Als ich anfing, Golfwetten datenbasiert anzugehen, stand ich vor einer Mauer aus Zahlen. Driving Distance, Fairways in Regulation, Greens in Regulation, Putting Average, Sand Save Percentage, Scrambling – die PGA Tour veröffentlicht mehr als 100 verschiedene Statistiken pro Spieler. Welche davon sagen tatsächlich etwas über die Turnierergebnisse? Nach acht Jahren Analyse und tausenden Wetten habe ich die Antwort: weniger als man denkt, aber die richtigen mehr als die meisten Wetter vermuten.
Die wichtigsten Statistiken: FIR, GIR, Putting Average und mehr
Die PGA-Tour-Wettvolumina sind im vierten Jahr in Folge zweistellig gewachsen, und dieser Zuwachs wird teilweise von Wettern getrieben, die traditionelle Statistiken als Analysegrundlage nutzen. Das Problem: Viele dieser Statistiken sind isoliert betrachtet irreführend.
Fairways in Regulation (FIR) misst den Prozentsatz der Abschläge, die auf dem Fairway landen. Klingt relevant – ist es aber nur eingeschränkt. FIR unterscheidet nicht zwischen einem Abschlag, der das Fairway knapp verfehlt, und einem, der im tiefen Rough landet. Und auf manchen Plätzen ist ein langer Drive ins Semi-Rough wertvoller als ein kurzer Drive aufs Fairway. FIR ist eine binäre Metrik in einem Sport, der in Nuancen entschieden wird.
Greens in Regulation (GIR) ist aussagekräftiger: Sie misst, wie oft ein Spieler das Grün mit der Regulation-Schlagzahl oder weniger erreicht. Ein hoher GIR-Wert korreliert stärker mit niedrigen Scores als fast jede andere traditionelle Statistik. Der Grund: Wer auf dem Grün ist, hat Birdie-Chancen. Wer das Grün verfehlt, muss zunächst chippen und vergibt den Vorteil. Für Wetten ist GIR ein solider Indikator, aber nicht der beste – denn er unterscheidet nicht, ob der Ball 2 Meter oder 15 Meter vom Loch auf dem Grün liegt.
Putting Average (Putts pro Runde) ist die am häufigsten missverstandene Statistik im Golf. Ein Spieler mit 28 Putts pro Runde klingt besser als einer mit 30 – aber wenn der erste regelmäßig die Grüns verfehlt und deshalb seltener puttet, ist seine niedrige Putt-Zahl kein Zeichen von gutem Putting. Die rohe Putt-Statistik ohne Kontext ist für Wetten wertlos.
Scrambling-Prozentsatz misst, wie oft ein Spieler Par oder besser erzielt, nachdem er das Grün in Regulation verfehlt hat. Diese Statistik ist für Plätze mit schwierigen Grüns und viel Rough relevant, weil sie die „Rettungsfähigkeit“ eines Spielers quantifiziert. Bei einem Links-Kurs mit komplexen Grünumgebungen schaue ich gezielt auf Scrambling.
Driving Distance ist spektakulär, aber als alleiniger Indikator wenig wert. Auf einem langen, offenen Platz korreliert Driving Distance mit niedrigeren Scores. Auf einem kurzen, engen Platz ist Genauigkeit wichtiger als Länge. Die Kombination aus Distance und Accuracy – in der modernen Analytik als SG Off-the-Tee abgebildet – ist das bessere Werkzeug.
ShotLink und andere Datenquellen für Golfwetten
Die PGA Tour hat ihr Live-Betcast-Programm für 2026 von 50 auf über 400 Stunden ausgeweitet – und die Datengrundlage hinter diesen Übertragungen kommt vom ShotLink-System, das seit 2003 jeden einzelnen Schlag auf der PGA Tour vermisst.
ShotLink ist ein Netzwerk aus Lasern, Kameras und freiwilligen Helfern, das bei jedem PGA-Tour-Event die exakte Position jedes Balls nach jedem Schlag erfasst. Die daraus resultierenden Daten sind die Grundlage aller Strokes-Gained-Berechnungen und der detailliertesten Spielerstatistiken, die im professionellen Sport existieren.
Für Wetter ist ShotLink indirekt zugänglich: Die PGA Tour veröffentlicht einen Teil der Daten auf pgatour.com, und Analyseplattformen wie DataGolf nutzen ShotLink-Daten für ihre Modelle. Die rohen ShotLink-Daten selbst sind nicht öffentlich zugänglich, aber die daraus abgeleiteten Statistiken reichen für eine fundierte Wettanalyse vollkommen aus.
Für die DP World Tour gibt es kein äquivalentes System zu ShotLink. Die statistischen Daten der europäischen Tour sind weniger granular, was die Analyse von DP-World-Tour-Spielern erschwert. DataGolf und ähnliche Plattformen integrieren DP-World-Tour-Daten, aber die Tiefe erreicht nicht das PGA-Tour-Niveau. Das ist ein Faktor, den du bei Wetten auf DP-World-Tour-Turniere berücksichtigen solltest: weniger Daten bedeutet mehr Unsicherheit in deiner Analyse.
Daten filtern: Platz, Saison, Feldstärke
Rohe Statistiken sind nur so gut wie ihr Kontext. Der Gesamtpreisgeld der PGA Tour 2026 beträgt 450 Millionen USD, verteilt auf Turniere mit sehr unterschiedlicher Feldstärke. Ein Scoring-Durchschnitt von 69.5 bei einem schwachen Feld sagt etwas anderes als 69.5 bei einem Major mit dem stärksten Feld des Jahres.
Der erste Filter ist der Platz. Ich schaue mir die Statistiken eines Spielers nicht über die gesamte Saison an, sondern gefiltert nach Platztyp. Auf Bermuda-Gras-Grüns putten manche Spieler deutlich besser als auf Bentgrass-Grüns – diese Unterscheidung verschwindet in der Saisonstatistik, ist aber für eine platzspezifische Prognose entscheidend.
Der zweite Filter ist der Zeitraum. Ich gewichte die letzten 12 bis 24 Runden stärker als den Saisondurchschnitt, weil die aktuelle Form aussagekräftiger ist als der langfristige Schnitt. Gleichzeitig nutze ich den Langzeitschnitt als Korrektiv: Wenn die Kurzform stark von der Langzeitform abweicht, frage ich mich, ob die Kurzform nachhaltig ist oder ein statistischer Ausreißer.
Der dritte Filter ist die Feldstärke. Eine Top-10-Platzierung bei einem regulären Tour-Event mit mittlerer Feldstärke ist nicht gleichwertig mit einer Top-10-Platzierung bei einem Signature Event. DataGolf und andere Plattformen bieten feldstärkebereinigte Ratings, die diesen Unterschied abbilden. Wenn dir solche Plattformen nicht zur Verfügung stehen, kannst du die Feldstärke grob selbst einschätzen: Wie viele Top-30-Spieler sind im Feld? Wie viele Top-50? Je mehr Top-Spieler, desto höher die Feldstärke und desto wertvoller ein gutes Ergebnis.
Mein Fazit nach Jahren der datenbasierten Quotenbewertung: Die wichtigste Statistik für Golfwetten ist Strokes Gained in den vier Kategorien, gefiltert nach Platztyp und Zeitraum. Alle anderen Statistiken sind entweder in SG enthalten oder weniger aussagekräftig. Wenn du nur eine Datenquelle nutzen willst, nimm SG. Wenn du zwei nutzen willst, nimm SG plus Kurshistorie. Alles darüber hinaus ist Feintuning.
Ein letzter Tipp aus der Praxis: Überlade deine Analyse nicht mit Statistiken. Ich habe Phasen erlebt, in denen ich zehn verschiedene Metriken pro Spieler geprüft habe – und schlechtere Ergebnisse erzielt als in Phasen mit drei fokussierten Metriken. Der Grund: Zu viele Datenpunkte erzeugen Rauschen, das die klaren Signale überlagert. Drei bis vier gut gewählte Statistiken, kontextgerecht interpretiert, schlagen zehn oberflächlich konsultierte. Qualität der Analyse schlägt Quantität der Daten – eine Lektion, die ich immer wieder aufs Neue lerne.
