Sprach-Wissen

ISO 639-3

Ein Verzeichnis, das jeder Sprache einen Code aus drei Buchstaben gibt: DEU Deutsch, POL Polnisch, ENG Englisch. So hat das Wörterbuch einen Ordner je Sprache. Drei Buchstaben reichen für über 17.000 Kombinationen, deshalb bekommt auch jede kleine Sprache ihren eigenen Code. Ein Code ist eindeutig, ein Name nicht: Dieselbe Sprache heißt auf Deutsch, Englisch und in der Sprache selbst jeweils anders.

Zwei Buchstaben auf der Webseite

Die Webseite nutzt meist kürzere Codes aus zwei Buchstaben: de, pl, en. Sie stammen aus ISO 639-1, einer älteren und viel kleineren Liste, die nur verbreitete Sprachen enthält. Für die 85 Sprachen der Webseite reicht sie fast immer, für ein Wörterbuch mit Tausenden Sprachen nicht.

Wie viele Sprachen gibt es?

Das Wörterbuch führt über 8.000 Sprachordner – darunter Gebärdensprachen, ausgestorbene und historische Sprachen. Ein Ordner ist aber nicht immer eine Sprache: Nachgezählt waren es Anfang August 2026 7.822 echte Sprachordner, der Rest vor allem doppelte Codes und Umschriften. Wie nachgezählt wurde

Lebende Sprachen gibt es nach den üblichen Verzeichnissen rund 7.000; eine genaue Zahl gibt es nicht, weil die Grenze zwischen Sprache und Mundart keine feste ist. Sehr ungleich verteilt ist, wer sie spricht: Wenige große Sprachen haben Hunderte Millionen Sprecher, viele kleine nur einige Tausend oder weniger. Die gerundeten Sprecherzahlen der 85 Webseiten-Sprachen stehen in der Sprachwahl hinter dem Info-Knopf jeder Sprache, etwa rund 100 Millionen für Deutsch.

Sprache oder Land?

Ländercodes nach ISO 3166 sehen aus wie Sprachcodes, meinen aber etwas anderes. cn steht für das Land China, zh für die Sprache Chinesisch. Der Unterschied ist mehr als Schreibweise: Eine Sprache wird in vielen Ländern gesprochen, und ein Land hat oft mehrere Sprachen. Ländercodes schreibt man üblicherweise groß, Sprachcodes klein.

Ausnahmen auf der Webseite

84 der 85 Webseiten-Sprachen haben einen Code aus zwei Buchstaben. Filipino hat fil, denn dafür gibt es keinen kürzeren.

Chinesisch und Japanisch stehen dort als cn und jp. Nach ISO 639-1 wären es zh und ja. Es sind die Kürzel, unter denen die Sprachdateien der Webseite heißen. Chinesisch gibt es auf der Webseite für Menschen außerhalb der Volksrepublik; warum, steht unter Chinesisch ohne China.

Sprache mit Region

Ein Sprach-Tag kann eine Region anhängen: de-AT ist Deutsch in Österreich, pt-BR Portugiesisch in Brasilien. Hier treffen sich beide Verzeichnisse: vorn der Sprachcode klein, hinten der Ländercode groß. Nötig ist das, wo sich Wörter oder Schreibweisen unterscheiden, etwa „Jänner“ in Österreich statt „Januar“.

Codes, die keine Sprache sind

ISO 639 kennt Sondercodes: und für unbestimmt, mul für mehrere Sprachen, mis für nicht erfasste und zxx für keinen sprachlichen Inhalt. Sie sind nötig, weil nicht jeder Text in genau einer bekannten Sprache steht – ein Bild ohne Text hat zum Beispiel gar keine. Wer sie mit echten Sprachen zusammenzählt, zählt zu viel.

Zurückgezogene Codes

Ein Code kann zurückgezogen werden, etwa wenn zwei Einträge dieselbe Sprache meinen. Unter den leeren Ordnern des Wörterbuchs fanden sich am 9. August 2026 62 solche Codes. Ein zurückgezogener Code verschwindet nicht aus alten Daten; wer ihn dort findet, muss nachsehen, unter welchem Code die Sprache heute steht. Das erklärt einen Teil der leeren Ordner: Sie sind nicht vergessen, ihre Sprache wohnt woanders.

Unicode

Der Standard, der jedem Zeichen jeder Schrift eine Nummer gibt. Zeichen einer Schrift liegen in einem gemeinsamen Block – Kyrillisch, Georgisch, Arabisch. Das Wörterbuch nutzt genau das: Wörter in nicht-lateinischer Schrift liegen nach ihrem Block sortiert, wie auf Wie es aufgebaut ist beschrieben. Eine Nummer ist aber noch kein Bild – das Aussehen liefert die Schriftart des Geräts, und fehlt ihr ein Zeichen, erscheint ein leeres Kästchen.

Richtung

Manche Schriften laufen von rechts nach links, etwa Arabisch und Hebräisch. Eine Seite muss sich dafür spiegeln: Menüs, Pfeile und Einrückungen wandern auf die andere Seite. Zahlen laufen in diesen Schriften trotzdem meist von links nach rechts, so dass in einer Zeile beide Richtungen stecken können.

Anführungszeichen

Jede Sprache hat ihre eigenen: Deutsch „so“, Französisch «so», Englisch “so”. Auch Sprachen mit derselben Schrift unterscheiden sich darin, und manche Sprache kennt mehrere Formen nebeneinander. Wer Texte übersetzt, muss sie deshalb Sprache für Sprache setzen; eine Änderung für alle auf einmal würde irgendwo die falschen Zeichen hinterlassen.

Alphabet

Eigene Zeichen für Mitlaute und Selbstlaute. So schreiben das Lateinische, das Griechische und das Kyrillische. Mit wenigen Dutzend Zeichen lässt sich so jedes Wort schreiben – dafür verrät die Schreibung nicht immer genau die Aussprache, wie jeder weiß, der Englisch gelernt hat.

Konsonantenschrift

Geschrieben werden vor allem die Mitlaute. Selbstlaute fehlen oft oder sind nur kleine Zusatzzeichen. Beispiele sind Arabisch und Hebräisch. Wer die Sprache kann, ergänzt die Selbstlaute beim Lesen; für eine Maschine heißt das, dass ein geschriebenes Wort mehrere Aussprachen haben kann. Das ist ein Grund, warum die Silbentrennung im Wörterbuch gerade bei Arabisch, Persisch, Urdu, Hebräisch und Jiddisch noch lückenhaft ist (Stand 23. September 2026): Die Silben lassen sich dort oft nur aus der Lautschrift gewinnen.

Silbenalphabet

Jedes Zeichen ist ein Mitlaut mit einem eingebauten Selbstlaut. Zusatzzeichen ändern den Selbstlaut. So arbeiten Devanagari für Hindi und die Ge'ez-Schrift für Amharisch. Viele Schriften Süd- und Südostasiens gehören zu dieser Art, darunter Bengalisch, Tamil und Thai.

Silbenschrift

Jedes Zeichen steht für eine Silbe. Beispiele sind Hiragana und Katakana im Japanischen. Weil die Silben einer Sprache begrenzt sind, reichen dafür einige Dutzend Zeichen je Schrift; eine Zeichenfolge liest sich dadurch fast immer eindeutig.

Wortschrift

Ein Zeichen steht für ein Wort oder einen Wortteil. So arbeiten die chinesischen Schriftzeichen. Für den Alltag braucht man einige Tausend davon. Weil ein Zeichen eher Bedeutung als Klang trägt, lässt es sich auch lesen, wenn man es in einer anderen Mundart ausspricht.

Mehrere zugleich

Japanisch mischt chinesische Schriftzeichen mit zwei Silbenschriften. Serbisch wird kyrillisch und lateinisch geschrieben. Für ein Wörterbuch heißt das: Ein Wort kann in zwei Schreibungen vorkommen, die zusammengehören. Die Tafel unten zeigt solche Sprachen unter „daneben“.

Lautschrift (IPA)

Das Internationale Phonetische Alphabet schreibt auf, wie ein Wort klingt – für jede Sprache mit denselben Zeichen. Deutsch „ich“ wird so zu [ɪç]; das „ç“ steht für genau den Laut, den es im Englischen gar nicht gibt. Eckige Klammern meinen die genaue Aussprache, Schrägstriche die Laute, die eine Sprache unterscheidet.

Silbentrennung

Wo ein Wort am Zeilenende getrennt werden darf. Kurzwörter wie „USA“ trennt man nicht. Die Regeln sind je Sprache verschieden, und selbst innerhalb einer Sprache ändern sie sich: Seit der Rechtschreibreform trennt man im Deutschen „Zu-cker“, früher „Zuk-ker“.

Beugung

Die Formen eines Worts: „Haus, Hauses, Häuser“ oder „gehen, ging, gegangen“. Die Grundform ist die Form, unter der man nachschlägt. Sprachen beugen sehr unterschiedlich viel: Englisch kommt mit wenigen Endungen aus, Finnisch hat für ein Hauptwort über ein Dutzend Fälle.

Beziehungen

Synonyme (gleich), Gegenwörter (gegenteilig), Oberbegriffe (Tier zu Hund) und Unterbegriffe (Hund zu Tier). Ganz gleich sind Synonyme selten: „bekommen“ und „erhalten“ meinen dasselbe, klingen aber verschieden förmlich.

Herkunft (Etymologie)

Woher ein Wort kommt: aus welcher älteren Sprache und aus welchen Teilen. „Fenster“ etwa stammt aus dem lateinischen „fenestra“. Im Wörterbuch kommen die Herkunftsangaben vor allem aus dem Wiktionary, und für viele Sprachen gibt es sie inzwischen auch auf Deutsch.

Häufigkeit

Wie oft ein Wort in echten Texten vorkommt. Daran misst das Wörterbuch, welche Wörter zuerst vollständig sein müssen. Wenige Wörter tragen einen großen Teil jedes Texts; deshalb ist eine Sprache für den Alltag schon weit brauchbar, wenn ihre häufigsten Wörter vollständig sind. Wie weit Deutsch und Polnisch dabei sind, steht auf Deutsch und Polnisch.

Korpus

Eine große Sammlung echter Texte. Aus ihr zählt man zum Beispiel, wie häufig ein Wort ist. Was im Korpus steht, prägt die Zählung: Aus Filmuntertiteln gezählt, wie bei den Häufigkeiten des Wörterbuchs für 62 Sprachen, ist „okay“ häufiger als in Zeitungstexten.

Paralleltext

Derselbe Text in mehreren Sprachen, Satz für Satz nebeneinander. Bibelübersetzungen sind ein bekanntes Beispiel. Für viele kleine Sprachen ist die Bibel der größte freie Text überhaupt, deshalb nutzt die Sprachforschung sie so oft; das Wörterbuch führt solche Sätze als Quelle für Beispiel- und Satzpaare.

Kognaten

Verwandte Wörter mit gemeinsamem Ursprung, etwa deutsch „Wasser“ und englisch „water“. Beide gehen auf ein gemeinsames germanisches Wort zurück, und Deutsch und Englisch gehören beide zur indogermanischen Sprachfamilie. Kognaten sind das Werkzeug, mit dem man solche Familien erkennt – aber nur, wenn sich die Laute regelmäßig entsprechen; zufällig ähnliche Wörter zählen nicht.

Kolexifikation

Eine Sprache nutzt ein einziges Wort für zwei Bedeutungen. Das russische „рука“ heißt Hand und Arm zugleich. Für eine Übersetzung ist das eine Falle: Wer „рука“ übersetzt, muss aus dem Satz erschließen, was gemeint ist.

Swadesh-Liste

Eine feste Liste von Grundbegriffen wie „Wasser“, „Feuer“ oder „ich“. Der Sprachforscher Morris Swadesh stellte sie zusammen, um Sprachen zu vergleichen. Die Idee: Solche Grundwörter werden selten entlehnt und eignen sich deshalb besonders gut, um Verwandtschaft zu zeigen. Für 490 Sprachen gehören Swadesh-Listen zu den Quellen des Wörterbuchs.

Glosse

Eine kurze Bedeutungsangabe zu einem Wort. In der Sprachforschung steht sie oft Wort für Wort unter einem Satz. So lässt sich ein Satz aus einer unbekannten Sprache verstehen, ohne dass es eine flüssige Übersetzung gibt.

Lautbestand

Alle Laute, die eine Sprache unterscheidet. Deutsch unterscheidet etwa „Bahn“ und „Bann“ nur an der Länge des Selbstlauts. Andere Sprachen unterscheiden, was im Deutschen gleich klingt, etwa verschiedene Tonhöhen im Chinesischen oder Vietnamesischen. Die Sammlung PHOIBLE beschreibt die Lautbestände von über 2.000 Sprachen.

Gebärdensprache

Eine vollwertige Sprache aus Handformen, Bewegung und Mimik. Viele Gebärdensprachen haben einen eigenen ISO-Code. Sie folgen nicht der Lautsprache ihres Landes: Die Deutsche Gebärdensprache hat eine eigene Grammatik, und Gebärdensprachen verschiedener Länder sind meist gegenseitig nicht verständlich.

Regelwerk

Von Menschen aufgeschriebene Regeln einer Sprache. Eine Regel ist nachvollziehbar – man sieht, warum sie anschlägt. Das Gegenstück ist ein Sprachmodell, das aus vielen Texten gelernt hat und oft richtig liegt, aber nicht sagen kann, warum. Die Grammatikprüfung von Aerona arbeitet nur mit Regeln, zu sehen im Sprachbuch.

Fehlalarm

Wenn eine Prüfung einen richtigen Satz für falsch hält. Deshalb braucht jede Prüfung viele richtige Sätze als Gegenprobe. Ein Fehlalarm ist oft schlimmer als ein übersehener Fehler: Wer zweimal zu Unrecht angestrichen wurde, glaubt der dritten Meldung nicht mehr. Die englische Prüfung meldet bei den über zwei Millionen Sätzen der Gegenprobe nur 0,2 %.

Blindprobe

Beispiele, die beim Bauen der Regeln niemand gesehen hat. Nur sie zeigen, ob eine Regel wirklich trägt. Eine Regel, die nur an den Sätzen geprüft wird, für die sie geschrieben wurde, besteht ihre eigene Prüfung immer. Deshalb wird von den Probesätzen ein Teil zurückgehalten.

Zerlegen in Wörter

Bevor eine Regel greift, wird der Text in Wörter und Satzzeichen zerlegt. Fachleute nennen das Tokenisierung. Das klingt leichter, als es ist: Ein Apostroph wie in „didn’t“ muss richtig behandelt werden, sonst schweigen die Regeln – genau das war am 12. September 2026 die größte Lücke der englischen Prüfung. Und Sprachen wie Thai, Khmer oder Laotisch schreiben ganz ohne Leerzeichen zwischen den Wörtern.

Bloom-Filter

Eine kompakte Bit-Tabelle, die schnell sagt, ob ein Wort in einer Liste stehen kann. Sagt sie „nein“, fehlt das Wort sicher.

Sagt sie „ja“, ist das Wort sehr wahrscheinlich da – aber nicht ganz sicher. Dafür braucht sie nur einen Bruchteil des Speichers. Bei der Grammatikprüfung ist der Filter 201,5 MB groß, die vollständige Wortliste 1,96 GB – rund ein Zehntel also.

Editierabstand

Die kleinste Zahl von Einfügungen, Löschungen und Ersetzungen, die ein Wort in ein anderes verwandelt. „Haus“ und „Maus“ haben den Abstand 1. Mit diesem Maß sucht eine Prüfung Vorschläge für ein unbekanntes Wort: Die Wörter mit dem kleinsten Abstand kommen zuerst. Auch die Sprachnähe weiter oben rechnet mit derselben Idee.

Trennmuster

Kurze Buchstabenfolgen mit Zahlen, die sagen, wo ein Wort getrennt werden darf. Das Satzprogramm TeX trennt auf diese Weise. Solche Muster gibt es für viele Sprachen; das Wörterbuch führt sie als Quelle für die Silbentrennung von 81 Sprachen.