Borussia Dortmund vs Hamburger SV - Predictions, Stats & Odds
Bundesliga Statistiken, KI-Vorhersagen, (erwartete) Aufstellungen und weitere Daten für Spieltag 27
Tore
Spielbericht
Borussia Dortmund besiegte den Hamburger SV in einem packenden Bundesliga-Duell mit 3:2. Das Spiel war ein emotionaler Ritt, bei dem Dortmund dank eines späten Aufbäumens letztendlich die Oberhand behielt. Dieses Ergebnis war angesichts der stärkeren Position Dortmunds in der Liga einigermaßen erwartet, aber der Hamburger SV zeigte eine lobenswerte Leistung. Das Spiel begann mit einer frühen Führung des Hamburger SV durch Philip Otele in der 19. Minute. Albert Sambi Lokonga (GAP -1,0%) verdoppelte den Vorsprung in der 38. Minute, was Dortmund unter Druck setzte. Doch Dortmund reagierte in der zweiten Halbzeit mit einer taktischen Umstellung, bei der Ramy Bensebaini von der Bank kam. Sein Einfluss war sofort und entscheidend, da er in der 73. und 84. Minute zweimal traf. Sehrou Guirassy erzielte in der 78. Minute ebenfalls ein Tor und vollendete Dortmunds Aufholjagd. Dortmunds Startelf erfuhr mehrere Änderungen, wobei Carney Chukwuemeka, Sehrou Guirassy, Julian Brandt, Fábio Silva und Ramy Bensebaini von der Bank kamen und bedeutende Beiträge leisteten. Der Trainer der Heimmannschaft entschied sich für diese Änderungen, um frische Energie und taktische Flexibilität zu bringen, was sich als äußerst erfolgreich erwies. Auf der anderen Seite nahm der Hamburger SV fünf Auswechslungen vor, darunter Damion Downs und Jean-Luc Dompe, um ihre frühe Führung zu verteidigen. Trotz ihrer Bemühungen konnten sie dem unermüdlichen Druck Dortmunds in den letzten Spielminuten nicht standhalten. Hervorzuheben sind die Leistungen von Gregor Kobel (GAP +5,2%), der im Tor für Dortmund entscheidend war, und Julian Ryerson (GAP +3,2%), der für Stabilität in der Abwehr sorgte. Auch Maximilian Beier (GAP +3,3%) spielte eine entscheidende Rolle in Dortmunds offensiven Übergängen. Dieser Sieg hält Borussia Dortmund in einer starken Position in der Bundesliga-Tabelle, während der Hamburger SV sich neu formieren und sich auf die kommenden Spiele konzentrieren muss, um in der Tabelle aufzusteigen. Das Ergebnis unterstreicht Dortmunds Widerstandsfähigkeit und Tiefe, da sie weiterhin auf eine Spitzenplatzierung in dieser Saison drängen.
Aufstellungen
Borussia Dortmund
| Pos | Spieler |
|---|---|
| TW | |
| ABW | |
| ABW | |
| ABW | |
| ABW | |
| ABW | |
| MIT | |
| MIT | |
| MIT | |
| STU | |
| STU |
Auswechselspieler
| 46' | Ramy Bensebainifür Luca Reggiani |
| 46' | Sehrou Guirassyfür Karim Adeyemi |
| 58' | Carney Chukwuemekafür Marcel Sabitzer |
| 58' | Fábio Silvafür Daniel Svensson |
| 90' | Julian Brandtfür Felix Nmecha |
Hamburger SV
| Pos | Spieler |
|---|---|
| TW | |
| ABW | |
| ABW | |
| ABW | |
| ABW | |
| ABW | |
| MIT | |
| MIT | |
| MIT | |
| STU | |
| STU |
Auswechselspieler
| 67' | Damion Downsfür Fábio Vieira |
| 68' | Fábio Baldéfür Philip Otele |
| 79' | Otto Stangefür Ransford-Yeboah Königsdörffer |
| 90' | Rayan Philippefür Warmed Omari |
| 90' | Jean-Luc Dompefür William Mikelbrencis |
Tabelle nach dem Spiel
| # | Team | Sp | S | U | N | T | GT | TD | Pkt | Form |
|---|---|---|---|---|---|---|---|---|---|---|
| 2 | Borussia Dortmund | 27 | 18 | 7 | 2 | 58 | 28 | +30 | 61 | U N S S S |
| 12 | Hamburger SV | 27 | 7 | 9 | 11 | 31 | 40 | -9 | 30 | N N S U N |
Letzte Spiele
Bundesliga
Spieltag 27
Erklärung
Was sind Plus Minus Tore (G±)?
Plus Minus Tore ist die durchschnittliche Tordifferenz pro Spiel, während der Spieler auf dem Platz stand. Ein Wert über 0 bedeutet, dass das Team eher gewinnt, wenn der Spieler auf dem Platz ist, ein Wert unter 0 bedeutet, dass sein Team mehr Tore kassiert als es selbst erzielt. Es ist eine großartige Metrik, um Spieler innerhalb eines Teams und ihren Einfluss auf die Teamleistung zu vergleichen.
Was ist Game Advantage Percentage (GAP)?
GAP zeigt die Leistungsdiskrepanz zwischen einem Spieler zum Durschnittsspieler der Liga. Wie sehr beeinflusst ein Spieler die Leistung seines Teams? Positiv wie negativ. GAP berücksichtigt G± Daten vom Spieler selbst, von Mitspielern und gegnerischen Spielern aus den letzten 50 Spielen, an denen ein Spieler teilgenommen hat. Die Kennzahl ist perfekt, um den Einfluss von Spielern innerhalb einer Liga zu vergleichen.