Darts Statistiken für Wetten: Average, Checkout und Form

Darts ist der vielleicht datenfreundlichste Sport der Welt — und wer das nicht nutzt, verschenkt seinen Vorsprung. Während Fußball-Analysen mit Dutzenden von Variablen arbeiten — Ballbesitz, Expected Goals, Pressing-Intensität, taktische Formationen —, lässt sich die Leistung eines Dartspielers auf eine Handvoll klar definierter Kennzahlen reduzieren. Der 3-Dart-Average, die Checkout-Quote, die 180er-Rate: Drei Werte, die gemeinsam ein präziseres Leistungsbild zeichnen als jede Fußball-Metrik.

Das ist kein Zufall. Darts ist ein Individualsport ohne Mannschaftsdynamik, ohne Wetterbedingungen, ohne taktische Systeme. Jeder Wurf wird unter nahezu identischen Bedingungen abgegeben — derselbe Abstand, dasselbe Board, dasselbe Format. Die einzige Variable ist der Spieler selbst. Das macht Darts-Statistiken außergewöhnlich zuverlässig: Ein Average von 98 bedeutet in Blackpool dasselbe wie in London, und eine Checkout-Quote von 42 Prozent ist heute genauso messbar wie vor einem Jahr.

Für Wettende ist diese Datentransparenz ein struktureller Vorteil gegenüber Sportarten, in denen die Leistungserfassung komplexer und interpretationsbedürftiger ist. Aber Transparenz allein reicht nicht. Die Daten müssen korrekt gelesen, in Kontext gesetzt und in eine eigene Wahrscheinlichkeitsschätzung überführt werden. Ein hoher Average sagt etwas über die Scoring-Qualität — aber nichts über die Finishing-Fähigkeit in Drucksituationen. Eine starke Checkout-Quote sagt etwas über die Nervenstärke — aber nichts über die aktuelle Form, wenn sie auf Jahresbasis berechnet wird.

Dieser Artikel nimmt die wichtigsten Darts-Statistiken auseinander: Was sie messen, wo ihre Aussagekraft endet und wie sie sich zu einem Analysemodell verbinden lassen, das die Quotenbewertung auf eine solide Datengrundlage stellt. Von der Berechnung des Average über die Interpretation der Checkout-Quote bis zum Aufbau eines eigenen Scoring-Systems — jeder Schritt wird so erklärt, dass er direkt in die eigene Wettpraxis übernommen werden kann.

Der 3-Dart-Average — die zentrale Kennzahl

Wie der Average berechnet wird

100 Average gilt als Weltklasse — aber die Zahl allein sagt nicht alles. Der 3-Dart-Average ist die zentrale Leistungskennzahl im Darts und misst, wie viele Punkte ein Spieler im Durchschnitt pro Aufnahme — also pro drei Pfeile — erzielt. Die Berechnung ist simpel: Gesamtpunktzahl geteilt durch die Anzahl der Aufnahmen, multipliziert mit drei. Ein Spieler, der in einem Leg von 501 auf null abräumt und dafür 15 Darts benötigt, hat in diesem Leg einen Average von 501 geteilt durch 5 Aufnahmen, also 100,2.

Die Benchmarks sind klar gestaffelt. Ein Average unter 85 ist auf PDC-Tour-Niveau unterdurchschnittlich. 90 bis 95 ist solide Arbeit, die für Siege gegen gleichstarke Gegner reicht. 95 bis 100 ist starkes Tour-Level. Über 100 beginnt Weltklasse — Spieler, die konstant über 100 averagen, gehören zu den besten zehn bis fünfzehn der Welt. Averages über 105 sind seltene Spitzenleistungen, die auch Top-Spieler nur in ihren besten Matches erreichen. (Quelle: pdc.tv — World Darts Championship Stats Update)

Im Match-Kontext unterscheidet man zwischen dem Match-Average und dem Turnier-Average. Der Match-Average bezieht sich auf ein einzelnes Spiel und schwankt erheblich — ein Spieler kann in einem Match 104 averagen und im nächsten 89. Der Turnier-Average glättet diese Schwankungen über mehrere Matches und gibt ein stabileres Bild der aktuellen Form. Für die Wettanalyse ist der Turnier-Average der letzten zwei bis drei Events der aussagekräftigere Wert, weil er die kurzfristige Form abbildet, ohne von einem einzelnen Ausreißer verzerrt zu werden.

Grenzen des Average als Wett-Indikator

Die wichtigste Grenze des Average als Wett-Indikator ist sein blinder Fleck beim Finishing. Der Average misst die Scoring-Effizienz über das gesamte Leg, aber er unterscheidet nicht zwischen einem Spieler, der sein Checkout im ersten Versuch trifft, und einem, der fünf Darts auf das Doppel braucht. Beide verbrauchen Pfeile — aber der eine gewinnt das Leg mit 15 Darts und einem Average von 100, der andere mit 21 Darts und einem Average von 72. Die Checkout-Phase drückt den Average unverhältnismäßig stark nach unten, was die Aussagekraft über die reine Scoring-Qualität verzerrt.

Eine zweite Einschränkung betrifft die Abhängigkeit vom Gegner. Der Average eines Spielers wird durch das Verhalten seines Kontrahenten beeinflusst — nicht direkt, aber strukturell. In einem Match gegen einen schwachen Gegner, der viele Darts am Doppel verbraucht, hat der stärkere Spieler mehr Zeit und weniger Druck, was tendenziell zu höheren Averages führt. Derselbe Spieler gegen einen ebenbürtigen Gegner, der konstant Druck auf die Checkouts ausübt, wird in derselben Verfassung möglicherweise einen niedrigeren Average erzielen — nicht weil er schlechter spielt, sondern weil der Kontext ein anderer ist.

Für Wettende bedeutet das: Der Average ist ein starker Indikator, aber kein alleiniger Entscheidungsträger. Er muss immer gemeinsam mit der Checkout-Quote und dem Kontext — Turnierformat, Gegnerprofil, Distanz — gelesen werden. Wer nur den Average vergleicht und daraus eine Gewinnwahrscheinlichkeit ableitet, ignoriert eine Dimension, die in engen Matches den Ausschlag gibt.

Checkout-Quote — der unterschätzte Faktor

Checkout-Quote in Drucksituationen

Der Average bringt dich zum Doppel — die Checkout-Quote entscheidet, ob du es triffst. Die Checkout-Quote misst den Prozentsatz der erfolgreichen Doppelversuche im Verhältnis zur Gesamtzahl der Versuche. Ein Spieler mit einer Checkout-Quote von 40 Prozent trifft statistisch gesehen zwei von fünf Doppelversuchen. Die Spitzenwerte auf der PDC-Tour liegen bei 42 bis 48 Prozent, der Durchschnitt bei 35 bis 38 Prozent. (Quelle: pdc.tv — World Darts Championship Stats Update 2025/26)

Was die Checkout-Quote für Wettende besonders wertvoll macht, ist ihre Bedeutung in Druckmomenten. Ein Match, das auf Messers Schneide steht — letztes Leg, beide Spieler am Doppel —, wird nicht vom Average entschieden, sondern vom Finishing. Der Spieler mit der höheren Checkout-Quote hat in diesen Momenten einen statistischen Vorteil, der sich über viele solcher Situationen in eine messbar höhere Gewinnquote übersetzt.

Allerdings ist die Checkout-Quote keine konstante Eigenschaft eines Spielers. Sie schwankt von Match zu Match stärker als der Average, weil das Treffen eines Doppelfelds eine binäre Angelegenheit ist — Treffer oder Fehlwurf —, während der Average über Dutzende von Aufnahmen geglättet wird. Ein Spieler kann in einem Match eine Checkout-Quote von 60 Prozent haben und im nächsten nur 25 Prozent, ohne dass sich seine tatsächliche Fähigkeit verändert hat. Für die Wettanalyse sollte die Checkout-Quote deshalb immer über einen Zeitraum von mindestens fünf bis acht Matches berechnet werden, nicht auf Basis eines einzelnen Spiels.

Besonders in Set-Formaten, wo jeder einzelne Satz entschieden werden muss, wirkt sich eine schwache Checkout-Phase überproportional aus. Ein Spieler kann in einem Satz drei Legs lang hervorragend scoren, aber zwei entscheidende Doppelversuche verpassen und den Satz verlieren. Im Legs-Format ist der Effekt ähnlich, aber weniger dramatisch, weil ein verlorenes Leg nicht automatisch einen verlorenen Satz bedeutet. Diese formatspezifische Gewichtung der Checkout-Quote ist ein Detail, das viele Analysen übersehen — und das bei der Quotenbewertung einen realen Unterschied machen kann.

Spielerprofile nach Doppelstärke

Die Checkout-Quote lässt sich nutzen, um Spieler in Profilkategorien einzuteilen, die für die Wettanalyse direkt relevant sind. Auf der einen Seite stehen die Scorer — Spieler mit hohem Average, aber unterdurchschnittlicher Checkout-Quote. Diese Spieler dominieren die Scoring-Phase und bauen Druck auf, scheitern aber in engen Situationen häufiger am Doppel. In einem einseitigen Match ist ihr Average der entscheidende Faktor. In einem knappen Match wird ihre Doppelschwäche zum Risiko.

Auf der anderen Seite stehen die Finisher — Spieler, deren Average solide, aber nicht spektakulär ist, die aber eine überdurchschnittliche Checkout-Quote haben. Diese Spieler gewinnen überproportional viele enge Matches, weil sie in Drucksituationen zuverlässiger treffen. Für Wettende sind Finisher in bestimmten Konstellationen wertvoller als Scorer: In kurzen Formaten, wo Schwankungen mehr Gewicht haben und enge Legs häufiger vorkommen, profitieren sie von ihrer Stärke am Doppel.

Ein dritter Typ sind die kompletten Spieler — hoher Average und hohe Checkout-Quote. Diese Spieler sind in der Regel die Top-Favoriten, und ihre Quoten reflektieren das. Für die Wettanalyse liegt der Value selten bei den kompletten Spielern selbst, sondern bei der Erkennung, ob ein Scorer oder ein Finisher in einer bestimmten Konstellation unter- oder überbewertet ist. Ein Scorer gegen einen Finisher auf kurzer Distanz — das ist eine Konstellation, die der Buchmacher auf Basis des Average bewertet, die aber durch die Checkout-Quote ein anderes Bild ergibt.

180er-Rate und Wurfmuster

180er sind nicht nur Spektakel — sie sind Datenindikatoren. Die 180er-Rate eines Spielers — die Häufigkeit, mit der er die maximale Aufnahme von drei Triple-20-Treffern erzielt — korreliert erwartungsgemäß mit dem Average, ist aber keine bloße Verdopplung desselben. Zwei Spieler mit identischem Average von 98 können sehr unterschiedliche 180er-Raten haben, weil ihr Weg zu den 98 Punkten pro Aufnahme über verschiedene Wurfmuster führt.

Spieler, die bei jeder Scoring-Aufnahme konsequent auf die Triple-20 zielen und eine enge Gruppierung haben, werfen mehr 180er bei gleichem Average als Spieler, die nach einem oder zwei Treffern auf alternative Felder wechseln, um ein günstigeres Restfinish vorzubereiten. Die sogenannten T20-Fokussierer sind die Spieler, die den 180er-Markt dominieren — nicht weil sie insgesamt besser spielen, sondern weil ihr Wurfmuster mehr Maximum-Aufnahmen produziert.

Für die Wettanalyse ist die 180er-Rate in drei Kontexten relevant. Erstens bei Over/Under-Wetten auf die 180er-Gesamtzahl im Match: Hier ist die 180er-Rate beider Spieler der primäre Datenpunkt, ergänzt durch die erwartete Matchlänge. Zweitens bei der Langzeitwette auf den Spieler mit den meisten 180ern in einem Turnier: Hier zählt die Kombination aus 180er-Rate und der erwarteten Anzahl von Legs über das gesamte Turnier — ein Spieler, der früh ausscheidet, wirft weniger 180er als einer, der das Finale erreicht, unabhängig von seiner Rate. Drittens als Indikator für die Scoring-Intensität: Eine überdurchschnittliche 180er-Rate in den letzten Turnieren kann auf eine Formphase hindeuten, in der das Scoring besonders stark ist.

Die Korrelation zwischen 180er-Zahl und Matchlänge ist ein Punkt, der bei Wetten regelmäßig unterschätzt wird. Ein knappes Match mit zwanzig Legs produziert zwangsläufig mehr 180er als ein einseitiges mit zwölf. Wer auf Over 180er setzt, wettet implizit auch auf ein langes Match — und umgekehrt. Diese Interdependenz bedeutet, dass eine isolierte Betrachtung der 180er-Rate nicht ausreicht. Sie muss mit der erwarteten Matchdynamik verknüpft werden — zwei Scorer, die sich gegenseitig unter Druck setzen, produzieren ein anderes 180er-Profil als ein klarer Favorit, der seinen Gegner in kurzen Legs überrollt.

Eine zusätzliche Dimension eröffnen die 180er-Raten als Formindikator. Wenn ein Spieler in den letzten drei Turnieren eine deutlich höhere 180er-Rate aufweist als in seinem Langzeitdurchschnitt, ist das ein Signal, dass sein T20-Bereich momentan besonders treffsicher ist. Diese Information ergänzt den Average-Trend, weil sie spezifisch die Scoring-Qualität im Maximumbereich erfasst — ein Bereich, der für den Average relevant ist, aber in der aggregierten Zahl untergeht.

Formkurven lesen und für Wetten nutzen

Zeitraum und Gewichtung der Formdaten

Die Frage ist nicht, wie gut ein Spieler ist — sondern wie gut er jetzt ist. Formkurven sind der dynamische Faktor in der Darts-Analyse, der die statischen Kennzahlen — Jahres-Average, Langzeit-Checkout-Quote — in einen aktuellen Kontext setzt. Ein Spieler mit einem Jahres-Average von 95, der in den letzten drei Wochen 100, 102 und 98 geliefert hat, befindet sich in einer Aufwärtsphase. Ein Spieler mit einem Jahres-Average von 99, der zuletzt bei 88, 91 und 90 lag, steckt in einem Tief. Die Langzeitwerte beider Spieler suggerieren eine klare Hierarchie — die aktuelle Form erzählt eine andere Geschichte.

Der optimale Zeitraum für die Formbewertung liegt bei vier bis sechs Wochen. Kürzer als vier Wochen, und die Stichprobe ist zu klein — ein einzelnes schwaches Turnier verzerrt das Bild. Länger als sechs Wochen, und der Indikator wird von Datenpunkten verwässert, die nicht mehr die aktuelle Verfassung widerspiegeln. In der PDC-Saison mit ihren wöchentlichen ProTour-Events liefert ein Sechs-Wochen-Fenster typischerweise drei bis sechs Turnierergebnisse — genug für eine belastbare Einschätzung.

Die Gewichtung innerhalb dieses Fensters ist nicht gleichmäßig. Das jüngste Turnier sollte stärker gewichtet werden als das älteste, weil es die aktuellste Information über den Zustand des Spielers enthält. Ein einfacher Ansatz: Die Average-Werte der letzten drei Turniere werden mit den Faktoren 3, 2 und 1 gewichtet und durch 6 geteilt. Das ergibt einen gewichteten Formwert, der jüngere Leistungen stärker berücksichtigt, ohne ältere vollständig zu ignorieren. Dieser Wert ist kein perfektes Modell — aber er ist besser als der ungewichtete Durchschnitt und deutlich besser als der Blick auf den Jahres-Average.

Verletzungen und Turnierpausen sind der blinde Fleck jeder Formanalyse. Ein Spieler, der sechs Wochen nicht gespielt hat, hat keine aktuellen Formdaten — und die Daten vor der Pause sind möglicherweise irrelevant, weil die Pause selbst einen Formbruch verursacht hat. In solchen Fällen bleibt nur die Einschätzung auf Basis der Langzeitwerte und der Erfahrung, wie der jeweilige Spieler in der Vergangenheit nach Pausen performt hat. Das ist kein Datendefizit, das sich beheben lässt — es ist eine Unsicherheit, die in die eigene Wahrscheinlichkeitsschätzung einfließen muss.

Datenquellen und Tools für die Formanalyse

Die Datenquellen für die Darts-Formanalyse sind öffentlich zugänglich und kostenlos — ein Vorteil, den kein anderer Nischensport in diesem Umfang bietet. Die offizielle PDC-Website veröffentlicht nach jedem TV-Event detaillierte Match-Statistiken: Average, Checkout-Quote, 180er-Zahl, höchstes Checkout (Quelle: pdc.tv — Results). Für ProTour-Events sind die Daten weniger detailliert, aber Ergebnisse und Rundenverläufe werden zeitnah veröffentlicht.

Spezialisierte Statistikportale aggregieren diese Daten und bereiten sie für die Analyse auf. Dort lassen sich Average-Verläufe über Monate hinweg nachvollziehen, Checkout-Quoten nach Turnierformat filtern und 180er-Raten pro Leg berechnen. (Quelle: pdc.tv — Stats Analysis: Examining factors behind player performance) Diese Portale sind die Arbeitsmittel des analytischen Darts-Wettenden — sie sparen Stunden manueller Datenarbeit und liefern die Zahlen in einem Format, das sich direkt in die eigene Tabelle übernehmen lässt.

Live-Statistiken während laufender Matches sind über die TV-Übertragungen und die zugehörigen Apps verfügbar. Diese Echtzeitdaten sind für die Livewetten-Strategie relevant: Wenn ein Spieler in den ersten drei Legs eines Matches einen Average von 104 hat, aber im vierten und fünften Leg auf 88 fällt, zeigt das einen Momentumwechsel, der sich in die Live-Quote übersetzen kann, bevor der Buchmacher reagiert. Die Geschwindigkeit des Datenzugangs ist hier der entscheidende Faktor — wer Sekunden schneller an die Zahlen kommt, hat bei Livewetten einen messbaren Vorteil.

Für die systematische Datenarbeit empfiehlt sich ein pragmatischer Workflow: Nach jedem Turnierwochenende die Ergebnisse und Statistiken in die eigene Spielerdatenbank übertragen, den gewichteten Form-Average aktualisieren und die Checkout-Quoten der vergangenen sechs Wochen neu berechnen. Dieser Aufwand beträgt pro Woche rund dreißig Minuten — eine Investition, die sich in der Qualität jeder einzelnen Wettentscheidung auszahlt. Wer diesen Rhythmus über eine gesamte Saison durchhält, baut ein Datenarchiv auf, das in der nächsten Saison als Referenz dient und die Kalibrierung des eigenen Modells kontinuierlich verbessert.

Ein einfaches Analyse-Modell für Darts-Wetten

Eigenes Scoring-System aufbauen

Du brauchst kein Supercomputer-Modell — eine Tabelle und Disziplin reichen. Ein einfaches Analyse-Modell für Darts-Wetten lässt sich in einer Tabellenkalkulation aufbauen und erfordert keine Programmierkenntnisse. Das Grundprinzip: Für jedes Match werden die drei Kernkennzahlen beider Spieler — gewichteter Form-Average, Checkout-Quote der letzten sechs Wochen und 180er-Rate — eingetragen und in eine eigene Gewinnwahrscheinlichkeit überführt.

Der erste Schritt ist die Erstellung einer Spielerdatenbank mit den Kernwerten der Top-50-Spieler der PDC-Tour. Für jeden Spieler werden der gewichtete Form-Average, die Checkout-Quote und die 180er-Rate eingetragen, jeweils für das rollierende Sechs-Wochen-Fenster. Diese Datenbank ist das Fundament — ohne sie bleibt jede Einschätzung ein Ratespiel.

Der zweite Schritt ist die Übersetzung der Datendifferenz in eine Gewinnwahrscheinlichkeit. Hier gibt es verschiedene Ansätze, die von simpel bis komplex reichen. Der einfachste: Die Average-Differenz wird als Haupttreiber der Schätzung genutzt. Historische Daten der PDC-Tour zeigen, dass ein Average-Vorsprung von fünf Punkten auf einer Distanz von Best-of-5-Sets einer Gewinnwahrscheinlichkeit von etwa 65 bis 70 Prozent entspricht. Zehn Punkte Vorsprung treiben die Wahrscheinlichkeit auf 80 bis 85 Prozent. Die Checkout-Quote wirkt als Korrektur: Bei gleicher Average-Differenz erhöht eine deutlich höhere Checkout-Quote des Favoriten die Gewinnwahrscheinlichkeit um weitere drei bis fünf Prozentpunkte, weil der bessere Finisher die engen Legs häufiger gewinnt.

Das Modell muss die Formatdistanz berücksichtigen. Dieselbe Average-Differenz von fünf Punkten übersetzt sich auf Best-of-5-Sets in eine andere Wahrscheinlichkeit als auf Best-of-19-Legs. Die Distanz wirkt als Qualitätsfilter — je länger, desto stärker setzt sich die höhere Qualität durch. Wer diese Anpassung in sein Modell einbaut, vermeidet den häufigsten Fehler von Average-basierten Schätzungen: die Überschätzung des Favoriten in kurzen Formaten.

Ergebnisse protokollieren und auswerten

Das Modell ist nur so gut wie seine Kalibrierung — und die Kalibrierung erfordert ein lückenloses Protokoll. Jede Wette wird dokumentiert: Match, Datum, eigene geschätzte Gewinnwahrscheinlichkeit, faire Quote (1 geteilt durch die Schätzung), platzierte Quote, Einsatz, Ergebnis. Dieses Protokoll ist kein bürokratischer Aufwand — es ist das Instrument, das zeigt, ob das Modell funktioniert.

Nach fünfzig bis hundert dokumentierten Wetten lässt sich die Kalibrierung des Modells überprüfen. Die zentrale Frage: Stimmen die eigenen Schätzungen mit den beobachteten Ergebnissen überein? Wenn das Modell einem Spieler regelmäßig 65 Prozent Gewinnwahrscheinlichkeit gibt, sollte dieser Spieler in rund 65 Prozent der Fälle tatsächlich gewinnen. Liegt die beobachtete Quote bei 55 Prozent, ist das Modell zu optimistisch. Liegt sie bei 75 Prozent, ist es zu konservativ.

Die Auswertung kann nach verschiedenen Dimensionen aufgeschlüsselt werden: nach Wettart, nach Turnierformat, nach Quotenbereich, nach Spielertyp. Vielleicht zeigt sich, dass das Modell auf langen Distanzen zuverlässig ist, aber auf kurzen systematisch zu optimistisch. Oder dass die Checkout-Quote-Korrektur in Set-Formaten stark genug, in Legs-Formaten aber zu schwach gewichtet ist. Diese Erkenntnisse sind der Rohstoff für die nächste Modelliteration — und der Grund, warum die Protokollierung nicht optional ist, sondern das Fundament des gesamten Ansatzes.

Daten sind der Rohstoff — Urteil ist die Raffinerie

Statistiken liefern das Material — die Wettentscheidung bleibt Handarbeit. Die Versuchung, sich vollständig auf Zahlen zu verlassen, ist groß, weil Zahlen die Illusion von Sicherheit erzeugen. Ein Modell, das 68 Prozent Gewinnwahrscheinlichkeit ausspuckt, fühlt sich präziser an als eine intuitive Einschätzung. Aber die 68 Prozent basieren auf Annahmen — über die Formkurve, über den Einfluss des Formats, über die Relevanz der Checkout-Quote in der spezifischen Paarung — und jede dieser Annahmen enthält Unsicherheit.

Die Statistik ist der Rahmen, nicht das Urteil. Sie zeigt, wo die Wahrscheinlichkeiten liegen und wo die Quoten möglicherweise falsch liegen. Aber die finale Entscheidung — diese Wette zu platzieren oder nicht — bleibt eine menschliche Einschätzung, die den Zahlen Kontext gibt: Wie fühlt sich der Spieler im Interview vor dem Match? Hat er am Vortag ein erschöpfendes Fünf-Satz-Match gespielt? Wird er von einem Publikum empfangen, das ihn feiert oder gegen ihn arbeitet? Diese Faktoren lassen sich nicht in eine Tabelle eintragen, aber sie beeinflussen das Ergebnis.

Das Ziel ist nicht, ein perfektes Modell zu bauen — das gibt es nicht. Das Ziel ist, ein Modell zu pflegen, das besser ist als die Quotenstellung des Buchmachers in den Bereichen, in denen man sich spezialisiert hat. Wer den Average versteht, die Checkout-Quote einordnen kann, die Form über die richtigen Zeiträume liest und seine Ergebnisse protokolliert, hat ein Werkzeug, das die Qualität jeder Wettentscheidung verbessert. Nicht perfekt, nicht unfehlbar — aber systematisch besser als der Bauchgefühl-Ansatz, mit dem die Mehrheit der Darts-Wettenden an den Markt geht.