Praxis
Kontakt-Deduplizierung
Kontakt-Deduplizierung erkennt und verschmilzt doppelte Adressbucheinträge – über normalisierte E-Mails und Telefonnummern plus unscharfen Namensvergleich.
Dubletten sind der Normalzustand eines Adressbuchs, das ein paar Smartphones überlebt hat. Jeder CSV-Import, jedes synchronisierte Konto (Google, iCloud, Exchange, WhatsApp) und jeder Visitenkarten-Scan kann eine zweite Kopie derselben Person erzeugen, weil die beteiligten Systeme keine gemeinsame Kennung teilen. Deduplizierung ist der Korrekturlauf: Datensätze finden, die denselben Menschen beschreiben, entscheiden, welcher überlebt, und den Rest verlustfrei hineinverschmelzen.
Die Erkennung stützt sich auf zwei Arten von Abgleich. Exakter Schlüsselabgleich normalisiert zuerst: E-Mail kleinschreiben und trimmen, Telefonnummer nach E.164 wandeln (+4915123456789), damit "0151 234 56 789" und "+49 151 2345 6789" kollidieren – und vergleicht dann. Unscharfer Abgleich greift, wenn kein Schlüssel geteilt wird: Editierdistanz oder Jaro-Winkler-Ähnlichkeit auf Namen, meist nach Anfangsbuchstaben geblockt, damit es schnell bleibt. Im unscharfen Abgleich wohnen die Fehltreffer – "Thomas Müller" matcht den eigenen Sohn.
Das Verschmelzen ist Policy-Sache: Felder vereinigen, wo möglich (eine Person darf drei Nummern haben), bei Konflikten den zuletzt bearbeiteten Wert bevorzugen – und immer einen Undo-Pfad behalten. Ein aggressiver Auto-Merge, der falsch rät, zerstört Daten endgültiger, als Dubletten es je taten.
Wie Dubletten überhaupt entstehen
Drei Fabriken produzieren die meisten Dubletten. Multi-Source-Sync: Dein Handy blendet Google-, iCloud- und SIM-Kontakte zu einer Ansicht zusammen, aber jede Quelle behält ihren eigenen Datensatz – Konto deaktivieren und wieder aktivieren, und die "verschmolzene" Person zerfällt in zwei. Importe ohne Kennung: vCards haben genau dafür die UID-Property, doch die meisten Exporter erzeugen pro Export eine frische UID, sodass ein erneuter Import derselben Datei alles verdoppelt. Und menschliche Eingabe: Du speicherst "Sarah Yoga" im Kurs, ein Jahr später taucht "Sarah Lindqvist" über WhatsApp auf. Weil die Ursachen strukturell sind, ist Deduplizierung wiederkehrende Wartung – kein einmaliges Aufräumen.
Exakte Schlüssel, unscharfe Namen und die Fehltreffer-Falle
Ein vernünftiger Matcher arbeitet in Vertrauensstufen. Stufe eins: identische normalisierte E-Mail oder E.164-Nummer – sicher genug für einen automatischen Vorschlag, mit einer Einschränkung: gemeinsame Festnetznummern und Familien-Mailadressen existieren. Stufe zwei: sehr hohe Namensähnlichkeit plus ein bestätigendes Feld (gleicher Geburtstag, gleiche Organisation). Stufe drei: Namensähnlichkeit allein – hier niemals automatisch verschmelzen. Spitznamen (Bill/William, Sepp/Josef), Transliterationsvarianten (Müller/Mueller), Ehenamen und Junior/Senior-Paare hebeln naive String-Distanz aus. Die Kostenasymmetrie bestimmt das Design: Eine übersehene Dublette ist Unordnung, ein falscher Merge ist stiller Datenverlust in den Datensätzen zweier Menschen.
Ein Dedup-Lauf mit Endearist
Der unten verlinkte kostenlose Kontakt-Deduplizierer ist ein Browser-Tool, das du heute unabhängig von der noch unveröffentlichten Endearist-App nutzen kannst. Es liest einen vCard-, CSV- oder Google-Takeout-JSON-Export im Tab, gruppiert Kandidaten anhand gleicher Telefonnummern, E-Mail-Adressen oder ähnlicher Namen zur Prüfung und lädt eine bereinigte vCard- oder CSV-Datei herunter. Einlesen, Abgleich und Zusammenführen laufen im Browser; die Kontaktdatei wird nicht an unseren Server gesendet. Die App ist noch nicht öffentlich verfügbar. Wie ihre künftige Dublettenerkennung und ihr Import funktionieren werden, lässt sich aus diesem eigenständigen Tool nicht belegen.
Zum Ausprobieren
Häufige Fragen
- Warum zeigt mein Handy ständig doppelte Kontakte?
- Fast immer Multi-Account-Sync. Dein Handy zeigt eine zusammengeführte Ansicht der Kontakte aus Google, iCloud, Exchange, WhatsApp und SIM, aber jedes Konto speichert seine eigene Kopie. Versagt die Verknüpfungsheuristik – Spitzname in der einen Quelle, voller Name in der anderen – siehst du zwei Einträge. Behebe es an der Quelle: ein Hauptkonto für Kontakte wählen, die übrigen exportieren, ins Hauptkonto importieren und dort deduplizieren.
- Sollten Dubletten automatisch verschmolzen werden?
- Nur auf der höchsten Vertrauensstufe – identische normalisierte E-Mail oder Nummer – und selbst dann mit Undo. Alles, was auf Namensähnlichkeit beruht, braucht menschliche Bestätigung, denn die Fehlerfälle (Eltern und Kind mit gleichem Namen, Kollegen mit gemeinsamer Büronummer, Paare mit einer E-Mail-Adresse) sind häufig, und ein falscher Merge vermischt die Historien zweier Menschen unumkehrbar. Gute Tools schlagen in Masse vor, lassen dich aber pro Paar bestätigen.
- Welche Felder eignen sich am sichersten für den Abgleich?
- In absteigender Verlässlichkeit: eine geteilte stabile Kennung wie die vCard-UID (in der Praxis selten), normalisierte E-Mail-Adresse, Telefonnummer in E.164-Form, dann Name plus ein bestätigendes Feld wie Geburtstag oder Arbeitgeber. Namen allein sind das schwächste Signal – voller Spitznamen, Schreibvarianten und tatsächlich verschiedener Menschen mit gleichem Namen. Postadressen sind fast nutzlos: Haushalte teilen sie, und die Formatierung variiert wild.
Zuletzt aktualisiert: 2026-06-10
Beziehungen pflegen, nicht verwalten.
Trag dich in die Startliste ein: eine E-Mail, wenn es losgeht. Plattformen, Tarife und Funktionen brauchen ihre eigene Freigabe; die Anmeldung begründet keinen App-Zugang oder Kauf.
Auf die Startliste