PhonD2: Eine Datenbank zur Phonotaktik der Dialekte in Deutschland

Die Phonotaktik ist das Teilge­biet der Lingu­is­tik, welches die Prinzi­pi­en analy­siert, nach der eine Sprache einzelne Laute zu überge­ord­ne­ten Einheiten wie Silben oder Wörtern kombi­niert. So ist beispiels­wei­se die Lautfolge /pt/ im Polni­schen wie in ptak „Vogel“ im Wortan­laut möglich, wohin­ge­gen das Deutsche sie nur am Wortende erlaubt, beispiels­wei­se in (es) klappt. Dass solche Regeln zwischen Standard­spra­chen und Dialekten unter­schied­lich ausfallen können, zeigen Beschrei­bun­gen in einzelnen Ortsgram­ma­ti­ken (z. B. Winteler 1876). Jedoch gibt es bislang keine Arbeiten, die regionale Phono­tak­tik verglei­chend beschrei­ben, was auch auf einen Mangel geeig­ne­ter Daten zurück­ge­führt werden kann. Denn obwohl es zahlrei­che Korpora zum (gespro­che­nen) Deutschen gibt (siehe Kupietz & Schmidt 2018), sind diese entweder nicht regional spezi­fi­ziert oder sie sind nicht phono­tak­tisch aufbe­rei­tet. Diese Lücke soll durch das von der Deutschen Forschungs­ge­mein­schaft (DFG) geför­der­te Projekt PhonD2 geschlos­sen werden; eine frei zugäng­li­che Online-Datenbank mit der die phono­tak­ti­schen Struk­tu­ren und Beson­der­hei­ten der Dialekte von 172 Orten in Deutsch­land unter­sucht werden können.

Datengrundlage

Die für das PhonD2-Korpus verwen­de­ten Audio­da­tei­en wurden aus den Beständen des Marburger Phone­ti­schen Archivs (MRPhA) ausge­wählt. Dabei handelt es sich um Aufnahmen der 40 Wenkersätze, die zwischen 1956 und 1996 in ganz Deutsch­land erhoben wurden. Zudem wurden mit denselben Personen auch Inter­views zu verschie­de­nen lebens­re­le­van­ten Themen wie Beruf, Hobbies, Feste etc. durch­ge­führt. Die Wenker­sät­ze, die zum Standard­in­stru­men­ta­ri­um der Deutschen Dialek­to­lo­gie gezählt werden können, erlauben einen direkten Vergleich auf Wortebene, wohin­ge­gen die Inter­views eine breitere Perspek­ti­ve auf die gespro­che­ne Sprache ermög­li­chen. Insgesamt beinhal­tet das PhonD2-Korpus über 20 Stunden Material von 172 Orten in ganz Deutschland.

Datenbearbeitung

Die ausge­wähl­ten Audio­da­tei­en wurden von studen­ti­schen Hilfs­kräf­ten in der Lautschrift SAMPA transkri­biert. Um eine hohe und vergleich­ba­re Qualität des transkri­bier­ten Materials sicher­zu­stel­len, erfolgte auf Grundlage des aktuellen Forschungs­stan­des eine Einar­bei­tung in die den jewei­li­gen Dialekt­raum kennzeich­nen­den sprach­li­chen Beson­der­hei­ten. Zudem wurden für die Inter­views vorab ortho­gra­phi­sche Überset­zun­gen von Dialekt­spre­chern aus den jewei­li­gen Regionen erstellt, die von den Hilfs­kräf­ten als Hilfe­stel­lung genutzt wurden. Zudem wurde jede fertig bearbei­te­te Aufnahme nochmals von den Projekt­mit­ar­bei­te­rin­nen und ‑mitar­bei­tern manuell nachkor­ri­giert. Die Wenker­sät­ze wurden vollstän­dig transkri­biert, jedoch wurde aufgrund der umfang­rei­chen Daten­men­ge der Fokus bei den Inter­views auf die Transkrip­ti­on von Nomen, Verben, Adjek­ti­ven, Adverbien und Numeralia gelegt. Die transkri­bier­ten Wörter wurden mithilfe eines regel­ba­sier­ten Algorith­mus silbi­fi­ziert und mit primärem Wortak­zent versehen. Zusätz­lich zur ursprüng­li­chen SAMPA-Transkription wurden die Wörter in IPA-Lautschrift konver­tiert. So wird beispiels­wei­se aus dem ursprüng­lich transkri­bier­ten Wort [mOId@] (zentral­hes­sisch müde) dann [ˈmɔɪ̯.də]. Im nächsten Schritt werden maschi­nell phono­tak­tisch relevante Infor­ma­tio­nen ermittelt, wie etwa die CV-Strukur ([ˈmɔɪ̯.də] ∼ CVV.CV), eine Katego­ri­sie­rung nach den Lautgruppen Plosive ℗, Affri­ka­ten (A), Frikative (F), Nasale (N), Liquide (L), Gleit­lau­te (G), Kurzvo­ka­le (V), Langvo­ka­le (Vː) und Diphthon­ge (VV) ([ˈmɔɪ̯.də] ∼ NVV.PV), abstei­gen­de Sonoritätswerte ([ˈmɔɪ̯.də] ∼ 51.61) und starke und schwache Silben ([ˈmɔɪ̯.də] ∼ s.w). Dazu kommt die morpho­lo­gi­sche Bearbei­tung, zu der das automa­ti­sche, manuell nachkor­ri­gier­te POS-Tagging mit dem Klassi­fi­ka­ti­ons­werk­zeug TreeTagger (Schmid 1995) und die Klassi­fi­ka­ti­on von Morphemen gehört.

Webseite

Die Wenker-Daten sind bereits online über die Projekt­sei­te https://regionalsprache.de/phond2/ zugäng­lich; die Inter­views werden aktuell noch bearbei­tet und werden nach Überprü­fung und Fertig­stel­lung ebenfalls ergänzt. Die Webseite bietet zweierlei Zugänge auf die Daten: Der geographische Zugang bietet einen Überblick über alle Aufnah­me­or­te. Hier kann entweder per Klick auf die inter­ak­ti­ve Karte oder über eine Suchmaske auf das Daten­ma­te­ri­al der indivi­du­el­len Orte zugegrif­fen werden.

Der wortbasierte Zugang ermög­licht eine Suche nach spezi­fi­schen Wörtern, erlaubt aber auch das Heraus­grei­fen nach Wortklas­se (Lexem oder Grammem) und Wortart, wobei auch nach POS-Tags gemäß des STTS (Schiller et al. 1999) gesucht werden kann.

Der Klick auf ein Lemma, z. B. Affe, führt zu einer Karte die einen Überblick über regionale Unter­schie­de in der CV-Struktur bietet. Jede CV-Struktur ist mit einer eigenen Farbe gekenn­zeich­net, zusätz­lich sind einsil­bi­ge Reali­sie­run­gen durch einen schwarzen Kreis hervor­ge­ho­ben. Dies visua­li­siert bei der unten­ste­hen­den Affe-Karte die Regionen, in denen Schwa-Apokope ([af] vs. [ˈa.fə]) und Einsil­b­ler­deh­nung ([af] vs. [aːp]) auftritt (vgl. Schir­mun­ski 1962 und Lameli 2022).

Die Karte wird durch eine weitere Suchmaske ergänzt, die sämtliche Reali­sie­run­gen des Wortes Affe anzeigt. Es kann nach bestimm­ten Lauten gesucht werden, aber auch nach Silben­zahl, CV-Struktur, Silben­sche­ma, Sonorität und starker und schwacher Silbe.

Neben diesem ort- und wortspe­zi­fi­schen Zugriff bietet die Webseite noch einen Überblick über allgemeine Lauthäufigkeiten im Korpus, aber auch über Lautse­quen­zen in Form von Trigrammen, für die zusätz­lich noch eine Suchfunk­ti­on verfügbar ist.

Fazit

Das PhonD2-Korpus bietet eine Vielzahl an Möglich­kei­ten zur Analyse phono­tak­ti­scher Struk­tu­ren der Dialekte des Deutschen. Diese Ressource bietet sich sowohl für die wissen­schaft­li­che Nutzung an, aber auch für dialek­to­lo­gisch inter­es­sier­te Personen jeder Art.

Literatur

Kupietz, Marc / Thomas Schmidt (2018): Korpus­lin­gu­is­tik. Berlin/Boston: De Gruyter. https://library.oapen.org/handle/20.500.12657/59516

Lameli, Alfred (2022): Remarks on the consis­ten­cy of schwa apocope in the geography of German dialects. In: Nevaci, M. / Floarea, I / Farcaş, J‑M (Hg.): Ex Oriente lux. In honorem Nicolae Saramandu. Alessand­ria: Edizioni dell’Orso. 683–702.

Schmid, Helmut (1995): Impro­ve­ments in Part-of-Speech Tagging with an Appli­ca­ti­on to German. Dublin: Procee­dings of the ACL SIGDAT-Workshop.

Schiller, Anne / Simone Teufel / Christine Stöckert (1999): Guide­lines für das Tagging deutscher Textcorpo­ra mit STTS (kleines und großes Tagset). Tübingen: Univer­si­tät Tübingen.

Schir­mun­ski, Viktor M. (1962): Deutsche Mundart­kun­de. Verglei­chen­de Laut- und Formen­leh­re der deutschen Mundarten. Lausanne: Peter Lang.

Winteler, Jost (1876): Die Kerenzer Mundart des Kantons Glarus. In ihren Grund­zü­gen darge­stellt. Leipzig/Heidelberg: Winter.

Diesen Beitrag zitieren als:

Link, Samantha & Bunkov, Valeria. 2023. PhonD2: Eine Datenbank zur Phono­tak­tik der Dialekte in Deutsch­land. In: Sprach­spu­ren: Berichte aus dem Deutschen Sprach­at­las 3(7). https://doi.org/10.57712/2023-07