1. Einleitung
Während im Bereich der historischen Korpora mit dem Deutschen Textarchiv (DTA; vgl. Haaf / Geyken / Wiegand 2014) und der TextGrid Digitalen Bibliothek1 zwei zugängliche Korpora mit umfangreichem Belletristik-Anteil, der mehrere Jahrhunderte überspannt, zur Verfügung stehen, gibt es nur wenige Korpora mit gegenwartssprachlicher deutscher Literatur. Im Deutschen Referenzkorpus DeReKo (vgl. Kupietz et al. 2018) des Leibniz-Instituts für Deutsche Sprache (Gesamtumfang über 63 Milliarden Tokens, Stand 2026) beispielsweise sind literarische Texte im Umfang von lediglich knapp 90 Millionen Tokens enthalten (zum Vergleich: DeReKo enthält ca. 44 Milliarden Tokens an Zeitungskorpora), darunter autorenbezogene Einzelkorpora wie das Hermann-Hesse-Korpus oder das Thomas-Mann-Korpus. Ein Hauptgrund für diesen Mangel ist, dass die meisten Belletristik-Verlage nicht in der Lage sind, Titel in größerer Anzahl zur Verfügung zu stellen, nicht zuletzt weil Autorenverträge die Nutzungsart als Forschungsdaten oft nicht vorsehen. Das Korpus DeLiKo@DNB adressiert diese Forschungsdatenlücke. Es beruht auf einer aktuellen Kooperation zwischen dem Leibniz-Institut für Deutsche Sprache (IDS) und der Deutschen Nationalbibliothek (DNB).
§14 des Gesetzes über die Deutsche Nationalbibliothek beschreibt die sogenannte Ablieferungspflicht, die u.a. besagt, dass alle, auch digital publizierte Medienwerke bei der DNB deponiert werden müssen. Diese Kopien dürfen hernach allerdings nur in den Räumlichkeiten und auf den Servern der DNB vorgehalten und genutzt werden. Hier kommt die seit langem bereits für das Deutsche Referenzkorpus DeReKo umgesetzte Maxime von Jim Gray ins Spiel: „If the data cannot move, put the computation near the data“ (Gray 2003: 6), also die Strategie, gesetzlichen Hürden durch Infrastruktur zu begegnen.
Im Rahmen der DNB-IDS-Kooperation wurde eine Instanz der Korpusrechercheplattform KorAP (vgl. Kupietz / Diewald / Margaretha 2022) des IDS an der DNB eingerichtet sowie die DeReKo-Aufbereitungspipeline (vgl. Kupietz / Lüngen / Diewald 2023) für E-Books an der DNB intern installiert. Auf diese Weise werden E-Book-Ressourcen auf den Servern der DNB nach TEI-I5 überführt, linguistisch annotiert und Forschern zur linguistischen Recherche über die Instanz KorAP@DNB online angeboten. Die hauptsächliche Einschränkung dabei ist, dass keine Volltexte einsehbar oder gar herunterladbar sind, sondern auf Suchanfragen Textausschnitte in der Größe von bis zu 51 Wörtern angezeigt werden. Dies entspricht aber auch den derzeitigen lizenzrechtlichen Einschränkungen für den Großteil der Texte im Deutschen Referenzkorpus DeReKo und anderen Korpora.
2. DeLiKo@DNB: Inhalt und Umfang
Das Korpus DeLiKo@DNB umfasst derzeit (Stand: Juli 2026) alle deutschsprachigen Belletristik-E-Books im Format EPUB, die zwischen 2012 und 2025 in Deutschland publiziert wurden. Zusätzlich sind alle Kandidaten der Longlists zum Deutschen Buchpreis seit 2005 (Jahr der erstmaligen Verleihung) enthalten, in Summe 378 Titel. Insgesamt umfasst DeLiKo@DNB 306.380 Titel mit rund 22 Milliarden Tokens. Abbildung 1 zeigt die Verteilung über die Jahrgänge. Die ganze Bandbreite zeitgenössischer Literatur, vom Groschenroman bis zu preisgekrönten Werken, sind enthalten (Abbildung 2).
Verteilung über Jahrgänge
Verteilung über Genres
Interessant ist auch die Zusammensetzung nach Verlagen, die weniger gleich verteilt ist (Abbildung 3). Es zeigt sich, dass ein Großteil in Selbstverlagen publiziert wurde.
Verteilung nach Verlagen
Die genannten Dimensionen (Jahrgang, Genre, Verlag, Buchpreiskandidat) sind alle in den Metadaten kodiert und können bei der Korpusabfrage bzw. bei der virtuellen Teilkorpusbildung einbezogen werden. So können z.B. für bestimmte Analysen diejenigen Titel ausgeschlossen werden, die in einem Selbstverlag erschienen sind (s. Abschnitt 4).
3. Korpusaufbereitung, Metadaten, Annotationen
Zur Konvertierung von EPUB in die für DeReKo verwendete TEI-Customisierung I5 (vgl. Lüngen / Sperberg-McQueen 2012), welches die Textstruktur und die Metadaten darstellt, wurde ein XSLT 3.0 Stylesheet implementiert, das auf der Aufbereitungspipeline für DeReKo (vgl. Kupietz / Lüngen / Diewald 2023) beruht, wobei einige Erweiterungen für das Projekt DeLiKo vorgenommen wurden. So wurde der DeReKo-Domänenklassifikator (vgl. Weiß 2005; Klosa / Kupietz / Lüngen 2012) mit MALLET (vgl. McCallum 2002) in Java re-implementiert. Konsistente Metadatensätze zu jedem Titel wurden anhand der im EPUB vorliegenden ISBN über die SRU-Schnittstelle der DNB abgerufen, woraus dann die Informationen für den I5-Text-Header extrahiert wurden. Hierzu ist anzumerken, dass die Metadatensätze an der DNB manuell kuratiert werden und in einem einfachen Open Archive Initiative (OAI) Dublin Core-Format (OpenAIRE 2015) zur Verfügung gestellt werden, welches nicht hochgradig detailliert ist. So ist die Information, ob es sich bei einem Titel um eine Übersetzung ins Deutsche handelt, wenn überhaupt, dann nur in einem Infostring unter dc:creator enthalten, und Angaben zum Erscheinungsjahr der Erstausgabe oder Originalausgabe sind überhaupt nicht enthalten. Als Jahr der Erstausgabe firmiert zumeist das Jahr, in dem das Werk erstmals als E-Book erschienen ist, z.B. 2009 für Tod in Venedig von Thomas Mann. Als Konsequenz sind Angaben zum Erscheinungsjahr der Erstausgabe sowie zum Status als Übersetzung derzeit nicht in den DeLiKo-Metadaten enthalten, obwohl sie für zahlreiche korpuslinguistische Fragestellungen relevant wären. Es ist geplant, für kommende Ausgaben von DeLiKo mit Hilfe von LLMs Heuristiken zu implementieren, die diese Angaben ermitteln und in die Metadaten integrieren können (vgl. Kupietz et al. 2026).
In weiteren Schritten wurden die I5-Daten mit dem Werkzeug tei2korapxml (Kupietz et al. 2026) in das KorAP-XML-Format (vgl. Bański / Diewald 2025) konvertiert und anschließend mit dem korapxmltool (vgl. ebenfalls Kupietz et al. 2026) mehrfach linguistisch annotiert. Dieses integriert eine ganze Reihe von Taggern und Parsern, von denen für DeLiKo die folgenden ausgewählt wurden: der TreeTagger (vgl. Schmid 1994) für Wortarten und Lemmata, der morphologische Analysator MarMoT (vgl. Müller / Schmid / Schütze 2013) für morphosyntaktische Merkmale sowie spaCy (vgl. Honnibal et al. 2020) für Morphologie, Lemmata und Wortarten, Letztere auch nach dem Tagset UPOS (Universal Part of Speech). Annotationen zu Dependenzstrukturen steuerten sowohl spaCy als auch der MaltParser (vgl. Nivre et al. 2007) bei. Ausschlaggebend für die Auswahl war, dass diese Werkzeuge hinsichtlich Akkuratheit und Performanz gut ausgewogen sind. Falls für bestimmte Anwendungen erforderlich, können später weitere Annotationen hinzugefügt werden, da KorAP beliebig viele Annotationsschichten unterstützt. Die gesamte hier beschriebene Aufbereitungs- und Annotationspipeline ist, ebenso wie die Korpusplattform KorAP selbst, quelloffen und frei verfügbar2.
4. Zugänge, Anfragen und virtuelle Teilkorpusbildung
Das DeLiKo-Korpus ist ohne Registrierung frei zugänglich über die Korpusrechercheplattform KorAP des IDS3 (Abbildung 4, auch im Folgenden, (1)), über die die jeweils letzte aktuelle Version des Korpus bereitgestellt wird (zzt. DeLiKo-2026). Auf der Einstiegsseite wird auch ein Video-Tutorial mit einer kurzen Einführung in die Bedienung des Systems angeboten (2).
Mit Eingabe eines Suchausdrucks in das Feld „Finde …“ (3) und Klick auf die rechts daneben angeordnete Lupe (mit Tooltip „Los!“, (4)) wird eine Suche gestartet. Das Ergebnis wird als Übersicht in Form einer sogenannten Konkordanz angezeigt. Zu beachten ist, dass zu Beginn stets ein Häkchen bei dem Eingabefeld „glimpse“ gesetzt ist (5), um für die ersten Betrachtungen zu verhindern, dass die KorAP-Suchmaschine mit der Suche nach allen Treffern (vor allem, wenn viele Nutzende gleichzeitig arbeiten) an die Grenzen gehen muss. Für Anfragen, für die die Gesamttreffermenge wichtig ist und z.B. die Anzahl der Treffer ermittelt werden soll, kann das Häkchen entfernt werden.
Web-Zugang zum DNB-Korpus
Unter dem Eingabefeld befinden sich zwei anwählbare Felder: „in allen Korpora“ (6) sowie „mit Poliqarp“ (7). Das zweite dieser Felder zeigt die voreingestellte Suchanfragesprache an. Ein Klick darauf öffnet ein Auswahlmenü und zeigt die weiteren, unterstützten Suchanfragesprachen an (Abbildung 5, auch im Folgenden, (1)). Je nach Forschungsinteresse empfiehlt es sich, sich in die eine oder andere dieser Sprachen einzuarbeiten, um die entsprechenden Suchausdrücke formulieren zu können. Die Sprache Poliqarp bietet sich vor allem an, wenn über Annotationen gesucht werden soll. Für die Formulierung derartiger Suchausdrücke wird als Unterstützung „Query-by-Example“ angeboten: Ein Klick auf eine Zeile in der Konkordanz wechselt für diesen Beleg nicht nur in eine Volltextansicht (2), mit ausführlichen bibliographischen Angaben (3), sondern zeigt auch an, auf welchen Ebenen zusätzliche Informationen angeboten werden: auf der Ebene der Metadaten, der Annotationen auf Token-Ebene (Token sind Wortformen oder Satz-/Sonderzeichen) und der Annotationen auf struktureller Ebene (Relationen).
KorAP@DNB: Trefferansichten und Query-By-Example
Durch Auswahl der Token(-Annotationen) öffnet sich eine Tabelle mit allen verfügbaren Angaben (4). Unter der obersten Zeile der Tokenfolge aus dem Beleg stehen die Angaben verschiedener Annotationsschichten (Layer wie l für Lemma, p für Part-of-Speech, u für UPOS, m für Morphologie) zur Verfügung, beigesteuert von verschiedenen Werkzeugen (marmot, spaCy oder treetagger). Wurde z.B. mit dem Suchausdruck „trifft“ gesucht, findet sich diese Wortform in der obersten Zeile. Ein Klick auf diesen Eintrag baut unterhalb der Tabelle einen neuen Suchausdruck zusammen: [orth=trifft], d.h. dass nach Oberflächenrealisierungen genau dieser Form, also buchstäblich, gesucht werden soll4. Ein zweites Klicken auf das Feld nimmt die Komponente wieder zurück. Soll stattdessen nach einem Wort mit seinem gesamten Flexionsparadigma gesucht werden, bietet die Annotationsschicht l (entweder vom Werkzeug spaCy oder vom treetagger) ein entsprechendes Feld an. Ein Klick darauf (5) konstruiert den dafür erforderlichen Suchausdruck: [spacy/l=treffen]. Weitere Klicks in derselben Spalte (6) kombinieren deren Vorgaben für dieses eine (mit eckigen Klammern umfasste) Objekt: [spacy/l=treffen & spacy/u=VERB]. Mit einer Bestätigung durch Klick in das Feld „Neue Anfrage“ (7) wird diese Formulierung zum neuen Eintrag im oberen Feld für die Suchausdrücke, mit dem dann wie beschrieben die Suche durchgeführt werden kann. Wie gut die Qualität der Annotationen ist, lässt sich pauschal nicht beurteilen. Dafür bietet aber Poliqarp die Möglichkeit, die Vorschläge verschiedener Werkzeuge logisch miteinander zu verknüpfen und dabei die Belegung mit verschiedenen Werten positiv oder negativ abzufragen: [spacy/l=treffen & spacy/u=VERB & tt/l=treffen & tt/p=VVFIN]. Für die Abfrage, dass eine Annotation einen bestimmten Wert nicht hat, ist dem Gleichheitszeichen ein Ausrufezeichen voranzustellen [tt/p!=VVFIN], alternative Bestandteile werden mit | verknüpft, am sinnvollsten mit einer entsprechenden Klammerung: [(spacy/l=treffen & spacy/u=VERB) | (tt/l=treffen & tt/p=VVFIN)].
Analog zu der Vorgehensweise bei den Token-Annotationen können auch die Metadaten-Angaben aus den Beispielen heraus verwendet werden, um die Auswahl der Texte einzuschränken, in denen gesucht werden soll. Die Tabelle unter dem ersten Feld „Metadaten“ (8) bietet dafür die Attribut-Wert-Belegungen des konkreten Beispiels. Für die Definition eines sogenannten virtuellen Korpus können mehrere Felder nacheinander angeklickt werden, z.B. übergeordnet textType: Roman oder genauer textTypeRef: Heimatroman (Werte entsprechend Übersicht in Abbildung 2) sowie etwa die Belegungen für author oder publisher. Eine Bestätigung durch Klick in das Feld „Neue Bedingung“ lässt den Ausdruck oben in einem Fenster oberhalb des Feldes „in allen Korpora“ (das nach einer Auffrischung der Seite in „in einem virtuellen Korpus“ umbenannt wird) zusätzlich zu einer evtl. bereits vorliegenden Definition erscheinen. Dort kann mit dem Button „Korpusstatistik“ der Umfang des so definierten virtuellen Korpus angefordert werden. In dem Fenster kann die Definition weiter mit zusätzlichen Bedingungen oder Veränderungen der Vorgaben verfeinert werden. Da die Kenntnisse der möglichen Attribute und Wertebelegungen jenseits einzelner Beispiele aber ein gewisses Hintergrundwissen der Datenmodellierung voraussetzt, wurden verschiedene Definitionen virtueller Korpora bereits über die Rubrik „Hilfe“ (9), dort „Korpus“, darunter „Nützliche virtuelle Subkorpora“ vorbereitet. Ein Klick auf die hinterlegten Links startet eine KorAP-Sitzung mit entsprechend voreingestelltem virtuellen Korpus. Auch die Suchvorgaben im weiteren Verlauf – wie der Wert von glimpse, die gewählte Suchanfragesprache und der Suchausdruck – werden als Teil der jeweils aktuellen URL abgebildet, sodass diese nachgenutzt werden kann, um die Sitzung bei sich oder anderen zu rekonstruieren (s. Bsp. in den Fußnoten in Kapitel 5).
Für Bedürfnisse die über das bisher Beschriebene, Konkordanz- und Volltextsichtung und evtl. Export (oben rechts oberhalb der Konkordanz-Ansicht via Download-Symbol) hinausgehen, muss zzt. noch von der Weboberfläche auf Script-basierte Lösungen ausgewichen werden. Dazu ist erforderlich, sich eine Client-Bibliothek zu installieren, z.B. den RKorAPClient für R (vgl. Kupietz / Diewald / Margaretha 2020), sehr einfach möglich in der Entwicklungsumgebung RStudio5, alternativ die Lösung für Python mit dem Paket PythonKorAPClient.
Die Bibliotheken bieten Funktionen, um die Verbindung zum jeweiligen KorAP-Dienst herzustellen, in R z.B. KorAPConnection (”https://korap.dnb.de/”) für DeLiKo, um darüber die Korpusstatistik (corpusStats), Treffermengen (corpusQuery), Frequenzabfragen (frequencyQuery), Assoziationsberechnungen (collocationScoreQuery) oder sogar eine umfassende (aber zzt. noch langsame) Kookkurrenzanalyse (collocationAnalysis) anzufordern. Die Ergebnisse lassen sich dann script-seitig als Tabellen verstehen, die als Datei gespeichert oder auch für Visualisierungen direkt weiterverarbeitet werden können.
5. Beispielanwendung: Genre-kontrastive Analyse typischer Verwendungsmuster
Über die KorAP@DNB-Webseite lassen sich übliche Korpusrecherchen durchführen – in der Mächtigkeit je nach verwendeter Suchanfragesprache. Z.B. können alle Belegstellen aller flektierter Formen des Wortes „treffen“ im Gesamtbestand6 abgefragt werden. Es wird darauf eine Konkordanz angezeigt mit aufklappbaren längeren Textabschnitten, begrenzt durch die maximalen Kontextvorgaben, die die DNB erlaubt. Eine differenzierte Betrachtung der Ergebnismenge, z.B. über eine Sortierung, wird zzt. noch nicht von KorAP unterstützt. Recherchierende haben aber die Möglichkeit, durch die Definition verschiedener virtueller Korpora diese Differenzierung selbst vorzunehmen und in getrennten Sitzungen die Treffermengen separat abzufragen, z.B. die Suche nach dem Lemma „treffen“ getrennt in virtuellen Korpora7 bestehend aus den Genres „Krimi oder Western“8 vs. den Genres „Liebe oder Erotik oder Gay“ 9. Auch wenn damit die Treffermengen nach Genres differenziert vorliegen, sind sie evtl. immer noch zu groß für eine händische Auswertung, vor allem, wenn es darum geht, typische Verwendungsmuster zu ermitteln und diese am besten auch gleich kontrastiv für die verschiedenen Genre-Gruppen nebeneinander zu stellen. Für den ersten Teil bieten die KorAPClient-Bibliotheken schon seit einiger Zeit die Funktion collocationAnalysis() an, die in der Tradition der am IDS entwickelten Kookkurrenzanalyse (vgl. Belica 1995) steht, allerdings auch schon erweitert um ein großes Portfolio verschiedener Bewertungsfunktionen (u.a. auch logDice; vgl. Rychlý 2008). Diese ermitteln zu einem gegebenen Suchausdruck und einem zu dessen Treffern definierten Kontext, welche Wörter in dieser Umgebung systematisch auftreten, in dem Sinne, dass sie häufiger in der Umgebung beobachtet werden, als es durch reinen Zufall zu erklären wäre. In Tabelle 1 sind die Top 15 der Partnerwörter zum Lemma „treffen“ für zwei verschiedene Assoziationsmaße als Ergebnis einer Anwendung der Funktion aus Abbildung 6 ohne den fett hervorgehobenen Ausdruck dargestellt. Damit ist bereits auch eine Grundlage geschaffen, um ein Gefühl zu entwickeln, welches Maß für welche Fragestellung, auch für die unten folgende kontrastive Betrachtung, besser geeignet ist.
Partnerwörter nach Assoziationsmaß logDice bzw. ll10
| GR | Partnerwort | favoris. Genre | logDice | GR | Partnerwort | favoris. Genre | ll |
| 1 | ihn | Krimi-W… | 7.451535 | 1 | Entscheidung | Krimi-W… | 172197.2382 |
| 2 | uns | Krimi-W… | 7.426701 | 2 | uns | Krimi-W… | 119366.7207 |
| 3 | wir | Krimi-W… | 6.792689 | 3 | ihn | Krimi-W… | 98757.9703 |
| 4 | Entscheidung | Krimi-W… | 6.500139 | 4 | Kugel | Krimi-W… | 98594.3931 |
| 5 | mich | Krimi-W… | 6.393743 | 5 | Entscheidungen | Krimi-W… | 98369.5960 |
| 6 | hatte | Krimi-W… | 6.275258 | 6 | Schlag | Krimi-W… | 78141.7104 |
| 7 | Kugel | Krimi-W… | 6.117847 | 7 | Blicke | Krimi-W… | 69395.0698 |
| 8 | ich | Krimi-W… | 6.114418 | 8 | Vorbereitungen | Krimi-W… | 47025.6912 |
| 9 | haben | Krimi-W… | 6.040782 | 9 | Vorkehrungen | Krimi-W… | 42851.4997 |
| 10 | Wir | Krimi-W… | 5.947420 | 10 | Schwarze | Krimi-W… | 33398.6382 |
| 11 | Schlag | Krimi-W… | 5.821397 | 11 | Blitz | Krimi-W… | 33057.0051 |
| 12 | hat | Krimi-W… | 5.762849 | 12 | wir | Krimi-W… | 32753.0016 |
| 13 | habe | Krimi-W… | 5.651265 | 13 | Schuss | Krimi-W… | 25905.7238 |
| 14 | dort | Krimi-W… | 5.593447 | 14 | mitten | Krimi-W… | 22971.6239 |
| 15 | Blicke | Krimi-W… | 5.584484 | 15 | Kugeln | Krimi-W… | 21332.7046 |
In einem Praktikumsprojekt11 wurde diese Funktion so erweitert12, dass sie nicht nur einen Suchausdruck in einem ggf. virtuellen Korpus auswertet, sondern dies nacheinander für mehrere virtuelle Korpora durchführt (s. Abbildung 6, zwei Einträge bei vc = ).
Funktionsaufruf für eine Kollokationsanalyse in einem R-Script
Dabei werden nicht nur für jedes Partnerwort je virtuellem Korpus die oben genannten Assoziationsmaße berechnet, sondern auch ihr zugehöriger Rang je virtuellem Korpus festgehalten. Damit ist die Grundlage geschaffen für eine weitere Auswertung, mit der gewissermaßen auch experimentell die Spezifizität der Verwendungsmuster je Genre bewertet werden kann. Neben den absoluten Werten der Assoziationsmaße und ihren Differenzen ist vor allem auch die Betrachtung der Ränge und ihrer Differenzen aussichtsreich.
Top 15 je Genre nach Rangdifferenz gemäß ll4
| GR | Partnerwort | favoris. Genre | ΔRang | GR | Partnerwort | favoris. Genre | ΔRang |
| 1 | Vorkehrungen | Krimi-Western | 192 | 3 | Unsere | Liebe-Erotik-Gay | 190 |
| 2 | Schwarze | Krimi-Western | 191 | 9 | richtige | Liebe-Erotik-Gay | 180 |
| 4 | Schuss | Krimi-Western | 188 | 10 | aufeinander | Liebe-Erotik-Gay | 179 |
| 5 | mitten | Krimi-Western | 187 | 13 | Lippen | Liebe-Erotik-Gay | 176 |
| 6 | Kugeln | Krimi-Western | 186 | 15 | Anstalten | Liebe-Erotik-Gay | 170 |
| 7 | Wucht | Krimi-Western | 185 | 20 | stand | Liebe-Erotik-Gay | 161 |
| 8 | Nagel | Krimi-Western | 183 | 22 | alles | Liebe-Erotik-Gay | 157 |
| 11 | hart | Krimi-Western | 178 | 25 | kam | Liebe-Erotik-Gay | 154 |
| 12 | tödlich | Krimi-Western | 177 | 27 | nächste | Liebe-Erotik-Gay | 152 |
| 14 | Faust | Krimi-Western | 173 | 29 | weiß | Liebe-Erotik-Gay | 151 |
| 16 | Brust | Krimi-Western | 170 | 30 | Herz | Liebe-Erotik-Gay | 149 |
| 17 | Schulter | Krimi-Western | 168 | 34 | Dort | Liebe-Erotik-Gay | 143 |
| 18 | heimlich | Krimi-Western | 162 | 35 | machte | Liebe-Erotik-Gay | 142 |
| 19 | regelmäßig | Krimi-Western | 161 | 36 | viel | Liebe-Erotik-Gay | 138 |
| 21 | bin | Krimi-Western | 159 | 38 | ersten | Liebe-Erotik-Gay | 134 |
Top 15 je Genre nach Rangdifferenz gemäß logDice4
| GR | Partnerwort | favoris. Genre | ΔRang | GR | Partnerwort | favoris. Genre | ΔRang |
| 3 | Schuss | Krimi-Western | 155 | 1 | Lippen | Liebe-Erotik-Gay | 169 |
| 4 | mitten | Krimi-Western | 153 | 2 | daß | Liebe-Erotik-Gay | 159 |
| 6 | Schulter | Krimi-Western | 138 | 5 | Unsere | Liebe-Erotik-Gay | 147 |
| 9 | Schwarze | Krimi-Western | 128 | 7 | denn | Liebe-Erotik-Gay | 136 |
| 10 | Brust | Krimi-Western | 127 | 8 | ersten | Liebe-Erotik-Gay | 129 |
| 12 | Kollegen | Krimi-Western | 125 | 11 | Herz | Liebe-Erotik-Gay | 127 |
| 13 | hart | Krimi-Western | 122 | 16 | richtige | Liebe-Erotik-Gay | 114 |
| 14 | Kugeln | Krimi-Western | 120 | 17 | mein | Liebe-Erotik-Gay | 113 |
| 15 | müssen | Krimi-Western | 114 | 19 | meinen | Liebe-Erotik-Gay | 103 |
| 18 | Faust | Krimi-Western | 105 | 25 | nun | Liebe-Erotik-Gay | 96 |
| 20 | Wucht | Krimi-Western | 102 | 26 | unsere | Liebe-Erotik-Gay | 94 |
| 21 | Minuten | Krimi-Western | 100 | 27 | Tag | Liebe-Erotik-Gay | 91 |
| 22 | morgen | Krimi-Western | 99 | 28 | Stelle | Liebe-Erotik-Gay | 85 |
| 23 | Vorkehrungen | Krimi-Western | 97 | 29 | einige | Liebe-Erotik-Gay | 83 |
| 24 | Kugel | Krimi-Western | 96 | 30 | meiner | Liebe-Erotik-Gay | 82 |
Gerade durch die Genre-Vielfalt bietet sich das Korpus DeLiKo für vergleichende oder kontrastive Untersuchungen an, für die mit den Funktionen der oben beschriebenen Art ein erster Ansatzpunkt geschaffen werden kann.
6. Fazit und Zukunft
Mit DeLiKo@DNB steht erstmals ein umfassendes Korpus deutschsprachiger Gegenwartsliteratur frei für die Forschung zur Verfügung. Möglich wurde dies durch die Kombination der gesetzlichen Ablieferungspflicht mit der Strategie, die Berechnung zu den Daten zu bringen (vgl. Gray 2003): Die Rechte von Autorinnen, Autoren und Verlagen bleiben gewahrt, während zugleich Recherchen und Analysen über den gesamten Bestand möglich sind.
DeLiKo@DNB ist dabei nicht als abgeschlossenes Produkt, sondern als kontinuierlich gepflegte Ressource konzipiert: Das Korpus soll jährlich um die Neuerscheinungen des Vorjahres erweitert werden, wobei frühere Korpusstände für replizierbare Analysen über virtuelle Teilkorpora (z.B. pubDate < 2026) verfügbar bleiben. Zu den laufenden Arbeiten gehören die Anreicherung der Metadaten um Übersetzungsstatus und Erstpublikationsjahr (vgl. Abschnitt 3) sowie eine verfeinerte Genreklassifikation. Über den konkreten Anwendungsfall hinaus zeigt das Projekt, wie Nationalbibliotheksbestände trotz urheberrechtlicher Beschränkungen als Forschungsdaten nutzbar gemacht werden können: Die gesamte technische Infrastruktur ist quelloffen verfügbar (vgl. Abschnitt 3) und kann von anderen Nationalbibliotheken – zumindest in Ländern mit digitaler Ablieferungspflicht – nachgenutzt werden.
Notes
- https://textgridrep.org/project/TGPR-372fe6dc-57f2-6cd4-01b5-2c4bbefcfd3c?lang=de (30.05.2026). [^]
- https://github.com/KorAP/deliko (30.05.2026). [^]
- https://korap.dnb.de/ (30.05.2026). [^]
- Die einfache Eingabe von „trifft“ wird als Kurzform dieses Ausdrucks interpretiert. [^]
- https://posit.co/downloads (30.05.2026). [^]
- Direkter Link zur Sitzung: https://korap.dnb.de/?q=%5Btt%2Fl%3Dtreffen%5D&ql=poliqarp (30.05.2026). [^]
- Genau genommen Texte, in deren textType diese Wörter als Bestandteil enthalten sind, z.B. auch „Kriminalroman“ oder „Liebesroman“, in der Definition ausdrückbar als regulärer Ausdruck der Form “/.*Krimi.*/” (vgl. Script unten). [^]
- Direkter Link zur Sitzung: https://korap.dnb.de/?q=%5Btt%2Fl%3Dtreffen%5D&cq=text-Type+%3D+%2F.*%28Krimi%7CWestern%29.*%2F&ql=poliqarp (30.05.2026). [^]
- Direkter Link zur Sitzung: https://korap.dnb.de/?q=%5Btt%2Fl%3Dtreffen%5D&cq=text-Type+%3D+%2F.*%28Liebe%7CErotik%7CGay%29.*%2F&ql=poliqarp (30.05.2026). [^]
- GR – Gesamtrang nach Assoziationsmaß bzw. Absolutbetrag Rangdifferenz, Partnerwort – Kollokator gem. Assoziationsmaß, favoris. Genre – favorisiertes Genre, logDice/ll – Assoziatiosstärke gemäß logDice bzw. loglikelhood, ΔRang – Absolutbetrag Rangdifferenz [^]
- Unser Dank geht an Eglantine Gaglione, die während ihres Praktikums die Grundlagen für diese Erweiterung und auch für die Fallstudie gelegt hat. [^]
- Verfügbar in den Client-Bibliotheken ab Version v1.2.1.9000. [^]
Danksagungen
Unser besonderer Dank gilt Peter Leinen, Philippe Genêt und Frank Scholze von der Deutschen Nationalbibliothek (DNB) sowie allen anderen Beteiligten, die das Projekt DeLiKo@DNB überhaupt erst denkbar und möglich gemacht haben.
Literatur und Ressourcen
Bański, Piotr / Diewald, Nils (2025): Dealing with multiple annotations. In: Bański, Piotr / Heid, Ulrich / Herzberg, Laura (Eds.): Harmonizing language data. Standards for linguistic resources. Reihe Digital Linguistics, Band 4. Berlin / Boston: de Gruyter, 169–200.
Belica, Cyril (1995): Statistische Kollokationsanalyse und Clustering. Korpuslinguistische Analysemethode. Mannheim: Institut für Deutsche Sprache.
Gray, Jim (2003): Distributed computing economics. Technical Report MSR-TR-2003–24, Microsoft Research. https://arxiv.org/pdf/cs/0403019.pdf (30.05.2026).
Haaf, Susanne / Geyken, Alexander / Wiegand, Frank (2014): The DTA “Base Format”: A TEI Subset for the Compilation of a Large Reference Corpus of Printed Text from Multiple Sources. In: Journal of the Text Encoding Initiative (jTEI) 8. http://doi.org/10.4000/jtei.1114.
Honnibal, Matthew / Montani, Ines / Van Landeghem, Sofie / Boyd, Adriane (2020): spaCy: Industrial-strength natural language processing in Python. [Software]. http://doi.org/10.5281/zenodo.1212303.
Klosa, Annette / Kupietz, Marc / Lüngen, Harald (2012): Zum Nutzen von Korpusauszeichnungen für die Lexikographie. In: Lexicographica 28, 71–97.
Kupietz, Marc / Lüngen, Harald / Kamocki, Paweł / Witt, Andreas (2018): The German Reference Corpus DeReKo: New Developments – New Opportunities. In: Calzolari, Nicoletta / Choukri, Khalid / Cieri, Christopher / Declerck, Thierry / Hasida, Koiti / Isa-hara, Hitoshi / Maegaard, Bente / Mariani, Joseph / Moreno, Asuncion / Odijk, Jan / Piperidis, Stelios / Tokunaga, Takenobu (Eds.): Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC 2018). Miyazaki: European Language Association ELRA, 4353–4360.
Kupietz, Marc / Diewald, Nils / Margaretha, Eliza (2022): Building paths to corpus data: A multi-level least effort and maximum return approach. In: Fišer, Darja / Witt, Andreas (Eds.): CLARIN. The Infrastructure for Language Resources. Reihe Digital Linguistics, Bd. 1. Berlin / Boston: de Gruyter, 163–189. http://doi.org/10.1515/9783110767377.
Kupietz, Marc / Lüngen, Harald / Diewald, Nils (2023): Das Gesamtkonzept des Deutschen Referenzkorpus DeReKo – Vom Design bis zur Verwendung und darüber hinaus. In: Deppermann, Arnulf / Fandrych, Christian / Kupietz, Marc / Schmidt, Thomas (Hrsg.): Korpora in der germanistischen Sprachwissenschaft, Jahrbuch des Instituts für Deutsche Sprache 2023. Berlin / Boston: de Gruyter, 1–28.
Kupietz, Marc / Diewald, Nils / Genêt, Philippe / Witt, Andreas (2026): National Library as Corpus: DeLiKo-2025@DNB – A Very Large Corpus of German-language Contemporary Literature. In: Piperidis, Stelios / Bel, Núria / van den Heuvel, Henk / Ide, Nancy / Krek, Simon / Toral, Antonio (Eds.): Proceedings of the Fifteenth Language Resources and Evaluation Conference (LREC 2026), 6528–6535. http://doi.org/10.63317/4fxzgre27xzj.
Kupietz, Marc / Diewald, Nils / Margaretha, Eliza (2020): RKorAPClient: An R Package for Accessing the German Reference Corpus DeReKo via KorAP. In: Calzolari, Nicoletta / Béchet, Frédéric / Blache, Philippe / Choukri, Khalid / Cieri, Christopher / Declerck, Thierry / Goggi, Sara / Isahara, Hitoshi / Maegaard, Bente / Mariani, Joseph / Mazo, Hélène / Moreno, Asuncion / Odijk, Jan / Piperidis, Stelios (Eds.): Proceedings of the 12th Language Resources and Evaluation Conference (LREC 2020), 7015–7021. http://doi.org/10.63317/42tsxzgkopry.
Lüngen, Harald / Sperberg-McQueen, Christopher M. (2012): A TEI P5 Document Grammar for the IDS Text Model. In: Journal of the Text Encoding Initiative (jTEI) 3, 1–18.
McCallum, Andrew Kachites (2002): MALLET: A Machine Learning for Language Toolkit. http://mallet.cs.umass.edu (30.05.2026).
Müller, Thomas / Schmid, Helmut / Schütze, Hinrich (2013): Efficient Higher-Order CRFs for Morphological Tagging. In: Yarowsky, David / Baldwin, Timothy / Korhonen, Anna / Livescu, Karen / Bethard, Steven (Eds.): Proceedings of the 2013 Conference on Empirical Methods in Natural Language Processing. Seattle, Washington: Association for Computational Linguistics, 322–332.
Nivre, Joakim / Hall, Johan / Nilsson, Jens / Chanev, Atanas / Eryiğit, Gülşen / Kübler, Sandra / Marinov, Svetoslav / Marsi, Erwin (2007): Malt-Parser: A language-independent system for data-driven dependency parsing. Natural Language Engineering 13: 2, 95–135.
OpenAIRE (2015): OpenAIRE Guidelines for literature, institutional, and thematic repositories. Version 3. Chapter “Use of OAI-DC”. https://guidelines.openaire.eu/en/latest/literature/use_of_oai_dc.html (30.05.2026).
Rychlý, Pavel (2008): A lexicographer-friendly association score. In: Sojka, Petr / Horák, Aleš (eds.): RASLAN 2008. Recent Advances in Slavonic Natural Language Processing. Brno: Masaryk University, 6–9.
Schmid, Helmut (1994): Probabilistic Part-of-Speech. Tagging Using Decision Trees. In: Proceedings of International Conference on New Methods in Language Processing. Manchester: University of Manchester, 44–49.
Weiß, Christian (2005): Die thematische Erschließung von Sprachkorpora. OPAL – Reihe Online publizierte Arbeiten zur Linguistik. Mannheim: Institut für Deutsche Sprache.
Biographische Notiz
Harald Lüngen ist Leiter des Korpusausbauprojekts am Leibniz-Institut für Deutsche Sprache. Er beschäftigt sich mit der Erfassung von Textdaten sowie deren Aufbereitung und Integration in das Deutsche Referenzkorpus DeReKo. In seiner Forschung befasst er sich mit Text- und Korpustechnologie sowie mit Fragen der Aufbereitung sehr großer Korpora. Sein besonderes Interesse gilt der Modellierung und Kodierung von Korpora internetbasierter Kommunikation.
Kontaktanschrift:
Harald Lüngen
Programmbereich Korpuslinguistik
Leibniz-Institut für Deutsche Sprache
R5, 6–13, D-68161 Mannheim
Biographische Notiz
Marc Kupietz leitet den Programmbereich Korpuslinguistik am Leibniz-Institut für Deutsche Sprache und verantwortet dort u.a. die Korpusanalyseplattform KorAP. DeLiKo@DNB hat er maßgeblich mit aufgebaut. Sein Forschungsinteresse gilt einer methodisch fest in Korpora verankerten allgemeinen, vergleichenden und diskursbezogenen Sprachwissenschaft sowie den infrastrukturellen und rechtlichen Grundlagen, die eine solche Forschung ermöglichen.
Kontaktanschrift:
Marc Kupietz
Programmbereich Korpuslinguistik
Leibniz-Institut für Deutsche Sprache
R5, 6–13, D-68161 Mannheim
Biographische Notiz
Rainer Perkuhn ist Mitarbeiter im Programmbereich Korpuslinguistik. Er beschäftigt sich mit korpuslinguistischer Methodik und Anwendungsbezügen, auch zu Deutsch-als-Fremdsprache. Seine Schwerpunkte drehen sich um die Operationalisierung von Wortbegriffen u.a. auch für Frequenzlisten, sowie Kookkurrenzanalyse, beides insbesondere vor dem Hintergrund des Sprachwandels.
Kontaktanschrift:
Rainer Perkuhn
Programmbereich Korpuslinguistik
Leibniz-Institut für Deutsche Sprache
R5, 6–13, D-68161 Mannheim