Weiter → Übersicht
Kein monatlicher Reset · Credits bleiben, bis sie verbraucht sind

Mehr alsnur ein Name.

Geschlechtserkennung, die ihre Belege zeigt

Senden Sie einen Vornamen, vollständigen Namen, eine E-Mail-Adresse oder einen Benutzernamen. Sie erhalten ein Geschlecht, eine Wahrscheinlichkeit und die zugrunde liegende Stichprobengröße, auch für Namen, die viele APIs unbeantwortet lassen.

Jetzt ausprobieren

Namen, die sich nach Land unterscheiden

Evidenz hinter der Antwort

Jean

Männlich

Wahrscheinlichkeit 81 %
Basierend auf
2.418.610 Personen
Konfidenz
hoch
Quelle
Referenzdaten

Nach Land, gezählte Geburtsregistrierungen

  • Frankreich 1.910.805 Personen Männlich 100 %
  • Vereinigte Staaten 483.198 Personen Weiblich 95 %
  • Schweiz 15.459 Personen Männlich 99 %
  • Kanada 3.295 Personen Männlich 88 %
Vollständiges Profil von Jean

Robin

Weiblich

Wahrscheinlichkeit 68 %
Basierend auf
433.280 Personen
Konfidenz
hoch
Quelle
Referenzdaten

Nach Land, gezählte Geburtsregistrierungen

  • Vereinigte Staaten 338.093 Personen Weiblich 86 %
  • Frankreich 59.650 Personen Männlich 100 %
  • England und Wales 10.247 Personen Männlich 82 %
  • Schweiz 9.778 Personen Männlich 97 %
Vollständiges Profil von Robin

Andrea

Weiblich

Wahrscheinlichkeit 96 %
Basierend auf
645.331 Personen
Konfidenz
hoch
Quelle
Referenzdaten

Nach Land, gezählte Geburtsregistrierungen

  • Vereinigte Staaten 450.034 Personen Weiblich 99 %
  • Spanien 113.054 Personen Weiblich 97 %
  • Schweiz 36.125 Personen Weiblich 76 %
  • Frankreich 10.855 Personen Männlich 79 %
Vollständiges Profil von Andrea

Kim

Weiblich

Wahrscheinlichkeit 81 %
Basierend auf
245.611 Personen
Konfidenz
hoch
Quelle
Referenzdaten

Nach Land, gezählte Geburtsregistrierungen

  • Vereinigte Staaten 214.713 Personen Weiblich 84 %
  • Norwegen 9.000 Personen Männlich 93 %
  • Frankreich 6.610 Personen Weiblich 81 %
  • Kanada 4.691 Personen Weiblich 94 %
Vollständiges Profil von Kim

Noa

Weiblich

Wahrscheinlichkeit 61 %
Basierend auf
104.524 Personen
Konfidenz
hoch
Quelle
Referenzdaten

Nach Land, gezählte Geburtsregistrierungen

  • Frankreich 41.975 Personen Männlich 83 %
  • Spanien 40.682 Personen Weiblich 100 %
  • Vereinigte Staaten 12.649 Personen Weiblich 83 %
  • England und Wales 2.779 Personen Weiblich 73 %
Vollständiges Profil von Noa

Datengrundlage erkunden Namen in der Datenbank 8.235.352 abgedeckte Länder 201

Gemessen an 4.610 gekennzeichneten Namen, einschließlich Schwachstellen

Die Kennzeichnungen stammen aus öffentlichen Namenslisten, die wir nicht selbst zusammengestellt haben, und der Test führt denselben Code wie die API aus. Wir veröffentlichen die Schriftsysteme, die wir schlecht beherrschen, neben denen, die wir gut beherrschen.

In der NameGender 2026 Benchmark mit 4.610 beschrifteten Namen aus 25 Ländern beantwortete die API 94 % der Namen, und 97 % dieser Antworten waren korrekt, also 91 % aller Namen wurden korrekt beantwortet.

Antworten korrekt
97 %
4.610 gelabelte Namen aus 25 Ländern, davon 94 % beantwortet
Namen in der Datenbank
8,2M
abgedeckte Länder
201

Korrekt beantwortete Namen nach Schriftsystem

Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    190
    Antworten korrekt
    99 %

    98 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    200
    Antworten korrekt
    98 %

    98 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    3.195
    Antworten korrekt
    97 %

    98 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    200
    Antworten korrekt
    92 %

    100 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    222
    Antworten korrekt
    91 %

    100 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    200
    Antworten korrekt
    96 %

    80 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    200
    Antworten korrekt
    97 %

    66 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

  • Basierend auf
    200
    Antworten korrekt
    96 %

    51 % beantwortet · Anteil aller Testnamen in jedem Schriftsystem, die korrekt beantwortet wurden. Unbeantwortete Namen zählen als Fehler.

Basierend auf
200
Antworten korrekt
100 %

100 % beantwortet

Basierend auf
174
Antworten korrekt
90 %

100 % beantwortet

Basierend auf
160
Antworten korrekt
99 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
100 %

99 % beantwortet

Basierend auf
200
Antworten korrekt
99 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
98 %

98 % beantwortet

Basierend auf
194
Antworten korrekt
99 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
95 %

98 % beantwortet

Basierend auf
189
Antworten korrekt
99 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
100 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
96 %

80 % beantwortet

Basierend auf
200
Antworten korrekt
97 %

66 % beantwortet

Basierend auf
200
Antworten korrekt
97 %

98 % beantwortet

Basierend auf
200
Antworten korrekt
99 %

96 % beantwortet

Basierend auf
51
Antworten korrekt
94 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
92 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
96 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
98 %

95 % beantwortet

Basierend auf
197
Antworten korrekt
100 %

100 % beantwortet

Basierend auf
190
Antworten korrekt
99 %

98 % beantwortet

Basierend auf
200
Antworten korrekt
100 %

100 % beantwortet

Basierend auf
200
Antworten korrekt
96 %

51 % beantwortet

Basierend auf
61
Antworten korrekt
93 %

98 % beantwortet

Basierend auf
200
Antworten korrekt
92 %

100 % beantwortet

Basierend auf
194
Antworten korrekt
80 %

89 % beantwortet

Alles, was Sie brauchen, um einen Datensatz um Geschlecht zu ergänzen

Eine API, vier Eingabetypen und Bulk-Tools, die Dateien verarbeiten, bei denen andere Dienste scheitern.

Für Entwickler

Eine REST API für Namen, E-Mails und Benutzernamen, dieselbe JSON-Struktur für alle drei, und ein Bulk-Endpoint für bis zu 100 Werte pro Anfrage.

curl "https://namegender.com/api/v1/gender?name=Jean&country=FR" \
  -H "Authorization: Bearer $NAMEGENDER_API_KEY"

{
    "name": "Jean",
    "gender": "male",
    "probability": 100,
    "sample_size": 1910805,
    "country": "FR",
    "confidence": "high",
    "source": "db"
}

Für Tabellenkalkulation

Starten Sie einen Tabellen-Job: Senden Sie eine XLSX- oder CSV-Datei, geben Sie an, welche Spalte die Namen enthält, und Ihre Zeilen kommen mit Geschlecht, Wahrscheinlichkeit und Stichprobengröße daneben zurück. Ohne Code.

customers.xlsx
first_namecountry genderprobabilitybased_on
Jean FR male 100 1910805
Robin US female 86 338093
Andrea US female 99 450034
Kim US female 84 214713

Vor- und vollständige Namen

Zusammengesetzte Namen und Namen mit Titeln oder Initialen werden vor der Abfrage bereinigt, Sie können das Feld also unverändert senden.

E-Mail-Adressen

ayse.yilmaz84@example.com wird als Ayşe gelesen; Funktionspostfächer wie info@ kommen als unknown zurück.

Benutzernamen und Handles

camelCase, snake_case und nachgestellte Ziffern werden vor der Abfrage zerlegt.

Tabellen-Jobs

Geben Sie uns eine XLSX- oder CSV-Datei und erhalten Sie dieselben Zeilen mit zusätzlichen Geschlechter-Spalten zurück. 200.000 Zeilen brauchen unter einer Sekunde Rechenzeit.

Länderbasiert

Andrea ist männlich in Italien und weiblich in Deutschland. Geben Sie ein Land an und wir gewichten es.

Transparenz der Quelle

Jede Antwort zeigt Ihnen, woher sie stammt und wie groß die Stichprobe war.

Credits bleiben, bis Sie sie verbrauchen

Kaufen Sie 5.000 Credits für 5,00 € oder 50.000.000 für 990,00 €. Nicht verwendete Credits bleiben auf Ihrem Konto: kein monatlicher Reset und keine Inaktivitätsklausel.

Jedes Konto erhält auch 100 kostenlose Guthaben pro Tag.

Alle Pakete ansehen
Paket Guthaben Preis Preis pro 1.000 Namen
5K 5.000 Guthaben 5,00 € 1,000 € pro 1.000
300K 300.000 Guthaben 63,00 € 0,210 € pro 1.000
50M 50.000.000 Guthaben 990,00 € 0,020 € pro 1.000

Häufig gestellte Fragen zur Wahl einer Geschlechts-API

Was ist eine Geschlechts-API?

Eine Geschlechts-API sagt das Geschlecht voraus, das am häufigsten mit einem Vornamen verbunden ist, anhand von erfassten Geburtsregistern und anderen Namenstatistiken. NameGender gibt das Geschlecht zusammen mit der Wahrscheinlichkeit, der Anzahl der Personen, auf denen die Antwort basiert, dem Land und der Quelle zurück, und gibt unknown zurück, wenn die Evidenz zu schwach ist.

Wie genau ist NameGender?

Im Benchmark 2026 mit 4.610 gekennzeichneten Namen aus 25 Ländern beantwortete NameGender 94 % der Namen und 97 % dieser Antworten waren korrekt, sodass 91 % aller Namen korrekt beantwortet wurden. Namen, die im Datensatz überhaupt nicht vorhanden sind, sind ein anderer Fall: von 2.000 Namen, die für einen separaten Test entfernt wurden, wurden 10 % beantwortet, nach ähnlichster Schreibweise, und 97 % dieser Antworten waren korrekt.

Funktioniert es für türkische, arabische, chinesische oder koreanische Namen?

Ja. Türkische Namen verwenden das lateinische Alphabet, wobei 96 % der Testnamen korrekt beantwortet wurden. Arabische, chinesische und koreanische Namen werden direkt oder nach Transliteration abgeglichen: 96 %, 91 % und 92 % der Testnamen wurden korrekt beantwortet. Hebräische und thailändische Namen werden seltener beantwortet: 64 % bzw. 49 % der Testnamen wurden korrekt beantwortet.

Kann derselbe Name in verschiedenen Ländern ein anderes Geschlecht haben?

Ja. Jean ist in Frankreich als männlich (100 %) und in Vereinigte Staaten als weiblich (95 %) registriert. Übergeben Sie einen zweistelligen Ländercode, um Daten für dieses Land zu nutzen; ohne Code erhalten Sie das weltweite Aggregat.

Kann das Geschlecht anhand einer E-Mail-Adresse oder eines Benutzernamens erkannt werden?

Ja. Der Email-Endpoint ermittelt den Vornamen aus dem lokalen Teil, sodass john.doe@example.com als John aufgelöst wird. Der Username-Endpoint entfernt zunächst Ziffern und Trennzeichen. Rollen-Adressen wie admin@ oder info@, Platzhalter wie user123 und nur ein Initial gefolgt von einem Nachnamen wie j.smith@ werden als unbekannt zurückgegeben, anstatt eine Vermutung anzustellen.

Wie lange bleiben Credits erhalten, und was kosten sie?

Gekaufte Credits bleiben in Ihrem Guthaben, bis Sie sie verbrauchen. Pakete beginnen bei 5,00 € für 5.000 Credits, das größte kostet 0,020 € pro 1.000 Namen, und jedes Konto erhält täglich 100 kostenlose Credits.

Kann ich das Ergebnis für eine Entscheidung über eine Person nutzen?

Nein. Ein namensgestütztes Ergebnis ist eine statistische Assoziation, keine Geschlechtsidentität der Person. Nutzen Sie es für aggregierte Aufgaben wie Zielgruppensegmentierung oder Umfragegewichtung, halten Sie unbekannte Ergebnisse sichtbar und verwenden Sie es nicht für Entscheidungen in den Bereichen Beschäftigung, Medizin, Finanzen, Versicherungen, Recht oder Berechtigung.

Starten Sie mit 100 kostenlosen Guthaben pro Tag

Keine Kreditkarte. Alles, was Sie kaufen, bleibt in Ihrem Guthaben, bis Sie es verbrauchen.

Kostenloses Konto erstellen