Wie Wortzähler wirklich Wörter zählen (und warum sich die Zahl je nach App unterscheidet)

Fügst du denselben Text unverändert in Microsoft Word, Google Docs und ein drittes Wortzähl-Tool ein, ist es durchaus möglich, drei leicht unterschiedliche Summen zu bekommen – nicht, weil eines der Tools einen Fehler gemacht hätte, sondern weil sich „Wort" als weniger präziser Begriff herausstellt, als es auf den ersten Blick scheint. Ein Wortzähler muss eine Reihe kleiner, konkreter Entscheidungen über Grenzfälle treffen, über die ein flüchtiger Blick auf einen Absatz einfach hinweggeht: Zählt ein Wort mit Bindestrich als eins oder als zwei, wird eine Kontraktion aufgeteilt, zählt eine einzelne Zahl genauso wie ein aus Buchstaben bestehendes Wort – und, bei Sprachen, die überhaupt keine Leerzeichen zwischen Wörtern verwenden, was markiert dort überhaupt eine Wortgrenze? Verschiedene Tools treffen diese Entscheidungen unterschiedlich, und die angezeigte Summe ist schlicht die Summe vieler kleiner, vertretbarer Entscheidungen – nicht eine einzige, objektiv korrekte Zählung.

Ein Wort mit Bindestrich wie „well-known" lässt sich vertretbar als ein Wort oder als zwei zählen, und beide Lesarten haben gute Argumente: Es funktioniert als eine einzige semantische Einheit, ist aber auch sichtbar aus zwei eigenständigen, verbundenen Wörtern gebaut. Sowohl Word als auch Google Docs zählen ein Wort mit Bindestrich als ein einziges Wort, weshalb es der richtige Standard ist, sich an diese Konvention zu halten, wann immer etwas den Erwartungen eines Lektors oder Verlags an eine Wortzahl entsprechen muss, etwa bei einer Aufgabe mit vorgegebenem Wortlimit. Kontraktionen werfen dieselbe Frage in anderer Form auf – „don't" ist sichtbar aus zwei zusammengequetschten Wörtern gebaut, funktioniert aber als eines –, und dieselben großen Textverarbeitungsprogramme zählen sie wiederum als ein einziges Wort statt als zwei, was erneut die Konvention ist, an die man sich halten sollte, wenn die Zählung mit dem übereinstimmen muss, was ein Lehrer, Lektor oder Wortlimit-Tool ausgeben würde.

Eine einzelne Zahl, ein einsames, von Leerzeichen umgebenes Satzzeichen und andere merkwürdige Tokens werfen kleinere Varianten derselben Frage auf, und verschiedene Tools lösen sie leicht unterschiedlich – das ist die reale, wenig spektakuläre Erklärung hinter den meisten kleinen Abweichungen, die Menschen zwischen verschiedenen Wortzählern bemerken. Keine dieser Mikroentscheidungen verändert die Summe für sich genommen groß, aber ein paar Hundert Wörter gewöhnlicher Prosa enthalten meist genug Bindestriche, Kontraktionen und merkwürdige Tokens, dass sich die Abweichungen zu einem sichtbaren, wenn auch meist kleinen, Unterschied in der Endzahl summieren.

Ein Wortzähler, der Text einfach überall dort teilt, wo ein Leerzeichen steht, funktioniert für Deutsch, Englisch und die meisten europäischen Sprachen einigermaßen gut, weil diese Sprachen Wörter üblicherweise mit Leerzeichen trennen. Bei Chinesisch, Japanisch und Thailändisch versagt dieser Ansatz jedoch völlig, denn keine dieser Sprachen setzt überhaupt Leerzeichen zwischen Wörtern – ein ganzer Absatz chinesischen Textes kann eine einzige ununterbrochene Zeichenkette ohne ein einziges Leerzeichen sein, und ein Zähler, der an Leerzeichen aufteilt, meldet für diesen gesamten Absatz genau ein „Wort", ganz gleich, wie viele echte Wörter tatsächlich darin stecken. Wörter in diesen Sprachen korrekt zu zählen, erfordert echte linguistische Textsegmentierung – die Analyse der Zeichen selbst, um daraus abzuleiten, wo ein Wort plausibel endet und das nächste beginnt, mit derselben Art von Segmentierungslogik, die moderne Browser intern für Textauswahl und Zeilenumbruch verwenden –, statt des simplen Ansatzes, an Leerzeichen zu teilen, der für Sprachen mit Leerzeichentrennung gut genug funktioniert und für Sprachen ohne diese Trennung völlig versagt.

Keine der konkurrierenden Konventionen für Bindestriche, Kontraktionen oder Grenzfall-Tokens ist objektiv richtiger als die anderen – es sind unterschiedliche, gleichermaßen vertretbare Antworten auf eine wirklich mehrdeutige Frage. Was in der Praxis tatsächlich zählt, ist, mit welcher Konvention die Zählung übereinstimmen muss: Eine Studentin, die eine Arbeit mit vorgegebener Wortzahl einreicht, braucht ein Tool, das so zählt wie ihr Textverarbeitungsprogramm, denn genau das wird mit ziemlicher Sicherheit überprüft; ein Autor, der bei einer Publikation mit eigenem Hausstil einreicht, muss sich an die Konvention halten, die die Tools dieser Publikation verwenden. Sich an der gemeinsamen Konvention von Word und Google Docs zu orientieren – Wörter mit Bindestrich und Kontraktionen jeweils als ein Wort gezählt – kommt einem sicheren, universellen Standard am nächsten, gerade weil diese beiden Tools zusammen die überwältigende Mehrheit der Situationen abdecken, in denen eine Wortzahl mit etwas Externem, Konkretem übereinstimmen muss.