# Genauigkeit oder Abdeckung beim Mapping? Was 99,99 % wirklich bedeutet

> URL: https://hotelmapping.org/de/ratgeber/genauigkeit-oder-abdeckung-beim-mapping/ · Sprache: Deutsch · Zuletzt aktualisiert: 2026-11-15

**Beim Hotel-Mapping zeigt die Genauigkeit, wie viele der automatisch vergebenen Zuordnungen korrekt sind; die Abdeckung zeigt, wie viele der zuzuordnenden Datensätze tatsächlich zugeordnet wurden. Beide lassen sich nicht gleichzeitig maximieren: Ein höherer Schwellenwert senkt Fehlzuordnungen, verringert aber die Abdeckung und vergrößert die Warteschlange für die manuelle Prüfung. Eine Angabe wie „99,99 % Genauigkeit“ lässt sich nicht einordnen, solange unbekannt ist, an welchem Testset und auf Basis welcher Grundgesamtheit gemessen wurde.**

## Kurze Antwort

Eine der Zahlen, die in Werbetexten von Anbietern für Hotel-Mapping häufig auftaucht, lautet „99,99 % Genauigkeit“. Die Zahl wirkt beeindruckend, sagt aber allein nicht, wie nützlich ein Mapping-Dienst tatsächlich ist. Denn die Qualität des Mappings lässt sich nicht mit einer einzigen Zahl beschreiben, sondern mit drei voneinander abhängigen Zahlen:

- **Genauigkeit:** Wie viele der automatisch vergebenen Zuordnungen sind korrekt? Das Gegenstück ist die Fehlzuordnungsquote.
- **Abdeckung:** Wie viele der Datensätze, die tatsächlich zum selben Hotel gehören, wurden auch tatsächlich zugeordnet?
- **Manuelle Prüfquote:** Wie viele Datensätze ließen sich nicht automatisch entscheiden und landeten bei einer Fachkraft zur Prüfung?

Diese drei Zahlen bewegen sich gemeinsam. Eine Einstellung, die eine davon verbessert, verschlechtert meist eine der beiden anderen. In diesem Beitrag erläutern wir dieses Gleichgewicht, zeigen, wie die Wahl des Schwellenwerts die drei Zahlen verändert, und nennen die Fragen, die Sie bei hohen Genauigkeitsangaben stellen sollten. Für die grundsätzliche Funktionsweise des Hotel-Mappings lesen Sie zuerst den [Leitfaden zum Hotel-Mapping](https://hotelmapping.org/de/ratgeber/was-ist-hotel-mapping/).

## Genauigkeit, Abdeckung und manuelle Prüfung: drei verschiedene Fragen

Eine Mapping-Engine trifft für jeden Anbieterdatensatz eine von drei Entscheidungen: Sie verknüpft den Datensatz mit einem bestehenden Hotel, sie fragt eine Fachkraft oder sie legt für den Datensatz eine neue Hotel-ID an. Jede Entscheidung kann richtig oder falsch sein, und die Kosten der Fehler unterscheiden sich.

| Ergebnis | Was ist passiert? | Welche Kennzahl ist betroffen? | Auswirkung auf das Reisebüro |
| --- | --- | --- | --- |
| Richtige Zuordnung | Zwei Datensätze desselben Hotels wurden verknüpft | Genauigkeit und Abdeckung | Preise werden beim richtigen Hotel verglichen |
| Fehlzuordnung | Zwei verschiedene Hotels wurden derselben ID zugeordnet | Senkt die Genauigkeit | Dem Kunden wird ein Hotel verkauft, die Buchung geht an ein anderes Hotel |
| Verpasste Zuordnung | Der Datensatz desselben Hotels erhielt eine neue ID | Senkt die Abdeckung | Dasselbe Hotel erscheint zweimal in der Liste (Dublette) |
| Manuelle Prüfung | Der Score lag im unsicheren Bereich, der Datensatz ging an eine Fachkraft | Erhöht die manuelle Prüfquote | Die Entscheidung ist korrekt, kostet aber Zeit und Aufwand |

Die Fehlzuordnung ist meist der teuerste Fehler. Der Kunde zahlt für ein Hotel, die Buchung wird an eine andere Unterkunft übermittelt, und das Problem zeigt sich oft erst an der Hotelrezeption. Die verpasste Zuordnung ist leiser: Dasselbe Hotel erscheint mit zwei Namen und zwei Preisen in der Liste. Das senkt die Konversion und verfälscht den Preisvergleich. Wie Dubletten bereinigt werden, erklären wir im Eintrag [Dublettenbereinigung](https://hotelmapping.org/de/glossar/dublettenbereinigung/), was sie ein Reisebüro kosten, im Beitrag [Kosten von Hotel-Dubletten](https://hotelmapping.org/de/ratgeber/kosten-von-hotel-dubletten-fuer-reisebueros/).

Die manuelle Prüfung ist dagegen kein Fehler, sondern ein Kostenfaktor. Unsichere Datensätze einer Fachkraft vorzulegen, verringert beide Fehlerarten, braucht aber für jeden Datensatz Zeit, und die Zuordnung einer neuen Anbieterdatei verzögert sich.

### Warum lassen sich nicht beide gleichzeitig maximieren?

Die Mapping-Engine erzeugt für jedes Kandidatenpaar einen [Match-Score](https://hotelmapping.org/de/glossar/match-score/): einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit angibt, dass beide Datensätze dasselbe Hotel beschreiben. Ob der Score über einem bestimmten Schwellenwert liegt, entscheidet über das Ergebnis.

Wenn Sie den Schwellenwert erhöhen, werden nur noch sehr sichere Datensätze automatisch zugeordnet. Fehlzuordnungen nehmen ab, die Genauigkeit steigt. Doch auch richtige Zuordnungen mit etwas niedrigerem Score fallen aus der automatischen Entscheidung heraus: Sie wandern entweder in die Prüfwarteschlange oder erhalten eine neue ID und werden zur Dublette. Senken Sie den Schwellenwert, passiert das Gegenteil: Die Abdeckung steigt, aber es rutschen auch Fehlzuordnungen durch.

Deshalb bleibt der Satz „Unsere Genauigkeit beträgt 99,99 %“ unvollständig, solange die Frage „Wie hoch ist Ihre Abdeckung?“ nicht beantwortet ist. Ein System, das keinen einzigen Datensatz zuordnet, macht keine Fehlzuordnung; technisch ist es fehlerfrei, aber nutzlos.

## Wie verändert die Schwellenwert-Wahl die drei Zahlen?

Die bei hotelmapping.org geplante Entscheidungsregel besteht aus zwei Schwellenwerten: Bei einem Score ab 0,97 erfolgt die automatische Zuordnung, zwischen 0,80 und 0,97 die manuelle Prüfung, unter 0,80 eine neue HM ID. Die Schwellenwerte werden anhand eines manuell gelabelten Testsets eingestellt. Die Wirkung dieser beiden Schwellenwerte und möglicher Alternativen lässt sich an einem Rechenbeispiel zeigen.

### Rechenbeispiel (rein hypothetisch)

**Die folgenden Zahlen sind ein Beispiel.** Sie stammen weder aus einer echten Messung noch von einem Anbieter oder Kunden; sie sind ausschließlich konstruiert, um die Wirkung der Schwellenwert-Wahl zu zeigen.

Angenommen, wir haben 10.000 gelabelte Anbieterdatensätze. Für 9.000 davon existiert in der Datenbank ein echtes Gegenstück, die übrigen 1.000 sind neue Hotels, die in keiner Quelle vorkommen. Bei Datensätzen in der manuellen Prüfung nehmen wir an, dass die Fachkraft richtig entscheidet. Werden dieselben Datensätze mit vier verschiedenen Einstellungen verarbeitet, könnte die Tabelle so aussehen:

| Szenario | Einstellung | Automatische Genauigkeit | Automatische Abdeckung | Abdeckung nach Prüfung | Manuelle Prüfquote | Fehlzuordnungen | Verpasste Zuordnungen (Dubletten) |
| --- | --- | --- | --- | --- | --- | --- | --- |
| A | Ein Schwellenwert 0,90, keine manuelle Prüfung | 99,50 % | 97,3 % | 97,3 % | 0 % | 44 | 214 |
| B | 0,97 / 0,80 | 99,90 % | 89,9 % | 97,6 % | 7,5 % | 8 | 210 |
| C | 0,99 / 0,80 | 99,99 % | 77,8 % | 97,7 % | 18,5 % | 1 | 210 |
| D | Ein Schwellenwert 0,99, keine manuelle Prüfung | 99,99 % | 77,8 % | 77,8 % | 0 % | 1 | 2.000 |

Aus der Tabelle lassen sich vier Schlüsse ziehen:

1. **In den Szenarien C und D ist die Genauigkeit identisch: 99,99 %.** In Szenario D bleiben jedoch 2.000 Hotels als Dubletten übrig; etwa jedes fünfte Hotel mit Gegenstück erscheint zweimal in der Liste. Dieselbe Genauigkeitszahl kann zwei sehr unterschiedliche Dienste beschreiben.
2. **Szenario C erkauft sich 99,99 % Genauigkeit mit menschlichem Aufwand.** 18,5 % der Datensätze gehen an eine Fachkraft. Bei einer Datei mit 10.000 Datensätzen sind das 1.850 Datensätze. Wird ein neuer Anbieter angebunden, kann es Tage dauern, bis die Datei vollständig zugeordnet ist.
3. **Szenario A ist schnell und breit, hinterlässt aber 44 Fehlzuordnungen.** Jede davon ist das Risiko, dass ein Kunde in ein anderes Hotel geschickt wird.
4. **Der untere Schwellenwert (0,80) bestimmt die verpassten Zuordnungen.** In den Szenarien B und C ist die Zahl der verbleibenden Dubletten identisch (210), obwohl sich der obere Schwellenwert ändert. Um Dubletten zu verringern, muss der untere Schwellenwert gesenkt werden; das vergrößert die Prüfwarteschlange noch weiter.

Szenario B im Beispiel entspricht den von hotelmapping.org geplanten Schwellenwerten. In diesem Beispiel liegt die manuelle Prüfquote bei 7,5 % und damit über dem geplanten Ziel von 5 %. Das zeigt auch, dass die Einstellung des Schwellenwerts allein nicht genügt. Der eigentliche Weg, die Prüfwarteschlange zu verkleinern, ist, die Zahl der Datensätze zu senken, die ins unsichere Band fallen: bessere Normalisierung, sauberere Koordinaten und zusätzliche Signale wie Telefonnummer und Webadresse. Der Schwellenwert wählt, wo Sie auf derselben Kurve stehen; ein besseres Modell verbessert die Kurve selbst.

### Wie sollte ein Messbericht aussehen?

Eine Qualitätsmessung sollte nicht nur den Ergebnisprozentsatz zeigen, sondern auch die Zahlen, aus denen er berechnet wurde. Das folgende JSON zeigt, wie das obige Szenario B in einem Messbericht aussehen könnte. Feldnamen und Werte sind Beispiele; es ist kein festgelegtes Berichtsformat von hotelmapping.org.

```json
{
  "example": true,
  "test_set": {
    "name": "ornek-akdeniz-2026",
    "records": 10000,
    "records_with_counterpart": 9000,
    "labeling": "iki uzman, anlaşmazlıkta üçüncü uzman",
    "markets": ["antalya", "mugla", "istanbul"]
  },
  "thresholds": { "auto_match": 0.97, "review": 0.80 },
  "decisions": {
    "auto_match": { "count": 8100, "correct": 8092, "wrong": 8 },
    "review": { "count": 750, "matched_after_review": 690, "new_id_after_review": 60 },
    "new_id": { "count": 1150, "missed_counterpart": 210 }
  },
  "metrics": {
    "precision_auto": 0.9990,
    "coverage_auto": 0.8991,
    "coverage_after_review": 0.9758,
    "review_share": 0.075
  },
  "by_market": [
    { "market": "antalya", "auto_match": 3400, "wrong": 6, "precision_auto": 0.9982 },
    { "market": "other", "auto_match": 4700, "wrong": 2, "precision_auto": 0.9996 }
  ]
}
```

Achten Sie auf den Abschnitt `by_market`. Die Genauigkeit, die insgesamt bei 99,90 % liegt, sinkt bei Datensätzen aus Antalya auf 99,82 %; 6 der 8 Fehlzuordnungen entfallen auf diesen Markt. Viele Resorts mit gleichem Namen, nah beieinander liegende Standorte und mehrsprachige Namen machen eine Region schwieriger als andere. Die Durchschnittszahl verbirgt diesen Unterschied.

## Wie hinterfragt man die Angabe „99,99 % Genauigkeit“?

Wenn Sie eine hohe Genauigkeitszahl sehen, zeigen die folgenden Fragen, was die Zahl aussagt. Sie gelten für jeden Anbieter, einschließlich hotelmapping.org.

### 1. An welchem Testset wurde gemessen?

Hinter der Zahl sollte ein manuell gelabeltes Testset stehen. Wie viele Datensätze oder Paare wurden gelabelt? Wurden die Datensätze zufällig ausgewählt, oder dominieren leicht zuzuordnende Kettenhotels? Wurde das Testset getrennt von den Trainingsdaten des Modells gehalten? Von wie vielen Personen und nach welcher Regel wurde gelabelt?

Auch die Größe des Testsets ist wichtig. Selbst wenn in einem Testset kein einziger Fehler auftritt, ist die Fehlerquote damit nicht exakt belegt. Nach der in der Statistik gebräuchlichen „Dreierregel“ wird die obere Grenze der wahren Fehlerquote bei null beobachteten Fehlern in n Datensätzen mit etwa 3/n angesetzt (bei 95 % Konfidenzniveau). Null Fehler bei 5.000 automatischen Zuordnungen zeigen, dass die Fehlerquote unter etwa 0,06 % liegt; man kann also höchstens „99,94 % und mehr“ sagen. Um 99,99 % mit dieser Methode zu belegen, müssten etwa 30.000 automatische Zuordnungen fehlerfrei sein.

### 2. In welchem Markt wurde gemessen?

Ein globaler Durchschnitt zeigt womöglich nicht die Lage in den Regionen, in denen Sie verkaufen. Stadthotels und große Ketten lassen sich meist leichter zuordnen; Resortregionen am Mittelmeer, Apartments und Boutique-Hotels sind schwieriger. Verlangen Sie getrennte Zahlen für Regionen wie Antalya, Muğla, Dubai oder Ägypten. Wurde nur mit Namen in einer einzigen Sprache gemessen, oder enthält das Testset auch russische und arabische Namen?

### 3. Auf welcher Grundgesamtheit wurde berechnet?

Das ist die am häufigsten übersehene Frage. Die Genauigkeit kann auf drei verschiedene Arten berechnet werden, und alle drei liefern sehr unterschiedliche Zahlen:

- **Bezogen auf automatische Zuordnungen:** Anzahl richtiger Zuordnungen / alle automatischen Zuordnungen. Das ist die Definition in diesem Beitrag.
- **Bezogen auf alle Datensätze:** Richtige Entscheidungen / alle Datensätze. Da auch richtig getroffene „neues Hotel“-Entscheidungen in den Zähler eingehen, steigt die Zahl.
- **Bezogen auf alle Kandidatenpaare:** Richtige Entscheidungen / alle verglichenen Paare. Nahezu alle verglichenen Paare sind ohnehin verschiedene Hotels. Wenn von 1.000.000 Kandidatenpaaren nur 9.000 echte Treffer sind, erreicht selbst ein System, das nichts zuordnet, eine „Quote richtiger Entscheidungen“ von 99,1 %.

Ohne Angabe der Grundgesamtheit lässt sich die Zahl nicht vergleichen.

### 4. Nur automatische Zuordnungen oder alle Zuordnungen?

Manche Zahlen schließen auch Zuordnungen ein, die die manuelle Prüfung durchlaufen haben. Dann ist die hohe Genauigkeit nicht der Erfolg des Modells, sondern des Expertenteams. Das ist nichts Schlechtes, aber etwas anderes: Die manuelle Prüfung kostet Zeit und bestimmt, wie schnell neue Anbieterdateien zugeordnet sind. Fragen Sie getrennt nach der Genauigkeit der automatischen Zuordnungen und nach der manuellen Prüfquote.

### 5. Wie hoch sind Abdeckung und Prüfquote beim selben Schwellenwert?

Die Genauigkeitszahl sollte zusammen mit der Abdeckung und der manuellen Prüfquote angegeben werden, gemessen beim selben Schwellenwert. Szenario D im Rechenbeispiel zeigt, dass 99,99 % Genauigkeit mit 77,8 % Abdeckung einhergehen können. Teilt ein Anbieter nur die Genauigkeit mit, fordern Sie die beiden anderen Zahlen gesondert an.

### 6. Wurde mit Ihren eigenen Daten getestet?

Die zuverlässigste Messung ist ein Test mit einer Stichprobe aus Ihren eigenen Anbieterdaten. Labeln Sie selbst einige hundert Datensätze aus den Regionen, in denen Sie verkaufen, und vergleichen Sie das Ergebnis des Anbieters mit diesen Labels. Diese Methode sagt weit mehr aus als die veröffentlichte Gesamtzahl. Weitere Fragen für die Anbieterauswahl finden Sie im Beitrag [12 Fragen bei der Auswahl einer Hotel-Mapping-API](https://hotelmapping.org/de/ratgeber/hotel-mapping-api-auswaehlen-12-fragen/).

## Welche Kennzahl sollte Vorrang haben?

Das richtige Gleichgewicht hängt davon ab, wofür Sie die zugeordneten Daten nutzen:

- Für **Reisebüros und Reiseveranstalter, die Buchungen annehmen**, ist die Fehlzuordnung der teuerste Fehler. Hier ist es sinnvoll, die Genauigkeit zu priorisieren und unsichere Datensätze an die manuelle Prüfung zu schicken.
- Für **Preisvergleichsseiten** sind sowohl Genauigkeit als auch Abdeckung wichtig. Eine Fehlzuordnung führt zu einem falschen Preisvergleich, eine verpasste Zuordnung zu einer unvollständigen Preisliste.
- Für **Reporting und Analyse** kann die Abdeckung wichtiger sein; vereinzelte Fehlzuordnungen verändern die Gesamtstatistik kaum.

Wofür Sie sich auch entscheiden: Die Entscheidung muss für jede Zuordnung sichtbar sein. In den Antworten der API v1 von hotelmapping.org wird der Konfidenzwert jeder Zuordnung im Feld `confidence` und die getroffene Entscheidung im Feld `decision` zurückgegeben. So können Sie mit Ihrer eigenen Geschäftsregel einen strengeren Schwellenwert anwenden. Einzelheiten finden Sie auf der Seite zur [Match-API](https://hotelmapping.org/de/produkte/find-match-api-loesungen/).

## Wie wird hotelmapping.org diese Zahlen messen?

Die Qualität des Produkts [Hotel-Mapping](https://hotelmapping.org/de/produkte/hotel-mapping-loesungen/) wird bei jeder Version mit einem Testset aus mindestens 5.000 manuell gelabelten Hotelpaaren gemessen. Im Testset werden insbesondere Datensätze aus Antalya, Muğla, Istanbul, Dubai und Ägypten enthalten sein. Berichtet werden die drei in diesem Beitrag beschriebenen Kennzahlen: Genauigkeit (Fehlzuordnungsquote), Abdeckung (Anteil zugeordneter Datensätze) und der Anteil der Datensätze in der manuellen Prüfung.

Bisher sind keine Messergebnisse veröffentlicht. Gemessene Werte werden nach Abschluss des Testsets zusammen mit Grundgesamtheit und Marktangaben auf der Seite [Abdeckung](https://hotelmapping.org/de/abdeckung/) veröffentlicht. Auf der Website nennen wir nur Zahlen, die durch diese Messung belegt sind.

## Zusammenfassung

Genauigkeit, Abdeckung und manuelle Prüfquote sind drei Seiten derselben Schwellenwert-Einstellung. Ein höherer Schwellenwert senkt Fehlzuordnungen, vergrößert aber entweder die Zahl der Dubletten oder die Prüfwarteschlange. Eine Zahl wie „99,99 % Genauigkeit“ hat nur dann Aussagekraft, wenn Testset, Markt, Grundgesamtheit und die Trennung nach automatischen Zuordnungen bekannt sind und die Abdeckung beim selben Schwellenwert mitgeliefert wird. Fordern Sie bei der Bewertung eines Anbieters alle drei Zahlen gemeinsam an und testen Sie nach Möglichkeit mit Ihren eigenen Daten.

## Häufig gestellte Fragen

### Sind Genauigkeit und Abdeckung dasselbe?

Nein. Die Genauigkeit misst, wie viele der gelieferten Zuordnungen korrekt sind; die Abdeckung misst, wie viele der zuzuordnenden Datensätze tatsächlich zugeordnet wurden. Ein System, das nie eine Zuordnung liefert, macht auch nie einen Fehler, hat aber eine Abdeckung von null. Beide Werte müssen daher immer gemeinsam und für denselben Schwellenwert angegeben werden.

### Heißt eine Angabe von 99,99 % Genauigkeit, dass sie falsch ist?

Sie muss nicht falsch sein, ist aber allein unvollständig. Ohne Kenntnis von Testset, Markt, Grundgesamtheit und der Frage, ob nur automatische Zuordnungen gemessen wurden, lässt sich die Aussagekraft der Zahl nicht beurteilen. Fragen Sie außerdem nach der Abdeckung und der manuellen Prüfquote beim selben Schwellenwert.

### Kann ich die Schwellenwerte selbst ändern?

In den Antworten der API v1 wird der Konfidenzwert jeder Zuordnung im Feld confidence zurückgegeben. Damit können Sie in Ihrem eigenen System eine strengere Regel anwenden, z. B. nur Werte über 0,99 automatisch akzeptieren. Ob eine kundenspezifische Schwellenwert-Einstellung auf Dienstseite angeboten wird, steht noch nicht fest.

### Wie hoch sind die gemessene Genauigkeit und Abdeckung von hotelmapping.org?

Es gibt noch keine veröffentlichte Messung. Geplant ist eine Messung mit mindestens 5.000 manuell gelabelten Hotelpaaren und die Veröffentlichung des Ergebnisses auf der Abdeckungsseite.

## Verwandte Produkte

- [Hotel-Mapping-Lösungen](https://hotelmapping.org/de/produkte/hotel-mapping-loesungen/)
- [Find-Match-API-Lösungen](https://hotelmapping.org/de/produkte/find-match-api-loesungen/)

## Verwandte Artikel

- [Was ist Hotel-Mapping? So funktioniert es: der umfassende Leitfaden](https://hotelmapping.org/de/ratgeber/was-ist-hotel-mapping/)
- [12 Fragen, die Sie bei der Auswahl einer Hotel-Mapping-API stellen sollten](https://hotelmapping.org/de/ratgeber/hotel-mapping-api-auswaehlen-12-fragen/)

## Verwandte Begriffe

- [Match-Score](https://hotelmapping.org/de/glossar/match-score/)
- [Dublettenbereinigung](https://hotelmapping.org/de/glossar/dublettenbereinigung/)
