Datenbasierte Effizienz-Analyse Bundesliga 2024/25
Tore+Assists pro Marktwert: Bundesliga und Premier League mit E-Index-Vergleich.

Einleitung
Preis-Leistung sichtbar machen: Der E-Index verknüpft Output mit ökonomischem Kontext. E-Index = (Tore + Assists) / Marktwert in Mio. €. So wird vergleichbar, wer pro investiertem Euro den größten Beitrag liefert. Wir werten die Saison 2024/25 für Bundesliga und Premier League aus, mit geprüften Scorerwerten und Marktwert-Stichtag Sommer 2025.
Methodik & Datenqualität
Formel
E-Index = (Tore + Assists) / Marktwert_in_Mio_€
Quellen & Stichtage
- Leistungsdaten 24/25: fussballdaten.de (Tore, Assists je Liga-Spieler).
- Marktwerte Sommer 2025: transfermarkt.de (Profilseiten, Update Juni 2025).
Datenkonsistenz
- Assists-Definition weicht zwischen Quellen und Verbänden teils ab. Wir bleiben konsistent bei fussballdaten.de.
- Marktwerte sind Schätzungen mit Zukunftsanteil. Sie sind nicht identisch mit Ablösesummen.
- Minimum-Empfehlung für Vergleiche: ≥ 1.500 Ligaminuten.
„Marktwerte preisen Zukunft ein. Effizienz trennt Erwartung und Erfüllung.“
Bundesliga 2024/25
Top 18 nach Scorerpunkten
Sortierung: Scorerpunkte absteigend. Quelle: fussballdaten.de (Tore, Assists), transfermarkt.de (Marktwerte, Stand Juni 2025).
Rang | Spieler | Position | Verein | Tore | Assists | Scorer | Marktwert € Mio. | E-Index |
---|---|---|---|---|---|---|---|---|
1 | Harry Kane | ST | FC Bayern | 26 | 10 | 36 | 75.0 | 0,480 |
2 | Michael Olise | RW | FC Bayern | 12 | 18 | 30 | 100.0 | 0,300 |
3 | Serhou Guirassy | ST | Borussia Dortmund | 21 | 4 | 25 | 45.0 | 0,556 |
4 | Tim Kleindienst | ST | Bor. M’gladbach | 16 | 9 | 25 | 17.0 | 1,471 |
5 | Hugo Ekitiké | ST | Eintracht Frankfurt | 15 | 8 | 23 | 75.0 | 0,307 |
6 | Florian Wirtz | OM | Bayer 04 | 10 | 13 | 23 | 140.0 | 0,164 |
7 | Mohamed Amoura | ST | VfL Wolfsburg | 10 | 12 | 22 | 32.0 | 0,688 |
8 | Jonathan Burkardt | ST | 1. FSV Mainz 05 | 18 | 3 | 21 | 35.0 | 0,600 |
9 | Patrik Schick | ST | Bayer 04 | 21 | 0 | 21 | 27.0 | 0,778 |
10 | Vincenzo Grifo | LW/OM | SC Freiburg | 8 | 11 | 19 | 6.0 | 3,167 |
11 | Benjamin Šeško | ST | RB Leipzig | 13 | 5 | 18 | 70.0 | 0,257 |
12 | Ritsu Doan | RW | SC Freiburg | 10 | 8 | 18 | 25.0 | 0,720 |
13 | Loïs Openda | ST | RB Leipzig | 9 | 9 | 18 | 50.0 | 0,360 |
14 | Ermedin Demirović | ST | VfB Stuttgart | 15 | 2 | 17 | 22.0 | 0,773 |
15 | Alassane Pléa | ST | Bor. M’gladbach | 11 | 6 | 17 | 5.0 | 3,400 |
16 | Leroy Sané | OM | FC Bayern | 11 | 6 | 17 | 32.0 | 0,531 |
17 | Nick Woltemade | ST | VfB Stuttgart | 12 | 0 | 12 | 15.0 | 0,800 |
18 | Jamal Musiala | OM | FC Bayern | 12 | 0 | 12 | 120.0 | 0,100 |
Top 18 nach E-Index
Sortierung: E-Index absteigend. Zeigt, wer pro investiertem Euro am meisten liefert.
Rang | Spieler | Verein | Tore | Assists | Scorer | MW € Mio. | E-Index |
---|---|---|---|---|---|---|---|
1 | Andrej Kramarić | TSG Hoffenheim | 11 | 8 | 19 | 4.0 | 4,750 |
2 | Alassane Pléa | Bor. M’gladbach | 11 | 6 | 17 | 5.0 | 3,400 |
3 | Vincenzo Grifo | SC Freiburg | 8 | 11 | 19 | 6.0 | 3,167 |
4 | Tim Kleindienst | Bor. M’gladbach | 16 | 9 | 25 | 17.0 | 1,471 |
5 | Patrik Schick | Bayer 04 | 21 | 0 | 21 | 27.0 | 0,778 |
6 | Nick Woltemade | VfB Stuttgart | 12 | 0 | 12 | 15.0 | 0,800 |
7 | David Datro Fofana | Union Berlin | 11 | 1 | 12 | 15.0 | 0,800 |
8 | Ermedin Demirović | VfB Stuttgart | 15 | 2 | 17 | 22.0 | 0,773 |
9 | Mohamed Amoura | Wolfsburg | 10 | 12 | 22 | 32.0 | 0,688 |
10 | Harry Kane | FC Bayern | 26 | 10 | 36 | 75.0 | 0,480 |
11 | Ritsu Doan | SC Freiburg | 10 | 8 | 18 | 25.0 | 0,720 |
12 | Serhou Guirassy | Dortmund | 21 | 4 | 25 | 45.0 | 0,556 |
13 | Leroy Sané | FC Bayern | 11 | 6 | 17 | 32.0 | 0,531 |
14 | Loïs Openda | RB Leipzig | 9 | 9 | 18 | 50.0 | 0,360 |
15 | Michael Olise | FC Bayern | 12 | 18 | 30 | 100.0 | 0,300 |
16 | Hugo Ekitiké | Eintracht Frankfurt | 15 | 8 | 23 | 75.0 | 0,307 |
17 | Xavi Simons | RB Leipzig | 10 | 9 | 19 | 70.0 | 0,271 |
18 | Florian Wirtz | Bayer 04 | 10 | 13 | 23 | 140.0 | 0,164 |
Hidden Gems (MW < 20 Mio. €, ≥1.500 Min.)
Spieler mit moderatem Marktwert und überdurchschnittlichem E-Index.
Spieler | Verein | Tore | Assists | Scorer | MW € Mio. | E-Index |
---|---|---|---|---|---|---|
Andrej Kramarić | TSG Hoffenheim | 11 | 8 | 19 | 4.0 | 4,750 |
Alassane Pléa | Bor. M’gladbach | 11 | 6 | 17 | 5.0 | 3,400 |
Vincenzo Grifo | SC Freiburg | 8 | 11 | 19 | 6.0 | 3,167 |
Tim Kleindienst | Bor. M’gladbach | 16 | 9 | 25 | 17.0 | 1,471 |
Positionsvergleich
Stürmer profitieren durch Tore direkt im E-Index. Creator wie OM/Flügelspieler zeigen oft geringere Effizienz, obwohl sie mannschaftlich wertvoll sind.
Positionsgruppe | Beispiele | Ø E-Index |
---|---|---|
Stürmer (ST) | Kane, Kleindienst, Guirassy | ≈ 0,83 |
OM/Flügel | Wirtz, Olise, Sané | ≈ 0,33 |
Alterskohorten
Marktwerte junger Spieler enthalten hohe Zukunftsanteile. Das drückt kurzfristig ihren E-Index im Vergleich zu etablierten Routiniers.
Kohorte | Beispiele | Muster |
---|---|---|
U24 | Wirtz, Šeško, Xavi Simons | niedriger E-Index trotz Qualität |
24–29 | Olise, Openda | balanciert |
30+ | Kramarić, Kane | kurzfristig oft hoch |
Scatterplot: Marktwert (x) vs. E-Index (y)
Interpretation: Punkte weiter oben = mehr Output pro Euro. Rechts = höherer Marktwert.
Ein Blick in die Premier League
Premier League 2024/25 – Top-5 E-Index (absteigend)
Sortierung: E-Index absteigend. Quellen: Transfermarkt Scorer 24/25 (Tore+Assists) und Marktwerte Sommer 2025.
Rang | Spieler | Verein | Tore | Assists | Scorer | MW € Mio. | E-Index |
---|---|---|---|---|---|---|---|
1 | Mohamed Salah | Liverpool | 22 | 10 | 32 | 45.0 | 0,711 |
2 | Ollie Watkins | Aston Villa | 16 | 13 | 29 | 55.0 | 0,527 |
3 | Cole Palmer | Chelsea | 19 | 9 | 28 | 65.0 | 0,431 |
4 | Alexander Isak | Newcastle | 21 | 5 | 26 | 75.0 | 0,347 |
5 | Erling Haaland | Man City | 27 | 5 | 32 | 180.0 | 0,178 |
Ligenspezifische Effizienzfaktoren
- Kostenumfeld: Höhere TV-Erlöse heben Marktwerte, drücken ceteris paribus den E-Index.
- Stilistik: Torreichere Spiele erhöhen Scorer-Volumen, Creator-Wert bleibt teils unsichtbar.
- Kaderbreite: Minutenverteilung in Top-Teams senkt individuelle Zähler.
Use Cases
- Scouting: Identifikation von Spielern, die überproportional Output liefern im Verhältnis zu ihrem Marktwert.
- Kaderbau: Vereine können Preis-Leistungs-Profile in Transferentscheidungen einbeziehen.
- Vertragszyklen: Analyse zeigt, wann eine Vertragsverlängerung oder ein Verkauf ökonomisch Sinn ergibt.
Replikationsprotokoll
- Spielerliste Bundesliga 24/25 aggregieren.
- Tore/Assists aus fussballdaten.de erfassen.
- Marktwerte Juni 2025 von transfermarkt.de zuordnen.
- Dubletten, Leihen, Namensvarianten bereinigen.
- E-Index je Spieler berechnen.
- Stichprobenprüfung und Grenzfälle dokumentieren.
Datenvalidierung & Grenzfälle
- Leihspieler separat kennzeichnen, da Marktwerte verzerrt sein können.
- Assists-Definition konsistent halten (fussballdaten.de).
- Minutenfilter ≥ 1.500 für robuste Vergleiche.
- Sensitivitätstest mit pro-90-Variante optional durchführen.
Glossar
- Marktwert (MW): Transfermarkt-Schätzung des Spielers.
- Scorerpunkte: Summe aus Toren und Assists.
- E-Index: Kennzahl für Effizienz = Scorer / Marktwert.
FAQ
Wie wird der E-Index berechnet?
(Tore + Assists) / Marktwert in Mio. €, Datenbasis Transfermarkt + fussballdaten.de.
Warum weichen Marktwerte von Ablösesummen ab?
Marktwerte sind Schätzungen mit Zukunftsanteil, Ablösesummen hängen von Angebot, Nachfrage und Vertragsdauer ab.
Sind Assists in allen Quellen gleich definiert?
Nein. Wir nutzen fussballdaten.de für Konsistenz, Unterschiede zur DFL/UEFA möglich.
Welche Mindestspielzeit gilt für die Effizienz-Bewertung?
Für valide Vergleiche empfehlen wir mindestens 1.500 Spielminuten.
Warum nur Bundesliga und Premier League?
Für La Liga, Serie A und Ligue 1 lagen noch keine konsistenten Datensätze 24/25 vor.
Fazit
Die Analyse zeigt: Marktwert und Output korrelieren nicht linear. Während Stars wie Haaland oder Wirtz trotz hoher Scorerwerte durch enorme Marktwerte im E-Index gebremst sind, stechen Routiniers wie Kramarić, Grifo oder Pléa als Preis-Leistungs-Sieger hervor. Der E-Index ist kein Ersatz für Scouting, aber ein wertvolles Add-on für datenbasierte Entscheidungen.