3.1 Ressourcen für den Unterricht

Um gemäß dem zweiten Szenario eine Ressource einzubeziehen und zu ‚befragen‘, sind keine Spracheingabemöglichkeiten mit ähnlichen Fähigkeiten bekannt, weder für akustische noch phonetisch umschriebene Eingaben. Falls eine mündliche Spracheingabe angeboten wird, wird diese in verschriftlichter Form an das System weitergegeben, sodass alles Folgende leicht abgewandelt genauso gilt: Für die konkrete Formulierung der minimalistischen Frage müssen sich die Anfragenden für eine der möglichen Varianten entscheiden.

Für den Zugang zu den verschiedenen Ressourcen werden unterschiedlich komplexe Schnittstellen angeboten. Für den Unterricht, zumindest auf jeden Fall in der Einstiegsphase, soll der Zugang möglichst niedrigschwellig sein. In Zeiten von ChatGPT liegt nahe, es einfach mal mit einer der möglichen Varianten der o.g. Frage auszuprobieren.

Abbildung 1

Chatausschnitt mit ChatGPT 4o mini⁴

Die Antworten von ChatGPT (vgl. Abbildung 1), vor allem die erste, sind sehr aufschlussreich und zeigen, dass das System die Frage auf unterschiedlichen Ebenen behandelt, auch zwei (unterschiedliche) Antworten liefert und sogar noch eine weitere Information ergänzt, die irgendwie, aber doch nicht ganz zum Thema passt. Auf der ersten Ebene wird die Frage wörtlich und der Problemfall buchstäblich ausgelegt. In einer älteren Fassung von ChatGPT wurde dies noch betont, indem die einzelnen Buchstaben durch Bindestriche abgetrennt wurden („h-ä-l-s-t“). Genaugenommen ist die so formulierte Anfrage natürlich eigentlich sinnfrei, da durch die Entscheidung für eine Form die Antwort vorweggenommen ist⁵ und nur noch buchstabiert werden muss. Diese Ebene entspricht der graphematischen Definition des Wortbegriffs (nach Bühler et al. 1971: 87).

Im nächsten Satz wird der Problemfall morphologisch analysiert und einer Grundform, einem lexikalischen Lemma, zugeordnet. Dabei wird allerdings bereits implizit und ohne Kommentar korrigiert. Nach üblichen Normvorstellungen ist die Form ja gerade nicht, was ChatGPT morphologisch beschreibt. Der Problemfall wird also nicht mehr buchstäblich behandelt, sondern als etwas, was ‚damit gemeint ist‘. Dieses Ersatzobjekt wird in der Antwort dann noch nachgeliefert mit also und der normgerechten Schreibweise. Das System geht nicht mehr buchstäblich auf die Anfrage ein, sondern ersetzt sie durch die vom System angenommene intendierte Anfrage. Auf welcher Datengrundlage die nachfolgende ergänzende Information basiert, erschließt sich nicht ganz. Ob dieser konkrete Fehlertyp tatsächlich belegt ist oder bei der Antwort durcheinandergeht, dass die Form grundsätzlich rechtschreiblich schwierig ist und in anderen Fällen Schreibweisen mit „ä“ und „e“ thematisiert werden, ist nicht überprüfbar.

Grundsätzlich spricht nichts dagegen, die Anfrage auf der einen oder anderen (oder sogar beiden?) Ebenen zu bearbeiten. Es sollte aber transparent gemacht werden, wie die Frage interpretiert wurde, und bei einer mehrschichtigen Antwort sollten die unterschiedlichen Anteile entsprechend gekennzeichnet werden. In der Hinsicht stellt sich das Ergebnis auf eine inzwischen klassische Anfrage an Google anders dar (vgl. Abbildung 2). Google weist explizit auf die Umformulierung der Anfrage hin. Die sonst angebotene Möglichkeit, doch mit der buchstäblichen Umsetzung der Anfrage zu arbeiten, fehlt in diesem Fall, vermutlich aufgrund der erfahrungsgemäß geringen Aussicht auf (gute) Treffer. Googles Stärke ist aber weniger die tiefergehende sprachliche Analyse der Anfrage und der möglichen Treffer und es versucht auch nicht, wie ChatGPT, den Inhalt verschiedener Quellen zusammenzuführen. Es begnügt sich mit den wichtigsten Elementen der Anfrage (eine analoge Anfrage „Schreibweise hälst“ liefert die gleiche Antwort) und ordnet die Treffer gemäß einer Rangfolge, die sich auf das Enthaltensein bestimmter der Anfrage zugeordneten Schlüsselwörter, verstärkt aber auch auf die Nutzerreaktionen auf diese oder ähnliche Anfragen bezieht. Besonders gut passende Textstellen werden mit Hervorhebung oberhalb aller anderen Treffer als Zitat eingeblendet, wie z.B. Online-Rubriken oder andere Quellen, die speziell auf den Fragetyp eingehen (vgl. Zwiebelfisch in Abbildung 2). Bei Anfragen, die auch vor dem Hintergrund des Nutzerprofils als ‚interessiert an der deutschen Sprache‘ vermutet werden, sind als Treffer mit hohen Einträgen regelmäßig die Seiten von Wikipedia/Wiktionary, des Duden und des DWDS dabei. Aus Google-Sicht hat sich die Weiterleitung offensichtlich bewährt, ohne weitere Quellen, schon gar nicht den (aktuellen) Sprachgebrauch allgemein, auswerten zu müssen. Aus Sicht der Nutzenden könnte man sich die Google-Recherche sparen und direkt auf eine Seite der genannten Quellen gehen, um dort den Eintrag nachzuschlagen.

Abbildung 2

Ergebnis einer Google-Anfrage⁶

Das DWDS wird auch im Zusammenhang mit korpusbasierten Studien als Ressource von vielen Lehrenden empfohlen, oft auch als Beispiel genannt für einen niedrigschwelligen Zugang zu den mit dem DWDS verbundenen Korpora, und entsprechend in vielen studentischen Hausarbeiten und auch im DaF-Kontext verwendet (vgl. u.a. Wallner 2013). So hilfreich und leicht zugänglich das Angebot des DWDS für viele Fragestellungen ist, so sollte man doch festhalten, dass es eine Zusammenstellung von Informationen aus verschiedenen Ressourcen ist. Kernstück ist die digitale Version des Wörterbuchs der deutschen Sprache, ergänzt um die elektronische Fassung des Wörterbuchs der deutschen Gegenwartssprache, sowie weitere Quellen wie u.a. das Etymologische Wörterbuch von W. Pfeifer und Angaben aus dem OpenThesaurus⁷ sowie um automatisch aus Korpusdaten berechnete Wortprofile, regionale und Teilkorpus-bezogene Verteilungen, Zeitverläufe und zufällig daraus ausgewählte Belege. Daneben werden die DWDS-Korpora (neben Verlinkungen von den Wortartikeln bzw. von Wortübersichtsseiten) sowie statistische Auswertungsmöglichkeiten der Korpora mit eigenen Zugängen angeboten. So beeindruckend die Informationsfülle und -dichte der Wortartikel ist, die Logik des Zugangs zum gesamten Informationsangebot des DWDS folgt dem Aufbau der Ressource als Wörterbuch, seiner Makrostruktur, und wird dominiert von einem Wortbegriff als ‚angesetztes Stichwort‘‚ als sog. (lexikographisches) ‚Lemma‘. Schlägt man die beiden zur Auswahl stehenden Formen im DWDS-Portal oder im Wörterbuch nach, so wird man für das Beispiel hältst mit entsprechendem Hinweis auf die Wortartikel-Seite des Verbs halten geleitet; für das Beispiel hälst wird stattdessen eine Übersichtsseite erzeugt, die die Ergebnisse der Recherche in den verschiedenen Teilkorpora zusammenfasst, mit dem Hinweis, dass die Anfrage nicht in den lexikalischen Quellen enthalten ist. Vor dem Hintergrund der Ausrichtung des Angebots sind diese Reaktionen verständlich. Auch wenn nicht ganz transparent ist, warum sie einmal so und einmal anders ausfallen, kann aufgrund der Fehlanzeige in nur einem Fall geschlossen werden, dass dieser bestimmten Vorgaben nicht folgt.

Der Duden bietet in seinem online-Auftritt (vgl. Abbildung 3) tatsächlich einen eigenen Eintrag zur orthographisch erwünschten Schreibweise an, obwohl eine flektierte Wortform ungewöhnlich für eine Stichwortansetzung ist. Die unerwünschte Form ist nicht als eigener Eintrag gebucht. Eine Suche wird auf der Duden-Seite auch nicht intern weitergeleitet; bei einer Google-Suche greift aber wieder die oben gezeigte Umformulierung.

Abbildung 3

Ausschnitt aus Duden-online Eintrag zu hältst⁸

Grundsätzlich ist der Zugang zu den Informationen der bisher diskutierten Ressourcen in der technischen Handhabung sehr niedrigschwellig. Für die lexikalischen Ressourcen wie den Duden oder den hier angesprochenen Teil des DWDS besucht man die entsprechenden Webseiten oder startet die Apps, bei denen jeweils ein einfaches Eingabefeld angeboten wird. Auch wenn es z.T. weitere Einstellmöglichkeiten gibt, ist der klassische Weg, etwas in das Eingabefeld einzutippen und eine Anfrage zu starten. Der eingegebene Ausdruck entspricht der sprachlichen Einheit, über die man etwas wissen möchte, in der Hoffnung, dazu einen Wortartikel zu finden oder weitergeleitet zu werden, oder aus dem Vorhandensein im Artikeltext Schlüsse ziehen zu können. Epistemisch-konzeptionell ist der Zugang zu diesen Ressourcen insoweit niedrigschwellig, wie sich die Fragestellung auf lexikalische Einheiten (in ihrem letzten Bearbeitungszustand) bezieht.

Betrachtet man Google, aber vor allem auch ChatGPT, als Zugänge zu Informationen, die aus Teilen des Internets zusammengetragen und evtl. zusammengefasst werden, liegt nahe, die Anfrage expliziter zu formulieren. Dies ermöglicht auch Anfragen für ein größeres Spektrum an Fragen, die ein linguistisches Interesse ausdrücken. Intuitiv bietet dieser Weg die Möglichkeit, quasi so zu kommunizieren ‚wie im Unterricht‘ mit einer Lehrperson. Wie an dem Beispiel oben gezeigt, kann aber sein, dass der Zugang nicht so einfach niedrigschwellig ist, sondern eine reflektierte, schärfer konturierende Anfrage braucht.

Abbildung 4

Fortsetzung des Chats mit ChatGPT 4o mini⁹

Sofern alle denkbaren Varianten an Schreibweisen aufzählbar sind, wäre sinnvoll, diese als Alternativen abzufragen (vgl. Abbildung 4).

Wenn ChatGPT gefragt wird, woher es denn weiß, wie Wörter geschrieben werden, verweist es auf seine Datengrundlage. In der seien sowohl das amtliche Regelwerk von 1996 als auch dessen Überarbeitungen, sowie weitere Trainingsdaten. Warum ChatGPT trotzdem bei Regelinterpretationen falsch liegt, wie auch folgendes Beispiel zeigt (vgl. Abbildung 5), könnte u.a. daran liegen, dass die Priorisierung der neueren Regeln nicht berücksichtigt wird.

Abbildung 5

Fortsetzung des Chats mit ChatGPT 4o mini¹⁰

Im Zweifelsfall wäre es dann also doch besser, für diese Art von Fragen selbst im Regelwerk nachzuschauen oder sich auf eine Quelle zu verlassen, die sich professionell damit beschäftigt wie z.B. der Duden (vgl. Abbildung 6).

Abbildung 6

Auszug aus Eintrag bei Duden-online zu dem Stichwort Tolpatsch¹¹

Aber auf welche Art von Information zielt denn eigentlich die gestellte Frage? In der zu Anfang verwendeten einfachsten Form ist die Frage offensichtlich so vage, dass ChatGPT verständlicherweise Schwierigkeiten hat. „Wie schreibt man X?“ legt einerseits die Interpretation nahe „Wie soll man X schreiben?“ im Sinne einer Regelung, die von einer autoritativen Instanz festgelegt wird. Dies ist für die deutsche Sprache mittlerweile der Rat für deutsche Rechtschreibung¹², der Duden gilt aber auch immer noch als Paradebeispiel für die Berücksichtigung und Darstellung des Regelwerks bei seinen Publikationen. Andererseits lässt sich die Frage auch dahingehend deuten als „Wie wird X (aktuell) üblicherweise geschrieben?“. Um das beurteilen zu können, müssen wir den Sprachgebrauch beobachten und auswerten. Ganz unabhängig voneinander sind die beiden Perspektiven aber heutzutage nicht mehr, da der Rechtschreibrat selber den Sprachgebrauch beobachtet (vgl. Rat für deutsche Rechtschreibung 2015; Krome 2022), um seine Empfehlungen anzupassen. Das Mittel der Wahl sind hierfür Korpora aktueller authentischer Daten, möglichst mit einem ausreichenden Anteil an Texten, der das dynamische Potenzial der Sprache zum Ausdruck bringt.

Die eigentlichen Ressourcen, die in diesem Abschnitt diskutiert sind (auf die Google verweist bzw. die ChatGPT auswertet), stellen im Wesentlichen auf einem bestimmten Stand rückblickend Informationen zu sprachlichen Objekten dar¹³ mit wenig explizit authentischem Material – außer zufällig ausgewählten Belegen und aggregierten quantitativen Auswertungen. Wenn Lernende intensiver mit dem authentischen Material arbeiten wollen, müssen sie doch selber in Korpora reinschauen.

3.2 Zugang zu Korpora

Grundsätzlich können Korpora selbst aufgebaut, die nötige Zugangssoftware selbst entwickelt oder von einem Drittanbieter installiert werden. Im Folgenden soll es aber um sehr große Referenzkorpora und ihre Zugangssysteme gehen, die von entsprechend ausgestatteten Instituten aufgebaut und gepflegt werden – wie die DWDS-Korpora der Berlin-Brandenburgischen Akademie der Wissenschaften oder das Deutsche Referenzkorpus DeReKo vom Leibniz-Institut für Deutsche Sprache.

Der Zugang zu schriftsprachlichen Korpora kann ähnlich einfach angeboten werden wie bei den o.g. Ressourcen. Über den Aufruf einer Webseite werden verschiedene Einstellmöglichkeiten und (mindestens) ein Eingabefeld angeboten. Nach Eingabe eines Suchausdrucks in das Suchfeld und dem Drücken eines Buttons beginnt die Suche und das Ergebnis wird auf dem Bildschirm dargestellt. Auf der Zugangsseite für die DWDS-Korpora¹⁴ z.B. werden verschiedene Korpora zur Auswahl angeboten, lässt sich ein Zeitraum einstellen, lassen sich Teilkorpora abwählen und die Darstellung der Ergebnisse anpassen. Unterhalb des Eingabebereichs wird eine Liste verfügbarer Korpora angezeigt u.a. mit einer Kennzeichnung des Zugangs als „frei“ oder „Anmeldung“.

Vermutlich werden die meisten Nutzenden die Einstellungen zunächst beibehalten und einen Ausdruck in dem Eingabefeld ausprobieren. Insofern ist der Zugang bis hierher sehr niedrigschwellig und ein guter Anreiz, solange die Auswirkungen der Einstellungen und die Art der Suchausdrucksformulierung keine Rolle spielen. Wählt man als Eingabe das o.g. Beispiel hälst, bekommt man einen ersten Ausschnitt der gefundenen 499 (von 500 Treffern insgesamt¹⁵) und Hinweise in der Randspalte auf Treffer in weiteren Korpora. Diese Treffermenge kann man nun der Reihe nach abarbeiten, ggf. neu sortieren lassen und auch exportieren. Bei chronologisch absteigender Sortierung ist der oberste Treffer zzt. der Eintrag in Wikipedia zu dem Stichwort Rechtschreibfehler datiert auf den 21.12.2024, der auch verlinkt ist. Einerseits ist es zwar charmant, dass die Antwort auf die normative Lesart unserer Frage so prominent angeboten wird. Andererseits hat dies aber nichts mit der Frage nach dem Gebrauch zu tun und ist durch die Anordnung zufällig und verzerrend nach oben geraten: Das Datum ist lediglich das Datum der letzten Änderung des Wikipedia-Artikels. Die Wortform hälst tauchte bereits in dessen erster Fassung aus dem Jahr 2005 auf.

Für weitere Auswertungen quantitativer Art u.a. für zeitliche Häufigkeitsverläufe bietet das DWDS weitere Seiten an¹⁶. Auch dort lässt sich der Suchausdruck eingeben (sowie bis zu drei weitere im Vergleich) zur Generierung einer Zeitverlaufskurve, über weitere Seiten auch zum Abrufen eines Wortprofils und zu Kollokationsverläufen.

Was besagt aber jetzt die Trefferzahl 499 oder der Zeitverlauf? Ist die Schreibweise nun die übliche oder nicht? Eine eindimensionale Betrachtung reicht für die Beantwortung der Frage nicht aus. Wenn nicht erwartet wird, dass alle Treffer einzeln von Hand ausgewertet werden, sollten weitere Ergebnisüberblicke betrachtet werden nach verschiedenen Kriterien, um die Verwendung dieser Schreibweise in die verschiedenen Dimensionen des Sprachgebrauchs einordnen zu können. Mindestens aber sollte die zweite zur Auswahl stehende Form¹⁷ verglichen werden, um die Aussage der Größenordnung einschätzen zu können. Auf die Eingabe hältst werden 1.064.441 Treffern (1.082.715 insgesamt) gemeldet.

An einer derartigen Stelle entscheidet sich, ob eine korpuslinguistische Studie¹⁸ seriös durchgeführt wird. Werden nun einfach die Zahlen nebeneinandergestellt und der hohe Frequenzunterschied als klare Bevorzugung der einen Form interpretiert? Oder werden die Zahlen hinterfragt, ob sie insgesamt so stimmen können, und, ob sie nicht differenziert für verschiedenen Sprachausschnitte bestimmt werden müssten?

Dazu muss auch geklärt werden, wie beim DWDS Suchausdrücke ausgewertet werden, die nicht besonders gekennzeichnet sind. Mit etwas Glück kann man bereits eine Vermutung anstellen, wenn man sich die Trefferobjekte in der Ergebnisübersicht anschaut – dies hängt aber sehr stark daran, wie groß die Treffermenge und die Streuung unterschiedlicher Varianten bei dieser ist. In unserem Beispiel vermutet man, dass bei hälst keine Variation ist (die einzige Großschreibung folgt viel weiter unten), während bei hältst alle möglichen flektierten Formen des Verbs halten erscheinen. In der Dokumentation zur Suchanfragesprache findet sich dann tatsächlich auch der erklärende Hinweis, dass die unmarkierte Suche lemmabasiert durchgeführt wird, d.h. in computerlinguistischer Lesart, dass alle flektierten Formen aus dem Paradigma eines Wortes gemeinsam gesucht werden, üblicherweise durch Angabe der minimal markierten Grundform. Bei Verben wäre dies die Angabe des Infinitivs. Die Suchanfrage nach dem Infinitiv zu hältst, also halten, liefert exakt die gleichen Zahlen. Die DWDS-Korpussuche ersetzt also die Suche nach einer bekannten flektierten Form aus einem Paradigma mit der Suche nach dem gesamten Paradigma. Für die Form hälst wird dies so nicht angewandt, da diese Form nicht dem Paradigma zugeordnet wird.

Durch eine explizite Kennzeichnung kann vorgegeben werden, wie der Suchausdruck zu handhaben ist (vgl. Tabelle 1):

• vorangestelltes @ bedeutet „exakte Form“,

• „|case“ alle Variationen von Groß-/Kleinbuchstaben (ergänzt noch mehr Formen anderer Wortklassen zum expandierten Lemma?¹⁹ nicht anwendbar auf bekannte flektierte Formen?),

• „//gi“ betrachtet Eingabe als regulären Ausdruck (hier ohne Funktion, da keine regulären Elemente) mit der Erweiterung global insensitiv zu suchen (also Groß-/Kleinschreibung bei allen Buchstaben des Ausdrucks nicht zu beachten),

• „|lemma“ leitet weiter an die Auswertung als Lemma,

• „|lemma|case“ dasselbe kombiniert mit oben.

Die unmarkierte Suche nach einer Form, für die kein klassisches Lemma vorhanden ist, wird nicht durch die Suche nach der exakten Form ersetzt, sondern durch eine, bei der die Groß-/Kleinschreibung toleriert wird. Um Vergleichbarkeit herzustellen, müsste man also entweder beide Formen gleichermaßen markieren (wie in Zeile 2 oder 4) oder sich zumindest für hältst an der vierten Zeile orientieren. Und für die Angaben in den Zeilen sehen die Unterschiede in der Größenordnung der Treffermenge schon gar nicht mehr so deutlich aus.

Vor dem Hintergrund, dass sich das gesamte Angebot des DWDS um ein Wörterbuch herum arrangiert, ist vollkommen plausibel, dass auch jede Anfrage, auch an das Korpus, als Anfrage nach einer intuitiven Vorstellung von einem ‚Wort‘ gedeutet wird. Für die Umsetzung muss aufgrund der Größe der Korpora dann auf eine technische Umsetzung des Konzepts zurückgegriffen werden, die nicht immer der intuitiven Vorstellung entspricht und auch nicht in allen Fällen funktioniert. Etwas versteckt findet sich darauf auch ein Hinweis auf den DWDS-Seiten (vgl. Lemnitzer 2023), allerdings auch ohne weitere Angabe, welche Technik eingesetzt wird.

Der Zugang zu den DWDS-Korpora ist insofern also nur bedingt niederschwellig, soweit die Fragestellung mit einem kompatiblen Lemmabegriff umgesetzt werden kann. Sobald es davon Abweichungen gibt, muss doch mehr Aufwand getrieben werden, um nachvollziehen zu können, wie die Suchanfragen umgesetzt werden, bzw. um herauszufinden, wie kontrolliert werden kann, dass sie so umgesetzt werden wie gewünscht. Der eingangs diskutierte Problemfall liegt also offensichtlich außerhalb des DWDS-Fokus; trotzdem wäre wünschenswert, dass die unterschiedlichen Interpretationen gleichgestalteter Eingaben transparenter gemacht werden – zumal zusätzlich zu den technischen Besonderheiten auch unterschiedliche Konzeptionen des Lemmabegriffs zu vergleichbaren Schwierigkeiten führen können. Die unscharfe Abgrenzung zwischen zwei Wörtern kann etymologische Gründe haben (wie mögen vs. möchten) oder etwa mit Wortklassenübergängen zusammenhängen. Ob Partizipien, die auch adjektivisch, somit ggf. flektiert, gebraucht werden, die Ansetzung eines eigenen Lemmas rechtfertigen oder nur als Form im Paradigma des Verbs betrachtet werden, wird unterschiedlich gehandhabt, je nachdem als wie eigenständig das Partizip empfunden wird. Andere Wörter, die ‚gefühlt‘ ein Lemma darstellen, werden aufgrund unterschiedlicher Funktionen mehrfach angesetzt (wie z.B. rechts – adverbial vs. recht+Flektion – attributiv, analog links/link). Man kann dafür plädieren, dass es z.B. aus syntaktischen/syntagmatischen Gründen sinnvoll ist, die funktionalen Teilmengen getrennt zu untersuchen. Für die Betrachtung des Wortes für ‚auf der rechten Seite‘ sollten Untersuchungen für alle Teilmengen durch- und zusammengeführt werden, z.B. gerade auch dann, wenn man die Verwendung des (Gesamt-)Lemmas im politischen Kontext auswerten möchte. Inwieweit dies auf der Agenda einer korpuslinguistischen Untersuchung umgesetzt wird oder bei der Arbeit mit Korpusdaten erkannt und nachjustiert wird, hängt auch davon ab, wie transparent der Zugang zu den Daten ist oder aufgrund eines kontrollierenden Querblicks (etwa über die Konkordanzen) rekonstruiert werden kann.

Analog verhält es sich mit Schreibvarianten von Wörtern, die aufgrund von Rechtschreibreformen (oder einfach auch ungesteuertem Sprachwandel) bestimmte Formen ablösen oder für eine Übergangszeit koexistieren. Wenn ein semantisch motivierter Lemmabegriff angesetzt wird, sollten alle Formen mit allen Schreibweisen gemeinsam betrachtet werden, gerade auch im Hinblick auf den Vergleich mit anderen Wörtern mit unveränderten Schreibweisen, der sonst durch die Einschränkung auf nur eine Schreibweise verzerrt werden kann. Für die Betrachtung, wie sich verschiedene Schreibweisen im Gebrauch zueinander verhalten, ist hingegen notwendig, dass zwei getrennte, dann wieder graphematisch motivierte Lemmata angesetzt werden. Im DWDS-Wörterbuch wird z.B. nur das Stichwort platzieren geführt mit der Schweizerischen Nebenschreibweise placieren. Die Form plazieren wird mit Bezug zur letztgenannten Variante auf den gleichen Artikel weitergeleitet. Alle Schreibweisen von Formen des Verbs in dem Artikel folgen der aktuellen Regelung, entweder aufgrund einer entsprechend eingeschränkten Recherche oder einer händischen Anpassung, da sogar der eingebettete Artikel des elektronischen Wörterbuchs der deutschen Sprache, datiert auf das Jahr 1974, diese Formen verwendet. Einzig das Etymologische Wörterbuch greift ausschließlich auf die alte Schreibweise (und die Schweizerische Nebenform) zurück. Recherchen im DWDS-Korpus führen gemäß oben beschriebener Auslegung des Lemmabegriffs zu zwei disjunkten Treffermengen getrennt nach den unterschiedlichen Stämmen. Nach dem Hinweis auf das Partizip-Zuordnungsproblem ist im Vergleich dann auch interessant, wie die DWDS-Anfragen zu den Formen platziert, platzierte und platzierten gehandhabt werden: Alle Formen können evtl. adjektivisch gebrauchte Formen des Partizips sein („der Schuss war gut platziert“, „der gut platzierte Schuss“, „die gut platzierten Schüsse“) oder auch Formen aus dem Verbparadigma („er platziert/platzierte sein Handtuch“, „sie platzierten ihre Handtücher“). Die ersten beiden Formen werden im Wörterbuch auf den Artikel des adjektivischen Partizips, das dritte kurioserweise auf das Verb geleitet, Recherchen im Korpus werden hingegen größtenteils auf das Verblemma zurückgeführt (platzieren, platziere, platzierte, platzierten: je 36599 von 36907) – außer dem mehrdeutigen unflektierten Partizip (platziert 40729 von 41068) und explizit erkennbaren Adjektiven (platziertem 4130 Treffern von 4161), erstere also vermutlich auf die Vereinigungsmenge, letztere nur auf adjektivische Verwendung. Vermutlich werden die Mehrdeutigkeiten intern über mehrfach zugewiesene POS-Tags aufgelöst und bilden damit deren Unsicherheiten ab, ohne die gleichzeitig ermittelten Zuversichtswerte zu berücksichtigen.

Abbildung 7

Zeitverlaufskurve für platzieren vs. plazieren²⁰

Die getrennte Handhabung der verschiedenen Schreibweisen eines Wortes ist z.B. dafür sinnvoll, um dokumentieren zu können, wie sich die Schreibweisen im – im Korpus abgebildeten – Sprachgebrauch verhalten (vgl. die DWDS-Zeitverlaufskurve in Abbildung 7). Eine derartige Betrachtung wäre nicht leicht möglich, wenn alle Formen zusammen als zu einem Lemma gehörig betrachtet werden.

Eine weitere Möglichkeit, Treffermengen differenziert zu betrachten – neben der Übersicht der Treffer in den verschiedenen Teilkorpora in der Randspalte –, ist die Darstellung des Zeitverlaufs getrennt nach den im DWDS-Korpus vergebenen Textklassen (vgl. Abbildung 8).

Abbildung 8

Zeitverlaufskurve für hälst (mit Groß-/Kleinschreibung)²¹

Die Ausschläge sind aufgrund der unterschiedlich dichten Datengrundlage jedoch schwierig zu interpretieren, zumal die stärksten Ausschläge den Kategorien „internetbasiert“ bzw. „gesprochen“ entstammen. Wie schwierig es ist, den betroffenen Textausschnitten internetbasierter Daten das korrekte Entstehungsdatum zuzuordnen, wurde oben bereits diskutiert, ebenso wie bei Daten gesprochener Sprache die Transkribierung eine entscheidende Rolle für die Authentizität spielt.

4.1 Registrieren/Anmelden

Die Nutzung der allermeisten Texte in allen Korpora unterliegt rechtlichen Vorgaben, auch wenn diese Texte vermeintlich frei im Internet zur Verfügung stehen. Quellen wie z.B. Wikipedia stellen ihre Artikel und Diskussionen hingegen explizit frei unter einer Lizenz zur Verfügung, die eine Weiternutzung in Korpora ermöglicht. Für andere Quellen müssen die Nutzungsrechte ausgehandelt werden, oft mit einer Lizenzgebühr und einer Einschränkung verbunden. Die Einschränkungen sind üblicherweise, dass nur kurze Textstellen im Sinne des Zitationsrechts angezeigt werden dürfen, dass die Daten nur für wissenschaftliche, nicht aber für kommerzielle Anwendungen verwendet dürfen, gelegentlich leider auch, dass die Daten nur innerhalb des Instituts genutzt werden dürfen. Das IDS verpflichtet die Endnutzenden durch die Endnutzervereinbarung auf die Einhaltung der ausgehandelten Vorgaben und benötigt dafür eine Registrierung, mit der ein Nutzerkonto einer realen Person zugeordnet werden kann. Für die Nutzung von Cosmas II ist die Registrierung pauschal verpflichtend; mit KorAP ist eine Nutzung der freien Quellen auch ohne Registrierung möglich, für den Zugang zu den geschützten Daten aber auch erforderlich. Eine Ausnahme stellen Anwendungen dar, die nur quantitative Angaben auswerten (wie z.B. Zeitverlaufsgrafiken wie oben gezeigt). Diese sind zzt. allerdings noch nicht über KorAP selber, sondern nur über Programmbibliotheken für R oder Python möglich.

Beim DWDS verhält es sich im Übrigen nicht viel anders. Auch dort werden ohne Anmeldung nur freie Texte (oft Wikipedia oder vergleichbare Quellen) oder quantitative Auswertungen angezeigt, Zugang zu allen Daten erfordert auch dort eine Registrierung.

Abbildung 9

Anmeldedialog bei Cosmas II bzw. KorAP

Die Nutzung der lizenzrechtlich eingeschränkten Daten für den (Sprach-)Unterricht ist bisher nicht explizit vorgesehen²². Ohne eine rechtlich verbindliche Aussage treffen zu dürfen, betrifft dies aber vermutlich vor allem die Übernahme des konkreten Textmaterials in Lehrwerke. Gegen die den Regeln konforme Nutzung der Daten durch Lehrpersonen oder Lernende als Privatpersonen dürfte es kaum Einwände geben insofern, als dass das Arbeiten mit den Korpora als ‚kleine akademische Studie‘¹⁸ ausgelegt werden kann. Eine Gruppenregistrierung für Klassen oder Kurse ist allerdings nicht vorgesehen.

4.2 Auswahl vordefinierter oder selbst definierbarer Korpora

KorAP bietet bereits auf der Startseite – ähnlich wie beim DWDS – ein Eingabefeld und zwei Auswahlmenüs. Cosmas II verlangt von den Nutzenden vorweg einen zweistufigen Auswahldialog. Dahinter verbirgt sich die Notwendigkeit für die Entscheidung für einen bestimmten Datensatz, mit dem gearbeitet werden soll. Dies geschieht beim DWDS analog durch die Nicht-Veränderung der dort vorgeschlagenen Einstellungen. Um einen ersten Eindruck zu kommen, kann man bei Cosmas II für viele Fragestellungen einfach auf die jeweils erste Zeile doppelklicken. Damit hat man den Gesamtbestand des ersten Archivs W ausgewählt, das den größten Zeitraum und die größte Streuung an unterschiedlichen Quellen umfasst. Das erste Archiv ist die Fortführung des historisch gewachsenen Hauptbestands und stellt etwa ein Viertel des Datenbestands des DeReKo dar. Der Rest verteilt sich auf die Archive W2 bis W4, die aus technischen Gründen erforderlich wurden. In den verschiedenen Archiven kann nicht gemeinsam recherchiert werden, sondern nur getrennt nacheinander. Mit KorAP kann zzt. noch nicht im gesamten DeReKo recherchiert werden, aber dafür gemeinsam in einem größeren Archiv, das die Bestände aus dem Cosmas II-Archiv W sowie weitere Daten aus den anderen Archiven umfasst.

Abbildung 10

Korpusauswahl bei Cosmas II bzw. KorAP

Ein wesentliches Element einer korpuslinguistischen Studie¹⁸ ist die Reflexion, inwieweit sich ein beobachtetes Phänomen auf verschiedene Ausschnitte der Sprache gleicher- oder ungleichermaßen verteilt. Dazu ist vorweg erforderlich, dass es eine Möglichkeit gibt, sich mit der Zusammensetzung des Korpus auseinanderzusetzen – auch um auszuschließen, dass das Phänomen aufgrund der Zusammensetzung des Korpus nicht verzerrt abgebildet wurde. Die Zusammensetzung eines beliebigen ausgewählten Korpus lässt sich bei Cosmas II durch Anklicken der kleinen Lupe oben rechts anzeigen. Zu dem aktuell definierten Korpus bietet KorAP bisher als Information nur eine Zusammenfassung quantitativer Angaben, weitere Übersichten können bisher nur Script-basiert erstellt werden.

Abbildung 11

Anzeige Korpuszusammensetzung bei Cosmas II bzw. KorAP

Für viele Fragestellungen kann es (evtl. in einem zweiten Durchgang) sinnvoll sein, nur mit einem Ausschnitt der Daten zu arbeiten²³, mit einem sog. virtuellen Korpus. In Cosmas II können virtuelle Korpora über einen Auswahldialog auf ausgewählten Ebenen (wie z.B. Quelle und/oder Zeitraum) selbst definiert, benannt und in späteren Sitzungen wiederverwendet werden. In KorAP können durch Aufklappen des linken Menüs („in … Korpora/Korpus“) virtuelle Korpora über Kombinationen von Belegungen beliebiger Metadaten definiert werden, am einfachsten über die Angaben aus konkreten Beispielen heraus. Diese Schritte erfordern zwar einen gewissen Einarbeitungsaufwand, gehen aber auch weit über die Möglichkeiten des DWDS hinaus.

Abbildung 12

Virtuelle Korpusdefinition bei Cosmas II bzw. KorAP

4.3 Suchausdruck

Für das System Cosmas II wurde eine Anfragesprache entwickelt, die unter diesem Namen auch unter KorAP angeboten wird. Unter KorAP können über das rechte Menü („mit …“) auch andere Anfragesprachen ausgewählt werden, die aber eher dann zu empfehlen sind, wenn Nutzende bereits damit vertraut sind oder sie ganz spezifische Anliegen haben. Die folgenden Ausführungen konzentrieren sich auf die Cosmas II-Ausdrucksmöglichkeiten.

Bei den Suchausdrücken in bzw. à la Cosmas II versuchen die Angebote des IDS zu vermeiden, dass etwas hineininterpretiert wird, was die Nutzenden wohl gemeint haben könnten. Nutzende werden in der Hinsicht stärker als beim DWDS in die Pflicht genommen, bewusst zu formulieren, ob sie die Eingabe buchstäblich meinen oder eine Auslegung wünschen – denn nur sie selber können am besten beurteilen, was ihrer Fragestellung gerecht wird. Nicht alle Untersuchungen sind Lemma-orientiert oder können sich auf die Operationalisierungen des technischen Lemmabegriffs verlassen.

Ohne Kennzeichnung wird eine eingegebene Zeichenkette immer als buchstäbliche Vorgabe des gesamten Trefferobjekts (also inkl. Wortgrenzen) betrachtet; Ausnahmen bilden die drei Zeichen „*“, „?“ und „+“, die als Sonderzeichen interpretiert werden. Sollen diese explizit gesucht werden, müssen sie durch ein vorangestelltes „\“ zum Nicht-Sonderzeichen deaktiviert werden. Dies ist zu beachten, wenn z.B. nach Ausdrücken mit dem Genderstern gesucht werden soll. Der Ausdruck „Lehrer\*in*“ illustriert das Zeichen in beiden Verwendungen, zunächst maskiert als Genderstern, dann am Ende als Platzhalter für beliebig viele beliebige Zeichen am Wortende („+“ steht für evtl. ein beliebiges Zeichen, „?“ steht für genau ein beliebiges Zeichen). Grundsätzlich steht auch ein Operator für die Verwendung des gesamten Repertoires regulärer Ausdrücke zur Verfügung, die aber eine eigene Einarbeitung oder zumindest ein gutes Verständnis beispielhafter Musterausdrücke voraussetzt. Die Behandlung von Groß-/Kleinschreibung sowie auch von diakritischer Variation der einzelnen Buchstaben lässt sich getrennt davon über Optionen steuern.

Abbildung 13

Buchstäbliche Suchanfrage bei Cosmas II bzw. KorAP

Soll die Anfrage Lemma-orientiert ausgewertet werden, ist sie dergestalt zu kennzeichnen, dass der Grundform des Paradigmas, das von Interesse ist, das Zeichen „&“ unmittelbar vorangestellt wird (z.B. „&platzieren“ oder „&platziert“). Bei dieser Art der Umsetzung der Lemmainterpretation wird nicht versucht, Unsicherheiten bei der Zuordnung zu verschiedenen Lemmata, zu verschiedenen Wortklassen oder zu Lesarten aufzulösen. Stattdessen werden in einem nächsten Schritt alle Kandidaten, die passen könnten, in einer Wortformliste angeboten. Nutzende sind dadurch in der Lage (aber bis zu einem gewissen Grad auch in der Pflicht) zu prüfen, ob alle angebotenen Formen im Sinne ihrer Untersuchungsfrage mitberücksichtigt werden sollen. Falls Formen nicht erwünscht sind, können sie abgewählt werden; falls Formen fehlen, können sie explizit bei der Suchanfrage ergänzt werden. Bei der Angabe von Formen, die der Lemmatisierungsoperator nicht als Grundform deuten kann (wie z.B. „&platzierte“), wird eine leere Liste zurückgemeldet. Da die Kontrolle der Liste auch gerne mal übersprungen wird, ist dies ein zusätzlicher Schutz davor, dass Nutzende durch uneinheitliche Lemmatisierung in solchen Fällen in die Irre geführt werden. Ein relativ häufig beobachteter Fall, dass sich der Lemmatisierer nicht ganz einheitlich verhält, betrifft die Zuordnung der unflektierten Partizip-Formen: Dem Verbparadigma werden diese Formen zugeordnet, dem Partizip-Paradigma aber nicht durchgängig. Unabhängig davon, ob diese Entscheidung auf morphologischen Prinzipien beruht oder auf quantitativen Verteilungen, müssen sich die Anfragenden überlegen, ob dies für ihre Fragestellung eine Rolle spielt; eventuell ist die unflektierte ggf. abzuwählen oder explizit in den Suchausdruck mit aufzunehmen (z.B. „&platziert ODER platziert“).

Abbildung 14

Lemmasuchanfrage bei Cosmas II bzw. KorAP (Grafik Script-basiert erstellt)

In Cosmas II, allerdings nicht in KorAP, kann über die Optionen die Lemmatisierung auch in Richtung allgemeiner Wortbildung erweitert werden. In KorAP wird zzt. noch keine Wortformenliste angeboten. Allerdings wird neben dem in Cosmas II üblichen Lemmaoperator auch ermöglicht, mit der Lemmaannotation verschiedener Tagging-Werkzeuge zu arbeiten (zzt. nur TreeTagger), für die es dann allerdings andere Fallstricke zu beachten gilt.

Die Suchanfragen können in allen drei Umgebungen natürlich noch viel komplexer werden, indem sie verschiedene Vorgaben miteinander kombinieren. Eine große Stärke von Cosmas II sind miteinander verknüpfbare Abstandsoperatoren auf mehreren Ebenen (Wort, Satz, Absatz). KorAP sticht bei den Anfragesprachen, die mit Annotationen arbeiten, mit einer Unterstützung durch eine interaktive Benutzerführung hervor, um den mit der höheren Komplexität verbundenen Einarbeitungsaufwand zu reduzieren.

4.4 Ergebnisübersicht/-überblick, Visualisierung

Das Ergebnis einer Recherche wird bei allen Systemen in einer Übersicht dargestellt, auf einer Seite oder in Abhängigkeit von einer einstellbaren Seitengröße auf mehrere Seiten verteilt. Die Übersichten zeigen entweder in ihrer Gesamtheit Treffer in Form des maximal anzeigbaren Textausschnitts bzw. in einer zeilenweisen Darstellung als sogenannte Konkordanz (bzw. als keyword in context-Darstellung: KWIC) oder ermöglichen das punktuelle Umschalten der Darstellungsform, jeweils versehen mit bibliographischen Angaben oder sogar reicheren Metadaten. Cosmas II und das DWDS-Korpussystem bieten dazu verschiedene Sortiermöglichkeiten, beide chronologisch, das DWDS zusätzlich nach Beleglänge. Beim DWDS kann eine Sortierung nach Trefferwort und unmittelbaren Nachbarwörtern aufgebaut werden, Cosmas II erlaubt dafür eine Kombination von bis zu drei Bedingungen über bis zu drei Wörtern vor und nach dem Trefferobjekt. Darüber hinaus kann Cosmas II mit Hilfe einer Kookkurrenzanalyse alle Treffer nach dem systematischen Vorkommen von Partnerwörtern innerhalb eines frei vorgebbaren Kontextfensters auswerten und entsprechend gruppiert mit evtl. mehreren syntagmatischen Mustern versehen präsentieren.

Abbildung 15

Ergebnisübersicht bei Cosmas II bzw. KorAP

Als weiteres Alleinstellungsmerkmal unter den hier vorgestellten Systemen bietet Cosmas II als Einstieg in die Auswertung einen tabellarischen Überblick der Trefferergebnisse, der zusammenfasst, in welchen Teilbereichen des Korpus wie viele Treffer belegt sind. Nutzende können für den Überblick aus einer Vielzahl von Dimensionen auswählen, sei es auf der Ebene der Korpuszusammensetzung, der Texttypen, thematischer Klassen, aber auch zeitlicher Dimensionen (von Tag bis Jahrzehnt) und Eigenschaften von variablen und Mehrwortsuchausdrücken. Für jede Ausprägung des betrachteten Merkmals bietet Cosmas II an, die jeweils eingruppierten Belegstellen als Konkordanz oder in Maximalansicht anzuzeigen.

Abbildung 16

Ergebnisüberblick bei Cosmas II

Abbildung 17

Ergebnisüberblick bei KorAP (R-Script-basiert)²⁴

KorAP bietet integriert noch keine derartigen Sortierungen oder Auswertungen. Durch Schnittstellen zu den Programmiersprachen R und Python können aber Script-basiert wesentlich komplexere Auswertungen vorgenommen und visualisiert werden, vergleichbar zu den Zeitverlaufsgrafiken beim DWDS, jedoch individuell für beliebige Suchausdrücke, Dimensionen und Perspektiven gestaltbar. Dazu werden für die interessierenden Ausschnitte je eigene virtuelle Korpora definiert und ausgewertet, eine Vorgehensweise, die sich auch sonst für bestimmte Fragestellungen anbietet und sich mit KorAP, aber auch mit Cosmas II (dort allerdings noch ‚händisch‘) umsetzen lässt. Ziel der über die Scripte erzeugten grafischen Darstellungen ist insbesondere, durch anklickbare Datenpunkte auch Rückverknüpfungen zu den Korpusrecherchen zu integrieren und so einen niederschwelligen Einstieg in das Arbeiten mit KorAP zu ermöglichen.

4.5 Rekonstruieren eines Rechercheergebnisses, Export

Die Ergebnisse von Recherchen werden von keinem der Systeme ohne Zutun der Nutzenden von einer Sitzung zur nächsten aufbewahrt. Alle drei bieten die Möglichkeit, Treffer einer Recherche zu exportieren, meist begrenzt durch eine obere Schranke einer maximalen Anzahl. Alle drei bieten verschiedene Formate an für die Datei, die erstellt wird. Der Online-Dialog für den Export ist beim DWDS sehr schlicht gehalten und bietet nur den bisher beschriebenen kleinen Ausschnitt an Einstellungsmöglichkeiten; für weitere Möglichkeiten, wie etwa einer bestimmten Sortierung, muss man sich etwas tiefer einarbeiten. Bei Cosmas II ist dieser Punkt bereits im Dialog mitberücksichtigt. Darüber hinaus lassen sich bei Cosmas II sowohl Konkordanz- als auch Maximalansicht gleichzeitig exportieren und – was die Exportdatei handlicher und das Weiterverarbeiten angenehmer macht – der Export auf eine zuvor getätigte Auswahl von interessanten Belegen reduzieren. Damit steht nicht nur das primär quantitative Rechercheergebnis en bloc auch ggf. offline für die Weiterverarbeitung mit/in anderer Software zur Verfügung, sondern auch ein konkreter Bearbeitungsstand eines Teils des qualitativen Interpretations- und Bewertungsprozesses.

Für die Wiederaufnahme des reinen Rechercheteils nach einer Sitzungsunterbrechung kann man beim DWDS und KorAP ausnutzen – so wie es bei letzterem die Datenpunkte in den Grafiken auch tun –, dass die Rechercheanfrage in der Adresse der angezeigten Webseite, der sog. URL, kodiert ist. Diese Angabe kann man aus der Adresszeile des Browsers herauskopieren, speichern und auch ggf. weitergeben, damit man selber oder auch andere (wie z.B. Kursteilnehmende) die Sitzung durch Einfügen der Zeile in die Adresszeile wiederherstellen können.

4.6 Weitere Analysemöglichkeiten

Im weiteren Umfeld um das DWDS und DeReKo werden weitere Analysemöglichkeiten angeboten, die sich auf die Zusammenstellung der auffälligsten typischen Wortverbindungen beziehen. Das DWDS nennt dieses Angebot „Wortprofile“, die jeweils Partnerwörter aus der syntaktisch analysierten Umgebung eines Bezugswortes nach Wortklassen getrennt auflistet. Diese Profile wurden auf einem recht aktuellen, vorgegebenen Datenbestand für 400.000 Lemmata berechnet und können auch paarweise auf Gemeinsamkeiten oder Unterschiede hin ausgewertet werden. Die Angebote des IDS verzichten auf eine syntaktische Vor-Analyse und jegliche Kategorisierung u.a. deshalb, weil die Qualität der eingesetzten Werkzeuge gerade für Phänomene, die sich dicht am Sprachwandel entlang bewegen, kaum abschätzbar ist. Die Kookkurrenzanalyse des IDS (vgl. Belica 1995) orientiert sich nur an positionellen Bezügen, kann aber auch positionelle Präferenzen herausarbeiten. Ein Kookkurrenzprofil fasst somit synoptisch alle Phänomenbereiche zusammen, liefert aber gleichzeitig genügend Hinweise, um die obige Kategorisierung o.Ä. erkenntnisgewinnend während der Interpretation herzuleiten. Cosmas II bietet die Kookkurrenzanalyse für beliebige Suchanfragen (insbesondere auch für Lemmata) für beliebige (auch virtuelle Teil-)Korpora an mit diversen Einstellmöglichkeiten zum zu analysierenden Kontext und zur Steuerung des Verfahrens. Ein Export dieser Struktur ist möglich, ein Vergleich zweier Ergebnisse kann nicht innerhalb von Cosmas II, sondern nur über die Exportdateien durchgeführt werden. Für die Auswertung von (Lemma-)Vergleichen²⁵ entstand in den Jahren 2003 bis 2007 am IDS die Kookkurrenzdatenbank CCDB (vgl. Belica 2007), die seitdem allerdings nicht mehr mit aktuelleren Daten fortgeführt wurde. Gemeinsamkeiten bzw. Kontraste lassen sich zwar nicht auf syntagmatischer Ebene explizit anzeigen, dafür aber die Datenbank nach Einträgen mit den stärksten Übereinstimmungen abfragen. Diese similar oder related profiles spielen wiederum eine wichtige Rolle, um mit Hilfe von maschinellen Lernverfahren besondere Verwendungsbereiche oder Lesarten herauszuarbeiten (self-organizing maps: SOM). Dieses Verfahren wurde dann noch modifiziert, um Wortpaare auf dieser paradigmatisch geprägten Ebene auf Gemeinsamkeiten und Unterschiede untersuchen zu können (CNS)²⁶. Um vergleichbare Methoden für aktuelle Daten anwenden zu können, bietet das IDS die sog. DeReKoVecs²⁷ an. Da diese allerdings auf sog. word embeddings ansetzen, ist hierbei die paradigmatische Relation, hier: als Nähe von Positionen in einer räumlichen Vorstellung, die primäre Zugangsebene. Kookkurrenzbeziehungen wurden bei diesen Modellen nachträglich herausgerechnet. Als Datenbestand wird jeweils die aktuelle Version des DeReKo zugrunde gelegt, als Eingabe können nur Wortformen, einzeln, als Aufzählung oder als Alternativen, verarbeitet werden, eine Lemma-orientierte Auswertung ist zzt. noch nicht möglich.

5. Fazit

Korpora sagen einem, wie gesprochen wird bzw. gesprochen werden soll.

(Mythos 8 in Perkuhn / Belica 2006: 6)

Korpora sagen einem natürlich nicht, wie gesprochen werden soll, zumindest nicht im Sinne einer autoritativen Instanz, die offiziell als Norm-gebend verankert ist. Sie können auch keine implizit oder explizit gestellten Zweifelsfragen unmittelbar aus den Daten heraus beantworten. Sie können allerdings aufzeigen, wie die Zweifelsfälle in unterschiedlichen Ausschnitten des im Korpus abgebildeten Sprachgebrauchs evtl. unterschiedlich aufgelöst werden – und liefern damit Anhaltspunkte, wie Experten und Expertinnen, aber auch Lernende diese Fälle einordnen können.

Auch der Rat für deutsche Rechtschreibung spricht nur Empfehlungen aus, auf deren Basis politische Gremien für bestimmte Verwendungsbereiche Regelungen erlassen. Der Rat entwickelt und überprüft seine Empfehlungen ebenfalls auf der Grundlage des tatsächlichen Sprachgebrauchs. An der Stelle kommen Korpora (so weit wie möglich) authentischer Sprachdaten ins Spiel, um die Akzeptanz der Empfehlungen, Präferenzen von erlaubten Alternativen, aber auch natürlichen spontanen Sprachwandel auswerten zu können. Lexikalische Ressourcen, wie die oben Genannten, können nur einen bestimmten Stand der Sprache beschreiben. Es ist nahezu unmöglich, sie über ausgewählte kleine Ausschnitte hinaus aktuell zu halten. Darüber hinaus orientieren sie sich stark an einem semantischen Wortbegriff. Die oben gezeigten Internetzugänge (Google, aber auch ChatGPT) betrachten genau diese Quellen als besonders relevant als Rechercheergebnis bzw. für die natürlichsprachliche Zusammenfassung – eine Bewertung des Sprachgebrauchs findet hierbei nicht statt. Sofern sich ein Informationsbedürfnis im Rahmen dieser Vorgaben stillen lässt, d.h., dass die Aktualität keinen Einfluss hat und dass es um einen Lemmabegriff geht, der sich konzeptionell und operational klar umsetzen lässt, bieten die lexikalischen Ressourcen einen niedrigschwelligen Zugang. Dies gilt auch für die Kookkurrenzdatenbank CCDB des IDS, den Wörterbuchbereich des DWDS und den so fokussierten Zugang zu den DWDS-Korpora.

Für nicht klar definierbar Lemma-orientierte Informationsbedürfnisse verliert der Zugang zu den DWDS-Korpora und den quantitativen Auswertungen schnell seine Niedrigschwelligkeit. Auswertungsstrategien wirken nicht immer intuitiv und transparent. Spätestens damit ist die vermeintliche Kluft zwischen den niedrigschwelligen Angeboten des DWDS und komplexeren Angeboten des IDS gar nicht mehr so groß, genaugenommen sind die Unterschiede auch sonst sehr übersichtlich: Eine Registrierung ist für das Arbeiten mit dem Gesamtdatenbestand für alle Systeme erforderlich, anonymer Zugang zu freien Daten ist auch über KorAP möglich. Der Zustimmung der Datenauswahl durch Nicht-Veränderung der Voreinstellungen entspricht bei Cosmas II zwei Doppelklicks auf die prominentesten Einträge zweier Auswahllisten. Bei der Formulierung der Suchausdrücke darf man nicht erwarten, dass Cosmas II (oder auch KorAP) etwas hineininterpretiert, das Nutzende ‚gemeint‘ haben: Der Suchausdruck wird entweder buchstäblich ausgewertet oder er muss anderweitig gekennzeichnet werden – in allen Fällen bietet Cosmas II einen leichten Weg, Modifikationen einzustellen und deren Wirkung zu überprüfen. Die große Stärke der IDS-Angebote liegt in der Möglichkeit, mit beliebigen virtuellen Korpora zu arbeiten, Ergebnisüberblicke aufgefächert nach verschiedenen Dimensionen anzubieten und Kookkurrenzanalysen zu beliebigen Suchausdrücken durchzuführen. Dies sind alles wichtige Methoden, um (Zweifels-)Fragen aus dem gesamten Bereich des o.g. Spektrums von Orthographie bis Grammatik angehen zu können. Auch wenn Cosmas II keine Visualisierungen der Überblicke integriert hat und diese und weitere aggregierte Auswertungen zzt. noch nicht über KorAP, sondern nur Script-basiert realisiert werden, wird die gesamte Funktionalität in absehbarer Zeit in KorAP zur Verfügung stehen.

Anstelle des Gutscheins für das Fischgeschäft wäre es vielleicht doch eine Alternative, Wissensdurstigen – zugegebenermaßen mit etwas mehr Aufwand entsprechend der Komplexität der Aufgabenstellung – das Angeln beizubringen. Wenn Lernende mit korpuslinguistischen Arbeitsweisen zurechtkommen, können sie selber Indizien für die Beantwortung von Fragen unterschiedlichster Art herausarbeiten.