Unsere Daten stammen aus zwei Strömen, die sich in der Mitte treffen. Gesichtsvektoren werden aus Coverbildern und Videostandbildern berechnet, die auf 106 öffentlichen Seiten erschienen sind. Darstellerinnen-Metadaten — Namen, Übersetzungen, biografische Felder — werden aus öffentlichen Profilseiten ausgelesen. Alles, was wir veröffentlichen, leitet sich aus einem oder beiden ab, und wo sie sich widersprechen oder schweigen, haben wir eine Lücke statt einer Antwort.

Das Wichtigste an diesen Quellen ist, wie schmal sie sind. 2,246 unserer 2,333 Identitätsdatensätze beziehen ihr repräsentatives Bild von einer einzigen Seite, und im gesamten Index liefern überhaupt nur vier verschiedene Hosts repräsentative Bilder.

Was sind die zwei Datenströme genau?

Der eine Strom wird von uns berechnet, der andere von Veröffentlichern übernommen. Sie versagen auf völlig verschiedene Weise.

Gesichtsvektoren Darstellerinnen-Metadaten
Herkunft Bilder auf 106 indexierten Seiten Öffentliche Profilseiten
Erzeugt von Unserer eigenen Pipeline (YuNet, ArcFace) Redaktionen Dritter
Vollständigkeit Nahezu vollständig für indexierte Bilder 23%–89% je nach Feld
Fehlerbild Erkennung verfehlt: schlechte Winkel, Verdeckung, kleine Gesichter Leer gelassene Felder, Platzhalter, widersprüchliche Werte
Können wir es verbessern? Ja — mehr Quellen indexieren Nur wenn eine Quelle es veröffentlicht

Die Asymmetrie ist wichtig. Fehlen Gesichtsdaten, liegt es daran, dass wir das Bild nicht indexiert haben. Fehlen Metadaten, hat sie von vornherein niemand aufgeschrieben, und keine noch so gute Technik holt sie zurück.

Welche Quellen dominieren, und wie stark?

Eine Seite dominiert fast vollständig, und wir schreiben das lieber hin, als „106 Seiten“ eine Breite andeuten zu lassen, die wir nicht haben.

Host des repräsentativen Bildes Identitätsdatensätze Anteil
Hauptquelle (jable) 2,246 96.3%
Zweiter Host 67 2.9%
Dritter Host 14 0.6%
Vierter Host 6 0.3%

Quelle: unser Index, Stand 2026-08, n=2,333 Identitätsdatensätze.

Die Zahl 106 beschreibt die Seiten, die zum Gesichtsindex beitragen — den 241,792 Vektoren. Die vier Hosts oben beschreiben, woher das repräsentative Bild jeder Identität stammt. Beides stimmt; nur das Zweite sagt dir, wie konzentriert die Identitätsebene ist.

Auf die erste Konzentration folgt eine zweite. Von den 106 indexierten Seiten führen nur rund 13 japanische Inhalts-IDs. Der Rest sind größtenteils internationale Tube- und Aggregatorplattformen. Unser Blick auf japanische Erwachsenenvideos ist damit fast vollständig durch internationale Zweitveröffentlichung vermittelt.

Was fehlt, Feld für Feld?

Zwischen 11% und 77% der Datensätze, je nach Feld. Hier steht die vollständige Abrechnung statt der schmeichelhaften Auswahl.

Feld Vorhanden Fehlend Abdeckung von n=2,333
Liste ähnlicher Darstellerinnen 2,070 263 89%
Cup-Größe 1,375 958 59%
Debütdatum 1,371 962 59%
Körpergröße 1,340 993 57%
Maße 1,316 1,017 56%
Geburtsdatum 1,301 1,032 56%
Geburtsort 716 1,617 31%
Blutgruppe 547 1,786 23%

Quelle: unser Index, Stand 2026-08, n=2,333 Identitätsdatensätze.

Drei Anmerkungen, die wir als Teil der Daten betrachten und nicht als Einschränkung dazu:

  • Das Fehlende ist nicht zufällig. Datensätze mit vollständigen Metadaten gehören zu den am besten dokumentierten Darstellerinnen, was meist die prominentesten heißt. Jede über die vorhandenen Werte berechnete Statistik beschreibt prominente, international zirkulierende Darstellerinnen.
  • 626 Datensätze enthalten einen Namen und sonst nichts — überhaupt kein biografisches Feld. Sie zählen im Nenner oben mit, und deshalb ist jeder Prozentwert niedriger, als er wäre, wenn wir sie stillschweigend weggelassen hätten.
  • Einige frühere Zahlen auf dieser Seite waren zu hoch. Platzhalter in den Quelldaten wurden als echte Werte gezählt, was mehrere Abdeckungszahlen aufblähte und, schlimmer, in die strukturierten Daten auf den Darstellerinnenseiten ausgegeben wurde. Diese Werte wurden entfernt. Die Tabelle oben ist die korrigierte Abrechnung, und die früheren Zahlen sollten nicht zitiert werden.

Was können diese Daten dir nie sagen?

Sie können dir nie etwas über Titel, Studios oder Veröffentlichungsvolumen sagen, weil sie das gar nicht enthalten.

Der Index speichert Gesichter, keine Werke. Es gibt kein Feld für das Erscheinungsdatum, keines für Studio oder Label und keinen Titeldatensatz. Das schließt eine ganze Familie von Statistiken aus, die leicht zu fälschen und unmöglich zu belegen wären: jährliches Produktionsvolumen, Marktanteile der Studios, Zeitverläufe der Formatverbreitung, Genreverschiebungen nach Jahr.

Es begrenzt auch unsere Sprache. Wir schreiben nie, dass ein Studio N Titel veröffentlicht hat. Wir schreiben, dass wir N indexiert haben — denn gezählt haben wir Zweitveröffentlichung bei Aggregatoren, und der Abstand zwischen diesen beiden Sätzen ist genau der Abstand zwischen unseren Daten und der Branche.

Daten und Methode

Quelle. Coverbilder und Videostandbilder, veröffentlicht auf 106 öffentlichen Seiten; öffentliche Profilseiten von Darstellerinnen für die Metadaten; Wikidata-Kennungen, wo eine verlässliche Zuordnung besteht.

Stichprobe. 241,792 Gesichtsvektoren; 2,333 Identitätsdatensätze (1,707 mit vollständigem Profil, 626 nur mit Namenszeichenkette); 13,420 Verweise auf ähnliche Darstellerinnen, davon 7,004 auf unbenannte Identitäten.

Methode. Gesichter mit YuNet erkannt, anhand von fünf Landmarken ausgerichtet, mit ArcFace in 512-dimensionale Vektoren kodiert, per Kosinusähnlichkeit mit einer Selbe-Person-Schwelle von 0.40 abgerufen. Metadaten werden aus öffentlichen Profilen ausgelesen, auf Typ und Format geprüft und bei fehlgeschlagener Prüfung leer gelassen statt ersetzt. Listen ähnlicher Darstellerinnen werden aus Vektoren berechnet, nicht übernommen.

Stichtag. 2026-08.

Was nicht gespeichert wird. Videodateien. Original-Uploads von Nutzern — die Erkennung läuft im Browser der Besucher, zum Abgleich werden nur ein zugeschnittener Gesichtsbereich und seine fünf Landmarken übertragen, und Anfrageergebnisse werden nicht aufbewahrt. Der Index entsteht aus veröffentlichtem Material, nie aus dem, wonach Leute suchen.

Bekannte Verzerrung.

  • Extreme Quellenkonzentration. 96.3% der repräsentativen Bilder stammen von einem Host; vier Hosts stellen sie alle.
  • Aggregator-Vermittlung. Nur rund 13 von 106 indexierten Seiten führen japanische Inhalts-IDs, das Material, das wir sehen, ist also das, was international zirkuliert.
  • Dokumentationsschieflage. Vorhandene Metadaten überrepräsentieren prominente Darstellerinnen.
  • Folge. Diese Zahlen messen Sichtbarkeit auf den von uns indexierten Seiten, nicht Veröffentlichungsvolumen oder Branchenzusammensetzung. Lies jede Zahl hier zuerst als Aussage über unsere Quellen und erst durch Schlussfolgerung als Aussage über die Branche.

Zitation.

starlikeness (2026). „Woher unsere Daten kommen und was fehlt.“
Gesichtsindex, Stand 2026-08 (n=241,792 Gesichter; 2,333 Identitätsdatensätze;
106 Seiten; 4 Hosts repräsentativer Bilder).
https://starlikeness.com/de/articles/where-our-data-comes-from

Verwandte Fragen

Alles oben beschreibt den Index, nicht dich: Die Gesichtserkennung läuft in deinem Browser, zum Abgleich wird nur ein zugeschnittener Gesichtsbereich gesendet, und über deine Suche wird nichts in diese Daten zurückgeschrieben.