Die Schicht, die herausfällt: Warum Nachnamen-Korpora die letzten fünfzig Jahre systematisch verpassen

Im norwegischen nationalen Nachnamenregister wird Mohamed von 3.885 Menschen getragen. Das setzt ihn auf Rang 99 — vor sehr viele Namen, die die meisten Leute als unauffällig norwegisch bezeichnen würden. Unser norwegischer Nachnamen-Korpus, gebaut aus Listen „norwegischer Nachnamen", enthielt ihn nicht. Auch nicht Khan (3.505, Rang 106), auch nicht Hassan (3.495, Rang 107), auch nicht Tran (3.253, Rang 120).

Das ist für sich genommen keine interessante Tatsache. Jedem Korpus fehlt etwas. Was es aufschreibenswert macht, ist, dass wir am 18. Juli 2026 dasselbe in fünf weiteren Ländern prüften und jedes Mal dieselbe Form zurückkam — und dass, als wir genauer hinsahen, was sonst fehlte, die Geschichte sich als komplizierter und nützlicher erwies als „die Daten haben die Einwanderer vergessen".

Dieser Artikel handelt von einem blinden Fleck darin, wie Namensdatensätze gebaut werden. Ein Begleitartikel, Migrationsschichten in Geburtskohorten, behandelt, was auf der Zeit-Achse geschieht — wie zwei Generationen derselben Gemeinschaft im selben Register entgegengesetzte Kurven erzeugen. Dieser hier handelt von der Momentaufnahme: was schlicht auf der Liste fehlt.

Die Messung

Für jede Sprachregion nahmen wir die nationale Registerdatei, ordneten sie nach Trägerzahl und stellten eine mechanische Frage: von den obersten N Nachnamen des Registers, wie viele enthält unser Korpus nicht? Kein Urteil, keine Klassifizierung, nur die Mengendifferenz.

Schwedens Null ist kein Fehler und kein Glück — es ist dieselbe Messung, angewandt auf einen Korpus, der genau diese Reparatur bereits durchlaufen hat. Es steht in der Tabelle als Kontrolle.

Was tatsächlich fehlt

Hier beginnt die intuitive Geschichte zu brechen, und es lohnt sich, sie richtig zu brechen.

Nehmen Sie die US-Liste von 193. Gruppiert nach der sprachlichen Tradition, aus der der Nachname stammt:

Zwei Drittel dessen, was dem amerikanischen Korpus fehlte, waren Brennan und Koch. Die Migrationsschicht ist ein realer und erheblicher Teil der Lücke — ein Viertel davon ist allein spanischsprachig —, aber sie ist nicht die ganze Lücke, und ein Korpus, der nur die Migrationsnamen geflickt hätte, hätte immer noch 128 Nachnamen vermisst, die niemand als jüngste Ankömmlinge bezeichnen würde.

Norwegen zeigt dieselben Proportionen im Kleinen. Von den 23 Register-Top-200-Nachnamen, die im Korpus fehlen, sind 9 migrationsstämmig — Mohamed, Khan, Hassan, Tran, Ibrahim, Mohammed, Ahmad, Abdi, Hussein — und 14 sind Hanssen (5.434, Rang 68), Eliassen (4.141, Rang 94), Hoel, Rønningen, Samuelsen, Solbakken, Aase, Sand, Bø, Syversen, Berger, Øien, Enger und — pikanterweise — Andersson, die schwedische Schreibweise, die in Norwegen mit 2.538 Trägern sitzt.

Die ehrliche Fassung des Befunds ist also enger als die Schlagzeile, und sie lautet: ein aus „Namen des Landes X" zusammengestellter Korpus ist flach, und die Flachheit ist nicht gleichmäßig verteilt. Er verpasst gewöhnliche Namen, weil er kurz ist. Er verpasst Migrationsschicht-Namen, weil niemand daran denkt, sie auf eine Liste norwegischer Nachnamen zu setzen — und diese zwei Fehler verstärken sich genau bei den Rängen, wo sie am sichtbarsten sind.

Der klarste Einzelfall ist Großbritannien. Miah ist der höchstplatzierte Nachname, der im britischen Korpus fehlt, auf Rang 254 mit 26.765 Trägern. Dahinter Uddin (13.620, Rang 537) und Li (8.643, Rang 898). Unterdessen waren Patel (137.088, Rang 24), Begum (78.156, Rang 65), Singh (69.574, Rang 78) und Kaur (48.488, Rang 121) alle vorhanden. Der Korpus war nicht blind für südasiatische Nachnamen im Allgemeinen — nur für die knapp unterhalb der Ebene alltäglicher Vertrautheit.

Der französische Fall ist nicht, wonach er aussieht

Frankreich lieferte 233 fehlende Namen aus den Register-Top-1000, darunter eine auffällige portugiesischsprachige Gruppe: Dos Santos (17.661, Rang 281), Gonçalves (16.448, Rang 314), De Oliveira (8.253, Rang 780), De Sousa (7.694, Rang 843), Teixeira (7.608, Rang 857).

Die naheliegende Lesart ist eine fehlende lusophone Schicht. Die naheliegende Lesart ist falsch, oder zumindest unvollständig, denn diese waren vorhanden: Da Silva (28.730, Rang 137), Pereira (21.402, Rang 202), Rodrigues (17.767, Rang 275), Fernandes (17.316, Rang 293).

Die portugiesischsprachige Schicht war im Korpus. Teile davon fielen heraus. Und als wir zählten, wie viele der 233 fehlenden französischen Nachnamen ein Leerzeichen enthalten, war die Antwort 5 — Dos Santos, De Oliveira, De Sousa, Le Borgne, Le Gal. Zwei davon sind bretonisch. Das ist zumindest teilweise ein Problem der Behandlung mehrteiliger Nachnamen, kein Migrationsproblem: Namen mit einem Partikel und einem Leerzeichen überstehen manche Pipeline-Schritte schlecht, und zwar unabhängig davon, aus welcher Sprache sie stammen. (Le Gal ist beträchtlich länger als fünfzig Jahre in der Bretagne.) Die Mechanik von Partikeln und Sortierung ist ein eigenes Thema, behandelt in Namenspräfixe und Sortierung (Begleitartikel, noch nicht veröffentlicht).

Gonçalves und Teixeira haben kein Leerzeichen und fehlten trotzdem, also ist der Migrationsschicht-Effekt auch in Frankreich real. Aber wer die Fünf-Namen-Portugiesenliste als reinen Beweis eines Migrations-Blindflecks liest, liest einen Tokenizer-Fehler als demografische Tatsache. Wir hätten es beinahe getan.

Die Register haben denselben blinden Fleck

Die zweite Hälfte davon, und der Teil, der nicht durch ein tieferes Korpus behoben werden kann: auch nationale Register erfassen jüngste Migration unzureichend, jedes aus seinem eigenen strukturellen Grund und jedes in einer erkennbaren Richtung.

INSEE (Frankreich) tabelliert Nachnamen nach Geburtsjahrzehnt für in Frankreich registrierte Geburten, 1891–2000. Im Ausland geborene Menschen stehen gar nicht in der Datei — rund 10,7 % von Frankreichs Bevölkerung. Ein Ankömmling der ersten Generation ist unsichtbar; nur ihre in Frankreich geborenen Kinder erscheinen. Jede Migrationsursprungs-Zahl von INSEE ist daher eine Untergrenze.

SSB (Norwegen) veröffentlicht nur Nachnamen mit 200 oder mehr Trägern. Wir können das aus der Datei selbst bestätigen: der Mindestwert über alle 3.620 Einträge ist genau 200. Was darunter sitzt — und ein jüngst angekommener Nachname sitzt überproportional wahrscheinlich darunter —, existiert für die veröffentlichte Statistik nicht. Das ist eine bewusste Datenschutzuntergrenze, besprochen in Datenschutzschwellen in Namensregistern; der Punkt hier ist nur, dass sie nicht demografisch neutral ist.

ONS (Großbritannien) ist der schärfste Fall, weil der Fehler einer des Jahrgangs ist. Die allgemein zirkulierenden britischen Nachnamendaten spiegeln ungefähr 2002 wider. Polen und Rumänien traten der EU 2004 und 2007 bei. Die Folge, direkt aus der Datei:

Mazur ist einer der zwanzig häufigsten Nachnamen in Polen. Er erscheint nirgendwo in einer britischen Nachnamendatei mit 58.242 Einträgen. Gegen eine heutige britische Bevölkerung, die mehrere hunderttausend Menschen polnischer Herkunft und eine große rumänische Gemeinschaft umfasst, ist Popescu mit 118 Trägern keine Messung — es ist ein Zeitstempel. Die Datei irrt nicht über 2002; sie wird gelesen, als ginge es um heute.

Das ist die Falle, die zählt. Ein Korpusbauer, der gewissenhaft alles aus amtlicher nationaler Statistik bezieht und sich weigert, irgendetwas hinzuzufügen, das nicht im Register steht, wird trotzdem einen Datensatz erzeugen, der eine Generation hinterherhinkt — weil er die Stichtagsgrenze des Registers zusammen mit dessen Autorität geerbt hat. Den Korpus zu vertiefen hilft nicht. Die Namen stehen nicht weiter unten auf der Liste. Sie stehen nicht auf der Liste.

Was wir geändert haben

Die Reparatur ist unglamourös: nimm die Register-Top-N, bilde die Mengendifferenz gegen den Korpus und füge alles Fehlende mit seinem echten Gewicht wieder hinzu. Schwedens Null in der ersten Tabelle ist, wie das aussieht, wenn es fertig ist — dieselbe Prüfung, die für Großbritannien 305 zurückgibt, gibt für Schweden nichts zurück, auf einem Korpus von 2.445 Einträgen gegen ein Register mit 411.798 Einträgen.

Für das Problem des Registerjahrgangs gibt es keine saubere Lösung, und wir behaupten keine. Wo ein Register bekanntermaßen einem großen Migrationsstrom vorausgeht, erbt der Korpus diese Lücke, und die ehrliche Antwort ist, das in den Datennotizen zu sagen, statt Zählungen zu erfinden. Ein Nachname, den wir aus keiner Quelle gewichten können, ist ein Nachname, den wir nicht hinzufügen.

Was das behauptet und was nicht

Jede Zahl oben ist eine Zählung von Nachnamendatensätzen. Nichts davon misst Ethnizität, Nationalität, Staatsbürgerschaft, gesprochene Sprache oder irgendetwas über eine Einzelperson — Frankreich und mehrere andere Staaten hier erheben überhaupt keine Ethnizitätsdaten, und nichts in diesem Artikel ist aus einer Quelle abgeleitet, die es tut. Die Gruppierungen in der US-Tabelle sind unsere Klassifizierung der sprachlichen Tradition, aus der ein Nachname stammt, gemacht zum Zweck der Beschreibung einer Datensatzlücke; sie sind ungefähr, sie sind am Rand anfechtbar, und Costa könnte vernünftigerweise in zwei von ihnen sitzen.

Der Befund handelt von Datensätzen, nicht von Menschen: Listen von „Namen des Landes X" kodieren den Moment, in dem sich das mentale Modell des Listenerstellers formte, und dieser Moment ist gewöhnlich ein paar Jahrzehnte veraltet. Die Register kodieren den Moment, in dem das Register erstellt wurde. Keines ist neutral, beide sind in eine Richtung korrigierbar, und die Arithmetik, die die Lücke findet, braucht etwa vier Zeilen.

Daten mit Stand 2026-07-18

Alle Mengendifferenz-Messungen wurden am 18. Juli 2026 gegen die unten aufgeführten Registerdateien berechnet, als Teil eines Audits gewichteter Namenskorpora für 64 Sprachregionen. Die Ränge wurden aus Rohzählungen neu berechnet; wo ein Register Gleichstände enthält, kann die Rangzuweisung um ein paar Positionen von der eigenen Nummerierung des Herausgebers abweichen — unser Build erfasste Miah/Uddin/Li bei 257/542/906 gegen die hier berechneten 254/537/898, und die Diskrepanz ist die Gleichstandsbehandlung, keine Uneinigkeit über die Daten.

Quellen:

• Vereinigtes Königreich — ONS, Nachnamenzählungen (58.242 Einträge, Mindestwert 5). Datenjahrgang ungefähr 2002; siehe die Anmerkung zur Migration nach 2004 oben. <ons.gov.uk/&gt;
• Frankreich — INSEE, Fichier des noms de famille, Nachnamen nach Geburtsjahrzehnt, in Frankreich registrierte Geburten 1891–2000 (218.983 Einträge). Schließt im Ausland Geborene aus. <insee.fr/fr/statistiques/353663…;
• Vereinigte Staaten — US Census Bureau, Frequently Occurring Surnames in the 2010 Census (162.254 Einträge). <census.gov/topics/population/gene…;
• Norwegen — SSB, Nachnamenstatistik, StatBank-Tabelle 12891 (3.620 Einträge, Veröffentlichungsuntergrenze von 200 Trägern, als Dateiminimum bestätigt). <ssb.no/statbank/table/12891&g…;
• Schweden — SCB, Nachnamenstatistik (411.798 Einträge). SCB stellte die Namensstatistik-Produktion 2024 ein. <scb.se/&gt;

Zur Sensibilität. Dieser Artikel beschreibt Lücken in Datensätzen. Er erhebt keinen Anspruch über Einzelpersonen oder Gemeinschaften, erfasst keine Ethnizität und bezieht keine Position zur Migration. Jede Zahl ist eine Zählung von Nachnamendatensätzen in einer öffentlichen statistischen Datei.