Neuere Methoden der tiefen Gesichts-Halluzination zeigen beeindruckende Leistungen bei der Super-Resolution stark ver劣ter Gesichtsbilder und übertreffen dabei sogar menschliche Fähigkeiten. Allerdings werden diese Algorithmen hauptsächlich an nicht öffentlichen, synthetischen Datensätzen evaluiert. Daher ist unklar, wie sich die Algorithmen auf öffentlichen Gesichts-Halluzinations-Datensätzen verhalten. Gleichzeitig berücksichtigen die meisten bestehenden Datensätze die Rassenverteilung nur unzureichend, was dazu führt, dass Gesichts-Halluzinationsmethoden, die auf diesen Datensätzen trainiert wurden, einer Bias gegenüber bestimmten Rassen unterliegen. Um diese beiden Probleme anzugehen, präsentieren wir in diesem Artikel einen öffentlichen, ethnisch vielfältigen Gesichtsdatensatz, EDFace-Celeb-1M, und entwickeln eine Benchmark-Aufgabe für die Gesichts-Halluzination. Unser Datensatz umfasst 1,7 Millionen Fotos aus verschiedenen Ländern mit ausgewogener Rassenzusammensetzung. Sofern uns bekannt ist, handelt es sich hierbei um den größten und öffentlich verfügbaren Gesichts-Halluzinations-Datensatz im Freien. In Verbindung mit diesem Datensatz liefern wir zudem verschiedene Evaluationsprotokolle und eine umfassende Analyse, um die derzeitigen Stand-of-the-Art-Methoden zu benchmarken. Die Benchmark-Evaluierungen offenbaren sowohl die Leistungsfähigkeit als auch die Grenzen der aktuellen State-of-the-Art-Algorithmen.