Silkeborg IF
Silkeborg IF are 9th in the Superliga after 32 matches in the 2025/2026 season. They have won 10 matches, scored 41 goals and conceded 67.
They average 1.28 goals per match and have kept a clean sheet in 9% of their league matches.
- Turnering
- Superliga (Denmark)
- Sæson
- 2025/2026
- Placering
- 9 af 12Baseret på færdigspillede kampe
- Team Strength
- 37.1FootyCabin-vurdering, 0–100
- Stiftet
- 1917
- Form
- Uafgjort
- Sejr
- Sejr
- Sejr
- Nederlag
- Nederlag
Team intelligence
Det skiller sig ud
- Få afslutninger / lav effektivitetFewer shots and a lower scoring rate than the league average.
- Begrænset territoriumGennemsnitlig boldbesiddelse, men færre hjørnespark end de fleste hold i ligaen.
Sæsonoversigt
Beregnet udelukkende ud fra færdigspillede kampe. Planlagte kampe tælles aldrig med.
- Spillede kampe
- 32
- Sejre
- 10
- Uafgjorte
- 6
- Nederlag
- 16
- Scorede mål
- 41
- Indkasserede mål
- 67
- Målforskel
- -26
- Point
- 36
1.13 pr. kamp
Effektivitetsrater
Succesrater for afleveringer, afslutninger, driblinger, dueller og forsvar.
| Statistic | Rate |
|---|---|
| Pass accuracy | 79.7% |
| Shots on target rate | 32.2% |
| Dribble success | 66.7% |
| Duel win rate | 54.6% |
| Aerial win rate | 76.9% |
| Tackle success | 67.7% |
0–100% scale
Holdpræstation
Holdtotaler baseret på registreret spillerstatistik fra 18 færdigspillede kampe.
| Statistic | Total | Per match | Matches with data |
|---|---|---|---|
| Shots | 87 | 5.44 | 16 |
| Shots on target | 28 | 3.11 | 9 |
| Passes | 2,620 | 145.56 | 18 |
| Accurate passes | 2,087 | 122.76 | 17 |
| Passes into the final third | 305 | 17.94 | 17 |
| Key passes | 68 | 4.86 | 14 |
| Chances created | 67 | 6.70 | 10 |
| Successful dribbles | 58 | 4.14 | 14 |
| Tackles | 96 | 6.40 | 15 |
| Interceptions | 59 | 3.93 | 15 |
| Clearances | 186 | 11.63 | 16 |
| Ball recoveries | 260 | 15.29 | 17 |
| Duels | 471 | 26.17 | 18 |
| Duels won | 257 | 16.06 | 16 |
| Aerial duels | 91 | 7.58 | 12 |
| Aerial duels won | 70 | 4.67 | 15 |
| Goalkeeper saves | 22 | 3.67 | 6 |
These are calculated from player data rather than official team totals. A dash or "not available" means no value was recorded. It never means zero.
Sådan spiller holdet
Se, hvordan holdets spillestil ligger i forhold til resten af ligaen. En højere score betyder, at holdet viser mere af den pågældende stil, ikke at holdet er bedre.
- Boldbesiddelse46
Possession is around the league average. (48.8%, 32 fixtures)
Scores run from 0 to 100 and compare this team with the 12 teams in the same league and season. Higher means more of that characteristic, not better.
Boldbesiddelsesprofil
Territorium i kontekst
Begrænset territorium
Gennemsnitlig boldbesiddelse, men færre hjørnespark end de fleste hold i ligaen.
- Boldbesiddelse:
- 46 / 100
- Hjørnespark:
- 29 / 100
Scoren går fra 0 til 100 og sammenligner holdet med resten af ligaen. Højere betyder mere af egenskaben, ikke bedre præstationer.
- Gns. boldbesiddelse
- 48.8%
- Hjemme
- 51.4%
- Ude
- 46.3%
Baseret på 32 af 32 færdigspillede kampe.
Seneste resultater
Seneste færdigspillede kampe, nyeste først.
| Date | Opponent | Venue | Score | Result | Competition |
|---|---|---|---|---|---|
| 17 May 2026 | Fredericia | Ude | 1–4 | Nederlag | Superliga |
| 10 May 2026 | FC København | Hjemme | 0–4 | Nederlag | Superliga |
| 03 May 2026 | Odense BK | Ude | 3–2 | Sejr | Superliga |
| 26 Apr 2026 | Randers FC | Hjemme | 2–0 | Sejr | Superliga |
| 22 Apr 2026 | Vejle Boldklub | Ude | 2–1 | Sejr | Superliga |
| 19 Apr 2026 | Fredericia | Hjemme | 2–2 | Uafgjort | Superliga |
| 12 Apr 2026 | Odense BK | Hjemme | 3–1 | Sejr | Superliga |
| 05 Apr 2026 | FC København | Ude | 0–7 | Nederlag | Superliga |
| 22 Mar 2026 | Randers FC | Ude | 3–0 | Sejr | Superliga |
| 16 Mar 2026 | Vejle Boldklub | Hjemme | 1–1 | Uafgjort | Superliga |
| 01 Mar 2026 | Fredericia | Ude | 1–2 | Nederlag | Superliga |
| 22 Feb 2026 | FC Midtjylland | Hjemme | 0–4 | Nederlag | Superliga |
Hjemme og ude
Hjemme- og udestatistik i denne sæson.
| Opdeling | K | V | U | T | MF | MI | MF-MI | Point |
|---|---|---|---|---|---|---|---|---|
| Hjemme | 16 | 5 | 4 | 7 | 18 | 26 | -8 | 19 |
| Ude | 16 | 5 | 2 | 9 | 23 | 41 | -18 | 17 |
Angreb og forsvar
Sådan har holdet præsteret i angreb og forsvar i sæsonens færdigspillede ligakampe.
Angreb
Forsvar
Kampmønster
Fremtrædende spillere
Holdets førende spillere efter FootyCabin Impact Score i denne sæson. Spillere vises, når der er tilstrækkelige kampdata.
- 1Pelle MattssonView player
Defensive midfielder
Impact 72.3·Creative Impact 92.2
Boldbesiddende midtbanespiller
Best category: Creative Impact
- 2Tonni AdamsenView player
Striker
Impact 66.6·Attacking Threat 98.5
Kreativ angriber
Best category: Attacking Threat
- 3Callum McCowattView player
Attacking midfielder
Impact 64.8·Attacking Threat 88.5
Målfokuseret kantspiller
Best category: Attacking Threat
Trup
Spillere benyttet i denne sæson, sorteret efter spilleminutter. Impact Score vises, når en spiller har tilstrækkelige kampdata.
| Spiller | Rolle | |||||
|---|---|---|---|---|---|---|
| Jens Martin Gammelby | Back | 32 | 2,880 | 5 | 1 | 32.9 |
| Nicolai Larsen | Målmand | 31 | 2,789 | — | — | 61.3 |
| Tonni Adamsen | Angriber | 31 | 2,607 | 14 | 7 | 66.6 |
| Robin Østrøm | Midterforsvarer | 30 | 2,583 | — | — | 53.1 |
| Pedro Ganchas | Midterforsvarer | 29 | 2,546 | 2 | 1 | 58.9 |
| Callum McCowatt | Offensiv midtbanespiller | 32 | 2,511 | 11 | 5 | 64.8 |
| Mads Larsen | Defensiv midtbanespiller | 32 | 2,141 | — | 1 | 52.3 |
| Andreas Poulsen | Back | 24 | 1,925 | 1 | 3 | 48.7 |
| Younes Bakiz | Offensiv midtbanespiller | 24 | 1,418 | 2 | 3 | 53.9 |
| Villads Westh | Defensiv midtbanespiller | 22 | 1,283 | — | — | 57.0 |
| Mads Freundlich | Defensiv midtbanespiller | 21 | 1,274 | — | 1 | 61.2 |
| Adam Wikman | Central midtbanespiller | 13 | 968 | — | 1 | 45.7 |
| Rami Al Hajj | Offensiv midtbanespiller | 22 | 958 | — | — | 63.0 |
| Julius Lorents | Defensiv midtbanespiller | 24 | 849 | 1 | — | 46.4 |
| William Kirk | Kant | 13 | 769 | 1 | 1 | 31.4 |
| Sofus Berger | Kant | 20 | 713 | — | 2 | 48.4 |
| Pelle Mattsson | Defensiv midtbanespiller | 6 | 478 | — | — | 72.3 |
| Leonel Montano | Back | 14 | 475 | — | 2 | 30.6 |
| Oliver Ross | Kant | 13 | 420 | 1 | 1 | 53.6 |
| Jeppe Andersen | Offensiv midtbanespiller | 13 | 391 | — | — | 39.2 |
| Simon Stüker | Back | 6 | 385 | 1 | 1 | 52.3 |
| Alexander Simmelhack | Angriber | 15 | 303 | 1 | — | For lille datagrundlag |
| Oskar Boesen | Defensiv midtbanespiller | 8 | 274 | — | — | For lille datagrundlag |
| Alexander Priesborg | Midterforsvarer | 3 | 270 | — | — | For lille datagrundlag |
| Alexander Busch | Midterforsvarer | 4 | 203 | 1 | — | For lille datagrundlag |
| Melker Jonsson | Midterforsvarer | 2 | 104 | — | — | For lille datagrundlag |
| Aske Andrésen | Målmand | 2 | 91 | — | — | For lille datagrundlag |
| Asbjørn Bøndergaard | Rolle ikke fastlagt | 4 | 64 | — | — | For lille datagrundlag |
| Sebastian Biller | Rolle ikke fastlagt | 1 | 10 | — | — | For lille datagrundlag |
| Benjamin Clemmensen | Rolle ikke fastlagt | 1 | 1 | — | — | For lille datagrundlag |
Kampe og minutter er fra færdigspillede kampe. Spillere, der har spillet for mere end én klub i denne sæson, er markeret.
Trup efter rolle
Spillere grupperet efter position. Impact-data vises kun, når der er tilstrækkelige kampdata.
Goalkeeper
Goalkeeper
Centre back
- Se spiller
- Robin ØstrømSe spiller
Impact 53.1·Ball Security 96.5
Full back
- Se spiller
- Se spiller
- Jens Martin GammelbySe spiller
Impact 32.9·Defensive Reliability 98.2
Defensive midfielder
Central midfielder
Attacking midfielder
- Se spiller
- Se spiller
- Younes BakizSe spiller
Impact 53.9·Ball Security 82.1
Winger
- Oliver RossSe spiller
Impact 53.6·Ball Security 76.0
- Se spiller
- William KirkSe spiller
Impact 31.4·Ball Security 77.9
Holdets Impact-ledere
Holdets højeste Impact Scores i denne sæson sammen med hver spillers spillestil. Spillestil beskriver, hvordan spilleren spiller, ikke hvor god spilleren er. Sådan beregnes det
- 1Pelle MattssonDefensive midfielderBoldbesiddende midtbanespiller72.3/100
- 2Tonni AdamsenStrikerKreativ angriber66.6/100
- 3Callum McCowattAttacking midfielderMålfokuseret kantspiller64.8/100
Truppens spillertyper
De mest almindelige spillertyper i truppen denne sæson.
- Boldbesiddende midtbanespiller536%
- Boldvindende midtbanespiller17%
- Sikker distributør17%
- Kreativ angriber17%
- Kreativ back17%
- Defensiv back17%
- Direkte kant17%
- Målfokuseret kantspiller17%
Baseret på 14 spillere med nok data til at få en spillertype.
Spillerbidrag
Holdets førende spillere i minutter, mål, assists og Impact Score denne sæson.
Flest minutter
All completed fixtures this season.
- 1Jens Martin Gammelby2880min.
- 2Nicolai Larsen2789min.
- 3Tonni Adamsen2607min.
- 4Robin Østrøm2583min.
- 5Pedro Ganchas2546min.
Flest mål
Season totals from imported match data.
- 1Tonni Adamsen14mål
- 2Callum McCowatt11mål
- 3Jens Martin Gammelby5mål
- 4Pedro Ganchas2mål
- 5Younes Bakiz2mål
Flest assists
Season totals from imported match data.
- 1Tonni Adamsen7assists
- 2Callum McCowatt5assists
- 3Andreas Poulsen3assists
- 4Younes Bakiz3assists
- 5Sofus Berger2assists
Højeste Impact Score
Only players who meet the publishable sample and coverage rules.
- 1Pelle Mattsson72.3/ 100
- 2Tonni Adamsen66.6/ 100
- 3Callum McCowatt64.8/ 100
- 4Rami Al Hajj63.0/ 100
- 5Nicolai Larsen61.3/ 100
Metode
Datakilde
Kamp-, opstillings-, hændelses- og spillerstatistik kommer fra Sportmonks og gemmes pr. kamp. Kun færdigspillede kampe med registrerede minutter tælles med. Annoncerede opstillinger og fremtidige kampe er ikke medregnet.
Pr. 90 minutter
En værdi pr. 90 minutter omregner et sæsontal til en hel kamp: total × 90 ÷ spillede minutter. Den beregnes ikke, når minutter mangler eller er nul.
Manglende data
Dataleverandøren udelader nogle statistikker i stedet for at sende et nul. En manglende værdi vises som "ikke tilgængelig" og omregnes aldrig til 0, så andele og percentiler kun beregnes, hvor de underliggende data faktisk findes.
Impact Score
Football Performance Labs Impact Score er en eksperimentel intern model, der kombinerer rollerelative percentilgrupper med faste vægte. Det er ikke en officiel rating og ikke et mål for transferværdi.
Minimumskrav til data
Værdierne beregnes internt fra 180 minutter, men en spiller vises kun offentligt med en rangeret Impact Score fra 360 minutter og 5 kampe, med mindst 90% datadækning og en fastlagt rolle. En enkelt kamp giver en kampobservation fra 30 minutter.