ZIP-Code-Grenzen: ZCTA vs. USPS – wann was gewinnt
USPS verkauft jetzt offizielle ZIP-Grenzen, doch ZIPs waren nie Polygone. ZCTA vs. USPS: Wann sich welche Grenzdaten in Geocoding-Pipelines lohnen.

Deine Geocoding-Pipeline hat einen stillen Fehler: Eine Adresse in einem neu gebauten Viertel wird korrekt geocodiert, rutscht dann aber in die Lücke zwischen zwei ZCTA-Polygonen und kommt mit einer leeren Region zurück. Nachgelagert mittelt dein Liefermodell sie unbemerkt in den falschen Markt. Das ist der Alltag beim Arbeiten mit ZIP-Code-Grenzen – einem Konzept, das bis vor Kurzem offiziell gar nicht existierte. USPS verkauft inzwischen offizielle ZIP-Code-Grenzpolygone über sein PostalPro-Portal, und die Data-Engineering-Welt ist zwischen Begeisterung und Schockstarre gespalten. Hier ist, was sich tatsächlich geändert hat und wie du entscheidest, welche Grenzdaten in deine Pipeline gehören.
Ich habe jahrelang Matching- und Anreicherungspipelines auf Basis von US-Adressdaten gebaut, und meine feste Meinung lautet: Die meisten Teams behandeln ZIPs als Geografie, weil das Census Bureau es ihnen leicht gemacht hat, nicht weil es korrekt wäre. Das neue USPS-Produkt ändert diese Rechnung nicht für alle – aber es klärt endlich eine Debatte, die wir seit Jahrzehnten führen.
ZIP-Codes waren nie Polygone (und sind es auch heute nicht)
Die grundlegende Tatsache, die jedermanns Intuition durcheinanderbringt: Ein ZIP-Code ist ein Attribut einer Zustellroute, keine Landregion. USPS hat ZIPs 1963 eingeführt, damit die richtige Post auf den richtigen Lastwagen kommt. Ein ZIP ist eine Sammlung von Zustellrouten, verankert an einer Zustelleinheit – einem Postamt, einem Sortierzentrum, manchmal einem einzelnen Gebäude. Große Empfänger wie Behörden oder Universitäten bekommen eigene ZIPs, die genau eine Adresse abdecken. Reine Postfach-ZIPs umfassen eine Wand voller Fächer in einem Gebäude und keinen Quadratmeter Boden.
Das hat Folgen, die ein Denken in Polygonen nicht auffangen kann. Stell dir vor, ein Entwickler baut ein neues Viertel auf freiem Land zwischen zwei Städten. Wären ZIPs Polygone, würdest du nachsehen, in welchem Polygon das Grundstück liegt, und das wäre dein ZIP. Die Realität: USPS ordnet es der Route zu, die logistisch Sinn ergibt – das kann eine der beiden Städte sein oder ein brandneues ZIP, das aus beiden herausgeschnitten wird. Die Grenze existiert erst, wenn die Route existiert. Deshalb spricht USPS in der eigenen Dokumentation von zeitlichen Schwankungen seines neuen Grenzprodukts – Grenzen verschieben sich, wenn sich die Zustellverteilung ändert, was Behördensprech dafür ist, dass sich Routen ständig ändern.
- PO-Box- und Unique-ZIPs haben überhaupt keine nennenswerte Fläche – sie repräsentieren Gebäude, nicht Land.
- Nicht zusammenhängende Versorgungsgebiete entstehen, wenn eine Zustelleinheit getrennte Adresscluster bedient.
- Ländliche Lücken gibt es dort, wo USPS gar nicht zustellt; Adressen dort werden uneinheitlich zugeordnet, manchmal in verschiedenen Datenbanken zu unterschiedlichen ZIPs.
- Ständige Fluktuation – Neubauten, Routenzusammenlegungen und Postamtschließungen verändern die zugrunde liegenden Routen quartalsweise.
- ZIP+4 grenzt auf eine Blockseite ein, aber kaum jemand erfasst oder speichert es, daher hilft es in der Praxis selten.
Vergleich mit Großbritannien: Dort identifiziert ein vollständiger Postcode etwa zehn Adressen – er wurde von Anfang an so entworfen, eine kleine Gruppe von Zustellpunkten eindeutig zu bestimmen, und wird universell erfasst und genutzt. Der fünfstellige US-ZIP-Code wurde zum Sortieren entwickelt, und wir haben ihn fünfzig Jahre lang für Geografie zweckentfremdet, weil er der einzige geografische Identifikator war, der auf jeder Adresse im Land gedruckt stand.
ZCTA vs. USPS-Grenzen: Was jeder Datensatz tatsächlich ist
ZCTAs: Statistik im ZIP-Kostüm
ZIP Code Tabulation Areas sind die Antwort des Census Bureau auf das Polygonproblem. Bei jeder Volkszählung schaut sich das Bureau jeden Census Block an, ermittelt das häufigste ZIP unter den Adressen dieses Blocks und fasst Blöcke zu ZCTAs zusammen, die nach dem dominanten ZIP benannt sind. Das Ergebnis ist eine kostenlose, herunterladbare Shapefile, die das ganze Land lückenlos und überschneidungsfrei abdeckt.
Dieses Design hat zwei Eigenschaften, die im Produktivbetrieb enorm wichtig sind. Erstens sind ZCTAs statistische Gebiete, die dafür gebaut wurden, Zensusdaten konsistent zu aggregieren – jede demografische Tabelle, die das Census Bureau auf ZIP-Ebene veröffentlicht, ist tatsächlich auf ZCTA-Ebene. Zweitens sind sie verlustbehaftet: Die Regel „das häufigste ZIP gewinnt“ führt dazu, dass Adressen in der Minderheit innerhalb eines Blocks einer ZCTA zugeordnet werden, die nicht dem ZIP entspricht, das auf einem Brief stünde. In dichten Städten ist das ein Rundungsfehler. In ländlichen Gebieten mit riesigen Census Blocks und dünnen Routen kann eine ZCTA um Kilometer danebenliegen, verglichen mit dem Ort, an dem eine bestimmte Adresse tatsächlich ihre Post bekommt.
Die neuen USPS-Polygone: Ground Truth, aber mit Preisschild
Das USPS-Produkt entsteht aus der entgegengesetzten Richtung: aus tatsächlichen Zustelladress- und Standortdaten, denselben Informationen, die die Lastwagen steuern. Damit ist es das Nächste an Ground Truth für die Frage „Welches Gebiet deckt dieses ZIP laut USPS ab?“. Es kommt mit vierteljährlichen Updates, die die Routenfluktuation nachverfolgen, der ZCTAs hinterherhinken. USPS verkauft es in drei Stufen: Internal, Enterprise (mit eingeschränkter Weitergabe an Tochterunternehmen und Partner) und Publication (eingeschränkte Rechte zur Veröffentlichung abgeleiteter Karten).
Der Haken hat die Community hart getroffen: Die Preise beginnen Berichten zufolge bei rund 10.000 Dollar für die niedrigste Stufe. Der Ärger ist nachvollziehbar – FCC-Abdeckungskarten, Bundesland-Grenzen und Census-Geografie sind alle kostenlos, daher fühlt sich eine fünfstellige Summe für postalische Geografie wie ein Rückschritt an. Der strukturelle Grund: USPS ist eine sich selbst finanzierende Behörde, die größtenteils von Portoeinnahmen lebt und nicht von Haushaltsmitteln des Kongresses, und behandelt Datenprodukte deshalb als Produkte. Ob das gute Politik ist, ist eine faire Debatte; ob du deine Pipeline um die Lizenzrealität herum bauen solltest, ist es nicht.

Eine Geocoding-Pipeline für unscharfe Grenzen bauen
Das Muster, bei dem ich nach mehrfachem Umbau dieser Pipeline gelandet bin: Behandle die ZIP-Zuordnung als Join in zwei Durchgängen mit einem expliziten Mehrdeutigkeitsbudget, niemals als einzelne Point-in-Polygon-Suche. Der erste Durchgang ist eine strikte Containment-Prüfung; der zweite ist ein begrenzter Nearest-Neighbor-Fallback, der sich selbst protokolliert, damit du messen kannst, wie oft deine Daten der Geografie widersprechen. Das passt gut zu den Tricks für räumliche Indizierung aus unserem Vergleich Geohash vs. räumlicher Index – der Fallback-Durchgang ist genau die Art Arbeitslast, die ein R-Tree günstig macht.
import geopandas as gpd
# ZCTA boundaries from the Census TIGER/Line shapefiles (free)
zcta = gpd.read_file("tl_2024_us_zcta520.shp")
# Project to a meter-based CRS so distances are meaningful
zcta = zcta.to_crs("EPSG:5070")[["ZCTA5CE20", "geometry"]]
points = gpd.GeoDataFrame(
addresses,
geometry=gpd.points_from_xy(addresses.lon, addresses.lat),
crs="EPSG:4326",
).to_crs("EPSG:5070")
# Pass 1: strict point-in-polygon
matched = gpd.sjoin(points, zcta, how="left", predicate="within")
# Pass 2: unmatched points get the nearest ZCTA, capped at 5 km,
# flagged so downstream consumers know this was an inference
unmatched = matched[matched["ZCTA5CE20"].isna()]
if len(unmatched):
nearest = gpd.sjoin_nearest(
unmatched.drop(columns=["ZCTA5CE20", "index_right"]),
zcta,
how="left",
max_distance=5_000, # meters, because we projected first
distance_col="fallback_dist_m",
)
matched.loc[nearest.index, "ZCTA5CE20"] = nearest["ZCTA5CE20"]
matched.loc[nearest.index, "zip_inferred"] = True
matched["zip_inferred"] = matched["zip_inferred"].fillna(False)
Drei Details in diesem Snippet ersparen dir echten Produktionsschmerz. Projiziere in ein metrisches KBS bevor du sjoin_nearest aufrufst – max_distance in Grad zu übergeben ist ein klassischer Fehler, der still für unterschiedliche Abstände auf verschiedenen Breitengraden sorgt. Begrenze die Fallback-Distanz: Eine Adresse 40 km von der nächsten ZCTA-Kante entfernt ist nicht „in“ dieser ZCTA, sondern in einem Datenloch, und du willst ein Null mit Flag, nicht eine selbstsichere Lüge. Und speichere das Flag zip_inferred in deinem Data Warehouse. Wenn ein Stakeholder fragt, warum die Liefer-Schätzungen für Q3 in Montana abgedriftet sind, ist dieses Flag der Unterschied zwischen einer zehnminütigen Antwort und einem zweiwöchigen Archäologieprojekt.
Betriebliche Sorgfalt ist wichtiger als die Join-Logik. Fixiere die Version deiner Grenzschicht in der Pipeline-Konfiguration und schreibe sie als Spalte in die Ausgabezeilen – wenn du ZCTA-Jahrgänge wechselst oder die USPS-Schicht übernimmst, musst du wissen, welche Grenze jeden historischen Datensatz erzeugt hat. Plane die erneute Ingestion passend zum Aktualisierungsrhythmus deiner Quelle (etwa jährlich für ZCTAs, quartalsweise für USPS) und füge einen Validierungsschritt hinzu, der Zeilenanzahlen und Gesamtfläche zwischen Versionen vergleicht; Grenzdateien bringen häufiger Überraschungen bei der Datenqualität mit, als man hofft. Wenn dir diese Art großskaliger räumlicher Datenverarbeitung liegt, behandelt unser Beitrag über die Umwandlung eines ganzen Landes in Voxel dieselben Lehren in deutlich größerem Maßstab.
Ein Null mit Flag schlägt eine selbstsichere Lüge. Der schlechteste ZIP-Code in deiner Datenbank ist der, der richtig aussieht und es nicht ist.
Wann welche ZIP-Grenzquelle gewinnt
Der Vergleich ist eindeutig, sobald du Anwendungsfälle danach trennst, welche Frage sie tatsächlich beantworten. „Welches ZIP bekommt diese Adresse per Post?“ und „Zu welchem statistischen Gebiet gehört dieser Punkt?“ klingen identisch und sind es nicht.
- ZCTAs gewinnen bei Analytik und demografischen Joins. Wenn du Datensätze mit Zensusdaten anreicherst – Medianeinkommen, Bevölkerungsdichte, Wohnungsstatistiken –, sind ZCTAs nicht nur die kostenlose Option, sondern die richtige Option, weil die Zensustabellen, mit denen du joinst, auf ZCTA-Ebene veröffentlicht werden.
- ZCTAs gewinnen bei der Visualisierung. Choropleth-Karten, Marktkarten und Dashboards brauchen eine lückenlose Kachelung des ganzen Landes. Eine Grenzebene mit Löchern, wo niemand Post bekommt, wirkt auf Stakeholder kaputt, selbst wenn sie korrekt ist.
- USPS-Polygone gewinnen bei Logistik und Versand. Tarifzonen von Paketdienstleistern, Last-Mile-Routing, Prüfung der Servicegebiete – überall, wo die Geschäftsfrage wörtlich lautet „Was wird USPS mit dieser Adresse tun?“, verdienen die aus echten Zustellungsdaten gebauten Daten den Vorzug.
- USPS-Polygone gewinnen, wenn Neubauten zählen. Vierteljährliche Updates verfolgen die Routenfluktuation, die ZCTAs jahrelang veralten lässt. Wenn deine Kunden in schnell wachsenden Vororten bauen, kann allein das die Lizenz rechtfertigen.
- Keiner gewinnt, wenn du Koordinaten hast. Wenn deine Frage lautet „Was liegt in der Nähe dieses Punkts?“, lass ZIPs komplett weg und führe echte Geodatenabfragen auf Breiten- und Längengraden aus. ZIP-basierte Nähe ist eine undichte Abstraktion.
Es gibt außerdem eine dritte Gruppe, die man erwähnen sollte: Kommerzielle Grenzanbieter verkaufen seit Jahren kuratierte ZIP-Polygone, oft gebündelt mit Zeitreihenhistorie und Crosswalks zu anderen Geografien. Das USPS-Produkt untergräbt deren Anspruch auf Ground Truth, aber nicht unbedingt ihre Bequemlichkeit. Wenn du bereits eine Lizenz hast, lautet die Abwägung, ob sich die Herkunft aus Zustellungsdaten von USPS für eine Migration lohnt – für die meisten Analytik-Workloads tut es das nicht.

Die Lizenzfrage ist eine Sackgasse – plane darum herum
Viele kluge Leute haben gefragt, ob eine FOIA-Anfrage diese Daten befreien könnte oder ob eine Crowdfunding-Kampagne eine einzige Lizenz kaufen und die Polygone veröffentlichen könnte. Ich würde auf beides wetten, dagegen. Die Lizenzstufen existieren gerade, um die Weiterverbreitung zu kontrollieren, und ein Schema wie „einmal kaufen, kostenlos veröffentlichen“ kollidiert frontal mit dem gesamten Zweck der Publication-Stufe. Selbst wenn es funktionierte, hättest du einen Schnappschuss eines Datensatzes, dessen Wert im vierteljährlichen Aktualitätsversprechen liegt – ein statisches Leck veraltet zur Haftung, sobald sich die Routen ändern.
Der pragmatische Schritt ist, die Architektur so zu bauen, dass die Grenzebene austauschbar ist. Halte Join-Logik, Fallback-Verhalten und Versionierungs-Metadaten konstant und behandle die Polygonquelle als Konfiguration. Dann wird der Umstieg von ZCTA auf USPS zu einer Budgetentscheidung, die du pro Produktlinie treffen kannst, und nicht zu einem Migrationsprojekt. Ich habe Teams gesehen, die ZCTA-Annahmen so tief fest verdrahtet haben – Tabellennamen, Join-Schlüssel, Dashboard-Filter –, dass ein Quellenwechsel mehr kosten würde als die Lizenz, die sie vermeiden wollen.
Meine Empfehlung: Standardmäßig ZCTAs, USPS kaufen, wo es sich lohnt
Das ist die Entscheidungsregel, die ich heute jedem Team geben würde. Setze standardmäßig auf ZCTAs: Sie sind kostenlos, sie kacheln das Land, sie passen zu jeder Zensustabelle, mit der du jemals joinen wirst, und für Analytik sind sie die kanonische Wahl statt eines Kompromisses. Ergänze den Join in zwei Durchgängen um einen distanzbegrenzten, selbstprotokollierenden Fallback, damit die Nahtstellen sichtbar statt still sind.
Kaufe die USPS-Polygone nur dann, wenn die Geschäftsfrage die Briefzustellung selbst betrifft – Modellierung der Versandkosten, Routing von Paketdiensten, Prüfung der Servicegebiete – und quantifiziere den Nutzen vorher. Miss, welcher Anteil deiner Adressen in Zonen mit Abweichungen zwischen ZCTA und USPS liegt (nach meiner Erfahrung im niedrigen einstelligen Prozentbereich national, aber konzentriert in genau den schnell wachsenden und ländlichen Gebieten, in denen Fehler am teuersten sind). Wenn dieser Anteil relevanten Umsatz oder Risiko treibt, zahlt sich die Lizenz aus; wenn nicht, kaufst du Präzision, die dein Produkt nicht spürt.
Und egal, wofür du dich entscheidest: Hör auf, so zu tun, als wären ZIPs Geografie. Sie sind Zustellrouten im Polygon-Kostüm, und die neuen offiziellen Grenzen ändern daran nichts – sie machen das Kostüm nur besser sitzend. Bau deine Pipeline so, dass sie die Nahtstellen toleriert, protokolliere die Stellen, an denen Karte und Post nicht übereinstimmen, und du bist dem Großteil der Branche voraus, die immer noch einfache Point-in-Polygon-Suchen macht und sich fragt, woher die Nullwerte kommen.

