NCAA-Statistiken richtig lesen: Welche Kennzahlen Wett-Tipps wirklich tragen

Vor sechs Jahren lag eine ausgedruckte Tabelle vor mir, die zwei Mannschaften in 14 Statistiken verglich. Punkte pro Spiel, Rebounds, Assists, Field-Goal-Prozent, alles fein säuberlich nebeneinander. Ich tippte gegen die Mannschaft, die in zwölf von vierzehn Kategorien vorne lag – und verlor. Beim Nachbeten der Statistiken fiel mir auf, dass keine der zwölf Kategorien die Pace der beiden Mannschaften berücksichtigte. Genau seit diesem Tag schaue ich nicht mehr auf die Spalte mit den Punkten pro Spiel, sondern auf die Spalte mit der Effizienz pro Possession.

An einem typischen Tournament-Tag sind über 130 NCAA-Spiele in den Wettbüchern gelistet. Wer diese Masse verarbeiten will, braucht ein systematisches Filtersystem – und dieses Filtersystem hat einen Namen: die Four Factors nach Dean Oliver. Plus ein paar zusätzliche Kennzahlen, die in der Praxis den Unterschied zwischen einer Wette aus dem Bauch und einer Wette aus der Statistik ausmachen.

NCAA Statistiken 2026: Das Vier-Faktoren-Modell für datenbasierte Wetten

Dean Oliver hat in den frühen Zweitausendern ein Modell formalisiert, das die vier wichtigsten Determinanten eines Basketballspiels auf den Punkt bringt: Effective Field Goal Percentage, Turnover Rate, Offensive Rebound Rate und Free Throw Rate. Diese vier Faktoren erklären in der Aggregation rund 80 Prozent der Varianz im Spielergebnis – alle anderen Statistiken sind entweder Spezialfälle dieser vier oder Rauschen.

Effective Field Goal Percentage, kurz eFG, korrigiert die klassische Wurfquote um den höheren Wert eines Drei-Punkte-Wurfs. Eine Mannschaft, die 50 Prozent ihrer Zwei-Punkte-Würfe trifft, hat einen anderen Wert als eine Mannschaft, die 50 Prozent ihrer Drei-Punkte-Würfe trifft. eFG vereint beide in einer Zahl. Top-Mannschaften liegen bei 55 Prozent oder höher, schwache Programme unter 48 Prozent.

Turnover Rate misst den Anteil der Possessions, die ohne Wurf enden – Steals, Pässe ins Aus, Schrittfehler. Eine Mannschaft mit einer Turnover Rate von 14 Prozent verschenkt selten Possessions, eine mit 22 Prozent gibt zu jeder fünften Angriffsaktion den Ball ab. In knappen Spielen ist diese Kategorie der versteckte Quotenkiller.

Offensive Rebound Rate ist der Anteil der Offensiv-Rebounds, die nach einem eigenen verfehlten Wurf erobert werden. Eine Mannschaft, die 35 Prozent ihrer Fehlversuche zurückholt, generiert kostenlose Zusatz-Possessions – was ihre effektive Effizienz pro Spiel deutlich nach oben treibt, ohne dass es in der klassischen Punkte-Statistik sichtbar wird.

Free Throw Rate misst, wie oft ein Team Freiwürfe pro Wurfversuch generiert. Mannschaften, die aggressiv zum Korb ziehen oder klug nach Fouls suchen, kommen auf 40 Prozent oder mehr. Mannschaften, die den Mid-Range-Wurf bevorzugen, liegen unter 25 Prozent. In Tournament-Schlussminuten, wo gefoult wird, um die Uhr zu stoppen, entscheidet diese Kategorie regelmäßig die letzten zwei Minuten.

Wer diese vier Faktoren für beide Mannschaften vor jeder Wette ausdruckt – und sie auf Pace adjustiert, also pro Possession statt pro Spiel – hat ein Analyse-Fundament, das den meisten Wett-Modellen ebenbürtig ist. Die zusätzlichen 20 Prozent prädiktiver Kraft kommen aus situativen Faktoren wie Verletzungen, Heimvorteil und Coaching, aber das harte Fundament ist mit den Vier Faktoren gegossen.

Free-Throw-Prozent und die letzten zwei Spielminuten

Die Endphase eines knappen Spiels ist eine eigene Statistik-Welt. In den letzten zwei Minuten dominiert nicht mehr die offensive Effizienz, sondern die Freiwurfquote. Wenn eine Mannschaft mit zwei Punkten zurückliegt und der Gegner gefoult wird, entscheidet ein 65-Prozent-Schütze gegen einen 85-Prozent-Schützen über den Spielausgang.

Konkret: Eine Mannschaft mit Free-Throw-Quote 78 Prozent als Saison-Durchschnitt hat in der Endphase oft eine andere Quote, weil die wichtigsten Freiwürfe von zwei oder drei Spielern geschossen werden – den Star-Scorern, die in den Schlussminuten am Ball sind. Diese Spieler haben oft individuelle Quoten zwischen 80 und 92 Prozent. Ein 65-Prozent-Center, der zur Halbzeit gefoult wird, ist eine andere Geschichte als ein 88-Prozent-Guard in der letzten Minute.

Praktische Konsequenz für Spread-Wetten: Bei Spreads zwischen drei und sechs Punkten lohnt der Blick auf die Top-Drei-Free-Throw-Schützen jeder Mannschaft. Eine Mannschaft mit drei 85-Prozent-plus-Schützen wird in der Schlussphase deutlich besser bestehen als eine mit nur einem zuverlässigen Werfer. Diese Mikro-Statistik ist in den klassischen Buchmacher-Modellen oft unterspezifiziert.

Drei-Punkte-Volumen gegen Drei-Punkte-Prozent – die Wahl der Mannschafts-Identität

Drei-Punkte-Würfe sind der wichtigste Volatilitätstreiber im College Basketball. Eine Mannschaft, die pro Spiel 32 Drei-Punkte-Würfe nimmt und davon 36 Prozent trifft, produziert genauso viele Punkte aus der Distanz wie eine Mannschaft mit 22 Versuchen und 50 Prozent Trefferquote – auf den ersten Blick. Auf den zweiten Blick ist die erste Mannschaft deutlich volatiler: An einem schlechten Tag fallen ihre 32 Würfe auf 25 Prozent, was 25 Punkte weniger bedeutet als am guten Tag.

Diese Volatilität ist für Underdog-Wetten goldwert. Wer auf einen Underdog mit hohem Drei-Punkte-Volumen setzt, kauft sich strukturell die Hoffnung auf einen heißen Tag. Wer auf einen Favoriten mit hohem Volumen setzt, übernimmt die Volatilität ohne Sicherheitsnetz. Mid-Major-Cinderella-Stories der letzten zehn Jahre haben fast alle eine Gemeinsamkeit: hohes Drei-Punkte-Volumen plus Glücks-Tag im richtigen Moment.

Praktisch teilt sich der Markt in zwei Mannschaftstypen. Run-and-gun-Programme – Iowa, North Carolina-Wilmington in seinen besten Phasen, manche WCC-Teams – werfen 35 oder mehr Dreier pro Spiel, mit Trefferquoten zwischen 32 und 38 Prozent. Methodische Halbcourt-Programme – Virginia in der Pack-Line-Ära, manche Big-Ten-Mannschaften – werfen 18 bis 22 Dreier mit Quoten von 38 bis 42 Prozent. Beide Typen sind valide. Beide produzieren unterschiedliche Wett-Charakteristiken.

Rebound-Differential und Second-Chance-Points

Rebound-Differential ist die Differenz zwischen den eigenen Rebounds und den Rebounds des Gegners. Eine Mannschaft, die pro Spiel acht Rebounds mehr holt als ihr Gegner, hat einen messbaren Vorteil – typischerweise zwei bis drei zusätzliche Possessions, die sich in vier bis sechs Punkten niederschlagen.

Wichtiger als das absolute Differential ist die Aufteilung in Offensive und Defensive Rebounds. Defensive Rebounds sind oft eine Funktion von Disziplin und Box-Out-Technik, Offensive Rebounds eine Funktion von Athletik und Hustle. Mannschaften, die im Offensiv-Rebound dominant sind, gewinnen Spiele über Second-Chance-Points – Punkte, die nach einem eigenen Fehlversuch fallen, weil der Offensiv-Rebound erneut Wurf-Möglichkeit produzierte.

Der Wert dieser Second-Chance-Points wird in den Standard-Statistiken oft unterschätzt. Eine Mannschaft, die pro Spiel zwölf Second-Chance-Points produziert, hat einen versteckten Effizienz-Vorteil von rund sechs Prozent über die saisonale Pace. Diese Lücke ist im Buchmacher-Modell selten voll eingepreist, vor allem bei Mid-Major-Mannschaften, deren Rebound-Statistiken weniger gepflegt werden.

KenPom, NET und die Frage nach den Meta-Ratings

Wer NCAA-Wetten ernsthaft betreibt, kommt an den großen Meta-Rating-Systemen nicht vorbei. KenPom, von Ken Pomeroy entwickelt, ist seit zwei Jahrzehnten der Branchenstandard für advanced metrics im College Basketball. Bart Torvik bietet eine kostenlose Alternative mit ähnlicher Methodologie. Das offizielle NET-Rating der NCAA wiederum dient primär der Tournament-Selection und ist für Wett-Analyse weniger geeignet.

KenPom kombiniert Pace, Offensive Efficiency und Defensive Efficiency zu einem einzigen Rating, das Mannschaften vergleichbar macht. Eine Mannschaft auf Platz 15 ist nach KenPom statistisch besser als eine auf Platz 45 – egal welche Conference, egal welcher Spielplan. Diese Vergleichbarkeit ist im College Basketball schwerer zu erzeugen als in der NBA, weil der Spielplan zwischen Mannschaften extrem unterschiedlich ist.

NET dagegen wurde 2018 von der NCAA als Selection-Tool eingeführt und mischt Spielergebnisse, Spielort und Effizienz-Metriken in einen einzigen Wert. Das Rating ist offiziell, aber für Wett-Analyse zu intransparent – niemand außerhalb der NCAA kennt die exakte Gewichtung, und das Rating reagiert mit Verzögerung auf Form-Änderungen.

Für die Wett-Praxis: KenPom als Primär-Quelle, Bart Torvik als Cross-Check, eigene Pace- und Effizienz-Modelle als Filter für Spezialfragen wie Verletzungs-Adjustments oder spezifische Matchup-Constellations. Wer die statistische Grundlage einmal beherrscht, kann die Modelle in eigene Wett-Entscheidungen einbauen – und genau in diese Kunst, statistische Erkenntnis in konkrete Wetten zu übersetzen, geht der Beitrag zu Value Betting im College Basketball in die Tiefe.