Warum die Suche nach Name und Größe die falschen Dateien findet
Die Namenssuche scheitert in beide Richtungen. Dasselbe zweimal gespeicherte Foto wird zu IMG_4021.jpg und IMG_4021 (1).jpg — verschiedene Namen, identische Bytes —, während zwei völlig zusammenhanglose Dokumente beide invoice.pdf heißen können. Mit der Dateigröße sinken die Fehltreffer, aber sie verschwinden nicht: Zwei verschiedene Kamera-JPEGs desselben Geräts liegen häufig innerhalb weniger Bytes voneinander, und eine Menge kleiner Konfigurationsdateien ist zufällig exakt gleich groß.
Die Richtung, die für die Sicherheit zählt, ist der Fehlalarm: Ein Werkzeug, das zwei Dateien als Duplikate meldet, die nur ähnlich aussehen, löscht irgendwann etwas Unersetzliches. Deshalb verdient „ähnliche Bilder finden“-Matching jeden Automatismus Misstrauen. Zum manuellen Sichten einer Fotomediathek ist es echt nützlich — aber eine Serie aus zehn fast identischen Aufnahmen sind zehn verschiedene Fotos, nicht neun Duplikate, und kein Algorithmus weiß, in welchem Bild die Augen offen sind.
Die einzige Definition, die hält, ist Byte-für-Byte-Identität. Zwei Dateien sind Duplikate, wenn ihr Inhalt identisch ist — unabhängig von Name, Ordner, Zeitstempel oder Erweiterung. Das ist eine Frage, die ein Hash beantwortet, und er beantwortet sie jedes Mal gleich.
Wie Inhalts-Hashing funktioniert — und warum es schnell ist
Ein kryptografischer Hash verdichtet jede Datei auf einen Fingerabdruck fester Länge — 64 Hexadezimalzeichen bei SHA-256. Identischer Inhalt erzeugt immer denselben Fingerabdruck, und praktisch kollidieren zwei verschiedene Dateien nie. Fingerabdrücke zu vergleichen ist damit ein verlässlicher Ersatz für das Vergleichen ganzer Dateien — und erlaubt, Tausende Dateien gleichzeitig zu vergleichen statt paarweise.
Alles zu hashen hieße, jedes Byte der Platte zu lesen — eine ordentliche Implementierung arbeitet darum in Stufen. Erst gruppiert sie nach exakter Größe, weil unterschiedlich große Dateien nicht identisch sein können; dieser Schritt allein scheidet die erdrückende Mehrheit der Kandidaten aus, ohne einen einzigen Inhalt zu lesen. Dann hasht sie nur ein kleines Präfix der Dateien, die in Mehrfachgruppen übrig bleiben. Nur die Überlebenden dieser Runde bekommen einen vollen SHA-256. Auf einem typischen Laufwerk liest die Voll-Stufe am Ende einen kleinen Bruchteil der Daten.
Diese Staffelung erklärt, wie sich ein Scan anfühlen sollte: Ein erster Durchlauf über ein paar Hunderttausend Dateien ist fast reine Metadaten-Arbeit und in Minuten fertig; langsam ist das abschließende Hashen großer Videodateien, die zufällig dieselbe Größe teilen. Braucht ein Werkzeug Stunden und nagelt dabei die Platte fest, obwohl es „nach Inhalt vergleicht“, hasht es vermutlich unterschiedslos alles.
Von Hand mit PowerShell
Für eine gezielte Prüfung brauchst du gar keine Software. Dieser Einzeiler gruppiert Dateien nach Länge, verwirft einmalige Größen, hasht den Rest mit SHA-256 und gibt nur die Gruppen aus, in denen mehr als eine Datei denselben Hash teilt. Richte ihn auf einen konkreten Ordner — ein ganzes Laufwerk funktioniert, dauert aber.
- Get-ChildItem -Path 'C:\Users\You\Pictures' -Recurse -File | Group-Object Length | Where-Object { $_.Count -gt 1 } | ForEach-Object { $_.Group } | Get-FileHash -Algorithm SHA256 | Group-Object Hash | Where-Object { $_.Count -gt 1 } | ForEach-Object { $_.Group.Path }
- -Filter '*.jpg' an Get-ChildItem anhängen, um auf einen Dateityp zu beschränken
- | Out-File C:\Temp\dupes.txt am Ende anhängen, um die Liste zur Durchsicht zu speichern
- Im Windows-Terminal oder in PowerShell ausführen; für eigene Ordner sind keine Administratorrechte nötig
- Get-FileHash -Algorithm SHA1 stattdessen, wenn du eine sehr große Videomediathek hashen willst und es schneller gehen soll
Erst die Ausgabe lesen, dann löschen
Der Befehl oben gibt bewusst Pfade aus und löscht nichts. Diese Trennung ist das gesamte Sicherheitsmodell: Liste erzeugen, lesen, dann handeln. Sortiere die Ausgabe nach Ordner, und du siehst das Muster meist sofort — ein Kamera-Importordner, der in einen datierten Backup-Ordner dupliziert wurde; ein Projekt, das zweimal exportiert wurde; eine Musikmedialothek, die es in „Musik“ gibt und zusätzlich in einer alten Kopie einer externen Platte, die auf C: kopiert wurde.
Löschst du, dann in den Papierkorb statt endgültig, und in kleinen Happen mit einer Pause dazwischen, in der du den Rechner normal benutzt. Der Fehler bei Duplikat-Bereinigungen ist nie die eine falsche Datei — es ist die selbstsichere Massenauswahl über Ordner hinweg, deren Zusammenhang du nicht verstanden hattest. Den Papierkorb im Spiel zu behalten macht aus dem teuren Fehler eine Unannehmlichkeit.
Wo sich Duplikate wirklich anhäufen
Echte Duplikate konzentrieren sich an einer Handvoll vorhersagbarer Orte — und nur dort zu scannen ist schneller und weit sicherer, als C: als Ganzes zu scannen. „Downloads“ ist der Champion: derselbe Installer oder dasselbe PDF dreimal geladen, jeweils mit nummeriertem Suffix. Fotoordner kommen direkt danach, meist weil ein Handy-Import zweimal lief oder eine Karte vor und nach einer Umbenennung kopiert wurde.
- Downloads — wiederholte Downloads mit Suffixen (1), (2)
- Bilder- und Handy-Importordner — ein Import, der mehrfach lief
- Cloud-Ordner — OneDrive- und Dropbox-Konfliktkopien mit angehängtem Gerätenamen
- Desktop und „alter Desktop“-Ordner von einer Windows-Neuinstallation
- Messenger-Medienordner — dasselbe Bild, von mehreren Chats gespeichert
- Projekt-Exportordner — Renders und Builds, wiederholt exportiert
- Eine alte externe Platte, komplett in einen Ordner auf C: kopiert
Was niemals dedupliziert werden darf
Doppelter Inhalt in Software-Installationen ist normal und beabsichtigt. Viele Anwendungen liefern dieselbe Laufzeitbibliothek absichtlich in mehrere Ordner mit, damit jede die Version lädt, gegen die sie getestet wurde — eine Kopie zu löschen, weil sie einer anderen gleicht, ist der Weg zu einer Anwendung, die Monate später an einem konkreten Feature versagt, obwohl sie vorher tadellos startete. Dasselbe gilt für Spiele-Asset-Pakete und Entwicklungsordner, in denen identische Abhängigkeiten in vielen Projekt-Unterordnern auftauchen.
Windows selbst ist die schärfste Kante. C:\Windows\WinSxS steckt voller Dateien, die dupliziert aussehen, aber harte Links auf dieselben Daten sind — ein naiver Scanner meldet Gigabytes „Duplikate“, deren Löschung nichts befreit und die Wartung bricht, sobald es doch passiert. Beschränke jeden Duplikat-Scan auf deine eigenen Datenordner, und betrachte ein Werkzeug, das Systemordner scannen will, als Grund, das Werkzeug zu wechseln.
- C:\Windows und alles darunter — allen voran WinSxS
- C:\Program Files und C:\Program Files (x86)
- %APPDATA% und %LOCALAPPDATA% — Anwendungszustand und -profile
- C:\ProgramData — Lizenzen und Anwendungsdatenbanken
- Spiele-Installationsordner und Launcher-Inhaltsverzeichnisse
- Entwicklungsordner: node_modules, vendor, virtuelle Umgebungen, Build-Ausgaben
- Alles auf einer Platte, an der du nicht der einzige Benutzer bist
Welche Kopie überlebt — und die Fallstricke
Steht eine Gruppe als identisch fest, soll die überlebende Kopie die sein, an deren Ort du zuerst suchen würdest — meist der Originalordner statt des Backups, der Downloads-Kopie oder der Version auf dem Desktop. Bevorzuge den Pfad mit dem kürzesten, sinnvollsten Namen. Liegt eine Kopie in einem synchronisierten Cloud-Ordner und eine nicht, behalte die synchronisierte nur, wenn dieser Ordner wirklich dein Arbeitsort ist — andernfalls übergibst du deine einzige Kopie einem Dienst, dessen Synchronisierung du später vielleicht zurücksetzt.
Drei Fallen verdienen Namen. Hart verknüpfte Dateien erscheinen als getrennte Pfade, die dieselben Daten teilen — eine zu löschen befreit nichts, und die andere arbeitet weiter: harmlos, aber verwirrend, wenn die gemeldete Ersparnis nie eintritt. Cloud-Platzhalterdateien unter OneDrives Files On-Demand liegen lokal womöglich gar nicht vor, und sie zu hashen erzwingt den Download des ganzen Ordners. Und Dateien in einem Ordner, den etwas anderes verwaltet — ein Backup-Set, ein Repository, eine Spielemedialothek —, sind nur vom Dateisystem her Duplikate; das Programm, dem sie gehören, rechnet mit beiden.
Für die wiederholbare Version dieses Workflows vergleicht der Duplikat-Finder von Kleaner PRO per SHA-256 statt per Namen, schließt System- und Programmordner standardmäßig aus, gruppiert Treffer mit vollständigen Pfaden und lässt dich die Kopie wählen, die bleiben soll, bevor irgendetwas entfernt wird. Der PowerShell-Weg oben erledigt dieselbe Aufgabe für einen einzelnen Ordner — und ist das richtige Werkzeug, wenn du nur einen Ort prüfen willst.
Fragen und Antworten
Ist das automatische Löschen von Duplikaten sicher?
In System- und Programmordnern nicht — dort sind identische Dateien oft beabsichtigt oder hart verknüpft. In eigenen Dokumenten, Fotos und Downloads ist es sicher, sofern das Werkzeug nach Inhalts-Hash verglichen hat und du in den Papierkorb löschst.
Können zwei verschiedene Dateien denselben SHA-256-Hash haben?
Praktisch nein — eine SHA-256-Kollision wurde nie erzeugt. Genau deshalb nutzt man Hashes zur Deduplizierung, statt Namen, Größen oder Zeitstempel zu vergleichen.
Warum befreit das Löschen von Duplikaten weniger Platz als gemeldet?
Meistens harte Links: mehrere Pfade, die auf eine Kopie der Daten zeigen — ein Pfad weniger befreit nichts. Cloud-Platzhalterdateien können zudem in voller Größe gezählt werden, obwohl sie lokal fast nichts belegen.
Sind ähnliche Fotos dasselbe wie doppelte Fotos?
Nein. „Ähnliche Bilder finden“ vergleicht das Aussehen — eine Serie fast identischer Aufnahmen sieht aus wie Duplikate, sind aber zehn eigenständige Fotografien. Zum manuellen Sichten benutzen, niemals zum Massenlöschen.
Vor dem Kauf genau wissen, was enthalten ist.
Der einmalige 30-Minuten-Test umfasst Basisfunktionen. PRO-markierte Werkzeuge bleiben bis zur Aktivierung einer kostenpflichtigen Lizenz gesperrt.
Weiterlesen
Schreiben Sie uns: [email protected]