Nachnamen, die sich mit dem Geschlecht ändern: Der dritte Fall, den Ihr Schema vergessen hat

Die meisten Entwickler kennen zwei Regeln über Nachnamen und Geschlecht. Entweder flektiert der Nachname — Novák für einen Mann, Nováková für seine Frau — oder er tut es nicht, und Smith ist für immer Smith. Eine pro Sprachregion wählen, ausliefern, weitermachen.

Es gibt einen dritten Fall. Er ist weder Flexion noch Identität, und er ist derjenige, der das Schema zerbricht, denn in diesem Fall sind die männliche und die weibliche Nachnamenliste verschiedene Listen verschiedener Länge ganz ohne Entsprechung zwischen ihnen.

Wir pflegen kuratierte Nachnamen-Korpora für 64 Sprachregionen, gespeichert als eine lastname_male- und eine lastname_female-Datei je Region. Diese Struktur zwingt dazu, die Frage für jedes Land ausdrücklich zu beantworten, und die Antwort ist nicht zweiwertig:

Korpuszählungen neu gemessen 2026-07-22; die weiter unten zitierten Registerzahlen sind mit Stand 2026-07-17.

Wenn Ihr Datenmodell nur die ersten beiden Zeilen unterstützt, haben Sie bereits irgendwo Daten verloren. Hier ist wo.

Fall (a): es flektiert — aber „flektiert" sind vier verschiedene Mechanismen

Zehn Sprachregionen führen geschlechtsspezifische Nachnamen: uk, ru, cs, sk, pl, bg, lv, el, kk und (strukturell) is. Sie unter ein Etikett zu werfen ist der erste Fehler, denn das Etikett verbirgt mindestens vier unverwandte Grammatiken.

Tschechisch und Slowakisch hängen ein Possessivsuffix an. Novák → Nováková, Adamec → Adamcová, Adámek → Adámková. Beachten Sie das mittlere Beispiel: der Stamm verliert einen Vokal. Das ist keine String-Verkettung.

Russisch, Bulgarisch und Polnisch flektieren ein Adjektiv. Иванов → Иванова, Аврамов → Аврамова, Kowalski → Kowalska. Die männliche Form ist grammatisch ein Adjektiv, und die weibliche Form ist dasselbe Adjektiv im Femininum.

Griechisch wechselt in den Genitiv. Παπαδόπουλος → Παπαδοπούλου. Diese weibliche Form ist kein „femininer Nachname" — sie ist der Genitiv des männlichen, buchstäblich „des Papadopoulos". Βλάχος → Βλάχου, Παππάς → Παππά.

Lettisch wendet Deklinationsklassen an, was wiederum ein anderes Tier ist, und wir kommen darauf zurück, weil es das interessante ist.

Vier Mechanismen, ein Etikett. Wenn Ihr Code eine einzige feminizeSurname()-Funktion hat, die nach Region verzweigt, sind es vier Funktionen in einem Trenchcoat.

Die Invariante, die tatsächlich gilt: nicht jedes Paar ändert sich

Die Paarung erfolgt nach Index, nicht nach Transformation. In mehreren Regionen ist ein großer Anteil der Paare auf beiden Seiten identisch, und das sind korrekte Daten, kein Fehler in Ihrem Import:

Drei Viertel der ukrainischen Nachnamen — die ganze -енко-Familie — ändern sich nie. Polnisches -ski flektiert, polnisches -czyk nicht. Griechische Nachnamen, die bereits im Genitiv stehen (Παπαγεωργίου, Νικολάου), haben nirgendwo mehr hin, sodass 103 von 648 unverändert bleiben. Tschechisch hat genau 14 invariante Nachnamen in einer Liste von 1.805 — der indeklinable adjektivische -í-Typ (Krejčí, Dolejší, Kočí) und der Genitiv-Plural--ů-Typ (Martinů, Petrů, Pavlů). Slowakisch hat null.

Ein Validator, der behauptet „wenn die Region flektiert, dann männlich ≠ weiblich", schlägt bei 2.043 korrekten ukrainischen Zeilen an.

Lettisch: warum die Suffixregel nicht funktioniert

Wir dokumentierten Lettisch einst als drei saubere Klassen: -š → -a, -s → -a, -is → -e. Dann maßen wir es gegen die tatsächlichen Paare. 152 von 789 Paaren passen zu keiner der drei.

Der Grund ist, dass die Endung nicht die Klasse bestimmt. Zwei Nachnamen mit denselben Endbuchstaben nehmen verschiedene weibliche Formen an:

Ozols und Jansons enden identisch. Zālītis und Baranovskis enden identisch. Die Aufteilung folgt der Deklinationsklasse des Substantivs — einer Eigenschaft des Lexems, nicht seiner Schreibung. Sie können sie nicht aus dem String zurückgewinnen, was bedeutet, dass Sie die weibliche Form nicht ableiten können; Sie müssen das Paar speichern.

Und 12 lettische Nachnamen sind invariant, weil sie bereits Substantive femininer Klasse sind: Liepa (Linde), Egle (Fichte), Roze (Rose), Priede (Kiefer), Kļava (Ahorn), Lapsa (Fuchs), Zvaigzne (Stern). Ein Mann ist Jānis Liepa; seine Tochter ist Anna Liepa.

Fall (c): die getrennte Menge

Zwei Regionen in unserem Korpus haben männliche und weibliche Nachnamendateien unterschiedlicher Länge: en_IN (836 / 842) und bn_BD (400 / 404). Index-Paarung ist dort bedeutungslos. Ebenso die Regel „die Dateien müssen identisch sein".

Indien. Sechs Nachnamen erscheinen nur in der weiblichen Datei: Devi, Kaur, Begum, Khatun, Bano, Parveen. Sie sind keine weiblichen Formen von irgendetwas — es sind eigenständige, von Frauen getragene Namen. In der Sikh-Namenspraxis ist Kaur der Name, den Frauen tragen, und Singh wird überwiegend von Männern getragen; Devi ist ein sehr verbreiteter weiblicher Nachname in Nordindien; Begum, Khatun, Bano und Parveen sind Frauennamen in muslimischen Gemeinschaften. Devi ist schwer — gleichauf mit dem schwersten Eintrag in der weiblichen Datei nach Gewicht.

Wenn Sie „die zwei Listen müssen identisch sein" erzwingen, haben Sie zwei Möglichkeiten, und beide sind falsch: Devi in den männlichen Korpus setzen oder es weglassen. Es wegzulassen bedeutet, dass Frauen in Ihren indischen Daten einen der häufigsten echten Nachnamen des Landes verlieren.

Beachten Sie, was die Daten nicht sagen. Singh ist in beiden Dateien vorhanden — mit einem schwereren Gewicht auf der männlichen Seite (100) als auf der weiblichen (55). Es ist kein reiner Männername: Sikh-Frauen tragen ihn auch, und er wird in ganz Nordindien religionsunabhängig verwendet. Der Korpus kodiert eine Schieflage, keinen Ausschluss. Diese Unterscheidung überlebt nur, wenn Ihr Schema „in beiden vorhanden, unterschiedlich gewichtet" ausdrücken kann.

Bangladesch. Vier Einträge existieren nur auf der weiblichen Seite: বেগম (Begum), আক্তার (Akter), খাতুন (Khatun), খানম (Khanam). Das sind Ehrentitel, die den Nachnamen-Slot besetzen: eine Frau trägt häufig Begum oder Akter, wo ein Mann einen Familiennamen trägt. Sie sind überhaupt keine Nachnamen im europäischen Sinn, und sie haben kein männliches Gegenstück zum Paaren.

In beiden Regionen ist die männliche Liste eine echte Teilmenge der weiblichen. Nichts am Schema sagt Ihnen das im Voraus.

Island gehört konzeptionell hierher, obwohl es den Paarungstest mechanisch besteht. Seine 343 Einträge sind 284 Patronyme (Jónsson / Jónsdóttir) plus 59 vererbte Familiennamen. Die Paarung ist echt erforderlich — ein Stamm, zwei Formen —, aber die Ableitung ist keine String-Chirurgie: Sigurður ergibt Sigurðsson, aber Sigurðardóttir, aus zwei verschiedenen echten Genitiven desselben Vornamens. Magnús ergibt Magnússon und Magnúsdóttir, mit dem verdoppelten s nur auf einer Seite.

Und „Island hat keine Nachnamen" ist ungenau: die 59 Familiennamen sind echt (Blöndal, Briem, Thorlacius, Zoëga). Gesetz Nr. 54/1925 verbot, neue zu schaffen; es schaffte die bestehenden nicht ab. Sie sind 17 % der Zeilen, aber 4,15 % des Gewichts (97 von 2.335) — passend zu den 4 %, die Statistics Iceland misst, nicht zu den „etwa 10 %", die online kursieren.

Georgien ist der Hybrid. ka_GE hat 492 Einträge auf jeder Seite; 460 georgische Nachnamen (ბერიძე, კაპანაძე) sind invariant, und 32 aserbaidschanische flektieren (-ოვი → -ოვა). Die Dateien paaren nach Index. Aber მამედოვი trägt Gewicht 34 und მამედოვა trägt 31 — das Paar teilt kein Gewicht, weil Männer und Frauen in Georgiens aserbaidschanischer Minderheit im Register nicht gleich zahlreich sind. Jede Invariante der Form „gepaarte Zeilen haben gleiche Gewichte" ist hier falsch.

Das Gegenbeispiel, das Fall (c) zerbricht

Fall (c) lädt zu einer verlockenden Verallgemeinerung ein: Kaur und Begum sind Frauennamen, also überall in die weibliche Menge leiten.

In Spanien ist das schlicht falsch.

Spaniens Zivilregister gibt jeder Person zwei Nachnamen: zuerst den des Vaters, als zweiten den der Mutter. Die Vererbung des apellido der Mutter hängt nicht vom Geschlecht des Kindes ab. Ein Mann, dessen Mutter eine Begum ist, trägt rechtlich Begum als seinen zweiten Nachnamen.

Das INE-Register veröffentlicht beide Spalten getrennt, sodass das messbar statt strittig ist. Begum hat ap2 = 5.599 — das 3,18-Fache seines ap1. Der Name ist überwiegend ein zweiter Nachname, das heißt, er wird überwiegend von Kindern beiderlei Geschlechts von den Müttern geerbt. Die indische Logik in Spanien anzuwenden würde die Daten verderben.

Unsere es_ES-Dateien sind byteweise identisch, und Kaur, Begum und Singh erscheinen alle auf beiden Seiten. Der Zähler, nicht das Erscheinen des Namens, hat das entschieden. Dieselbe Spalte misst generationelle Tiefe: García sitzt bei ap2/ap1 = 1,015 (voll gesetzt), Kaur bei 0,657, Singh bei 0,070 — ein Name der ersten Generation, der den Mutter-Slot kaum erreicht hat.

Was das für Ihr Schema bedeutet

1. Eine einzige „Nachname"-Spalte plus eine „Geschlecht"-Spalte reicht nicht, um den Namen einer Person in zehn dieser Regionen zu rekonstruieren. Sie brauchen entweder gespeicherte Paare oder getrennte Mengen.
2. Leiten Sie die weibliche Form nie aus dem String ab. Lettisch entscheidet es: zwei identische Endungen, zwei verschiedene Klassen.
3. Behaupten Sie nicht männlich ≠ weiblich. 2.043 ukrainische Nachnamen sind invariant, und 12 lettische, und 14 tschechische.
4. Behaupten Sie keine gleichen Listenlängen. Indien und Bangladesch unterscheiden sich um 6 bzw. 4 Zeilen, und das sind korrekte Daten.
5. Behaupten Sie nicht, dass ein Paar Metadaten teilt. Georgiens მამედოვი/მამედოვა tun es nicht.
6. Lassen Sie Nichtübereinstimmung zu. Eine Person, deren gespeichertes Geschlecht und gespeicherte Nachnamenform „nicht übereinstimmen", ist nicht zwangsläufig ein Datenfehler. Namen ändern sich bei Heirat, Transition, Migration und Behördengängen; eine tschechische Frau darf sich rechtlich als Novák ohne -ová registrieren. Eine harte Einschränkung hier weist echte Menschen ab.

Die allgemeine Regel unter allen sechs: Namen werden nicht aus anderen Feldern abgeleitet. Sie sind gespeicherte Fakten. Jede Regel, die aussieht, als würde sie Ihnen eine Spalte sparen, ist eine Regel, die ein Register irgendwo bereits gebrochen hat.