Aussprache der deutschen Sprache

Grundbegriff und Entwicklung

Die Aussprache der deutschen Sprache beschreibt die Phonetik und Phonologie der deutschen Standardsprache, also die Laute des Deutschen und ihre Funktion im Sprachsystem. Deutsch ist eine plurizentrische Sprache: Es gibt mehrere nationale und regionale Standardvarietäten, die in der Aussprache weitgehend übereinstimmen, aber nicht völlig gleich sind. Im weiteren Sinn kann auch die Aussprache der deutschen Dialekte gemeint sein.

Historisch war die deutsche Standardsprache zunächst vor allem eine Schriftnorm. Beim Sprechen richtete man sich lange nach regionalen Mundarten. Vom 16. bis zum 18. Jahrhundert galt besonders die sächsische Aussprache, das Meißnische, als vorbildlich, vor allem in Mittel- und Norddeutschland. Im 19. Jahrhundert gewann die norddeutsche Aussprache an Einfluss, unter anderem wegen der politischen Bedeutung Preußens und weil in vielen Teilen Norddeutschlands die Standardsprache die Mundarten im Alltag stärker verdrängte.

Eine wichtige Kodifizierung erfolgte 1898 durch Theodor Siebs in der Deutschen Bühnenaussprache. Moderne Aussprachewörterbücher stimmen im Großen und Ganzen mit dieser Tradition überein, weichen aber in Einzelheiten ab. Heute gilt besonders das Duden-Aussprachewörterbuch von Max Mangold als ausführliche Darstellung der deutschen Standardaussprache. Diese Norm wird häufig im Deutschunterricht für Ausländer und in Wörterbüchern verwendet.

Standardaussprache und regionale Varianten

Die Standardaussprache ist ein Ideal, aber es gibt verschiedene anerkannte Aussprachevarianten des Deutschen. Deshalb ist es unrealistisch, nur eine einzige Aussprache des Standarddeutschen als „richtig“ zu betrachten und alle anderen Formen als bloß dialektgefärbte Abweichungen zu werten.

Normunterschiede hört man zum Beispiel in Radio und Fernsehen: Sprecherinnen und Sprecher aus Deutschland, Österreich und der Schweiz sprechen Standarddeutsch unterschiedlich aus. Dass die Variante aus der Bundesrepublik Deutschland besonders präsent ist, liegt vor allem an der höheren Bevölkerungszahl und damit an mehr Sendern und größerer Reichweite. Auch innerhalb Deutschlands gibt es Unterschiede, etwa zwischen bayerischen und norddeutschen Sprecherinnen und Sprechern.

Vokale und Diphthonge

Das deutsche Vokalsystem ist mit rund 15 Monophthong-Vokalphonemen relativ groß. Ein Monophthong ist ein einzelner Vokallaut wie /a/ oder /iː/. Zum Vergleich nennt der Artikel das Spanische, das nur fünf Vokale kennt. Im Deutschen werden die Vokale hauptsächlich durch die Buchstaben a, e, i, o, u, ä, ö und ü dargestellt, in Fremdwörtern und Eigennamen auch durch y und seltener é.

Viele betonte Vokale treten in Paaren auf, zum Beispiel /aː/ und /a/, /eː/ und /ɛ/, /iː/ und /ɪ/, /oː/ und /ɔ/, /uː/ und /ʊ/, /øː/ und /œ/ sowie /yː/ und /ʏ/. Diese Paare unterscheiden sich oft zugleich in Länge und Klangqualität. So unterscheiden sich Ritt /rɪt/ und riet /riːt/ nicht nur durch die Länge, sondern auch durch die Qualität des Vokals. In der Forschung gibt es verschiedene Erklärungen dafür: Manche sehen die Vokalquantität, also die Länge, als entscheidend an; andere die Vokalqualität, also den Klang; wieder andere den Silbenschnitt.

Ein besonderer Fall ist /ɛː/ wie in Käse. In mehreren Varietäten, besonders im Norden Deutschlands und Osten Österreichs, wird es oft wie /eː/ ausgesprochen. In der Hochlautung werden /ɛː/ und /eː/ unterschieden, etwa in Minimalpaaren wie Seele – Säle, Belege – Beläge oder Ehre – Ähre. Vor /r/ besteht allerdings eine starke Tendenz, den Unterschied zu neutralisieren.

In französischen Lehnwörtern können lange Nasalvokale wie /ãː/, /ɛ̃ː/, /œ̃ː/ und /õː/ vorkommen, etwa in Ballon, Parfüm oder Orange. Ihr Status als Phoneme ist aber fraglich; häufig werden sie durch Oralvokal plus [ŋ], [n] oder [m] ersetzt.

Das Deutsche hat drei zentrale Diphthonge, also gleitende Vokale innerhalb einer Silbe: [aʊ̯] wie in Haus, [aɪ̯] wie in Heim und [ɔɪ̯] wie in Eule. Daneben werden manchmal periphere Diphthonge genannt, etwa [ʊɪ̯] in hui! oder pfui!, [ɛɪ̯] in Mail oder Fake und [ɔʊ̯] in Soul oder Code.

Konsonanten und Lautverbindungen

Das deutsche Konsonantensystem hat rund 25 Phoneme und damit im Vergleich mit anderen Sprachen eine durchschnittliche Größe. Auffällig ist die Affrikate /p͡f/ wie in Pfaffe oder Apfel. Eine Affrikate ist ein Laut, der mit einem Verschluss beginnt und in einen Reibelaut übergeht.

Viele deutsche Konsonanten bilden Paare mit gleichem Artikulationsort und gleicher Artikulationsart, etwa /p–b/, /t–d/, /k–ɡ/, /s–z/ und /ʃ–ʒ/. Sie werden oft Fortis-Lenis-Paare genannt. Fortis-Laute wie /p, t, k/ sind in vielen Varietäten stärker und meist aspiriert, also mit hörbarem Hauch gesprochen. Die Aspiration ist am stärksten am Anfang betonter Silben, etwa in Taler [ˈtʰaːlɐ], schwächer in unbetonten Silben und am schwächsten am Silbenende. In [ʃt] und [ʃp], etwa Stein oder Spur, gibt es keine Aspiration.

Lenis-Konsonanten wie /b, d, ɡ, z, ʒ/ sind in vielen süddeutschen Varietäten stimmlos. Es ist umstritten, ob der Unterschied zu den ebenfalls stimmlosen Fortis-Konsonanten vor allem in Artikulationsspannung oder Artikulationsdauer liegt. Im nördlichen Deutschen wird die Fortis-Lenis-Opposition am Silbenende durch Auslautverhärtung aufgehoben. In verschiedenen mittel- und süddeutschen Varietäten kann sie auch am Silbenanfang aufgehoben sein.

Wichtige Einzellaute sind unter anderem der Glottisschlag [ʔ], der oft nicht als eigenes Phonem, sondern als Grenzmarkierung beschrieben wird; der Ich-Laut [ç] wie in Ich; der Ach- oder Uch-Laut [χ] beziehungsweise [x] wie in Bach oder Buch; sowie mehrere mögliche r-Laute: [r], [ʀ] und [ʁ]. Diese r-Laute sind freie Allophone, also Varianten desselben Phonems. Am Silbenende wird /r/ oft vokalisiert, etwa in sehr [zeːɐ̯] oder besser [ˈbɛsɐ].

Die deutsche Phonotaktik, also die Regeln für erlaubte Lautverbindungen, erlaubt relativ komplexe Konsonantencluster. Am Wortanfang sind bis zu drei Konsonanten möglich, etwa in Streit [ʃtʁ], Sklave [skl] oder sprießen [ʃpʁ]. Am Wortende sind bis zu vier Konsonanten möglich, etwa in hältst [ltst]. In der Schrift wirken solche Gruppen oft noch komplexer, weil Di- und Trigraphen vorkommen, etwa in kleckst, Angstschweiß, schrumpfst oder knutschst.

Betonung, Satzmelodie und Rhythmus

Zur Prosodie gehören Betonung, Intonation und Rhythmus. Bei der Wortbetonung wird die betonte Silbe stärker und lauter gesprochen; das nennt man dynamischen Akzent. Nach traditioneller Vorstellung herrscht im Deutschen Stammbetonung: Betont wird die erste Silbe des Stamms, wie in lehren, Lehrer, Lehrerin oder belehren. Manche Präfixe und Suffixe ziehen die Betonung jedoch auf sich, zum Beispiel in Aussprache, vorlesen oder Bäckerei.

Neuere Beschreibungen betrachten den Wortakzent häufig vom rechten, hinteren Rand des Wortes aus. Nach Vennemanns Dreisilbenregel liegt der Hauptakzent auf einer der drei letzten Silben, etwa in Kamera, Kanone oder Kamerad. Andere Ansätze sehen die vorletzte Silbe, die Pänultima, als reguläre Akzentposition oder berücksichtigen die Silbenquantität. Wortbildungssuffixe können den Akzent beeinflussen: Akzentneutrale Suffixe sind zum Beispiel -heit/-keit, -er, -ig und -ung; akzentbestimmende Suffixe sind etwa -ei, -ion, -al und -ier. Bei mehreren Suffixen bestimmt das letzte akzentbestimmende Suffix den Wortakzent, wie in Neutralisierung.

Bei Fremdwörtern lässt sich keine allgemeine Betonungsregel angeben, weil die Betonung oft mit dem Wort übernommen wird. Bei Komposita liegt die Betonung meistens auf dem ersten Wort, dem Bestimmungswort. Ausnahmen sind Kilometer und Jahrhundert. Bei dreiteiligen Komposita hängt die Betonung von der inneren Struktur ab, etwa Bundesgartenschau mit Betonung auf dem zweiten Teil oder Schreibtischlampe mit Hauptbetonung auf dem ersten Wort.

Das Deutsche kennt fallende, steigende und schwebende, also progrediente, Intonation. Fallende Intonation markiert den Satzschluss bei Aussagesätzen und Wortfragen, etwa „Wann kommst du?“ oder „Ich komme jetzt.“ Schwebende Intonation steht häufig zwischen Haupt- und Nebensatz. Steigende Intonation ist typisch für Entscheidungsfragen wie „Isst du gerne Schokolade?“ Wortfragen können ebenfalls steigend gesprochen werden, wenn sie freundlicher wirken sollen. Im Schweizer Hochdeutsch kann steigende Intonation auch in Aussagesätzen vorkommen.

Der Satzhauptakzent liegt auf dem Rhema, also meist auf der neuen oder wichtigsten Information gegen Ende des Satzes. Die deutsche Sprache ist außerdem durch einen „punktierten Sprechrhythmus“ gekennzeichnet: Betonte Silben sind nicht nur lauter, sondern auch länger als unbetonte; unbetonte Silben nach einer betonten Silbe werden fast immer kürzer gesprochen.

Rechtschreibung, Aussprache und Gesang

Die deutschen Ausspracheregeln verbinden Buchstaben und Lautwerte, aber nicht immer eindeutig. Die Vokalbuchstaben a, e, i, o, u, ä, ö, ü und y können je nach Umgebung lange oder kurze Vokale bezeichnen, etwa a als [a] oder [aː], e als [ɛ], [eː] oder in unbetonten Silben auch [ə]. Das e kann in Endungen und Reduktionssilben als Schwa [ə], als silbischer Konsonant oder in er als [ɐ] erscheinen, etwa in Vater. In manchen Varietäten, zum Beispiel im Kunstgesang oder im schweizerischen Deutsch, wird häufiger [e] statt [ə] gesprochen.

Vokalbuchstabenkombinationen können Diphthonge bilden, etwa ei, eu, äu, au, ai oder oi. Andere Kombinationen können auf unsilbische Laute wie [j] oder [v] hinauslaufen, zum Beispiel bei qu [kv]. Bestimmte Kombinationen dienen der Längenkennzeichnung: aa, ee, oo, ie und stummes h zeigen oft einen langen Vokal an, wie in Tee, Liebe oder Zahl. Diese Zeichen sind aber nicht immer eindeutig, besonders in Fremdwörtern, Eigennamen oder unbetonten Silben.

Die Länge eines Vokals lässt sich oft aus der Silbenstruktur erschließen. In offenen Silben ist ein einzelner Vokalbuchstabe meist lang, etwa in Leben oder raten. In geschlossenen Silben ist er häufig kurz, etwa in Kante, Hüfte oder Wolke. Doppelte Konsonantenbuchstaben sowie ck und tz signalisieren meist einen kurzen Vokal, wie in Sonne, Ratte oder Masse. Ein einzelner Konsonantenbuchstabe kann dagegen auf Länge hinweisen, wie in Krone, hören, raten oder Maße. Vor x ist ein einzelner Vokalbuchstabe immer kurz, etwa in Hexe oder Axt. In Eigennamen und im Schweizer Gebrauch von ss statt ß ist die Vorhersage schwieriger.

In der klassischen Vokalmusik wird Deutsch etwas anders ausgesprochen als auf der Sprechbühne. Die Lehrmeinungen unterscheiden sich je nach Gesangsschule und Generation. Diskutiert werden vor allem Veränderungen der Vokalqualität, wenn eine gesungene Note länger ist als der entsprechende gesprochene Vokal, sowie das Abdunkeln von Vokalen in hohen Lagen. Das Schwa [ə] wird im Gesang oft als [ɛ] gesungen, besonders auf längeren Noten. Das r wird häufig mit der Zungenspitze als [r] gesprochen, vor allem am Wortanfang oder in der Wortmitte. Der Glottisschlag vor anlautendem Vokal kann zugunsten eines aspirierten Tonansatzes wegfallen, was aber die Textverständlichkeit beeinträchtigen kann. Konsonanten werden in der klassischen Musik meist stärker ausgesprochen, um die Verständlichkeit zu erhöhen.