Die vorliegende Themenausgabe der Zeitschrift KorDaF gliedert sich in die von der Themenausgabe 2022/1 (vgl. Wisniewski 2022a) eröffnete Tradition ein, indem hier Korpora und Daten von DaF-Lernenden in den Mittelpunkt gestellt werden. In jüngster Zeit hat sich die deutschsprachige Korpuslandschaft um zahlreiche schriftliche und mündliche1 Lernendenkorpora erweitert, wodurch ein Teil der Forderung nach „Diversifizierung der Lernerkorpuslandschaft des Deutschen“ (Wisniewski 2022a: 6) eingelöst worden ist. Diese Bereicherung ging auch mit einer Zunahme an methodologischer Vielfalt bezüglich der Korpusannotation einher. Diese Themenausgabe adressiert methodologische Fragen, die die Erstellung und Auswertung fehlerannotierter Lernendenkorpora betreffen, bzw. soll einen Einblick in aktuelle empirische Untersuchungen geben. Den Anstoß für das Themenheft gab die internationale Tagung Fehlerannotierte Lernerkorpora: Methodologie und Empirie, die von den ehemaligen Verantwortlichen des Szegediner Korpus Dulko (Deutsch-ungarisches Lernerkorpus), Andreas Nolda (zugleich der Entwickler des Korpustools EXMARaLDA (Dulko)), Péter Kappel und Bernadett Modrián-Horváth, organisiert worden war – nicht zuletzt mit dem Ziel, die Vernetzung zwischen den einzelnen – abgeschlossenen und laufenden – Korpusprojekten zu fördern.

Obwohl die Sprache der Lernenden bereits seit Jahrzehnten analysiert wird, stellten öffentlich verfügbare und korpuslinguistisch aufbereitete Lernerkorpora lange ein Desiderat dar. In der deutschsprachigen Korpuslandschaft markiert die Veröffentlichung der Falko-Korpusfamilie einen Wendepunkt (ausführlicher zu den Falko-Korpora vgl. Reznicek et al. 2012: 23 und Hirschmann et al. 2022). Einige Jahre nach dem Erscheinen des International Corpus of Learner English (ICLE) wurden durch die korpuslinguistische Aufbereitung von deutschen Lernertexten im Rahmen des Kernkorpus Falko-Essay aus dem Jahr 2008 neue Maßstäbe gesetzt. Annotationen wie Informationen bezüglich der Wortarten (pos), Lemmata, Zielhypothese und ZHDiff sind zum Standard geworden, daneben wurden weitere syntaktische Kategorisierungen verfügbar gemacht (etwa topologische Felder und Klammern). Dieses Vorgehen wurde beim Aufbau weiterer Korpora der Falko-Familie, z.B. beim Kobalt-Korpus (vgl. Zinsmeister et al. 2012), übernommen. Obwohl bei der Aufbereitung bestimmter Metadaten bzw. bei linguistischen Annotationen mit Abweichungen zu rechnen ist, wurde auf die Vergleichbarkeit von L1- und L2-Teilkorpora bezüglich verschiedener Textsorten großer Wert gelegt. Auch in den neueren Korpora zum akademischen Schreiben von Studierenden mit L1 und L2 Deutsch sind vergleichbare Zusammenfassungen und argumentative Texte enthalten (z.B. DISKO – Deutsch im Studium: Lernerkorpus, vgl. Wisniewski / Muntschick / Portmann 2022, GerSumCo – German Summary Corpus, vgl. Strobl / Wedig 2024, und BelDeKo – Belgisches Deutschkorpus, vgl. Strobl / Wedig 2023).

Um auch Lernendengruppen mit verschiedenen Muttersprachen zu berücksichtigen, die in den vorhandenen Korpora nur mit einigen Texten vertreten waren, sind in den letzten Jahren neue Lernerkorpora entstanden bzw. befinden sich im Aufbau, so z.B. Dulko (vgl. Beeh et al. 2021) zum Ungarischen, VIELKO zum Vietnamesischen (vgl. Ho 2023) sowie das wohl umfangreichste Korpus CDLK zum Chinesischen (vgl. Li / Wu 2023). Die Vielfalt der Lernerkorpora erweist sich einerseits als vorteilhaft, da sie die Analyse der Variabilität der Lernerprache ermöglicht. Andererseits wird sie aber in der Praxis durch die Vielfalt der Annotationen erschwert. Da die Wahl des Korpusdesigns in Abhängigkeit von der Spezifizität der Fragestellung erfolgt, ist die Vergleichbarkeit der Lernerkorpora nicht uneingeschränkt gewährleistet. Die Korpusabfrage wird bei einer vergleichenden Analyse von Daten mehrerer Korpora durch unterschiedliche Metadaten, unterschiedliche Bezeichnung von Annotationsebenen, unterschiedliche Suchbegriffe (manchmal sogar auf gemeinsamer Suchoberfläche) erschwert. Die Zusammenführung von Lernendenkorpora bzw. die Erstellung korpusübergreifender Plattformen, so wie sie aktuell im Rahmen des Projekts DAKODA erfolgt, werden deshalb die Erforschung der Lernersprache maßgeblich vorantreiben.

In mehreren Korpora werden die Abweichungen zwischen Lerneräußerung und der ZH nicht nur auf der ZHDiff-Ebene gekennzeichnet, sondern auch Fehlerkategorien zugeordnet. Dabei erscheint nicht nur die Übertragung von Fehlerkategorisierungen über Fremdsprachen hinweg wenig zielführend (vgl. die unterschiedlichen Fehlertags für die Lernendensprachen Deutsch, Italienisch und Tschechisch in MERLIN, vgl. Wisniewski et al. 2013), sondern auch ein einheitliches Fehler-Tagset für die Zielsprache Deutsch. Die Fehlertags können auch den Gegebenheiten der jeweiligen L1 entsprechend gewählt werden.

Ein wichtiges Ziel der Erstellung von Lernendenkorpora war und ist, systematisch auftretende Abweichungen von der zielsprachlichen Norm erfassbar zu machen, damit Erwerbsschwierigkeiten bezüglich bestimmter sprachbiographischer Konstellationen entdeckt werden können. Sie ermöglichen eine adäquate Analyse von Transferphänomenen im L2- oder L3-Sprachgebrauch unterschiedlicher L1-/L2-Gruppen, welche selbst bei fortgeschrittenen bzw. kompetenten Lernenden zu beobachten sind (zum Transfer s. zuletzt Odlin 2022). Transfererscheinungen nachzuweisen gestaltet sich allerdings schwieriger als einst gedacht. Sie werden heutzutage weniger auf die Unterschiede zweier oder mehrerer Sprachsysteme zurückgeführt – schon allein deshalb, weil Sprachsysteme als emergente, sich ständig im Wandel befindliche, soziale Gebilde zu verstehen sind und somit sprachliches Wissen als über die Individuen verteilt anzusehen ist. Phänomene des Transfers bzw. der Interferenz werden in gebrauchsbasierten Ansätzen (vgl. Wulff 2021) mit allgemeinen kognitiven Mechanismen in Zusammenhang gebracht: Dazu zählen z.B. psycholinguistigische Hemmungseffekte beim Lernen (so bereits bei Juhász 1970), gelernte Aufmerksamkeit (learned attention) und Verzerrungseffekte bezüglich der Steuerung der Aufmerksamkeit (attentional biases) durch die Gegebenheiten der L1 (vgl. Ellis 2006, 2017). Die Anwendung von Lernendenkorpora kann zu didaktischen Empfehlungen führen, die auf einem balancierten Einsatz expliziter und impliziter Vermittlungsstrategien basieren, und zwar so, dass dabei die genannten kognitiven Mechanismen berücksichtigt werden.

Gleichzeitig muss auch erkannt werden, dass Lernende über ein komplexes Varietätensystem mit unterschiedlichen Sprach- und Varietätenkompetenzen verfügen, wobei die einzelnen Sprachausprägungen einander gegenseitig, d.h. nicht nur in eine Richtung, beeinflussen können (vgl. Odlin / Yu 2016). I-Languages als eigenständige Varietäten (vgl. Selinker 1972) werden vermehrt unter varietätenlinguistischem Aspekt (für die Sprache von fortgeschrittenen Lernenden exemplarisch s. Walter / Grommes 2008) mit ihren eigenen Begrifflichkeiten (vgl. Selinker 2014) und in ihrer Komplexität untersucht. Daher rückt die Beobachtung von Frequenzunterschieden (over-/underuse) zunehmend ins Blickfeld der Forschung. Beim Vergleich mit den L1-Daten ist allerdings stets ein umsichtiger Umgang mit den L1-Daten geboten, mit Hinblick auf deren Variabilität (vgl. Shadrova et al. 2021) und zur Vermeidung eines komparativen „Trugschlusses” (comparative fallacy, vgl. Bley-Vroman 1983, zur Diskussion vgl. Deshors / Gries 2021 und Gilquin 2022).

Die thematischen Schwerpunkte des Themenhefts liegen zum einen auf der Anwendung von neu veröffentlichten DaF-Korpora (CDLK, Dulko, GerSumCo), oft im Rahmen eines analytischen Vergleichs mit den Daten anderer, länger bestehender Korpora wie Falko, Kobalt oder Merlin. Zum anderen gilt das Interesse aktuellen technischen bzw. rechtlichen Aspekten der Korpuserstellung bzw. -zusammenführung. Diejenigen Beiträge, die sich eine korpusanalytische Anwendung der Korpora zum Ziel setzen, machen des Öfteren Gebrauch von der Möglichkeit, die Daten durch zusätzliche Annotationsebenen anzureichern. Für die anwendungsbezogenen Beiträge ist eine Tendenz weg von der fehlerorientierten Perspektive hin zur Erfassung der L2-sprachlichen Varietäten als Forschungsobjekt zu erkennen. So werden in mehreren Artikeln Frequenzunterschiede und unterschiedliche Präferenzen bei der Wahl sprachlicher Muster im L1- und L2-Deutsch unter die Lupe genommen. Es werden auch Phänomene untersucht, für die in der Grammatikographie keine oder wenige normative Vorgaben existieren (so die Besetzung des Nachfeldes, der Gebrauch der Konnektoren in verschiedenen Texttypen oder die Realisierung propositionaler Argumente). Auch mögliche Einflüsse nicht normgerechter zielsprachlicher Gebrauchsmuster werden thematisiert (doppelte Vorfeldbesetzung oder weil/obwohl mit Hauptsatzwortstellung). Über den Vergleich von L1- und L2-Deutsch-Daten hinaus werden auch Aspekte der Tertiärsprachenforschung diskutiert.

Im Beitrag „Lernerkorpora in der Tertiärsprachenforschung“ befasst sich Krisztina Molnár mit dem Einfluss des Englischen auf die Verwendung des Deutschen als Lernersprache bei ungarischen Studierenden. Die Pilotanalyse beruht auf dem Deutsch-ungarischen Lernerkorpus (Dulko). Da fortgeschrittene Lernende in der Tertiärsprachenforschung bisher nur wenig intensiv untersucht wurden, geht die Autorin der Frage nach, inwieweit fehlerannotierte Lernerkorpora in diesem Forschungsfeld verwendet werden können. Es wird gezeigt, dass das Englische als L2 auch bei fortgeschrittenen Lernenden einen bedeutenden Einfluss auf die Verwendung des Deutschen als Fremdsprache hat. Interferenzfehler auf der lexikalischen, morphologischen und syntaktischen Ebene werden sowohl einer qualitativen als auch einer quantitativen Analyse unterzogen.

Hanxiao Huang und Yuan Li gehen in ihrer Längsschnittstudie mit dem Titel „Zum Nachfelderwerb im Schriftdeutschen bei chinesischen Deutschlernenden. Eine korpusgestützte longitudinale Untersuchung“ den Erwerbsspezifika der deutschen Nachfeldbesetzung bei chinesischen Muttersprachler:innen nach. In den Daten von 30 Studierenden über einen Zeitraum von 4 Jahren (120 von den mehr als 5700 Texten des CDLK) werden zusätzlich die Nachfeldbesetzung und deren grammatische Realisierungsformen annotiert. Als Referenzgrundlage zum Vergleich dienen die L1-Daten der Nachfeldbesetzungen im TüBa-D/Z. Die Daten zeigen in mehreren Dimensionen eine nichtlineare Annäherung an die zielsprachlichen Realisierungen. Die Korpusanalyse wird mit Interviews ergänzt, was eine begrüßenswerte Kombination von Methoden bei der Erforschung der Lernendensprache darstellt (vgl. Gries 2008).

Die Erfassung der „Variation bei der Realisierung propositionaler Argumente in deutschen Lernertexten“ ist das Thema von Susan Schlotthauers und Beata Trawińskis Beitrag. Durch den Vergleich von Daten Lernender mit verschiedenen L1 (Englisch, Italienisch, Polnisch und Ungarisch; Datengrundlage: Dulko, Falko und MERLIN) mit den Daten von L1-Deutsch-Schreibenden (Teilkorpus in Falko) wird den Auswirkungen der Realisierungsmöglichkeiten und -präferenzen in der L1 der Lernenden nachgegangen. Zusätzliche Annotationen erfahren die Korpora bezüglich der propositionalen Argumente, ihrer Form sowie des Vorhandenseins von Pro-Formen. Die Untersuchung nach Verbtypen und -lemmata weist auf eine Auswirkung der muttersprachlichen Präferenzen hin; Ausnahmen bilden stark textsortengebundene Formulierungen.

Helena Wedig, Burçin Amet, Juliana Groschler und Carola Strobl befassen sich in ihrem Beitrag mit dem „Aufgabentyp-spezifischen Konnektivgebrauch in schriftlichen Texten von DaF-Lernenden“. Sie zeigen die Relevanz von Untersuchungen in argumentativen und zusammenfassenden Aufgabentypen auf, wobei v.a. diese in der Forschung kaum berücksichtigt sind. In den Korpora Falko und GerSumCo werden die Daten von L1- und L2-Deutsch-Schreibenden verglichen, unter Verweis auf die Varianz hinsichtlich der Entwicklung der Schreibkompetenzen innerhalb der L1-Gruppe.

Matthias Schwendemann, Annette Portmann, Julia S. Schlauch, Jana Gamper und Katrin Wisniewski plädieren in ihrem Beitrag „Forschungsdaten für alle. Rechtliche Möglichkeiten und Herausforderungen bei der Veröffentlichung von Lernerkorpora“ für die Ausschöpfung des Potenzials von Open Science. Lernerdaten sollten in einer Weise aufbereitet werden, die die Auffindbarkeit und Nutzung erleichtert, um die Chancen für eine potenzielle Nachnutzung dieser Daten durch Wissenschaftler:innen zu erhöhen. Allerdings sind damit auch Herausforderungen verbunden, da Lernerkorpora rechtlichen und forschungsethischen Anforderungen unterliegen. Dabei stehen datenschutz- bzw. urheberrechtliche Fragen nach der Publizierbarkeit von Lernerkorpusdaten im Fokus, die bisher wenig Aufmerksamkeit erfahren haben.

Der Beitrag „Auf der Spur von syntaktischen Fallen in Texten fortgeschrittener Deutschlernender. Zur Verbstellung in Lernendenkorpora“ von Bernadett Modrián-Horváth und Péter Kappel ermittelt Kontexttypen, die von der Norm abweichende Verbstellungen begünstigen. Die Befunde, deren Grundlage spezifisch aufbereitete Daten von ungarischen Muttersprachler:innen im Dulko-Essaykorpus bilden, erweisen sich laut gezielten Suchanfragen in vergleichbaren Teilkorpora (MERLIN, Falko, Kobalt) auch für DaF-Lernende anderer Muttersprachen als relevant.

Orsolya Rauzs widmet sich in ihrem Aufsatz „Orthografische Fehler in Dulko- und Falko-Texten“ der Analyse der größten orthographischen Schwierigkeiten von Deutschlernenden. Sie geht der Frage nach, ob DaF-Studierende mit L1 Ungarisch mehr oder weniger Fehler machen als Muttersprachler. Obwohl die ungarischen Probanden im Durchschnitt nicht mehr zu Fehlern neigen als die Deutschen, konnten besondere Fehlerbereiche wie überflüssige Kommasetzung identifiziert werden.

Andreas Nolda stellt in seinem Aufsatz „Die Dulko-Tools des EXMARaLDA-Partitur-Editors“ neue Korpus-Hilfswerkzeuge vor, die eine wesentliche Unterstützung für Forschende darstellen, die selbst Lernerdaten erheben oder (weiter) annotieren möchten. Die anspruchsvolle technische Herausforderung der Annotation kann mit Hilfe der Dulko-Tools einfacher, schneller und zuverlässiger bewältigt werden. Der vorliegende Artikel bietet eine Anleitung zur Nutzung der Dulko-Tools, indem die Schritte der semiautomatischen Annotation anhand eines Beispiels veranschaulicht werden.

Die vorliegende Themenausgabe möchte auch weitere Kooperation und Vernetzung zwischen den einzelnen DaF-Korpusprojekten fördern, indem Forschungen zu den methodischen Aspekten und empirischen Anwendungen der neueren Korpora durch die Zeitschrift KorDaF als Open-Access-Organ allen Interessierten zugänglich gemacht werden.