So funktioniert der Dating-Pool-Rechner – Quellen, Modell und Grenzen
Der Rechner startet bei der amtlich erfassten erwachsenen Bevölkerung (18–79) des gewählten Geschlechts in einem unterstützten Land und wendet dann jeden Filter mit dem Anteil an, der für dieselbe Altersgruppe und dasselbe Geschlecht veröffentlicht ist: Familienstand, gemessene Perzentile der Körpergröße, persönliches Einkommen und Bildung. Einkommen und Bildung hängen zusammen, deshalb ergeben sie gemeinsam eine Spanne zwischen Unabhängigkeit und vollständiger Überlappung. Gruppierte, fehlende oder Randdaten machen die Spanne ebenfalls breiter. Die Ergebnisse sind modellierte, gerundete Schätzungen – nie exakte Zahlen.
Methode auf einen Blick
- Version
- v1 · 2026-09-24
- Eingabe
- Filter, die du wählst
- Ergebnis
- Aggregierte Statistiken und Muster, aus der Eingabe berechnet
- Auswertung
- Deterministisch: Dieselbe Eingabe ergibt immer dasselbe Ergebnis. Kein Zufall, kein KI-Modell.
- Wo gerechnet wird
- In deinem Browser, auf Basis veröffentlichter Bevölkerungsstatistiken.
- Stand der Methode
Die meisten Dating-Pool-Rechner multiplizieren eine Handvoll Prozentzahlen und spucken eine verdächtig exakte Zahl aus. Dieser hier nutzt amtliche Tabellen, wendet sie dort an, wo sie gemessen wurden, und gibt dir eine Spanne, wenn die Daten nicht mehr hergeben.
Unterstützte Länder
Ein Land wird nur angeboten, wenn seine amtlichen Statistiken die einzelnen Schritte ehrlich abdecken. Derzeit: die USA und die Schweiz. Hat ein Filter für ein Land keine vertrauenswürdige Quelle, wird er dort deaktiviert und sagt, warum – er wird nie mit einer Vermutung aufgefüllt.
USA (Datensatz us-2024, Version 1)
| Schritt | Quelle | Jahr |
|---|---|---|
| Bevölkerung nach Alter und Geschlecht | U.S. Census Bureau — American Community Survey 1-year estimates, 2024 · B01001 (Sex by Age) | 2024 |
| Familienstand nach Alter und Geschlecht | U.S. Census Bureau — American Community Survey 1-year estimates, 2024 · B12002 (Sex by Marital Status by Age for the Population 15 Years and Over) | 2024 |
| Körpergröße Erwachsener | CDC / National Center for Health Statistics — Anthropometric Reference Data for Children and Adults: United States, 2015–2018 (NHANES) · Vital and Health Statistics Series 3, No. 46 — Table 9 (weiblich, cm) und Table 11 (männlich, cm) | 2015–2018 |
| Persönliches Einkommen | U.S. Census Bureau — Current Population Survey, 2026 Annual Social and Economic Supplement (CPS ASEC) · PINC-11 (Income Distribution to $250,000 or More for Males and Females: 2025) — Einkommensklassen über alle Altersgruppen; PINC-01 (Selected Characteristics of People 15 Years Old and Over by Total Money Income in 2025...) — nach Alter | Einkommensjahr 2025 (CPS ASEC 2026) |
| Bildung | U.S. Census Bureau — American Community Survey 1-year estimates, 2024 · B15001 (Sex by Age by Educational Attainment for the Population 18 Years and Over) | 2024 |
Schweiz (Datensatz ch-2025, Version 1)
| Schritt | Quelle | Jahr |
|---|---|---|
| Bevölkerung nach Alter und Geschlecht | Swiss Federal Statistical Office (FSO/BFS) — Population and Households Statistics (STATPOP) · px-x-0102010000_102 — Permanent and non permanent resident population by canton, sex, marital status and age, 2010-2025 (gefiltert: Schweiz, ständige Wohnbevölkerung, 2025) | 2025 |
| Familienstand nach Alter und Geschlecht | Swiss Federal Statistical Office (FSO/BFS) — Population and Households Statistics (STATPOP) · px-x-0102010000_102 (Familienstand × Geschlecht × einzelne Altersjahre, ständige Wohnbevölkerung, Schweiz, 2025) | 2025 |
| Körpergröße Erwachsener | Nicht verfügbar. Die Swiss Health Survey (Schweizerische Gesundheitsbefragung) veröffentlicht nur die selbst angegebene durchschnittliche Körpergröße – ohne Verteilung, daher lässt sich kein Schwellenwert modellieren. | — |
| Persönliches Einkommen | Nicht verfügbar. Die amtlichen Schweizer Statistiken veröffentlichen Lohnperzentile für Angestellte in Vollzeitäquivalenten, nicht das persönliche Einkommen der gesamten Wohnbevölkerung, daher lassen sie sich nicht mit der Bevölkerung kombinieren. | — |
| Bildung | Swiss Federal Statistical Office (FSO/BFS) — Swiss Labour Force Survey (SAKE/ESPA) · je-d-15.08.02.01 (T 15.8.2.1) — Abgeschlossene Ausbildungen der ständigen Wohnbevölkerung nach Alter und Geschlecht, Tabellenblatt 2025 | 2025 |
Alle Tabellen wurden am 2026-09-23 abgerufen. Die Rohdaten liegen im Repository neben dem Datensatz.
So wird der Pool berechnet
- Basis: Erwachsene von 18 bis 79 Jahren des Geschlechts, das du wählst (oder beider Geschlechter).
- Die Bevölkerung wird in die von der Quelle veröffentlichten Altersgruppen aufgeteilt (einzelne Altersjahre in der Schweiz, ACS-Gruppen in den USA). Schneidet deine Altersspanne mitten durch eine Gruppe, wird angenommen, dass die Menschen darin gleichmäßig verteilt sind.
- In jeder Altersgruppe und für jedes Geschlecht wird jeder aktive Filter mit dem für diese Gruppe gemessenen Anteil angewendet: Anteil der derzeit nicht Verheirateten, Anteil mit Hochschulabschluss, Anteil der Menschen ab einer Einkommensschwelle. Anteile werden nie auf Altersgruppen übertragen, für die sie nicht gemessen wurden.
- Die Körpergröße nutzt die veröffentlichten Perzentile für Erwachsene ab 20 Jahren nach Geschlecht, mit linearer Interpolation dazwischen. Unterhalb des 5. oder oberhalb des 95. Perzentils wird das Ergebnis zu einer Spanne (zum Beispiel 0–5 %). Die Körpergröße wird als unabhängig von den anderen Filtern angenommen.
- Einkommen und Bildung zusammen: Sie hängen positiv zusammen, deshalb würde eine einfache Multiplikation den Pool unterschätzen. Das Ergebnis liegt zwischen dem Produkt unter Unabhängigkeit (unteres Ende) und dem kleineren der beiden Anteile (oberes Ende).
- Fehlt eine Zahl (keine Bildungsdaten für 18- bis 24-Jährige in der Schweiz), reicht die Spanne von null bis zur nächstgelegenen veröffentlichten Gruppe.
- Die Summe über alle Gruppen ergibt den Pool; Personenzahlen werden auf zwei signifikante Stellen gerundet.
Der größte Filter ist der, dessen Wegfall den Pool am stärksten wachsen ließe. Die Formulierung 1 von X erscheint nur, wenn der Pool kleiner ist als die Hälfte der Basis.
Warum das Multiplizieren von Wahrscheinlichkeiten in die Irre führt
„Die Hälfte ist Single, ein Viertel ist groß genug, ein Drittel verdient genug – also 4 %“ setzt voraus, dass die Filter nichts miteinander zu tun haben. Das Alter verändert den Familienstand, die Bildung verändert das Einkommen und so weiter. Anteile innerhalb von Altersgruppen anzuwenden, beseitigt den größten Fehler; eine Spanne für die verbleibende Korrelation zu zeigen, beseitigt die falsche Präzision.
Was der Rechner nicht sagen kann
Amtliche Statistiken erfassen den rechtlichen Familienstand, nicht, wer datet, in einer Beziehung ist oder sucht. Sie erfassen das Geschlecht als statistische Kategorie, nicht die Geschlechtsidentität oder die sexuelle Orientierung. Sie können nicht sagen, wer sich für dich interessieren würde oder ob ein Filter vernünftig ist. Die Fehlermargen der Erhebungen sind nicht berücksichtigt. Das Ergebnis ist eine modellierte Schätzung für deine Neugier, keine Tatsache über irgendwen.
Datenschutz
Die Berechnung läuft in deinem Browser. Deine Filter werden weder an Wabiro noch an Analysetools gesendet. Ein Link zum Teilen speichert nur die resultierende Spanne, die Anzahl der Filter und welcher am meisten ausgemacht hat.
Versionierung
Modellversion 1. Ein neuer Datenstand oder eine Änderung am Modell erzeugt eine neue Datensatz- bzw. Modellversion.
Dating-Pool-Rechner
Setz deine Filter und sieh zu, wie der Pool schrumpft. Amtliche Statistiken, ehrliche Spannen – und der eine Filter, der am meisten wegstreicht.
Starten