Welche Länder teilen sich Namen? Wir haben alle 1.953 Paare gemessen — und Argentiniens engste Entsprechung ist nicht Spanien

Wir nahmen die Namenskorpora für alle 63 Sprachregionen, die der Korpus zum Zeitpunkt des Laufs umfasste, verglichen jedes einzelne der 1.953 möglichen Paare anhand zweier Ähnlichkeitsmetriken und ordneten sie nach Rang. Der Großteil der Spitze dieser Liste ist langweilig im besten Sinne: Frankreich und Belgien, Österreich und Deutschland, Peru und Venezuela. Die Geschichte verhielt sich erwartungsgemäß.

Dann, auf Rang 10 bei der Nachnamenähnlichkeit — vor Spanien und Peru, vor Deutschland und der Schweiz — sitzt Argentinien und Italien. Zwei Länder, die keine Grenze, keine Sprache und keine koloniale Beziehung teilen. Sie teilen sich 565 Nachnamen, und diese Nachnamen tragen 26,9 % der argentinischen Nachnamenmasse, während sie in Spanien vollständig fehlen.

Das ist kein Datenfehler. Es ist 1880–1930, als rund zwei Millionen Italiener nach Argentinien zogen und in einem Land mit acht Millionen Einwohnern ankamen. Die Nachnamen kamen mit ihnen und blieben. Unsere Matrix entdeckte eine Migrationswelle allein aus der String-Überlappung wieder, ohne dass ihr gesagt worden wäre, dass sie stattgefunden hat.

Dieser Artikel geht die gesamte Matrix durch: was nah ist, was fern ist, was uns überraschte und — wichtig — die zwei Stellen, an denen die Methode versagt und selbstsicheren Unsinn produziert.

Wie die Ähnlichkeit gemessen wurde

Zwei Metriken, mit Absicht, weil sie auf aufschlussreiche Weise voneinander abweichen.

Jaccard vergleicht die Mengen. Von allen Namen, die in einem der beiden Länder vorkommen — welcher Anteil kommt in beiden vor? Es ignoriert die Häufigkeit vollständig — ein Name, den sechs Millionen Menschen tragen, zählt genauso viel wie einer, den sechs tragen.

Kosinus vergleicht die gewichteten Vektoren. Jeder Korpus wird so normiert, dass er sich zu 1 summiert, und wir nehmen den Kosinus des Winkels zwischen ihnen. Ein Paar erzielt nur dann einen hohen Wert, wenn die gemeinsamen Namen in beiden Ländern ähnliche Anteile tragen.

Wenn Jaccard hoch und Kosinus niedrig ist, schöpfen zwei Länder aus demselben Pool, nutzen ihn aber unterschiedlich. Wenn Kosinus hoch und Jaccard niedrig ist, überlappen sie sich bei wenigen Namen, aber diese wenigen sind in beiden die großen. Beide Fälle sind real und beide sind interessant.

Die engsten Paare

Vornamen

(Französischsprachige Paare sind fr_FR/fr_BE/fr_CH/fr_CA; „Italien – Schweiz" ist it_IT/it_CH.)

Der französischsprachige Cluster dominiert so vollständig, dass er einer Erklärung bedarf. Belgien und Frankreich erreichen 0,907 Jaccard — neun von zehn Namen sind gemeinsam. Keine andere Sprachfamilie kommt nahe heran: deutschsprachige Paare erreichen höchstens 0,537, spanischsprachige 0,610, englischsprachige 0,507.

Das ist real, aber es ist aus einem bestimmten Grund real. Französische Vornamen-Repertoires sind über Grenzen hinweg tatsächlich einheitlicher als deutsche oder englische, weil die französische Namensgebung zwei Jahrhunderte lang zentral geregelt war. Von 1803 bis 1993 beschränkte das französische Recht die legalen Vornamen auf eine staatlich sanktionierte Liste — Heiligennamen und Gestalten aus der Antike —, und die belgische und schweizerische frankophone Praxis folgte denselben Konventionen. Deutschland hatte nie eine einzige Liste; Bayern und Preußen benannten unterschiedlich. Englischsprachige Länder hatten überhaupt nie eine Liste.

Die außergewöhnliche Dichte des französischen Clusters ist also ein Fossil des napoleonischen loi du 11 germinal an XI. Zwei Jahrhunderte eines einzigen legalen Repertoires, noch 2026 in einem Korpusvergleich sichtbar.

Nachnamen

Portugal–Brasilien ist die klarste Demonstration dafür, warum zwei Metriken wichtig sind. Jaccard 0,294 — bescheiden, nur 198 gemeinsame Nachnamen. Kosinus 0,845 — der dritthöchste in der gesamten Matrix. Die beiden Länder teilen sich relativ wenige Nachnamen*formen*, aber die, die sie teilen, sind in beiden die dominierenden: Silva, Santos, Oliveira, Souza stehen an der Spitze jeder Liste. Das Repertoire Brasiliens divergiert dann enorm durch italienische, deutsche, japanische, libanesische und indigene Ergänzungen, die Portugal nie erhielt. Gleicher Kopf, anderer Körper — genau die Signatur, die man für eine Kolonie vorhersagen würde, die sprachlich portugiesisch blieb, während sie eine Migration aufnahm, die Portugal nicht erhielt.

Argentinien und Italien

Zurück zu Rang 10, denn es ist der Befund, der uns das Skript zweimal erneut laufen ließ.

Argentinien und Italien teilen sich 565 Nachnamen. Nach Gewicht im argentinischen Korpus geordnet, liest sich die Spitze dieser gemeinsamen Liste so:

Der naheliegende Einwand ist, dass dies schlicht panromanische Nachnamen sein könnten, die auch Spanien hat, womit die Italien-Verbindung unecht wäre. Also entfernten wir jeden Nachnamen, der auch im spanischen Korpus vorkommt. 538 der 565 überleben — und sie tragen weiterhin 26,9 % der gesamten argentinischen Nachnamenmasse.

Rund ein Viertel des Gewichts der argentinischen Nachnamenverteilung besteht aus italienischen Nachnamen, die Spanien nicht hat. Rossi, Ferrari, Esposito, Bianchi reisten nicht über Madrid. Sie kamen zwischen 1880 und 1930 direkt in Buenos Aires an, während einer Migration, bei der auf ihrem Höhepunkt Italiener schneller nach Argentinien kamen als in jedes andere Ziel, einschließlich der Vereinigten Staaten. Die argentinische Demografieforschung schätzt routinemäßig, dass eine Mehrheit der Argentinier eine gewisse italienische Abstammung hat; unsere Nachnamenmasse-Zahl ist eine unabhängige Messung desselben Phänomens aus einer völlig anderen Richtung.

Die Metrik, die dies erfasst, ist Jaccard, nicht Kosinus. Der Kosinus für das Paar ist bescheidene 0,171, denn die größten argentinischen Nachnamen sind immer noch spanisch — González, Rodríguez, Gómez —, und Italien hat keinen davon. Die italienische Schicht liegt unter dem spanischen Kopf. Die Mengenüberlappung sieht sie; die gewichtete Überlappung verbirgt sie teilweise. Hätten wir nur den Kosinus berechnet, hätten wir den einzelnen interessantesten Befund der Matrix verpasst.

Die Richtung ist wichtig — und wird meist unterschlagen

Ähnlichkeit ist symmetrisch. Überlappung ist es nicht, und genau hier geht die meiste Namensvergleichsarbeit schief.

Fragen Sie „welcher Anteil der Namensmasse von Land A besteht aus Namen, die auch in Land B existieren", und Sie erhalten zwei verschiedene Zahlen, je nachdem, in welche Richtung Sie sie zeigen:

Türkei und Deutschland. Nur 24 Nachnamen sind gemeinsam — aber diese 24 sind die größten der Türkei: Yılmaz, Kaya, Demir, Çelik, Yıldız, Şahin, Öztürk. Sie machen 17,1 % der türkischen Nachnamenmasse aus. Von der deutschen Seite sind dieselben 24 Namen 2,0 % der deutschen Masse. Beide Zahlen sind korrekt und sie beschreiben dasselbe Objekt: die türkische Arbeitsmigration nach Westdeutschland nach 1961, die türkische Nachnamen in prozentualer Häufigkeit in deutsche Register brachte, ohne irgendetwas zu verdrängen. Geschrieben als „Türkei und Deutschland sind zu 17 % ähnlich" wäre es irreführend. Geschrieben als „Die häufigsten Nachnamen der Türkei tragen nun messbares Gewicht in denen Deutschlands" ist es richtig.

Vietnam und Tschechien. 21 gemeinsame Vornamen — Anh, Minh, Lan, Linh, Mai, Trang —, die 18,1 % der vietnamesischen Vornamenmasse und 0,5 % der tschechischen tragen. Tschechien beherbergt eine der pro Kopf größten vietnamesischen Gemeinschaften Europas, ein Erbe der Arbeits- und Studienabkommen der sozialistischen Ära zwischen der Tschechoslowakei und Nordvietnam. Der tschechische Korpus verzeichnet diese Namen mit Gewicht 2 gegen 96 für Jan. Klein in Tschechien, enorm in Vietnam, in beiden völlig real.

Russland und die Ukraine. Die auffälligste niedrige Zahl der Matrix. Zwei benachbarte slawische Länder, die im selben Alphabet schreiben, teilen sich 12 Nachnamen von Tausenden, mit Jaccard 0,003. Das ist kein Schriftproblem — beide sind kyrillisch. Es ist ein echter struktureller Unterschied: Russische Nachnamen sind überwiegend adjektivische Possessive auf -ov/-ev/-in, ukrainische werden vom Patronym -enko und der -uk/-yuk-Familie dominiert. Die Suffixsysteme überschneiden sich kaum. Die Ukraine und Russland sind bei den Nachnamen weiter voneinander entfernt als Großbritannien und Indien.

Wo die Methode versagt

Zwei Fehlermodi, beide schwerwiegend, beide leicht zu übersehen.

Die Schriftbarriere

981 von 1.953 Paaren teilen null Vornamen. 1.287 von 1.953 teilen null Nachnamen. Die Hälfte bis zwei Drittel unserer gesamten Matrix besteht aus Nullen.

Fast keine dieser Nullen bedeutet, dass die Namenssysteme nicht verwandt sind. Sie bedeuten, dass die beiden Korpora in verschiedenen Alphabeten geschrieben sind, und der String-Vergleich kann nicht durch ein Alphabet hindurchsehen.

Der Beweisfall ist entscheidend. Serbisch erscheint in unseren Daten zweimal — sr_RS in Kyrillisch und sr_Latn_RS in Lateinisch. Dasselbe Land, dieselbe Sprache, dieselben Namen, und bei näherer Betrachtung sind die beiden Dateien dieselben Daten in zwei Schriften: identische Eintragszahlen (1.143 Vornamen, 958 Nachnamen) und identische Gewichtssummen. Ihre gemessene Ähnlichkeit:

Perfekte Unähnlichkeit zwischen einem Korpus und einer Transliteration seiner selbst. Jede Schlussfolgerung, die aus einer Null in dieser Matrix gezogen wird, ohne zuvor die Schriften zu prüfen, ist wertlos — und das schließt das gesamte Ranking der „entferntesten Paare" ein, weshalb wir keines veröffentlichen. Die entferntesten Paare nach Messung sind Griechisch und Koreanisch, Hebräisch und Bengali, Georgisch und Japanisch; die Messung ist vollständig ein Artefakt der Schriftsysteme und sagt Ihnen nichts über die Namen.

Sieben Sprachregionen sind in unserer Matrix vollständige Isolate, die mit niemandem etwas teilen: Bengali, Griechisch, Hebräisch, Armenisch, Georgisch, Koreanisch und Nepali. Jede ist die einzige Besetzung ihrer Schrift in unserem Korpus.

Han-Zeichen sind gemeinsam; Nachnamen nicht

Der Korpus Japans teilt sich 339 Nachnameneinträge mit dem Taiwans und deckt damit 75,4 % der japanischen Nachnamenmasse ab. Naiv gelesen besagt das, dass Japan und Taiwan nahezu dieselben Nachnamen haben. Das tun sie nicht.

Die gemeinsamen Einträge sind in Han-Zeichen geschrieben, die beide Schriftsysteme verwenden. 佐藤 (Satō) erscheint tatsächlich im Register Taiwans — das taiwanische Innenministerium veröffentlicht ohne Datenschutzschwelle, sodass jeder Nachname mit mindestens einem Träger gelistet ist, und Taiwan hat Einwohner mit japanischen Nachnamen aus der Kolonialzeit von 1895–1945 und aus späterer Einbürgerung. Aber das Gewicht ist:

Die umgekehrte Richtung ergibt 8,4 %, und selbst das überschätzt es, weil sie von Einzelzeichen-Nachnamen wie 林 und 王 dominiert wird, die in beiden Sprachen aus dem nicht zusammenhängenden Grund häufig sind, dass beide sie aus dem klassischen Chinesisch erbten.

Die Lehre verallgemeinert sich: Eine gemeinsame Schrift bläht die Überlappung auf, eine andere Schrift zerstört sie, und keines von beiden hat etwas damit zu tun, ob die Namen verwandt sind. Jede schriftübergreifende Zahl in diesem Artikel wird aus genau diesem Grund in einer Richtung angegeben, mit ihrem Gegenstück daneben.

Was wir erwarteten und nicht bekamen

Vier Vorhersagen, die wir vor dem Lauf der Matrix machten, und wie sie sich schlugen:

Das spanische Ergebnis ist die zweite echte Überraschung. Spanien ist nicht das Zentrum des spanischsprachigen Namensclusters. Die engsten hispanischen Paare sind allesamt amerikanisch — Peru–Venezuela 0,610, Argentinien–Peru 0,528, Argentinien–Venezuela 0,475 —, während jedes Paar mit Spanien niedriger abschneidet. Lateinamerikanische Länder ähneln einander mehr, als eines von ihnen Spanien ähnelt, was man nach vier Jahrhunderten unabhängiger Namensdrift erwarten würde, plus, im Fall Argentiniens, zwei Millionen Italienern.

Fazit

Über 1.953 Paare gemessen, folgt die Namensähnlichkeit der Geschichte mit beunruhigender Treue: napoleonisches Namensrecht im französischen Cluster, portugiesische Kolonialkontinuität in der Brasilien-Paarung, italienische Massenmigration in der argentinischen Nachnamenschicht, türkische Arbeitsmigration im deutschen Register, Studienabkommen des Kalten Krieges in den vietnamesischen Namen, die in tschechischen Daten sitzen.

Sie produziert auch selbstsicheren Unsinn, wo immer sich Alphabete unterscheiden, und die Hälfte unserer Matrix ist dieser Unsinn. Die einzelne wichtigste Operation in dieser gesamten Analyse war die Prüfung, ob Serbisch sich selbst ähnelte. Das tat es nicht — und bis Sie diese Prüfung durchführen, können Sie eine echte Null nicht von einem Alphabet unterscheiden.

Methodik und Quellen

Was berechnet wurde. Für alle 63 Sprachregionen in Korpusversion share 1.1.7 — die zum Zeitpunkt des Laufs aktuelle Version; der Korpus ist nun share 1.1.8 — bauten wir zwei Vektoren pro Sprachregion: Vornamen (Männer- und Frauendateien zusammengeführt) und Nachnamen (lastname_male; in den meisten Sprachregionen sind die Männer- und Frauen-Nachnamendateien identisch, sodass eine Zusammenführung beider jedes Gewicht nur verdoppeln würde). Für jedes der 1.953 ungeordneten Paare berechneten wir Jaccard auf den Schlüsselmengen und den Kosinus auf L1-normierten Gewichtsvektoren, plus gerichtete gewichtete Überlappung in beide Richtungen. Analyse durchgeführt am 2026-07-18. ⚠ Der Korpus umfasste 63 Sprachregionen, als diese Zahlen gemessen wurden; en_IE wurde am 18. Juli 2026 hinzugefügt und er umfasst heute 64. Die 1.953 Paare sind alle ungeordneten Paare dieser 63; ein erneuter Lauf gegen 64 würde 2.016 ergeben.

Einschränkungen, nach Schweregrad geordnet.

1. Schriftinkompatibilität. String-Gleichheit ist die einzige verwendete Zuordnungsregel. Keine Transliteration, keine Normierung über Alphabete hinweg. 981 Vornamenpaare und 1.287 Nachnamenpaare messen sich als null, und im Wesentlichen sind all diese Schriftartefakte statt Befunde. Demonstriert durch die Kontrolle sr_RS / sr_Latn_RS, die 0,0000 gegen eine Transliteration ihrer selbst erzielt. In diesem Artikel wird kein Ranking der „entferntesten Paare" veröffentlicht, denn dieses Ranking wäre ein Ranking von Alphabeten.

1. Aufblähung durch gemeinsame Schrift. Han-Zeichen-Sprachregionen (ja_JP, zh_CN, zh_TW, ko_KR, wo Hanja verwendet werden) zeigen eine erhöhte Überlappung, die ein gemeinsames Zeicheninventar statt gemeinsamer Nachnamen widerspiegelt. Jede solche Zahl wird gerichtet mit beiden Werten angegeben.

1. Gewichtsskalen sind über Sprachregionen hinweg nicht vergleichbar. Im Lauf trugen 61 der 63 Sprachregionen relative Ganzzahlen auf einer 1–255-Skala und nur zh_TW und vi_VN trugen rohe Kopfzahlen. Diese Aufteilung hat sich seither verschoben: Mit Stand vom 22. Juli 2026 tragen 12 der 64 Nachnamenkorpora Register-Kopfzahlen und 52 sind relativ. Der Kosinus wird auf L1-normierten Vektoren berechnet, was die Skala entfernt, nicht aber Formunterschiede, die aus unterschiedlicher Kalibrierungstiefe entstehen. Jaccard ist davon unberührt, da mengenbasiert. Absolute Gewichte werden in diesem Artikel nirgends über Sprachregionen hinweg verglichen.

1. Die Korpustiefe variiert von 184 Einträgen (koreanische Nachnamen) bis 3.830 (schwedische Vornamen). Jaccard ist dafür empfindlich: ein tieferer Korpus auf einer Seite senkt den Wert mechanisch, indem er die Vereinigungsmenge vergrößert. Paare ähnlicher Tiefe sind zuverlässiger, was ein weiterer Grund ist, warum der französische Cluster (alle vier Korpora bei 798 Vornamen) so sauber abschneidet.

1. Korpora sind Stichproben, keine Register. Mit Ausnahme von zh_TW und vi_VN sind dies kuratierte, häufigkeitsgewichtete Stichproben, die aus Registerdaten erstellt wurden, nicht die Register selbst. Ein aus einem Korpus fehlender Name fehlt nicht notwendigerweise im Land.

Historische Aussagen und woher sie stammen. Die Namensdatenmessungen oben sind unsere. Die historischen Erklärungen sind es nicht und werden als Kontext statt als Befunde angegeben:

Wo unsere Messung und die Geschichte übereinstimmen, ist das eine Bestätigung, kein Beweis — die Korpora wurden aus Registerquellen erstellt, die selbst von diesen Geschichten geformt sind. Der argentinisch-italienische Befund wird als unabhängige Messung präsentiert, weil nichts in unserer Korpus-Aufbaupipeline von der italienischen Migration nach Argentinien wusste; die Überlappung ergab sich allein aus dem String-Vergleich.

Weiterführende Lektüre: Wie Migration Nachnamen pflanzt behandelt die Ankunft von Nachnamen in Registern; Migrationsschichten in Geburtskohorten tut dasselbe für Vornamen auf einer Zeitachse; Wie man Namenshäufigkeitsdaten prüft behandelt die Verifizierungsmethode allgemein.