Wie du eine Geschlechts-API auswählst
Jeder Anbieter in diesem Feld wird dir sagen, er sei genau, und keiner hat das an deiner Liste gemessen. Hier steht, was sie wirklich unterscheidet — und unter jedem Punkt unsere eigene Antwort, damit du uns an denselben Fragen messen kannst.
Die kurze Antwort
- Vergleiche daran, was ein Ergebnis dir in die Hand gibt — ein reines Label lässt keinen Schwellenwert zu, eine Wahrscheinlichkeit plus Anzahl der Samples schon. Das entscheidet, ob du einen Teil der Datei automatisierst oder alles von Hand machst.
- Ignoriere Schlagzeilen-Prozentzahlen zur Genauigkeit, auch unsere — wir veröffentlichen keine, weil wir sie nicht in einem veröffentlichten Benchmark gemessen haben. Miss sie stattdessen selbst an ein paar hundert eigenen Zeilen.
- Eine größere Namensdatenbank ist nicht automatisch besser: ein Name zählt gleich, ob drei Datensätze ihn stützen oder fünfzigtausend.
- Prüfe dann die vier Dinge, die vergessen werden — Lokalisierung nach Land, Stabilität der Antwort über Jahre, was bei einem unbekannten Namen zurückkommt, und wo die Daten verarbeitet werden.
Fang damit an, was ein einzelnes Ergebnis dir gibt
Das ist das Kriterium, das darüber entscheidet, wie viel Arbeit übrig bleibt — und du siehst es in der Beispielantwort eines Anbieters, bevor du irgendetwas unterschreibst.
Ein Geschlechts-Label allein ist ein Urteil ohne Rechenweg. Du kannst es überall anwenden oder überall prüfen; dazwischen gibt es nichts. Eine Wahrscheinlichkeit gibt dir einen Schwellenwert. Eine Wahrscheinlichkeit mit der Anzahl der Datensätze dahinter sagt dir, ob dieser Schwellenwert für die Zeile vor dir etwas bedeutet — denn eine sicher aussehende Antwort auf drei Datensätzen und eine auf Tausenden sehen identisch aus, bis dir jemand die Anzahl zeigt.
Unsere Antwort: jedes Ergebnis trägt eine Wahrscheinlichkeit und eine Anzahl von Samples, und die CSV-/Excel-Ausgabe schreibt sie als Spalten in deine Datei — derselbe Schwellenwert funktioniert also, ob du die API aufrufst oder eine Tabelle öffnest.
Sechs Dimensionen, die es zu prüfen lohnt
Sechs Stellen, an denen sich Anbieter in diesem Feld meist unterscheiden, daneben jeweils, was wir tun. Die linke Spalte sagt, worauf du achten sollst — wir haben niemanden sonst geprüft, nichts davon ist also eine Behauptung über einen bestimmten Anbieter. Nimm sie mit zu jedem auf deiner Liste, uns eingeschlossen.
Zu den letzten zwei Punkten: Credits, die du als Einmalpaket kaufst, verfallen nicht, und ein monatlicher Plan verlängert sich monatlich und ist jederzeit kündbar (ein Paketwechsel heißt kündigen und ein anderes wählen). Beides steht vollständig auf der Preisseite, ohne Angebot.
Warum eine Abdeckungszahl es nicht entscheidet
Wir haben 9,124,598 Namen aus 192 Ländern, und wir schreiben diese Zahlen auf die Startseite wie alle anderen auch. Genau so viel sind sie wert: sie sagen dir, wie oft du überhaupt eine Antwort bekommst, und nichts darüber, ob eine bestimmte Antwort brauchbar ist. Entscheide nicht danach — nicht nach unseren und nicht nach denen von anderen.
Der Test, der es entscheidet, kostet einen Nachmittag: nimm ein paar hundert Zeilen aus deinen eigenen Daten, bei denen du die richtige Antwort schon kennst, nimm die schwierigen ausdrücklich mit hinein, und lass sie durch jeden Anbieter auf deiner Liste laufen. Die Namen, die alle richtig hinbekommen, sagen dir nichts.
Die Checkliste
Neun Fragen, in der Reihenfolge, in der sie meist zählen. Unsere Antwort steht in der rechten Spalte — stelle dieselben Fragen jedem anderen, den du ansiehst, und lass dir die Antworten schriftlich geben statt aus einer Funktionstabelle.
| Frage | Warum es zählt | Unsere Antwort |
|---|---|---|
| Was enthält ein Ergebnis? | Entscheidet, ob du die sicheren Zeilen automatisieren und nur den Rest prüfen kannst | Geschlecht, eine Wahrscheinlichkeit und die Anzahl der Datensätze dahinter |
| Kann derselbe Name je Land anders antworten? | Andrea ist in Italien männlich und in Deutschland weiblich; eine einzige globale Antwort ist in einem der beiden Länder falsch | Ja — über Ländercode, Browser-Locale oder IP-Adresse |
| Antwortet dieselbe Anfrage nächstes Jahr genauso? | Eine Prüfung fragt, wie ein Datensatz eingeordnet wurde, und eine wandernde Antwort lässt sich nicht erklären | Ja — es ist Arithmetik über gespeicherte Datensätze, keine generierte Vermutung |
| Was kommt bei einem Namen zurück, den es nicht kennt? | Ein leeres Feld lässt sich filtern; eine plausible Vermutung lässt sich nicht erkennen | Ein ausdrückliches „nicht gefunden“ und eine Anzahl von Samples, die den Grund nennt — nie eine erfundene Antwort |
| Gibt es einen Weg ohne Entwickler? | Wer die Liste hat, ist meist nicht der, der eine API aufrufen kann | CSV- und Excel-Upload mit erhaltener Original-Arbeitsmappe |
| Wo werden die Daten verarbeitet, und gibt es einen AVV? | Eine Liste mit Kundennamen ist personenbezogen, und der Einkauf fragt danach, bevor du live gehst | Deutsches Unternehmen, Server in Deutschland, Verarbeitung in der EU, AVV auf Anfrage |
| Verfällt ungenutztes Guthaben? | Eine einmalige Bereinigung sollte kein Abo brauchen, das sie überlebt | Vorausbezahlte Credits, und sie verfallen nicht |
| Kann ich es testen, ohne mit jemandem zu sprechen? | Wenn die Prüfung ein Vertriebsgespräch braucht, kannst du keine Auswahl an einem Nachmittag vergleichen | 100 kostenlose Abfragen pro Monat, keine Karte, kein Telefonat |
| Wie hoch ist die veröffentlichte Genauigkeit? | Eine einzelne Prozentzahl beschreibt den Namensdatensatz, an dem sie gemessen wurde — und das ist nicht deiner | Wir veröffentlichen keine — siehe unten |
Die Genauigkeitszahl, die wir dir nicht geben
In diesem Markt werden dir Prozentzahlen genannt. Wir haben keine gemessene zu nennen: es gibt keinen veröffentlichten Benchmark von uns auf einem gelabelten Namensdatensatz, jede Zahl, die wir druckten, wäre also eine Marketingzahl im Laborkittel. Das sagen wir lieber, als eine hübsch anzuziehen.
Sie ist außerdem weniger nützlich, als sie klingt. Die Genauigkeit einer Namens-Geschlechts-Abfrage hängt fast vollständig davon ab, nach welchen Namen du fragst — eine Liste häufiger deutscher Vornamen und eine Liste transliterierter Nachnamen aus einem Dutzend Schriften ergeben bei keinem Anbieter dieselbe Zahl. Eine einzelne Prozentzahl sagt dir also etwas über den Datensatz, an dem sie gemessen wurde, und deine Liste ist dieser Datensatz nicht.
Wenn dir eine genannt wird, ist die Frage, die sie erst aussagekräftig macht: an welchen Namen gemessen, an wie vielen, von wem gelabelt, und „unbekannt“ als was gezählt? Wenn es diese Antworten nicht gibt, ist die Prozentzahl Dekoration.
So führst du die Prüfung an einem Nachmittag durch
Diese Seite sagt dir immer wieder, du sollst an deinen eigenen Daten messen — hier ist also die Methode. Sie kostet einen Nachmittag, sie funktioniert bei jedem Anbieter auf deiner Liste gleich, und Schritt fünf ist der, der über das Projekt entscheidet.
- 1. Zieh 200–300 Zeilen heraus, deren Antwort du schon kennst. Aus deinen echten Daten, nicht aus einer Liste berühmter Namen. Nimm die unangenehmen ausdrücklich mit: seltene Namen, nicht-westliche Namen, Einträge mit Nachnamen zuerst, einteilige Namen, Doppelnamen mit Bindestrich und angenommene Namen nach Heirat.
- 2. Räum sie vorher nicht auf. Die überflüssigen Leerzeichen, die Titel, das „Dr.“ und die GROSSBUCHSTABEN gehören zu dem, was du testest. Ein Anbieter, der nur mit aufgeräumten Eingaben funktioniert, hat dein Problem nicht gelöst.
- 3. Behalte die ganze Antwort, nicht nur das Label. Die Wahrscheinlichkeit und die Anzahl der Samples brauchst du in Schritt fünf — und wenn ein Anbieter sie nicht liefert, ist genau das das Ergebnis des Tests.
- 4. Bewerte drei Ergebnisse getrennt — richtig, falsch und keine Antwort. Hier laufen die meisten Prüfungen schief: „falsch“ und „unbekannt“ in eine Zahl zu werfen verdeckt genau den Unterschied, der zählt. Ein Unbekannt, das du filtern kannst, kostet dich eine neutrale Anrede. Eine selbstsichere falsche Antwort kostet dich den Kunden.
- 5. Leg jetzt einen Schwellenwert an und bewerte erneut. Nimm nur die Zeilen über deiner Grenze — sagen wir eine Wahrscheinlichkeit von 0,9 mit mindestens 50 Samples dahinter — und miss zwei Dinge: welchen Anteil der Datei das abdeckt, und die Fehlerquote innerhalb davon. Dieses Paar ist die eigentliche Antwort, denn es sagt dir, wie viel Arbeit verschwindet und wie viel Risiko mitkommt.
- 6. Prüf gleich mit, was im Betrieb zählt. Wie lange 300 Zeilen brauchen. Wie eine Fehlerantwort aussieht, wenn du Unsinn schickst. Ob dieselbe Anfrage zweimal dieselbe Antwort liefert. Ob der Test ein Telefonat gebraucht hat.
Wegen Schritt fünf zählt die Form der Antwort mehr als jede Schlagzeilenzahl: ohne Wahrscheinlichkeit und Anzahl der Samples gibt es keinen Schwellenwert, und die ehrliche Antwort auf „wie viel von dieser Datei kann ich automatisieren?“ lautet dann „alles oder nichts“. 100 kostenlose Abfragen pro Monat reichen für einen Test mit 300 Zeilen dreimal.
Wenn du auch ein Sprachmodell in Betracht ziehst
Immer häufiger stehen nicht zwei APIs zur Wahl, sondern eine API und ein Prompt. Dieser Vergleich hängt an anderen Dingen — Kosten pro Million Zeilen, ob dieselbe Eingabe zweimal dieselbe Ausgabe liefert, und was du einer Prüfung zeigen kannst — deshalb hat er eine eigene Seite.
Wie die Integration wirklich aussieht
Lohnt sich während der Prüfung statt danach, denn hier wird aus einem Nachmittag eine Woche. Ein Credit pro Abfrage, 100 Namen pro Batch-Request, und keine Obergrenze bei der Anzahl der Requests.
- Offizielle Clients für PHP, Python, Node, Java, Go, Ruby, Rust, Perl und .NET.
- Vollständige v2-Referenz mit OpenAPI-Beschreibung, dazu Problem-Antworten nach RFC 7807, damit Fehler maschinenlesbar sind.
- Ein natives Excel-Add-in und eine Shopify-App, fertige Integrationen für Google Sheets, HubSpot, Salesforce, Zapier und mehr, und ein gehosteter MCP-Server für KI-Werkzeuge — die ganze Liste.
- Massen-Geschlechtsbestimmung für eine einmalige Datei, und Nationalität aus einem Namen, wenn die Herkunft dazugehört.
Die Preise beginnen bei €0.35 pro 1.000 Abfragen und stehen vollständig auf der Preisseite — du brauchst kein Angebot, um sie zu sehen.
Häufige Fragen
Worauf sollte ich Geschlechts-APIs vergleichen?
Darauf, was ein einzelnes Ergebnis dir in die Hand gibt, nicht auf eine Schlagzeilen-Genauigkeit. Ein Anbieter, der nur ein Label zurückgibt, lässt dir die Wahl, jeder Zeile zu vertrauen oder jede Zeile zu prüfen; einer, der eine Wahrscheinlichkeit und die Anzahl der Datensätze dahinter liefert, lässt dich die sicheren Zeilen automatisieren und nur den Rest ansehen. Danach: ob derselbe Name je Land anders aufgelöst wird, ob die Antwort über die Zeit stabil bleibt, was bei einem unbekannten Namen passiert und wo die Daten verarbeitet werden.
Wie teste ich einen Anbieter richtig?
Mit deiner eigenen Liste, nicht mit einer Auswahl berühmter Namen. Nimm ein paar hundert Zeilen, deren Antwort du schon kennst — auch die unangenehmen — und lass sie durchlaufen. 100 kostenlose Abfragen pro Monat reichen dafür, und jeder Anbieter, der eine Prüfung wert ist, lässt dich dasselbe ohne Telefonat machen.
Ist eine größere Namensdatenbank besser?
Nicht von sich aus. Ein Name zählt für die Gesamtzahl gleich, ob die Datenbank drei Datensätze zu ihm hat oder fünfzigtausend — die Gesamtzahl kann dir also nicht sagen, auf welche deiner Zeilen du dich stützen kannst. Der Beleg pro Ergebnis kann es. Die Größe entscheidet, wie oft du überhaupt eine Antwort bekommst; die Anzahl der Samples entscheidet, ob du sie verwenden solltest.
Welche Genauigkeit veröffentlicht ihr?
Bewusst keine gemessene Zahl. Wir haben keinen veröffentlichten Benchmark auf einem gelabelten Namensdatensatz laufen lassen, eine Prozentzahl wäre also Marketing und kein Beleg. Was du stattdessen bekommst, ist der Beleg pro Antwort — eine Wahrscheinlichkeit und eine Anzahl von Samples bei jedem Ergebnis — damit du die Genauigkeit an deinen eigenen Daten messen kannst; das ist die einzige Zahl, die deinen Fall beschreibt. Wenn ein Anbieter dir eine einzelne Genauigkeitszahl nennt, frage, an welchen Namen sie gemessen wurde.
Ist es wichtig, wo die Daten verarbeitet werden?
Ja, wenn in deiner Liste Kundennamen stehen — das sind personenbezogene Daten. Wir sind ein deutsches Unternehmen, alle Server stehen in Deutschland, die Verarbeitung findet innerhalb der EU statt, und einen Auftragsverarbeitungsvertrag kannst du in deinem Konto anfordern. Wen auch immer du prüfst: lass dir das schriftlich geben, bevor der Pilot läuft, nicht danach.
Welche Fragen werden meistens vergessen?
Drei. Was mit einem Namen passiert, den die Datenbank nicht kennt — ein leeres Feld, das du filtern kannst, ist mehr wert als eine plausible Vermutung, die du nicht erkennst. Ob dieselbe Anfrage nächstes Jahr dieselbe Antwort liefert, was in dem Moment zählt, in dem eine Prüfung fragt, wie ein Datensatz eingeordnet wurde. Und ob ungenutztes Guthaben verfällt.
MACH DEN TEST MIT DEINER EIGENEN LISTE
100 kostenlose Abfragen pro Monat, keine Kreditkarte und kein Telefonat. Bring die Zeilen mit, deren Antwort du schon kennst — auch die unangenehmen — und sieh, was neben jeder einzelnen zurückkommt.
API-Dokumentation · CSV- oder Excel-Datei hochladen · Stell uns eine konkrete Frage
