ToolMage
Anmelden

AI TOOL COMPARISON

Datafold vs Metaplane

What is the difference, and which fits your workflow? Compare features, usage, pricing models and traffic side by side.

Jump to key differences

Produktübersicht

Datafold Produktübersicht

Datafold ist eine KI-gestützte Plattform für Daten-Engineering-Teams, die Datenqualitätstests, Überwachung und Migrationen automatisiert. Sie verwendet Daten-Diffing zum Vergleich von Datensätzen, ermöglicht proaktive Problemerkennung in CI/CD und gewährleistet 100%ige Parität bei komplexen Datenmigrationen, wodurch Zeitpläne um das bis zu 6-fache beschleunigt werden.

Preview

Metaplane Produktübersicht

Metaplane ist eine End-to-End-Daten-Observability-Plattform für moderne Datenteams. Sie nutzt maschinelles Lernen, um Ihren Daten-Stack automatisch zu überwachen, stille Datenqualitätsprobleme zu erkennen, bevor sie das Geschäft beeinträchtigen, und handlungsrelevante Warnungen mit vollem Kontext bereitzustellen.

Preview

Kerndaten

Compare product focus, pricing models and audiences. Highlighted rows indicate different listed information; unknown pricing does not mean free.

Datafold VS Metaplane — Kerndaten
KerndatenDatafoldMetaplane
Pricing modelPaidFreemium
Product typeWebWeb
Primary focusAnalysenAnalysen
Zielgruppen und RollenNicht verifiziertNicht verifiziert
KategorienAnalysen · Datenbank · AutomatisierungAnalysen · Beobachtbarkeit · Datenbank · Überwachung
Added11.08.202510.08.2025
Aktualisiert19.11.202619.11.2026

Features, usage and use cases

Explore the listed product descriptions, features and workflows. Taxonomy labels alone are not feature evaluations.

Datafold

Datafold ist eine einheitliche Plattform für proaktive Datenqualität, die speziell entwickelt wurde, um Daten-Engineering-Teams zu stärken. Sie befasst sich mit den kritischsten und anspruchsvollsten Aspekten moderner Daten-Workflows: die Gewährleistung absoluter Datenintegrität und die Optimierung der Modernisierung der Dateninfrastruktur. Durch die Nutzung der Leistungsfähigkeit von KI, fortschrittlichen großen Sprachmodellen (LLMs) und seiner proprietären "Data Diffing"-Technologie automatisiert Datafold die fehleranfälligsten und zeitaufwändigsten Aufgaben. Dies ermöglicht es Teams, hochzuverlässige Datenprodukte in einem viel schnelleren Tempo zu erstellen.

Die Plattform basiert auf dem Prinzip, dass Datenqualität ein proaktiver, integraler Bestandteil des Entwicklungslebenszyklus sein sollte, nicht eine reaktive nachträgliche Überlegung. Sie bietet die notwendigen Werkzeuge für Unternehmen, um die Grenzen von Altsystemen zu überwinden und selbstbewusst einen KI-fähigen Datenstack mit beispielloser Geschwindigkeit und Genauigkeit aufzubauen.

Wie man Datafold verwendet

Datafold integriert sich nahtlos in bestehende Daten-Engineering-Workflows und bietet einen strukturierten und automatisierten Ansatz für verschiedene Aufgaben.

Für Datenmigrationen:

  1. Planen: Nutzen Sie detaillierte Spalten-Level-Lineage, um alle Datenabhängigkeiten abzubilden und die Komplexität der Migration genau zu bewerten. Dies erstellt einen umfassenden Plan, der Projektzeitpläne vorhersagbar und transparent macht.
  2. Übersetzen: Der KI-gesteuerte Datafold Migration Agent (DMA) konvertiert automatisch jeden SQL-Dialekt oder GUI-basierte Transformationslogik in die Syntax des Zielsystems (z. B. Migration von Oracle PL/SQL zu Snowflake SQL). Er verwendet eine intelligente Feedback-Schleife, um den Code iterativ zu verfeinern, bis eine perfekte funktionale Parität erreicht ist.
  3. Validieren: Hier glänzt die Kernfähigkeit des "Data Diffing" von Datafold. Es führt einen wertbasierten Vergleich jedes Datensatzes zwischen dem alten und dem neuen System durch und überprüft automatisch 100%ige Datengenauigkeit ohne manuelle Stichproben oder mühsames Skripting.
  4. Ausliefern: Nach erfolgreicher Validierung generiert Datafold umfassende Berichte und auditierbare Daten-Diff-Beweise. Dies liefert einen konkreten Nachweis der Datenparität, was die Freigabe durch Stakeholder beschleunigt und die sichere Stilllegung des Altsystems ermöglicht.

Für Datenqualitätstests in CI/CD:

  1. Integration: Verbinden Sie Datafold mit Ihrem Versionskontrollsystem, wie GitHub oder GitLab.
  2. Automatisierte Tests: Wenn ein Entwickler einen Pull Request mit Änderungen am Datentransformationscode (z. B. einem dbt-Modell) öffnet, wird Datafold automatisch ausgelöst, um einen Daten-Diff zwischen der Entwicklungs- und der Produktionsumgebung durchzuführen.
  3. Überprüfen und Bereitstellen: Die Ergebnisse werden als klarer, prägnanter Kommentar im Pull Request veröffentlicht. Dies ermöglicht es den Prüfern, die genauen Auswirkungen der Code-Änderungen auf die Daten auf Wertebene zu sehen und zu verhindern, dass Datenqualitätsprobleme jemals in die Produktion gelangen.

Kernfunktionen von Datafold

  • KI-gestützte Datenmigration (Datafold Migration Agent - DMA): Automatisiert den gesamten Migrationslebenszyklus, von der SQL-Code-Übersetzung über verschiedene Dialekte hinweg bis zur vollständigen End-to-End-Validierung. Es behandelt intelligent komplexe Randfälle wie unterschiedliche Datentypbehandlung, nicht-deterministische Funktionen und Zeichenkodierung, um eine bis zu 6-mal schnellere Migration zu ermöglichen.
  • Data Diffing: Eine leistungsstarke Validierungs-Engine, die effiziente, wertbasierte Vergleiche ganzer Datensätze durchführt, selbst bei solchen mit Milliarden von Zeilen. Sie identifiziert präzise alle Hinzufügungen, Löschungen oder Änderungen, um 100%ige Datenparität zu gewährleisten.
  • Proaktive CI/CD-Tests: Integriert sich direkt in den Entwicklungsworkflow (Shift-Left-Testing), um Datentransformationscode vor der Bereitstellung zu testen. Es beinhaltet eine Auswirkungsanalyse, um zu visualisieren, wie sich Änderungen auf nachgelagerte Tabellen, BI-Dashboards und Reverse-ETL-Pipelines auswirken.
  • Datenüberwachung & Beobachtbarkeit: Bietet ML-gestützte Anomalieerkennung zur Überwachung der Datengesundheit in der Produktion. Benutzer können Monitore als Code (YAML) oder über die Benutzeroberfläche für Metriken, Schemaänderungen und geplante datenbankübergreifende Diffs definieren, mit Echtzeit-Benachrichtigungen über Slack, PagerDuty und E-Mail.
  • Spalten-Level-Lineage: Liefert eine umfassende Karte der Datenabhängigkeiten, die über das Data Warehouse hinaus zu BI-Tools (Tableau, Looker, Power BI) und anderen Anwendungen reicht. Dies ist entscheidend für die Auswirkungsanalyse, die Ursachenanalyse und die Compliance.
  • Datenreplikationstests: Validiert kontinuierlich Daten zwischen Quell- und Zielsystemen in laufenden Replikationspipelines und stellt sicher, dass unternehmenskritische Daten jederzeit synchron und korrekt bleiben.

Anwendungsfälle für Datafold

  • Modernisierung des Datenstacks: Beschleunigen Sie Migrationen von Altsystemen (z. B. Oracle, Teradata, SQL Server) zu modernen Cloud-Datenplattformen (z. B. Snowflake, BigQuery, Databricks) drastisch. Zum Beispiel migrierte Faire über 5.000 Tabellen von Redshift zu Snowflake sechs Monate früher als geplant mit Datafold.
  • dbt-Entwicklung & -Tests: Steigern Sie die dbt-Workflows durch automatisches Testen jedes Pull Requests und stellen Sie sicher, dass Änderungen an dbt-Modellen keine Regressionen der Datenqualität verursachen.
  • Sicherstellung der Genauigkeit von BI-Dashboards: Verwenden Sie Spalten-Level-Lineage, um Daten von ihrer Quelle bis zu den BI-Dashboards zu verfolgen und sicherzustellen, dass Geschäftsberichte auf einer Grundlage zuverlässiger und genauer Daten erstellt werden.
  • Validierung von Replikationspipelines: Für Organisationen, die Datenaufnahme-Tools wie Fivetran oder Airbyte verwenden, kann Datafold regelmäßige Daten-Diffs planen, um zu zertifizieren, dass die Daten im Ziel-Warehouse perfekt mit der Quelle übereinstimmen.

Vorteile von Datafold

  • Beispiellose Geschwindigkeit: Verkürzt Migrationszeitpläne von Jahren auf Wochen durch die Automatisierung der arbeitsintensivsten Teile des Prozesses.
  • Garantierte Genauigkeit: Geht über einfache Zeilenzählungen hinaus zu einer erschöpfenden, wertbasierten Validierung und eliminiert das Risiko von Datenverlust oder -beschädigung.
  • Erhöhte Entwicklergeschwindigkeit: Fängt Datenfehler frühzeitig in der CI/CD-Pipeline ab und befähigt Ingenieure, Code schneller und mit größerem Vertrauen auszuliefern.
  • Proaktiv, nicht reaktiv: Implementiert eine "Shift-Left"-Philosophie für die Datenqualität und verhindert Probleme, bevor sie Produktionssysteme und Geschäftsabläufe beeinträchtigen können.
  • Verbessertes Vertrauen & Zusammenarbeit: Liefert auditierbare, unbestreitbare Beweise für die Datenqualität, was das Vertrauen bei den Geschäftsinteressenten aufbaut und Projektgenehmigungen rationalisiert.
  • Sichere & flexible Bereitstellung: Bietet mehrere Bereitstellungsmodelle (SaaS, Single-Tenant-VPC, Self-Hosted) und ist konform mit wichtigen Standards wie SOC2 Typ II, GDPR und HIPAA.

Preise und Pläne

Datafold bietet maßgeschneiderte Preise, die auf die einzigartigen Anforderungen jedes Teams zugeschnitten sind. Das Preismodell basiert hauptsächlich auf der Anzahl der Benutzer und dem Volumen der überwachten und getesteten Tabellen. Während die Plattform in der Regel als umfassende Lösung verkauft wird, können spezifische Funktionen wie einmalige Migrationskonvertierung und -validierung oder eigenständige Spalten-Level-Lineage separat erworben werden. Um ein genaues Preisangebot zu erhalten, sollten potenzielle Kunden das Vertriebsteam von Datafold kontaktieren, indem sie eine Demo auf ihrer offiziellen Website anfordern.

Metaplane

Metaplane, jetzt Teil von Datadog, ist eine umfassende Daten-Observability-Plattform, die entwickelt wurde, um Software- und Daten-Observability zusammenzuführen. Sie befähigt moderne Datenteams, Vertrauen in ihre Daten aufzubauen, indem sie proaktiv Datenqualitätsprobleme im gesamten Daten-Stack, von der Quelle bis zu den BI-Tools, identifiziert und löst. Die Plattform verwendet fortschrittliches maschinelles Lernen, um Anomalien zu erkennen, die traditionelle, starre Tests übersehen könnten, und berücksichtigt dabei Saisonalität und Trends in Ihren Daten. Dies stellt sicher, dass Warnungen relevant und rauschfrei sind, sodass sich Teams auf echte Probleme konzentrieren können.

Die Kernaufgabe von Metaplane ist es, stille Datenvorfälle zu verhindern – subtile Fehler in Daten, die über lange Zeiträume unbemerkt bleiben und zu fehlerhaften Analysen und schlechten Geschäftsentscheidungen führen können. Durch die Bereitstellung von 100%iger Transparenz in Datenpipelines hilft Metaplane Teams, den Datenfluss zu verstehen, kritische Abhängigkeiten zu identifizieren und die Auswirkungen von Änderungen vor deren Bereitstellung zu bewerten.

Wie man Metaplane verwendet

Der Einstieg in Metaplane ist schnell und unkompliziert und dauert in der Regel weniger als 15 Minuten.

  1. Integrieren Sie Ihren Daten-Stack: Verbinden Sie Metaplane mit Ihren Data Warehouses (wie Snowflake, BigQuery, Redshift), Transformationstools (wie dbt) und BI-Plattformen (wie Looker, Tableau, PowerBI). Der Integrationsprozess ist nahtlos und erfordert nur Lesezugriff auf Metadaten, um die Sicherheit Ihrer zugrunde liegenden Daten zu gewährleisten.
  2. Konfigurieren Sie Monitore: Metaplane schlägt automatisch Monitore für Ihre wichtigsten Tabellen vor. Sie können auch manuell Monitore für verschiedene Datenqualitätsmetriken konfigurieren, einschließlich Volumen, Aktualität, Schemaänderungen, Eindeutigkeit, Nullwerte und statistische Verteilungen. Benutzerdefinierte SQL-Monitore sind ebenfalls für spezifische Geschäftslogiken verfügbar.
  3. ML-Modell-Training: Nach der Verbindung beginnen die maschinellen Lernmodelle von Metaplane mit dem Training auf den Metadatenprofilen Ihrer Daten. In nur drei Tagen ist das System bereit, intelligente, kontextbezogene Warnungen zu senden.
  4. Empfangen und Reagieren auf Warnungen: Wenn eine Anomalie erkannt wird, sendet Metaplane eine gezielte Benachrichtigung an Ihren bevorzugten Kommunikationskanal (z. B. Slack, MS Teams, PagerDuty). Die Warnung enthält reichhaltigen Kontext, wie die Art des Problems und mögliche nachgelagerte Auswirkungen.
  5. Untersuchen und Lösen: Verwenden Sie die End-to-End-Spalten-Level-Lineage von Metaplane, um das Problem bis zur Ursache zurückzuverfolgen. Das Lineage-Diagramm visualisiert Abhängigkeiten in Ihrem gesamten Stack und beschleunigt die Triage und Lösungszeit erheblich.
  6. Verhindern Sie zukünftige Probleme mit Data CI/CD: Integrieren Sie Metaplane in Ihre CI/CD-Pipeline (GitHub/GitLab). Vor dem Zusammenführen eines Pull-Requests (z. B. für eine dbt-Modelländerung) führt Metaplane automatisch Regressions- und Auswirkungstests durch und prognostiziert, welche nachgelagerten Tabellen und Dashboards betroffen sein werden. Dies verhindert, dass Datenqualitätsprobleme jemals in die Produktion gelangen.

Kernfunktionen von Metaplane

  • Automatische Anomalieerkennung: ML-gestützte Monitore, die sich automatisch an Saisonalität und Trends anpassen, um Probleme bei Datenvolumen, Aktualität, Schema, Eindeutigkeit, Nullwerten und mehr zu erkennen.
  • End-to-End-Spalten-Level-Lineage: Erhalten Sie ein vollständiges, automatisch generiertes Bild Ihres Daten-Stacks, von den Quellen bis zu den BI-Tools, um den Datenfluss und die Abhängigkeiten ohne manuelle Einrichtung zu verstehen.
  • Data CI/CD: Verhindern Sie Datenqualitätsprobleme, indem Sie automatische Regressions- und Auswirkungstests in Pull-Requests ausführen. Integriert sich mit dbt Core/Cloud und GitHub/GitLab.
  • Dateneinblicke & Nutzungsanalysen: Entdecken Sie, wie Ihre Daten von wem, wo und wie oft verwendet werden. Dies hilft bei der Optimierung von Abfragen, der Reduzierung von Datenschulden und der Priorisierung kritischer Datenbestände.
  • Automatisierte & konfigurierbare Warnungen: Erhalten Sie gezielte, rauschfreie Benachrichtigungen in Tools wie Slack, MS Teams und PagerDuty mit dem Kontext, der zur schnellen Lösung von Problemen erforderlich ist.
  • Schemaänderungs-Tracking: Werden Sie benachrichtigt, wenn Datenbanken, Schemata, Tabellen oder Spalten hinzugefügt, umbenannt oder entfernt werden.
  • Snowflake Native App: Stellen Sie Metaplane direkt in Ihrer Snowflake-Umgebung bereit und führen Sie es aus, um sicherzustellen, dass die Daten Ihr Warehouse nie verlassen und Sie mit vorhandenen Snowflake-Credits bezahlen können.

Anwendungsfälle für Metaplane

Metaplane ist für verschiedene Rollen und Teams in einer datengesteuerten Organisation wertvoll:

  • Data Engineering Teams: Überwachen Sie proaktiv Datenpipelines, reduzieren Sie den Zeitaufwand für die Behebung von Datenfehlern und stellen Sie die Zuverlässigkeit der Dateninfrastruktur sicher.
  • Analytics Engineers: Entwickeln und implementieren Sie dbt-Modelle selbstbewusst mit Data CI/CD, um störende Änderungen an nachgelagerten Dashboards und Analysen zu verhindern.
  • BI- und Analyseteams: Bauen und erhalten Sie das Vertrauen der Geschäftsinteressenten, indem Sie sicherstellen, dass die Daten, die Berichte und Dashboards antreiben, korrekt, aktuell und zuverlässig sind.
  • Data Platform Owners: Erhalten Sie volle Transparenz und Kontrolle über den Daten-Stack, optimieren Sie die Warehouse-Kosten durch Identifizierung ungenutzter Ressourcen und setzen Sie Daten-Governance-Standards durch.

Vorteile von Metaplane

Metaplane bietet mehrere entscheidende Vorteile gegenüber traditionellen Datenqualitätslösungen:

  • Schnelle Wertschöpfung: Die Einrichtung dauert Minuten, nicht Wochen, und handlungsrelevante Warnungen werden innerhalb von Tagen generiert.
  • Kostengünstige Preisgestaltung: Ein flexibles, nutzungsbasiertes Modell, bei dem Sie nur für die Tabellen bezahlen, die Sie aktiv überwachen, und das mit Ihren Anforderungen skaliert.
  • Reduzierte Warnungsmüdigkeit: Intelligente, ML-gesteuerte Warnungen, die die normalen Muster Ihrer Daten verstehen und Fehlalarme erheblich reduzieren.
  • Ganzheitliche Observability: Kombiniert Überwachung, Lineage, Nutzungseinblicke und CI/CD in einer einzigen, einheitlichen Plattform.
  • Sicherheit auf Unternehmensebene: SOC 2 Typ II-konform und hält hohe Datenschutzstandards wie DSGVO, CCPA und HIPAA ein, mit einem schreibgeschützten Metadatenansatz.

Preise und Pläne

Metaplane bietet eine flexible Preisstruktur, die für Teams jeder Größe konzipiert ist.

  • Kostenloser Plan: Ein dauerhaft kostenloser Plan, der die Überwachung von bis zu 10 Tabellen und Unterstützung für 4 Benutzer umfasst. Er bietet Kernüberwachungsfunktionen für kleine Teams oder zum Ausprobieren der Plattform.
  • Pro-Plan: Ein nutzungsbasierter Plan, bei dem Sie pro überwachter Tabelle bezahlen. Er enthält alles aus dem kostenlosen Plan sowie erweiterte Funktionen wie Spalten-Level-Lineage, Data CI/CD, Kosten- & Leistungsüberwachung und Unterstützung für 12 Benutzer und unbegrenzte Betrachter.
  • Enterprise-Plan: Ein benutzerdefinierter Plan für große Organisationen mit spezifischen Anforderungen. Er enthält alle Pro-Funktionen sowie benutzerdefinierte Integrationen, SSO (Okta, SAML), PrivateLink-Unterstützung und Premium-Support mit einem dedizierten CSM.

Zusätzlich können Benutzer der Snowflake Native App Metaplane mit ihren vorhandenen Snowflake-Credits bezahlen, was die Beschaffung vereinfacht.

Positionierung

Die Taxonomie zeigt Überschneidungen und den jeweils eigenständigen Schwerpunkt. Unbekannte Felder werden klar ausgewiesen und nicht durch Annahmen ergänzt.

Kategorien

Gemeinsam
Datenbank
Nur Datafold
AnalysenAutomatisierung
Nur Metaplane
AnalysenBeobachtbarkeitÜberwachung

Tags

Gemeinsam
CI/CDDatenengineeringDatenobservabilitätDatenqualitätdbt
Nur Datafold
AutomatisierungDatenbankDatenmigrationDatenprüfungDatenvalidierungSQL
Nur Metaplane
AnalysenAnomalieerkennungBigQueryDatengovernanceDatenüberwachungAbstammungSchneeflocke

Zielgruppen und Rollen

Gemeinsam
Keine verifizierten Daten
Nur Datafold
Keine verifizierten Daten
Nur Metaplane
Keine verifizierten Daten

Traffic-Vergleich

Traffic wird auf derselben Skala dargestellt, damit Sichtbarkeitsunterschiede realistisch bleiben.

How to interpret the traffic data

Both charts share the same months and vertical scale. Each tool identifies its latest reporting month; missing months are left blank, not counted as zero. Regional and source visit counts are estimates calculated from the reported shares.

Datafold monthly traffic:

Latest traffic · 2026-05

Monatliche Besuche
21K
Ø Besuchsdauer
1:16
Seiten pro Besuch
2.13
Absprungrate
39.96%
Data updated 2026-06-15

Monthly traffic trend

  • 2025-09: 33.5K
  • 2026-01: 24.6K
  • 2026-02: 19.6K
  • 2026-03: 26.3K
  • 2026-04: 20.8K
  • 2026-05: 21K

Top-Regionen

Top 5 countries/regions
Country/regionPercentageEstimated visits
🇺🇸United States54.41%11.4K
🇻🇳Vietnam13.86%2.9K
🇮🇳India12.19%2.6K
🇹🇭Thailand10.7%2.2K
🇵🇰Pakistan8.84%1.9K

Traffic-Quellen

Source typePercentageEstimated visits
Direkt94.33%19.8K
Verweis5.67%1.2K

Suchbegriffe

data-diffdatafolddbt pythonnutrafol revenueopen source data warehouse

Metaplane monthly traffic:

Latest traffic · 2026-05

Monatliche Besuche
26.5K
Ø Besuchsdauer
2:39
Seiten pro Besuch
9.75
Absprungrate
33.59%
Data updated 2026-06-15

Monthly traffic trend

  • 2025-09: 36.9K
  • 2026-01: 33.4K
  • 2026-02: 37.4K
  • 2026-03: 30.9K
  • 2026-04: 25.7K
  • 2026-05: 26.5K

Top-Regionen

Top 5 countries/regions
Country/regionPercentageEstimated visits
🇺🇸United States75.27%20K
🇻🇳Vietnam7.21%1.9K
🇮🇳India6.88%1.8K
🇧🇷Brazil5.54%1.5K
🇮🇩Indonesia5.1%1.4K

Traffic-Quellen

Source typePercentageEstimated visits
Direkt97.17%25.8K
Verweis2.83%750

Suchbegriffe

anomaliesdata anomaly meaningdata validation in marketing researchgoogle big query rows in tablesmetaplane

Community-Signale

Bewertungen und Reaktionen sind Community-Signale, kein Ersatz für die Produkteignung.

Datafold

Bewertung
Nicht verifiziert
Kommentare
0
Favoriten
183
Likes
182

Metaplane

Bewertung
Nicht verifiziert
Kommentare
0
Favoriten
158
Likes
177

Datafold vs Metaplane · Vergleichs-FAQ

What do Datafold and Metaplane have in common?
Both tools are listed under Datenbank. These categories indicate overlapping use cases; compare their detailed descriptions for workflows, capabilities and limitations.
Are Datafold and Metaplane free?
Listed pricing models: Datafold — Paid; Metaplane — Freemium. Missing pricing is not proof of a free plan, and freemium does not mean every feature is free. Check official sites for current plans, limits and trials.
How should I choose between Datafold and Metaplane?
The primary listed category is Analysen for Datafold, and Analysen for Metaplane. Compare features, steps and use cases, then verify pricing, data permissions and deployment needs. This page does not include hands-on testing and does not declare a winner from traffic or tags.

Sources and comparison methodology

This page is assembled from ToolMage product listings, taxonomy, traffic statistics and on-site user feedback. It is not a hands-on test or an independent review.

  • Feature and plan descriptions reflect information in the listings, not real-time guarantees. Verify pricing, quotas, availability and privacy terms on the official sites.
  • Traffic uses the reporting months shown. Missing statistics do not mean zero visits, and different periods do not establish growth or superiority. Regional and source visit counts are estimates based on shares.
  • Different tags indicate differences in the listings, not proof that the other product lacks a capability. Ratings, favorites and visits are not used to declare a winner.

Ähnliche Vergleiche