Von Beni Ruef an den Anfang dieses Jahrtausends katapultiert, Zeiten, in denen eine SMS noch ein Vermögen gekostet hat

Die Kommunikation per SMS zieht Linguisten, Sprachforscher, Kommunikations- und Textwissenschaftler schon seit Anbeginn des SMS-Zeitalters an. Aber warum? Weil die Kommunikation per SMS eine Mischung aus mündlicher und schriftlicher Sprache in schriftlicher Form ist. Sie fragen sich: Gibt es typische sprachliche Merkmale in der Kommunikation per SMS? Gibt es Standards in SMS?

Beni Ruef, engagierter Forscher im Bereich der Computerlinguistik und der Digital Humanities, untersucht im Projekt „SMS4Science“ seit 2008 mit seinen Schweizer Kollegen das Kommunikationsverhalten seiner Mitbürger mit dem Handy. Belgische Forscher legten den Grundstein eines SMS-Korpus, indem sie französischsprachige SMS sammelten (http://www.smspourlascience.be/). Die Schweizer erweiterten dieses Korpus zu einer mehrsprachigen Sammlung (http://www.sms4science.ch, https://sms.linguistik.uzh.ch/).

Mit dem Aufruf „Spenden Sie Ihre SMS der Wissenschaft“ wurde 2012 in Zusammenarbeit mit dem örtlichen Telekommunikationsanbieter Swisscom eine große Sammelaktion gestartet. Das Ziel: 25.000 SMS zu sammeln, die aus dem Alltag gegriffen sind. Die Spender bekamen eine kostenlose Nummer, über die sie ganz alltäglich kommunizieren sollten. Doch erst nach dem zweiten großen Aufruf, in dem der Schwerpunkt auf italienisch- und rätoromanisch-sprachigen SMS lag, wurde dieses Ziel erreicht und knapp überschritten. Gemessen an den täglich 15 Millionen verschickten SMS (Schweiz 2009) hatten also nicht viele Nutzer gespendet. Und 79% der SMS-Spender füllten den zugehörigen online-Fragebogen aus, in dem Metadaten zur Schulbildung, Wohnort, SMS-Verhalten, Umgang mit Mehrsprachigkeit (Mischen oder Switchen sie?) u.a. abgefragt wurde. Leider fehlte die Frage nach der Muttersprache, was Beni Ruef im Nachhinein sehr bedauert. 66% aller „Spender“ waren Frauen und 50% aller SMS mehrsprachig.

SMS_Abb1
Abbildung 1: Ausschnitt aus dem Online-Fragebogen zum Verhalten der SMS-Spender

2009 ist schon ein Weilchen her, zumindest für eine so schnelllebige Technologie wie die SMS. Damals gab es noch keine Smartphones oder Flatrates, SMS wurden noch mit T9[1] getippt und zur Kostenoptimierung ließ man einfach alle Leerzeichen weg. SMS wurden mittlerweile von WhatsApp-Nachrichten abgelöst, Tastaturen sind keine Ziffern mehr, auf die man mehrmals drücken muss, um den nachfolgenden Buchstaben zu schreiben, und die Länge einer SMS ist scheinbar völlig egal – das Korpus ist historisch, nicht repräsentativ und trotzdem für Forscher interessant, weil es besteht und verwendet werden kann.

Um mit dem Korpus arbeiten zu können, mussten die Schweizer Forscher die gesammelten Daten bereinigen: computergenerierte SMS und Duplikate bringen keinen Vorteil und müssen gelöscht werden, ein Leerzeichen zwischen zwei Wörtern reicht aus und alle Daten müssen anonymisiert werden. Vornamen wurden in einem rotierenden Verfahren durch geschlechtergleiche Namen ausgetauscht und Telefonnummern, Adressen, Emailadressen und Nachnamen mussten Platzhaltern weichen, ohne dass Berühmtheiten ersetzt werden. Bob Dylan, Reisepläne nach Hamburg oder der Gang ins Rathaus dürfen bleiben.

Beispiel: Zur Erinnerung: diese Woche Mittwoch, 08:15 Berufsberatung [StreetAddress], Bottmingen, Tel:NNNNNNNNNN, Brief vorweisen. Und am Freitag, dem 10. um 12:50 zu Dr. [LastName], Birshofklinik neben MFP Münchenstein. GlG! Mama (310)

Um die Authentizität der Sammlung nicht völlig zu verfälschen, ist das Korpus nicht um unsittliche Passagen bereinigt worden. Die Sprache des SMS-Nutzers ist eben oft nicht jugendfrei.

Ein Bataillon von studentischen Hilfskräften zeichnete jede SMS händisch aus. Die verschiedenen Sprachen unter den SMS und innerhalb der SMS mussten gekennzeichnet werden. Was ist die Grundsprache der SMS? Was sind Entlehnungen, was Ad-hoc-Entlehnungen? Was ist Standardsprache und was Dialekt?

Abbildung 2: Die Sprache(n) jeder SMS wurden händisch ausgezeichnet (Kürzel: ara – Arabisch, deu – Deutsch, eng – Englisch, fra – Französisch, gda – weder Standarddeutsch noch Schweizerdeutsch, gsw – Schweizerdeutsch, ita - Italienisch)
Abbildung 2: Die Sprache(n) jeder SMS wurden händisch ausgezeichnet (Kürzel: ara – Arabisch, deu – Deutsch, eng – Englisch, fra – Französisch, gda – weder Standarddeutsch noch Schweizerdeutsch, gsw – Schweizerdeutsch, ita – Italienisch)

Und gerade weil die SMS dem Mündlichen so nah ist, gibt es keine allgemeingültigen Konventionen in der Schriftsprache der SMS. Um das Korpus für weitere computerlinguistische Analyse nutzbar zu machen und um in ihm suchen zu können, wurden die Bestandteile der SMS normalisiert. Das bedeutet, dass die Groß- und Kleinschreibung nach den Regeln der deutschen Rechtschreibung korrigiert, Abkürzungen expandiert und verschiedenen Formen eines Wortes unter einer Form zusammengefasst werden: Ich, i, ii, ih, ig und alle Formen, die den Schreibern der SMS noch so eingefallen sind, müssen mit „ich“, dem standardsprachlichen Wort für die erste Person Singular, glossiert werden. Die größten Herausforderungen dabei waren die gerne und viel verwendeten Emotikons, individuelle (aber auch standardisierte) Abkürzungen, Akronyme und – im Zeitalter vor den Flatrates – fehlende Worttrennungen.

Beispiel: bonne n8, spatzilein!! :* :* (33)

Die Anforderungen der Sprachforscher an ein Analysetool für diese Arbeit sind hoch:

  • Original und Glosse, also standardsprachlicher Ausdruck, müssen gleichzeitig sichtbar sein,
  • es muss eine Kommentarfunktion geben, damit die Forscher untereinander kommunizieren können,
  • die Aufgaben müssen soweit wie möglich automatisiert werden und über Shortcuts bedienbar sein,
  • es muss eine serverbasierte Lösung geben
  • und der Stand der Dinge muss verzeichnet werden können.

Weil es kein Tool gab, das allen Anforderungen gerecht wurde und die gewünschten Funktionalitäten vereinigt, programmierte Beni eine eigene Forschungsumgebung für sich und sein Team, passend zur Forschungsfrage. Dafür kombinierte er viele verschiedene Technologien wie Perl und JavaScript für die Normalisierung, SQL und XQuery als Abfragesprache, MySQL als relationale Datenbank für die Daten, die im XML- und  JSON-Format vorliegen.

Abbildung 3: Beni musste das passende Arbeitstool erst programmieren
Abbildung 3: Beni musste das passende Arbeitstool erst programmieren

Mit diesem Werkzeug konnten Beni und seine Helfer die gespendeten SMS nach ihren Vorstellungen und Anforderungen auszeichnen:

Beispiel: Need your help. Bisch du uf em wäg ìs Büro? Thx for call (3739)

Abbildung 4: Nach der Auszeichnung einer SMS sind die vielen verschiedenen Ebenen der Analyse gut sichtbar
Abbildung 4: Nach der Auszeichnung einer SMS sind die vielen verschiedenen Ebenen der Analyse gut sichtbar

Die Kommunikation per SMS ist in der Schweiz ein Spiel mit den verschiedenen Sprachen, sagt Beni. Der Bildungsstandard ist laut der online-Fragebögen unter den SMS-Spendern insgesamt sehr hoch und je höher, desto multilingualer werden die SMS. Gibt es in Deutschland auch so viele mehrsprachige SMS? Korreliert die Mehrsprachigkeit mit dem Bildungsniveau? In Deutschland wäre es vermutlich andersherum – je höher die Bildung, desto standardsprachlicher und akademischer der Sprachgebrauch. Mehrsprachige SMS wären wohl bei Menschen mit Migrationshintergrund oder multikultureller Partnerschaft zu finden.

Was passiert jetzt mit dem Korpus? Nicht viel. Er ist veraltet, nicht repräsentativ und die händische Verarbeitung zu aufwendig. Ziel ist es nun, eine automatisierte Normalisierung und Analyse eines viel größeren WhatsApp-Nachrichten-Korpus‘ durchzuführen. Wobei „nichts“ nicht ganz richtig ist: Grundlage der automatisierten Normalisierung, sollen die händisch ausgezeichneten Klassen des SMS-Korpus‘ bilden. Zusätzlich sollen die Nachbarschaften von Wörtern einbezogen werden. An dieser Aufgabe sitzt Beni zurzeit – viel Erfolg!

[1] https://de.wikipedia.org/wiki/Text_on_9_keys

Cite this article as: Maria Hartmann, „Von Beni Ruef an den Anfang dieses Jahrtausends katapultiert, Zeiten, in denen eine SMS noch ein Vermögen gekostet hat,“ in F. Fischer, J. Hermes, C. Neuefeind & P. Sahle: Digital Humanities Cologne, 01/07/2015, https://dhc.hypotheses.org/21.

Schreibe einen Kommentar

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