Wortfrequenz im Lateinischen

Wenn man eine Sprache lernen möchte, wäre es doch am einfachsten, erst mal die 100 häufigsten Wörter zu lernen? Dabei kann man sich ziemlich täuschen: Diese Wörter sind nämlich sehr inhaltslos. Wir finden hier auf Deutsch die Artikel, Präpostionen, Konjunktionen wie ‘und’, sowie Formen von ‘sein’. Das erste Substantiv steht nach dieser Liste auf Platz 63, nämlich ‘Prozent’. Ähnliches gilt mutmaßlich für jede Sprache der Welt: Zuerst kommen Funktionswörter, Inhaltswörter sind viel weniger häufig und auch viel diverser.

Gesetz von Zipf

Der Sprachwissenschaftler George Kingsley Zipf sah darin ein Gesetz: Das häufigste Wort einer Sprache kommt zwei Mal so oft vor wie das nächst häufige, dreimal so oft wie das Wort an dritter Stelle etc. Anders gesagt: Die Stelle eines Wortes multiplizert mit der Frequenz ist konstant. Man bekommt eine einem Hockeyschläger ähnliche Kurve, wenn man die Frequenz darstellt.

Häufigste Wörter im Lateinischen

Um dies für das Lateinische zu testen, braucht man zuerst ein Korpus. Nun enthält die Library of Latin Texts bei Brepols sehr viele Texte und man kann pro Wort die Häufigkeit in verschiedenen Perioden ermitteln, aber die Wörter sind nicht lemmatisiert. Das heißt, alle Formen von z.B. ‘esse‘ (‘sein’) werden getrennt gezählt.

Bereits in den dreißiger Jahren wollte Diederich wissen, welche Lemmata im Lateinischen am häufigsten sind. Er hat dazu aus Anthologien selbst ein Korpus zusammengestellt, bestehend aus fast 125.000 Wörtern für die klassische Periode. Er hat dazu die Texte auf Papier mit Kästchen darauf abgeschrieben, jedes Wort in einem eigenen Kästchen. Die Papiere hat er dann nach Kästchen ausschneiden lassen, so dass er für jedes Wort ein Zettelchen hatte. Diese hat er dann zu dem jeweiligen Lemma eingeordnet. Einige Homonyme hat er beim Abschreiben bereits erkannt und das richtige Lemma dazu geschrieben, einige andere blieben unklar, dürften aber die Summen nicht sehr verändern.

Dietrich kam auf mehr als 4000 Lemmata. Diese ergeben in der Frequenz genau die erwartete Hockeyschlägerform.

Wenn wir die ersten 50 Lemmata genauer ansehen, ist die Form zwar nicht mehr so deutlich zu erkennen. Aber wir können besser sehen, um welche Lemmata es sich handelt.

Wie im Deutschen, und wohl auch in allen anderen Sprachen, sind die häufigsten Wörter ausschließlich Funktionswörter: das Relativum qui, quae, quod (‘der, die das’), die Konjunktion et (‘und’), das Verb esse (‘sein’), die Negation non (‘nicht’), die Präposition in (‘in’) etc. Das erste Substantiv kommt erst auf Platz 24: res (‘Ding’). Allerdings ist dieses Wort kaum mehr als ein Pronomen. Auf Platz 42 finden wir das nächste: deus (‘Gott’).

Zu sehr ähnlichen Ergebnissen ist das Query-Corpus von Heberlein gekommen. Für dieses Korpus wurden vor allem Texte aus dem 1. Jhr. vor und dem 1. Jhr. n. Chr. morphosyntakisch kodiert. Insgesamt handelt es sich um 1.097.679 Wortformen. Nach res auf Platz 29 ist das erste Substantiv animus auf Platz 42.

Es hat also wenig Sinn, nur die häufigsten Wörter zu lernen, da sie hauptsächlich Funktionswörter sind. Aber die Frage ist, welche man dann lernen sollte: Der größte Teil der Wörter kommt nur selten vor. Es hängt also sehr vom Inhalt des Textes ab, welche Wörter man wissen sollte. In lebenden Sprachen ist diese Kategorie unbegrenzt: Inhaltswörter können immer dazu kommen. Funktionswörter dagegen sind mehr oder weniger festgelegt, es entstehen nicht so leicht neue.

Thesaurus linguae Latinae

Nur in einem abgeschlossenen Korpus kommen keine neue Wörter dazu. Dies gilt für das Korpus des Thesaurus linguae Latinae: Es berücksichtigt alle lateinische Texte bis ca. 600 n. Chr. Neue Wörter können nur dazu kommen, wenn Texte wieder entdeckt werden, dies geschieht aber eher selten. Auch hier sehen wir das gleiche Phänomen: Einige wenige Wörter, hauptsächlich die genannten Funktionswörter, kommen extrem oft vor, viele andere, hauptsächlich Inhaltswörter, viel weniger oft. So gibt es Hunderte Lemmata, die nur einige wenige Male vorkommen. Dementsprechend kommen sie bis jetzt in keinem Wörterbuch vor, außer im TLL: Dort bekommen viele Lemmata zum ersten Mal einen Eintrag.

Buchstabe T

Der Buchstabe T, der im TLL noch nicht behandelt worden ist, enthält nach vorläufiger Lemmaliste ca. 2900 Lemmata, mit insgesamt 287.215 Zetteln. Von diesen Lemmata sind ca. 60 Funktionswörter, also 2% der Lemmata. Sie beansprüchen aber 37% des Zettelmaterials (und dabei gibt es für die Spätantike nur eine Auswahl dieser Wörter, die Prozentzahl im überlieferten Material dürfte also viel höher sein). Ansonsten gibt es 44 Lemmata, die einen Kasten (ca. 1400 Zettel) oder mehr füllen, alle andere sind also kleiner. Ungefähr 2075 Lemmata haben sogar nur 10 oder weniger Zettel. Dies wiederum dürfte noch weniger wirkliche Belege pro Lemma sein, da sich unter den Zetteln auch Verweise auf Sekundärliteratur befinden. Die meiste Arbeit am TLL ist also Pionierarbeit: Viele Lemmata hatten nie einen Wörterbucheintrag, oder wenn, dann nicht mit allen möglichen Bedeutungen.

Für die Buchstaben N und Q ist der Anteil der Funktionswörter erheblich größer, da sich dort viele Negationen sowie Pronomina befinden. Zu denken ist an non, qui/ quae/ quod, und –que, die oben schon genannt wurden.

Bull, W. (1949). Natural Frequency and Word Counts. The Classical Journal, 44(8), 469-484.
Diederich, P. B. (1939). The frequency of Latin words and their endings. Univ. of Chicago.


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.