzahlen sind aufwendig zu pflegen. Sie sind nicht in jeder Anbieter-App verfügbar, sie tauchen in den Standard-Stats-Übersichten meistens nicht auf, und sie erfordern eine eigene Datentabelle. Genau das ist aber auch ihr Vorteil — wer sie nutzt, hat einen Datenvorsprung gegenüber der breiten Tipper-Masse, die sich auf Average und Checkout-Quote beschränkt. In meiner Tabelle sind die beiden Kennzahlen über drei Saisons die mit dem höchsten Edge-pro-Aufwand-Verhältnis.

Wo ich meine Spielerstatistiken wirklich her bekomme

In Foren taucht regelmäßig dieselbe Erkundigung auf: Welche App nutzt du für Spielerstatistiken? Die ehrliche Antwort ist unsexy — ich nutze keine einzelne App, sondern eine Kombination aus drei Quellen, weil keine einzelne davon alles abbildet, was ich für meine Tabelle brauche.

Die erste Quelle sind die offiziellen PDC-Statistik-Veröffentlichungen, die während laufender Turniere im Stundentakt aktualisiert werden. Bei der vergangenen WM hatte das Turnier nach Tag 12 ein kumuliertes Profil von 678 geworfenen 180ern, 45.552 abgegebenen Pfeilen, 1.486 gespielten Legs und einem höchsten Auscheck von 170. Diese Tournament-Update-Daten sind das, was ich für die laufende Form-Bewertung der einzelnen Spieler nutze — sie sind tagesfrisch und stehen unter offizieller Aufsicht der PDC, was die Verlässlichkeit von Average-, Checkout- und 180er-Zahlen gegenüber anderen Quellen deutlich erhöht.

Die zweite Quelle sind die spezialisierten Statistik-Portale, die die offiziellen Daten in zeitliche Schnitte umrechnen — 30-Tage-Form, 60-Tage-Form, Saison-zu-Datum, TV-vs-Floor-Trennung. Diese Aufbereitung ist der wertvollste Schritt für jeden, der Spielerstatistiken nicht nur lesen, sondern in eigenen Tipps weiterverarbeiten will. Ich nutze für diese Aufbereitung zwei Quellen parallel, vergleiche jeden Wert über Kreuz und akzeptiere ihn nur, wenn beide Plattformen sich in den ersten zwei Nachkommastellen einig sind. Wer Spielerstatistiken aus einer einzigen Quelle übernimmt, läuft Gefahr, einen Datenfehler oder eine veraltete Auswertung in die eigene Tabelle zu importieren.

Die dritte Quelle bin ich selbst. Eine Tabelle, in der ich pro Spieler die fünf Hauptmetriken — Three-Dart-Average, Checkout-Quote, First Nine, 180er-Rate pro Leg, Throw-Disadvantage-Win-Rate — über drei rollende Zeitfenster pflege. Pflege dauert für meine 40-Spieler-Liste rund zwei Stunden pro Woche. Das ist Aufwand, aber er hat sich über die Saisons mehrfach amortisiert. Spieler-Form ändert sich schneller, als die Mainstream-Statistik-Übersichten sie nachpflegen — wer die Form in seiner eigenen Tabelle führt, sieht Form-Aufwärtstrends regelmäßig zwei bis vier Tage, bevor die Quoten reagieren.

Eine Sache, die ich aus dem Aufwand gelernt habe: Es lohnt sich nicht, eine 80-Spieler-Liste zu führen. Wer regelmäßig auf PDC-Hauptevents tippt, kommt mit den Top 30 plus 10 ausgewählten Outsidern aus. Wer alles abdecken will, pflegt am Ende keine einzige Zahl sauber. Spezialisierung schlägt Vollständigkeit — eine Regel, die auf Spielerstatistiken genauso zutrifft wie auf jede andere Form von Wett-Analyse.

Was eine gute Spielerstatistik-Lesart vom Bauchgefühl trennt

Wenn du nach dieser ganzen Strecke noch einen Satz mitnimmst, sollte es dieser sein: Eine Spielerstatistik ist kein Etikett, sondern ein Werkzeug. Ein 100er-Average ist nicht ein Spieler, der ein 100er-Spiel garantiert — er ist ein Spieler, dessen Erwartungswert auf der Skala „darüber oder darunter“ über 100 liegt, mit einer Streuung, die je nach Tagesform, Bühne, Wurfreihenfolge und Gegnerstärke um vier oder fünf Punkte schwanken kann. Wer Statistiken so liest, baut Wett-Modelle. Wer Statistiken als Schlagwort liest, tippt auf Etiketten.

Stella David, CEO bei Entain, hat den aktuellen Schwung im Pfeilsport mit einem Satz beschrieben, der mir aus Tipper-Sicht wichtig ist: „The Littler Effect, other rising stars like Beau Greaves, and greater accessibility have transformed darts into a global phenomenon — and our sportsbook data proves it. Viewership has surged and betting engagement mirrors this. As a huge fan myself, it’s great to see what was once a niche sport, now driving some of the fastest growth in the industry.“ Was das praktisch bedeutet: Der Wettbewerb auf der Tipper-Seite nimmt zu. Mehr Tipper bedeutet engere Quoten und schnellere Marktkorrekturen. Wer sich nicht systematisch mit Spielerstatistiken auseinandersetzt, tippt zunehmend gegen Tipper, die das tun.

Mein Schlussbild ist konkret. Wer einmal pro Woche zwei Stunden in eine eigene Spielerstatistik-Tabelle investiert, mit den fünf Hauptmetriken aus diesem Text und einer 30-Tage-Form-Lesart, hat über zwei Saisons hinweg einen messbaren Vorsprung vor der breiten Tipper-Masse. Der Vorsprung ist kein einzelnes spektakuläres Tipp-Wunder, sondern ein Plus von einem oder zwei Prozentpunkten ROI über viele Wochen. Genau das ist der Unterschied zwischen einer Hobby-Bilanz und einer kleinen, stabilen Nebeneinnahme — und er beginnt mit der Disziplin, jeden Spieler einzeln zu lesen, statt mit dem Saison-Average auf der Schlagzeile.