Zwei Listen unscharf abgleichen

Was unscharfer Abgleich ist

Ein exakter Vergleich fragt: „steht dieser Wert in der anderen Liste". Ein unscharfer Abgleich fragt die Frage, die man tatsächlich hat: „welcher Eintrag dort drüben ist dieser hier, nur anders geschrieben" — und antwortet mit einem Wert zwischen 0 und 100 % statt mit Ja oder Nein.

Wenn Ihre beiden Listen identische Werte enthalten und Sie nur die Schnittmenge brauchen, ist der exakte Listenvergleich schneller und hat keine Schwelle, die man falsch einstellen kann.

Müller, Mueller, Muller — mit echten Zahlen

Das ist im deutschsprachigen Raum der Fall, und die drei Schreibweisen verhalten sich unterschiedlich. Gemessen mit den Voreinstellungen dieser Seite:

• Müller gegen Muller — 83 %, also ein Treffer bei der Standardschwelle von 80 %.
• Müller gegen Mueller — 71 %. Kein Treffer bei 80 %. Für eine Liste voller ausgeschriebener Umlaute stellen Sie den Regler auf etwa 70 %.
• Weiß gegen Weiss — 68 %, aus demselben Grund: das ß wird zu zwei Zeichen, und bei kurzen Namen wiegt jedes Zeichen schwer.
• Bäcker AG gegen Baecker AG — 80 %, weil der gemeinsame Zusatz das Verhältnis verschiebt.

Der Grund, warum diese Zahlen hier stehen und nicht nur ein Versprechen: der Wert steht bei jeder Zeile daneben, und der Regler rechnet beim Ziehen neu. Sie stellen die Schwelle also an Ihren eigenen Daten ein, statt sie zu raten.

Drei Arten, sich nahe zu sein

• Vertippt. Editierabstand, bei dem ein Zeichendreher als ein Fehler zählt und nicht als zwei — der häufigste Tippfehler überhaupt.
• Umgestellt. Dieselbe Rechnung auf den sortierten Wortmengen: Handels GmbH Müller und Müller Handels GmbH erreichen 100 %.
• Abgekürzt. Wie gut der kürzere Wert im längeren steckt, abgewertet nach Längenverhältnis — Acme GmbH gegen Acme Handelsgesellschaft mbH.

Davor werden beide Seiten getrimmt, auf eine Schreibweise gebracht, für Zeichen in voller Breite und getrennt geschriebene Akzente normalisiert (Unicode NFKC) und von Satzzeichen befreit.

Zahlen sind Kennungen, keine Schreibweise

Rechnung 1001 und Rechnung 1002 sind als Text zu 92 % ähnlich — und es sind zwei verschiedene Rechnungen. Ein Abgleich, der die still zusammenführt, ist schlimmer als gar keiner, weil der Fehler im Ergebnis unsichtbar bleibt. Enthalten beide Werte Ziffern und unterscheiden sich diese, wird das Paar deshalb unter der Schwelle gehalten, egal wie ähnlich die Buchstaben sind. Belegnummern, Artikelnummern, Kundennummern und Postleitzahlen sind damit voreingestellt sicher.

Warum das nicht das Fuzzy-Lookup-Add-In ist

Microsofts Fuzzy-Lookup-Add-In macht diese Arbeit gut und kostet zweierlei: es ist ein separater Download, der nur in Excel unter Windows läuft, und in vielen Häusern ist die Installation eines Add-Ins ein IT-Vorgang statt einer Entscheidung. Der Weg über Power Query braucht keinen Download, aber einen Zusammenführungsschritt, eine Ähnlichkeitsoption und einen erneuten Durchlauf bei jeder Datenänderung. Keiner von beiden zeigt Ihnen je Zeile, wie hoch der Wert war — und genau diese Zahl braucht man, um die Schwelle zu setzen.

Ihre Daten bleiben in diesem Tab

Unscharf abgeglichen werden Kunden-, Lieferanten- und Personallisten. Beide Listen werden von JavaScript in diesem Tab bewertet. Sie stecken in keiner Anfrage, die man abfangen, protokollieren oder aufbewahren könnte.