Sprachen

Das Aerona-Wörterbuch

Alle Sprachen der Welt, und zu jedem Wort alles, was man später damit machen können soll. So steht das Ziel wörtlich in der Anleitung des Wörterbuch-Ordners, und es ist mit Absicht so groß: Eine Grammatikprüfung, ein Übersetzer oder ein Vorleser brauchen jeweils andere Teile desselben Worts, und keiner soll später feststellen, dass seiner fehlt. Wie weit es ist, sagen die gezählten Zahlen gleich darunter – samt dem, was noch leer ist.

Am Wörterbuch und an der Grammatikprüfung wird jeden Tag gearbeitet. Die Zahlen hier sind gezählt, nicht geschätzt – und jede sagt, von welchem Tag sie ist. Nichts davon ist veröffentlicht; es läuft heute nur auf dem eigenen Rechner. Das Wörterbuch besteht aus rund 1,9 Millionen Dateien. Was du auf dieser Seite siehst, sind Zählungen und kleine Auszüge daraus, etwa die 1.000 Wörter zum Nachschlagen weiter unten.

Gezählt

…

Sprachen

…

mit echtem Wortschatz

…

davon mit Bedeutungen

…

noch ganz leer

…

Wörter

…

Bedeutungen

…

davon auf Deutsch

…

Sprachen mit deutscher Bedeutung

Gezählt am …. Die 672 leeren Sprachen sind fast durchweg sehr kleine oder ausgestorbene Sprachen; sie bleiben vorerst liegen, stehen aber vollständig in der Liste. Für rund 850 Sprachen gibt es laut Anleitung des Wörterbuchs öffentlich nirgends Wortmaterial – dort fehlt nicht Fleiß, sondern eine Quelle. Eine eigene Liste im Ordner trennt deshalb „leer, weil es nichts gibt“ von „leer, obwohl eine Quelle sie führt“; nur Letzteres wäre ein Versäumnis. Dass es mehr Sprachordner als Sprachen gibt, erklärt der Abschnitt Nachgezählt.

Seit dem 19. September 2026 werden die 82 Sprachen der Webseite außer Englisch, Deutsch und Polnisch gezielt aufgefüllt, gemessen an ihren 10.000 häufigsten Wörtern. Im Mittel hatten dort am 23. September 80,6 % eine deutsche Bedeutung (vorher 65,9 %) und 81,0 % eine Aussprache (vorher 54,9 %). Ein großer Teil des Zuwachses stammt aus einem Sprachmodell, trägt diese Herkunft im Eintrag und ist noch nicht von Muttersprachlern geprüft – bei kleinen Sprachen ohne freie Quelle schätzen die Helfer ihre eigene Sicherheit selbst nur als „mittel bis schwach“ ein. Die nächste Runde, bis zum 10.000. Wort, hielt Kevin am 24. September an: 66 von 151 Arbeitsgruppen waren da beantwortet, eingebaut ist davon noch nichts.

Was zu jedem Wort gehört

Bedeutung

Bedeutung und Sachgebiet – das Sachgebiet trennt etwa „Bank“ als Möbel von „Bank“ als Geldhaus.
In welcher Sprache die Bedeutung steht, steckt im Feldnamen: englisch, deutsch, französisch … So sieht man ohne Nachschlagen, was noch übersetzt werden muss. Heute sind die Bedeutungen überwiegend englisch.

Aussprache und Form

Lautschrift – mit denselben Zeichen für jede Sprache, erklärt im Sprach-Wissen.
Silbentrennung – sie muss zusammengesetzt wieder das Wort ergeben, sonst wird sie nicht übernommen.
Beugungsformen, Grundform, Merkmale – also „Häuser“ unter „Haus“, samt der Angabe, dass es die Mehrzahl ist.

Zusammenhang

Synonyme und Gegenwörter
Ober- und Unterbegriffe
Beispielsätze – sie zeigen ein Wort in Gebrauch statt nur in einer Erklärung.
Herkunft
Häufigkeit: Anzahl, Rang, Vorkommen je Million. Daran misst das Wörterbuch, welche Wörter zuerst vollständig sein müssen, zu sehen auf Deutsch und Polnisch.
Übersetzungen in andere Sprachen – in beide Richtungen, vom englischen und vom deutschen Stichwort aus.

Die Liste ist dieselbe wie in der Anleitung des Wörterbuch-Ordners. Jeder dieser Teile liegt als eigener Bereich neben der Wortliste; wie viele Einträge jeder Bereich hat, zeigt Die Bereiche. Längst nicht jedes Wort hat heute alles – das Ziel beschreibt, wofür Platz vorgesehen ist, nicht was in jeder Sprache schon dasteht.

Ein Wort, viele Sprachen

Gib ein deutsches Wort ein und sieh es in jeder Sprache, für die das Wörterbuch eine Übersetzung hat – in ihrer eigenen Schrift und, wo dein Browser eine Stimme dafür hat, zum Anhören. Das ist das kleine Fenster, durch das man in den großen Bestand schauen kann: Die Daten dafür liegen fertig ausgezogen bei der Webseite, es wird also nichts auf einem fremden Rechner nachgeschlagen. Beim Tippen schlägt das Feld passende Wörter vor, denn nachzuschlagen sind nur die 1.000, die unten im Hinweis beschrieben sind.

Nur, was ein Mensch eingetragen hat. Alle Übersetzungen stammen aus den Übersetzungstabellen des deutschen Wiktionarys – nichts ist von einem Programm übersetzt oder über das Englische umgeleitet. Der Umweg über das Englische wäre bequemer gewesen, hätte aber aus deutsch „Bank“ über englisch „bank“ auch das Flussufer gemacht. Das Wiktionary ordnet jede Übersetzung einer Bedeutung zu; deshalb stehen „Bank“ zum Sitzen und „Bank“ für Geld hier getrennt, und die Zahl der Sprachen gilt jeweils für die gewählte Bedeutung. Nachzuschlagen sind die 1.000 häufigsten deutschen Wörter, die eine solche Tabelle haben (Häufigkeit nach dem Leipziger Wortschatz). Fehler der Quelle werden mit übernommen. Welche Quellen unter welcher Lizenz stehen, steht unter Quellen und Lizenzen.

Stand 22. September 2026. Seltene Schriften wie Gotisch oder Keilschrift zeigt dein Browser mit den Schriften deines Geräts; fehlt dort eine, erscheinen Kästchen. Die Stimmen zum Anhören gehören zu deinem Browser, nicht zu Aerona. Deshalb hört jemand auf einem anderen Gerät manche Sprache, die bei dir stumm bleibt – und umgekehrt. Die Daten werden erst geladen, wenn du das Feld antippst oder es in Sicht kommt, und beim Nachschlagen nur der Teil für den Anfangsbuchstaben; die Seite bleibt so leicht, bis du wirklich suchst.

Von eins bis zehn

Die Zahlwörter „eins“ bis „zehn“ gehören alle zu den 1.000 Wörtern von Ein Wort, viele Sprachen. Genommen ist bei jedem nur die Bedeutung, die die Zahl selbst meint, etwa „die Kardinalzahl zwischen null und zwei“ – nicht „kurz für: zwei Uhr“ und nicht „sieben“ im Sinne von „durch ein Sieb geben“. In der Tafel stehen 143 Sprachen, für die mindestens 5 der zehn Zahlen belegt sind; 90 davon haben alle zehn. Wo eine Zahl fehlt, steht ein Strich – ergänzt wird nichts. „null“, „hundert“ und „tausend“ sind nicht unter den 1.000 Wörtern und fehlen deshalb.

Ordnen

nur vollständige

So, wie die Quelle es einträgt. Die Wörter stammen aus den Übersetzungstabellen des deutschen Wiktionarys. Stehen dort mehrere Formen, etwa männlich und weiblich, stehen hier alle, getrennt durch einen Schrägstrich. Fehler der Quelle werden mit übernommen. Die Schrift jeder Sprache ist die, in der die meisten ihrer Zahlwörter stehen. „Zählen anhören“ gibt es nur, wenn dein Browser eine Stimme für die Sprache hat. Fehlt deinem Gerät eine Schrift, steht in der Zelle „Schrift fehlt“ statt Kästchen – ein leeres Kästchen sähe aus wie ein Fehler der Tafel, dabei fehlt nur deinem Gerät die Schrift.

Warum gerade die Zahlen? Sie gehören zu den ältesten und beständigsten Wörtern einer Sprache und stehen deshalb auch in Vergleichslisten wie der Swadesh-Liste, die das Sprach-Wissen erklärt. Nebeneinander sieht man in der Tafel, welche Sprachen verwandt sind, lange bevor man eine Rechnung dafür braucht – die Rechnung selbst steht unter Wie verwandt sind zwei Sprachen?.

Die Bereiche

Jeder Bereich liegt getrennt. Wer nur die Aussprache braucht, muss nicht Millionen Bedeutungen mitladen – und jeder Teil lässt sich einzeln neu bauen und prüfen. Verbunden sind die Bereiche über das Wort selbst, bei Bedarf zusätzlich über die Wortart; so bleibt „Laut“ als Hauptwort vom Beiwort „laut“ getrennt. Die Zahlen stammen aus derselben Zählung wie Gezählt oben und tragen deren Datum. Welcher Bereich in wie vielen Sprachen noch fehlt und welche Quelle ihn füllen könnte, steht unter Was noch fehlt.

Wie es aufgebaut ist

Ein Ordner je Sprache

Fast jede Sprache hat einen Ordner mit ihrem dreibuchstabigen Code nach ISO 639-3, etwa DEU für Deutsch. Die Ordner stehen unter dem Anfangsbuchstaben ihres Codes, also „Alle Sprachen mit D“. Ein fester Code statt eines Namens hat einen Grund: Namen gibt es in jeder Sprache anders, der Code bleibt gleich. Was ISO 639-3 ist, erklärt das Sprach-Wissen.

200 Wörter je Datei

Die Wortliste liegt in kleinen Dateien, nach Anfangsbuchstaben. Nicht-lateinische Schriften sind nach ihrem Unicode-Block gruppiert, etwa Kyrillisch oder Georgisch – für sie gäbe es keine lateinischen Anfangsbuchstaben. Die Gruppe heißt nach ihrem Block, kyrillische Wörter liegen etwa unter U4, georgische unter U10. Auch deshalb besteht das Wörterbuch aus rund 1,9 Millionen Dateien.

Nichts wird gelöscht

Was beiseitegelegt wird, kommt in eine eigene Liste „aussortiert“ neben der Sprache – es verschwindet nicht. Ganze Ordner, die gar keine Sprache waren, wandern in eigene Sammelordner, mit einem Hinweis, woher sie kamen. Das folgt dem Regelwerk, Regel 06 „Aufräumen ohne Verlust“: Was sich später als echt herausstellt, lässt sich mit einem eigenen Befehl zurückholen.

Übersetzungen in beide Richtungen

Von einem englischen oder deutschen Stichwort aus lassen sich alle Sprachen finden. Dafür gibt es zwei eigene Verzeichnisse, eins je Stichwortsprache. Die Übersetzungstabellen der Wiktionary-Ausgaben erschließen so rund 4.900 Sprachen, von denen die meisten gar keine eigenen Wiktionary-Einträge haben.

Alles in einer Zeile

Für Rechenaufgaben gibt es eine Ausfuhr: eine Zeile je Wort, alle Bereiche beisammen – erzeugt aus dem Baum. Sie ist zum Rechnen gedacht, nicht zum Nachschlagen, und darf jederzeit gelöscht werden, weil sie sich neu erzeugen lässt. Maßgeblich bleibt immer der Baum.

Geprüft

Eine Prüfreihe prüft das Wörterbuch – und mit einem Gegentest, ob die Prüfungen überhaupt anschlagen. Die Regel dazu steht in der Anleitung: Jede neue Prüfung wird einmal absichtlich zum Anschlagen gebracht. Eine Prüfung, die nie anschlägt, könnte sonst ebenso gut blind sein.

Der ganze Weg

Laden. Zwanzig Ausgaben des Wiktionarys werden geholt, allein die englische ist rund 2,7 GB groß. Zusammen sind es knapp 5 GB, von der deutschen über die französische bis zur indonesischen Ausgabe. Jede Ausgabe bringt Bedeutungen in ihrer eigenen Sprache mit – aus der deutschen kommen also deutsche Bedeutungen.
Aufteilen. Die englische Ausgabe ist die Grundlage. Die weiteren Ausgaben und die Lexibank-Daten hängen sich nur an. Die Lexibank-Formen sind Lautschrift, nicht Rechtschreibung, weil viele dieser Sprachen gar keine Rechtschreibung haben; sie tragen deshalb ihre Quelle und lassen sich jederzeit wieder aussondern.
Fehlablagen aufräumen. Das geschieht vor dem Einbau, sonst schreibt der Einbau wieder in die falschen Ordner. Welche Fehlablagen es gab, steht unter Nachgezählt.
Einbauen. Alles kommt in den Baum aus Sprachordnern, verteilt auf die Bereiche. Geschrieben wird mit einer Bremse, die weiter unten erklärt ist.
Übersetzungen verknüpfen. Es entstehen die Verzeichnisse vom englischen und vom deutschen Stichwort zu allen Sprachen. Erst sie machen es möglich, von einem Wort aus alle Sprachen zu finden.
Ergänzen. Erst die Häufigkeit, dann Familie, Region, Schrift und Gefährdung jeder Sprache. Namen und Familie kommen aus Glottolog, Gefährdungsgrad und Sprecherzahlen für 3.192 Sprachen aus ELCat – mehr dazu unter Quellen und Lizenzen.
Ausführen und nachzählen. Die Ausfuhr mit einer Zeile je Wort entsteht. Zuletzt wird Sprache für Sprache gezählt, was fehlt. Dieses Nachzählen ist kein Anhängsel: Es trennt, was fehlt, weil es nirgends eine Quelle gibt, von dem, was fehlt, obwohl eine Quelle es führt.

Auf die Reihenfolge kommt es an. Der englische Lauf leert vorher den Zwischenordner. Wer ihn wiederholt, muss alles Weitere wiederholen. In einem Rutsch dauert der ganze Weg mehrere Stunden. Dafür gibt es ein Skript, das alle Schritte nacheinander abarbeitet – und die Anleitung warnt ausdrücklich davor, es zu bearbeiten, während es läuft, weil es fortlaufend nachgelesen wird.

Die größten Sprachen

Nach Zahl der Bedeutungen, aus derselben Zählung wie oben. Die Tafel misst, wie gut eine Sprache beschrieben ist, nicht wie viele Menschen sie sprechen. Französisch, Englisch und Deutsch haben jeweils eine eigene große Wiktionary-Ausgabe unter den zwanzig geladenen, und Nordsamisch, eine Sprache mit vergleichsweise wenigen Sprechern, steht trotzdem unter den ersten fünfzehn. Die Spalte „Wörter“ zählt dagegen alle Einträge der Wortliste, auch die ohne Bedeutung.

Nachgezählt: 8044 waren keine 8044

7.822 echte Sprachordner

Anfang August 2026 hieß es „8044 Sprachen“. Echte Ordner mit einem Code nach ISO 639-3 waren es 7.822. Die Zahl klang besser, als sie war – und genau deshalb wurde sie nachgezählt, statt weiter zitiert.

106 doppelte Codes

Zweistellige Codes wie AA standen neben dreistelligen wie AAR für dieselbe Sprache. Beide Codes sind gültig, nur aus zwei verschiedenen Verzeichnissen; der Unterschied ist im Sprach-Wissen erklärt. In der Anleitung des Wörterbuchs vom August steht das Zusammenführen noch als offener Punkt.

88 Umschriften

Ordner mit einer Schrift- oder Landesmarke wie AR-LATN sind Umschriften, keine eigenen Sprachen. LATN steht dabei für die lateinische Schrift. Sie bleiben stehen, weil eine Umschrift für sich nützlich ist – sie wird nur nicht als weitere Sprache gezählt.

17 verdeckte Sprachen

Datensätze unter ihrem Kurznamen verdeckten echte Sprachen: BOD war „Bodt Khobwa“ statt Tibetisch. Der Kurzname eines Lexibank-Datensatzes sah zufällig aus wie ein Sprachcode. Solche Datensätze liegen jetzt in einem eigenen Ordner für fremde Datensätze.

15 im falschen Zweig

ARG lag zum Beispiel im Zweig für „AN“ statt im Zweig für „AR“. Wer eine Sprache über ihren Code sucht, hätte sie dort nie gefunden – das Wörterbuch hätte sie für fehlend gehalten.

Der alte Bestand

Nur 132 Sprachen hatten damals Bedeutungen. 5.519 trugen nur Silben-Platzhalter, 834 waren leer. Heute haben laut der Zählung oben über 7.500 Sprachen Bedeutungen; was aus den Platzhaltern wurde, erzählt der Abschnitt Aufgeräumt.

Nachgezählt am 6. und 7. August 2026. Die Fehlablagen räumt ein eigenes Werkzeug auf. Die Umschriften bleiben stehen. Der Stand gilt für diese beiden Tage; die Zahl der Sprachordner oben ist seither neu gezählt und deshalb eine andere.

Der Quelle nicht blind glauben

Silben müssen das Wort ergeben

Das deutsche Wiktionary trug beim kurdischen Wort „bor“ die Silbentrennung von „magnezyûm“ ein. Deshalb gilt: Zusammengesetzt müssen die Silben wieder das Wort ergeben. Die Prüfung ist einfach und fängt trotzdem genau diese Art Fehler: Aus „mag-ne-zyûm“ wird nie „bor“.

Lautschrift braucht einen Lautwert

Als Lautschrift stand beim selben Wort nur „[…]“. Eine Lautschrift muss deshalb einen Lautwert enthalten. Beides wird geprüft. Ohne diese Regel hätte das Feld „Aussprache“ als gefüllt gezählt, obwohl darin nichts zum Aussprechen steht – die Zahl wäre besser gewesen als der Bestand.

Kurz heißt nicht falsch

„an“, „in“, „so“ und „ma“ sind in vielen Sprachen echte Wörter. Ein Platzhalter wird nur aussortiert, wenn keine Quelle ihn bestätigt. Die Frage ist also nie „sieht das aus wie ein Platzhalter?“, sondern „belegt irgendeine Quelle dieses Wort in dieser Sprache?“.

Eine Bremse gegen stille Verluste

Beim Einbau verlor Esperanto einmal 342.542 Wörter. 333.276 kamen aus den Bereichen zurück, 9.266 sind endgültig weg. Seitdem meldet das Schreiben einen Fehler, wenn ein Wortbaum um mehr als ein Fünftel schrumpfen soll. Die Bremse hält an, statt still weiterzuschreiben – ob der Verlust gewollt ist, entscheidet dann ein Mensch.

Aufgefallen ist der Verlust nur an einer Summe, die nicht passte. Obwohl 18.181 Wörter dazugekommen waren, war der ganze Bestand kleiner geworden. Werkzeuge, deren Aufgabe das Entfernen ist, dürfen weiterhin kürzen. Im Auftrag für die übrigen Webseiten-Sprachen vom 19. September 2026 steht es deshalb als Regel: Geschrieben wird nur über den einen Weg, der vorher sichert und die Bremse hat.

Aufgeräumt: was kein Wortschatz war

Zwei Aufräumtage, rund 6,2 Millionen Einträge

Am 19. und am 22. August 2026 wurde das Wörterbuch gründlich durchgesehen. Dabei ging es nicht um Wörter, die fehlen, sondern um Einträge, die gar kein Wortschatz waren oder nicht zu ihrer Sprache gehörten. Alles Entfernte liegt gesichert in der Liste „aussortiert“, mit Grund und Datum. Das ist wichtig, weil eine Aufräumregel auch irren kann: Wer später merkt, dass ein Eintrag doch echt war, holt ihn mit einem Befehl zurück. Die Tafel zeigt, was an den beiden Tagen wegfiel und in wie vielen Sprachen.

Tag	was	Einträge	Sprachen
19.08.	verklebte Zeilen im Katalanischen	1.235.925	1
19.08.	Platzhalter-Silben	40.453	320
19.08.	Silbengitter	30.116	25
22.08.	lateinische Artennamen	746.080	3
22.08.	Stichwörter aus einer anderen Sprache	4.145.686	52
22.08.	Beschriftungen, die ins Wort gerutscht waren (berichtigt)	595	3

Aus der eigenen Werkstatt

Die Platzhalter und die Silbengitter kamen nicht aus einer schlechten Quelle. Ein früheres eigenes Werkzeug hatte sie erzeugt, damit leere Sprachen gefüllt aussahen. Seit dem 19. August gibt es keine Sprache mehr, die nur Platzhalter trägt. Vorher waren es 441. Gefüllt aussehen und gefüllt sein sind zweierlei – eine leere Sprache, die ehrlich leer dasteht, ist mehr wert als eine, die mit Silben so tut.

Wer putzt, muss überall putzen

Die verklebten Zeilen waren schon einmal entfernt, aber nur aus dem Wortbaum, nicht aus den Silben. Eine Woche später holte ein anderes Werkzeug sie von dort zurück. Keiner der beiden Schritte war für sich falsch. Falsch war nur, dass derselbe Fehler an zwei Stellen lag und nur an einer behoben wurde – eins der Muster, die weiter unten in der Liste stehen.

Artennamen sind kein Wortschatz

Ein Drittel des Vietnamesischen bestand aus Namen wie „Adromischus alstonii“. Das sind Überschriften von Wikipedia-Artikeln, in jeder Sprache gleich. Allein im Vietnamesischen fielen 680.569 Einträge weg, das sind 32,2 %. Ein Pflanzenname wie dieser sagt nichts über das Vietnamesische, er stünde in jedem Sprachordner gleich – und würde jede Zählung aufblähen.

Unter dem falschen Code

Der birmanische Wortbaum bestand zu 58 % aus englischen Wörtern, Thai trug französische Formen. Bei zweisprachigen Wörterbüchern waren die Stichwörter der anderen Seite unter dem falschen Sprachcode gelandet. Mit 4.145.686 Einträgen in 52 Sprachen war das der größte Posten der beiden Aufräumtage.

Ohne Beweis bleibt es stehen

Lateinische Buchstaben in einer anderen Schrift sind nicht automatisch fremd. Im Tibetischen sind es echte Wörter in Umschrift, im Chinesischen Pinyin. Das Laotische enthält nachweislich Fremdes, bleibt aber liegen, weil die Nachbarsprachen es nicht belegen. Lieber ein bekannter Rest, der offen benannt ist, als eine Aufräumregel, die auf Verdacht echte Wörter mitnimmt.

157 echte Wörter gerettet

Der erste Platzhalter-Erkenner hätte 157 echte Wörter in 68 Sprachen gelöscht, darunter „de“ (Baum) und „pa“ (Leber). Die Platzhalter sind die häufigsten Silben der Welt, und genau so sehen die kurzen Wörter kleiner Sprachen aus. Die Sprache Deng hätte sieben von acht Wörtern verloren. Gerettet hat sie die Umstellung, die im Zitat darunter steht und als Regel „Kurz heißt nicht falsch“ unter Der Quelle nicht blind glauben: Was eine Quelle belegt, bleibt, auch wenn es wie ein Platzhalter aussieht.

Nicht fragen, ob etwas auf einer Liste steht, sondern ob ein Beleg dafür existiert.
Arbeitsnotiz im Wörterbuch-Ordner, 19. August 2026

Fünf Muster, die jede gute Zahl verdächtig machen

Die Liste „jede gute Zahl war einmal gelogen“ hat 47 Einträge. Sie liegt als Arbeitsnotiz im Wörterbuch-Ordner, und jeder Eintrag ist ein Fall, in dem eine Messung besser aussah als die Wirklichkeit. Fünf Muster kehren darin immer wieder:

Nur den Anfang einer sortierten Liste ansehen und ihn für das Ganze halten.
Prüfen, ob etwas da ist, statt ob es vollständig ist: Die Datei ist da, aber nur halb.
Nach einem Wortbestandteil suchen statt nach der Kennung.
Dieselbe Regel steht an zwei Stellen, aber nur eine wird berichtigt.
Eine Zahl, die sich sprunghaft verbessert, ist ein Fehler. Nach dem Aufräumen meldete das Wörterbuch 84 % deutsche Bedeutungen statt 22 %, ohne dass jemand etwas übersetzt hatte. Ein Rechenfehler hatte Bedeutungen gezählt statt Einträge.

Eine Lücke, die zu Recht leer bleibt. Unter dem Code bsl lag die Urform *ránkāˀ aus dem Proto-Baltoslawischen. Der Code steht aber für Basa-Gumna, eine Sprache in Nigeria. Hätte man diese Lücke „geschlossen“, stünden indogermanische Urformen im Wortschatz einer westafrikanischen Sprache. Seitdem weist das Wörterbuch Wortformen mit Stern am Anfang ausdrücklich ab. Der Stern markiert in der Sprachforschung eine erschlossene, nirgends aufgeschriebene Form – sie gehört in die Herkunft eines Worts, nicht in den Wortschatz einer lebenden Sprache.

Stand nach dem 22. August 2026: 7.621 Sprachen mit echtem Wortschatz und keine mehr, die nur Platzhalter trägt. Dieselbe Zahl steht oben unter Gezählt, weil die Gesamtzählung dort vom 23. August stammt. Seither ist viel dazugekommen, vor allem in Deutsch, Polnisch und den übrigen Sprachen der Webseite – das zeigen die Messungen auf Deutsch und Polnisch, nicht diese Zählung.

Vom Wort zum Satz

Wie Wörter zusammenstehen

Ein Wörterbuch sagt, was ein Wort bedeutet. Wer Sätze verstehen oder prüfen will, muss auch wissen, wie Wörter zusammenstehen. Dafür liegen seit dem 18. August 2026 eigene Bereiche im Wörterbuch. Sie sind die Brücke zur Grammatikprüfung: Eine Regel wie „nach ‚geben‘ kommen drei Ergänzungen“ lässt sich nur prüfen, wenn irgendwo steht, welche Ergänzungen ein Verb verlangt. Die englische Prüfung holt sich heute Wortarten und Formen aus dem Wörterbuch; die Bereiche für Satzbau und Valenz nutzt sie noch nicht, sie liegen bereit.

966.642

Sätze mit Satzbau

180

Sprachen mit Satzbau

186.310

Einträge zur Valenz

19,6 Mio.

Wortpaare als Kollokationen, in 1.417 Sprachen

25,0 Mio.

Wortzerlegungen, in 3.246 Sprachen

Satzbau

Sätze, in denen bei jedem Wort steht, von welchem anderen Wort es abhängt und welche Rolle es spielt. Sie stammen aus den Baumbanken von Universal Dependencies. Eine Baumbank ist eine Sammlung echter Sätze, die Menschen Wort für Wort so beschriftet haben; gerechnet ist daran nichts.

Valenz

Welche Ergänzungen ein Verb braucht. „geben“ verlangt jemanden, der gibt, etwas, das gegeben wird, und jemanden, der es bekommt. Solche Angaben lassen sich aus dem Satzbau ableiten: Wer in vielen beschrifteten Sätzen zählt, was an einem Verb hängt, sieht, was es verlangt. Die 186.310 Einträge sind so entstanden.

Kollokation

Wörter, die gern zusammen auftreten, etwa „eine Entscheidung treffen“. Sie lassen sich aus dem Satzbau und aus Beispielsätzen gewinnen. Für eine Prüfung sind sie wertvoll, weil sie zeigen, was üblich ist: Man „trifft“ eine Entscheidung, man „macht“ sie nicht.

Wortbildung

Aus welchen Teilen ein Wort besteht: „Haustür“ aus „Haus“ und „Tür“. Die Zerlegungen sind aus dem eigenen Wortbestand errechnet: Ein Wort gilt als zusammengesetzt, wenn seine Teile selbst als Wörter derselben Sprache im Wörterbuch stehen. Deshalb gibt es sie für viel mehr Sprachen als den Satzbau – 3.246 statt 180. Der Nutzen: Deutsch, Finnisch, Ungarisch und Türkisch setzen Wörter ohne Grenze zusammen, und wer die Bauteile kennt, versteht auch „Fahrradschlüsseltasche“, obwohl das Wort nirgends steht.

Bauregeln und Beugung

Aus dem Satzbau abgeleitete Bauregeln gibt es für 180 Sprachen. Dazu kommen 1.655.638 Beugungsregeln aus Hunspell für 57 Sprachen und 2.790.966 Einträge, die eine Form ihrer Grundform zuordnen. Hunspell ist die freie Rechtschreibprüfung vieler Textprogramme; ihre Regeln sind von Hand gemacht, deshalb werden Vor- und Nachsilben von dort übernommen statt selbst errechnet.

Zwei Sprachen in einem Satz

Fünf Baumbanken mischen in jedem Satz zwei Sprachen, etwa Türkisch und Deutsch. Sie wurden nicht übernommen, denn unter einem einzigen Sprachcode ergäben sie einen Satzbau, den es in keiner der beiden Sprachen gibt. Falsch sind diese Sätze nicht, Menschen sprechen so – sie passen nur in keinen Ordner, der eine einzige Sprache beschreibt.

Grenzen der Welt, keine Versäumnisse. Baumbanken gibt es für 180 Sprachen, Hunspell für 57. Wo diese Bereiche fehlen, hat meist noch niemand das Material dafür geschaffen. Welche Quelle eine Lücke füllen könnte, steht unter Was noch fehlt. Weitere Fachbegriffe wie Kolexifikation erklärt Sprach-Wissen.

Stand 18. August 2026, laut Arbeitsnotiz im Wörterbuch-Ordner. Anders als die Zahlen unter Gezählt stehen sie fest im Text und werden nicht von selbst aktualisiert.