WikiDer > ISO 639

ISO 639 ist in der Sprachtypologie ein internationales Norm, herausgegeben von der Internationale Standardisierungsorganisation (ISO), zum Kodieren von Sprachen in zwei- und dreibuchstabigen Codes. ISO 639 gibt es schon sehr lange in zwei Grundvarianten, ISO 639-1 und ISO 639-2. Eine dritte Version, ISO 639-3, ist per 5. Februar2007 von der ISO bestätigt.^[1] Für die gesamte ISO 639 gilt, dass die bevorzugte Schreibweise der Sprachcodes komplett in Unterschrank ist, aber es wird ausdrücklich darauf hingewiesen, dass bei Verarbeitungssystemen die Unterscheidung zwischen Unterschrank und Wandschranknicht ist obligatorisch.

Der Sprachcode sollte nicht verwechselt werden mit Ländercodes, wie ISO 3166-1. So ist Sein der Sprachcode für Belarussisch (Weißrussisch) ist aber BE de Landesvorwahl für Belgien.

ISO 639-1

Die älteste Variante ISO 639-1 erfasst aus zwei Buchstaben bestehende Sprachcodes für eine ziemlich begrenzte Anzahl häufig verwendeter Sprachen. Zur visuellen Unterscheidung zwischen Sprach- und Ländercodes, insbesondere wenn Länder- und Sprachcodes dieselbe Buchstabenkombination haben, wird empfohlen, die ISO 639-Sprachcodes klein und die ISO 3166-Ländercodes in Großbuchstaben zu schreiben.

Sprachen, die einen ISO 639-1-Code haben, haben per Definition auch einen ISO 639-2-Code. Die Konvertierung ist einfach über die Suche auf der SIL-Site.^[2]

ISO 639-2

ISO 639-2 entstand hauptsächlich durch die Zusammenführung der Sprachcodes aus ISO 639-1 mit den MARCSprachcodes, eine Sammlung von Drei-Buchstaben-Codes für bibliografische Anwendungen, die bereits 1987 als ANSI Z39.53 als Standard etabliert wurde. Aufgrund der unterschiedlichen Präferenzen und der Geschichte beider Standards gibt es jedoch feine Unterschiede in den enthaltenen „Sprachen“ und den verwendeten Codes.

Um dies etwas auszugleichen, enthält ISO 639-2 manchmal zwei Codes für eine Sprache, aufgeteilt in zwei Unterversionen des Standards. Die Version ISO 639-2/B wird für die Bibliographie und ISO 639-2/T für die Terminologie verwendet. Obwohl sie weitgehend gleich sind können Unterschiede auftreten. Zur Zeit^[Quelle?] die Codes /B und /T für 23 Sprachen sind unterschiedlich, auch für Niederländisch (/T=ger, /B=ger).

ISO 639-2/B (Bibliographie) basiert auf der MARC-Präferenz:

• Präferenz der Länder, die die Sprache verwenden
• vorhandene Codes in nationalen und internationalen bibliographischen Datenbanken
• der Name der Sprache in der Sprache selbst oder in Englisch

ISO 639-2/T (Terminologie) basiert auf der ISO-Präferenz:

• der Name der Sprache in der Sprache selbst
• Präferenz der Länder, die die Sprache verwenden

ISO 639-3

ISO 639-1 und -2 stammen hauptsächlich von technischen Organisationen und decken nicht alle bekannten Sprachen ab – selbst ISO 639-2 umfasste zunächst nur etwa 400 Sprachen. Besonders in Linguistik spezialisierte Institute wie z SIL International hatte ihre eigenen Kodierungen mit Tausenden von "Sprachen" (wie die SIL-Codes von dem Ethnologe), die völlig von ISO 639 abwichen.

Mit ISO 639-3 werden diese Welten nun in einem alle bekannte „Sprachen“ in einem Kodierungssystem mit drei Buchstaben pro Sprache unterzubringen, einschließlich Kodierungen für historische/tote und konstruierte Sprachen. Die ISO 639-2-Codes wurden mit dem met Codes aus dem Ethnologen (mehr als 6900 lebende Sprachen) und Linguistenliste (für historische/tote und konstruierte Sprachen und dergleichen). SIL wurde als Registrierungsstelle für das Projekt benannt.^[3]

RFC 3066BIS

RFC 3066 wurde inzwischen durch RFC 3066BIS ersetzt.^[4] Es setzt jedoch weiterhin auf ISO 639-1 und -2 und folgt weitgehend den gleichen Regeln wie das alte RFC 3066. Eine wichtige Entwicklung ist, dass IANA und ISO vereinbart haben, dass ISO 639 so weiterentwickelt wird, dass bereits bestehende RFC 3066bis-basierte Sprachcodierungen nicht mehr ungültig werden und dass IANA auch Kommentare in RFC 3066bis einbauen wird, um die Erstellung neuer ISO 639-Codes auszuschließen oder zu berücksichtigen. Der Standard ist also robuster werden.

Auffällig ist, dass die aktuelle Version noch auf die begrenzte Anzahl der von der IANA registrierten Alpha-3-Codes aus der ISO 639-2 setzt und damit noch nicht die riesige Liste der ISO 639-3 spezifiziert.

Für zukünftige Erweiterungen wurden jedoch zusätzliche Optionen definiert (damit die Software dies grundsätzlich schon berücksichtigen kann) und einige zusätzliche Codierungsoptionen hinzugefügt. Durch diese neuen Möglichkeiten werden viele Kombinationscodes, die explizit für die alte 3066 separat registriert wurden, implizit unterstützt.

Um Ihnen eine Vorstellung zu geben, ist die Spezifikation unten stark zusammengefasst und unvollständig angezeigt, jedoch mit den praxisrelevantesten Regeln:

Untertag der primären Sprache

Ähnlich den Regeln für das alte RFC 3066, mit dem Unterschied, dass die Startversionen von ISO 639-1 und -2 fixiert sind und Änderungen/Erweiterungen an diesen so sein werden, dass bestehende Sprachcodes, die mit RFC 3066 erstellt wurden, gültig bleiben.

• Alle zweibuchstabigen Codes sind ISO 639-1:2002 oder spätere Erweiterungen.
• Alle dreibuchstabigen Codes sind ISO 639-2:1998 oder spätere Erweiterungen (qaa bis zu qtz sind für den privaten Gebrauch).
• Vier- bis achtstellige Codes sind vorerst reserviert.

Es gilt weiterhin, dass für alle Sprachen, die sowohl einen zwei- als auch einen dreibuchstabigen Code haben, der Alpha-2-Code verwendet wird und dass für den dreibuchstabigen die Variante 'Terminologie' (ISO 639-2/T) verwendet wird Codes (aber alle Sprachen, in denen /T- und /B-Unterschiede auch einen Alpha-2-Code haben, ist also praktisch irrelevant).

Skript-Untertag

Skript-Subtags beschreiben das verwendete Skript wie das lateinische Alphabet, kyrillisch oder auch Blindenschrift.

• Es dürfen maximal ein Skript-Untertags verwendet werden (oder keine) und es muss hinter das Untertag der Hauptsprache kommt und vor dem alle anderen Unter-Tags.
• Die bevorzugte Schreibweise (aber nicht zwingend) beginnt mit einem Großbuchstaben und die anderen Zeichen in Kleinbuchstaben.
• Alle vier Buchstabencodes sind ISO 15924 Alpha-4-Skriptcodes
• Die Codes 'Qaa' bis zu 'qabx' sind für den privaten Gebrauch.

Eine große Anzahl von Skriptcodes wurde registriert, darunter Arabisch ('Arabisch'), Blindenschrift ('brai'), Kyrillisch ('cyrl'), Griechisch ('Griechisch'), Latein ('laten') usw.

Regions-Untertags

Die bereits vorhandene Option für Ländercodes nach ISO 3166 wurde um eine Reihe von Regionalcodes aus der Liste erweitert UN M.49 zur Identifizierung von Regionen der Vereinte Nationen. Diese Zusammenfassung der Regeln gibt eine grobe Vorstellung von der Anwendung:

• Es darf maximal ein Regionalcode verwendet werden, nämlich hinter Sprach- und Skript-Untertags und vor dem alle anderen.
• Alle zwei Buchstabencodes sind ISO 3166-1 Alpha-2-Ländercodes (AA, QM-QZ, XA-XZ und ZZ sind für den privaten Gebrauch).
• Alle drei-Buchstaben-Codes, die beginne mit einer Zahl sind UN M.49, aber nicht alle UN M.49-Codes sind erlaubt:
  • Nicht: Alles, wofür es einen ISO 3166 Alpha-2-Code gibt.
  • Nicht: Wirtschaftsgruppen.
  • Do: Makrogeografische Gebiete (nicht an territoriale Grenzen gebunden).
  • Do: Codes für Länder oder Gebiete mit unklar definierten ISO 3166 Alpha-2-Codes.

Einige Beispiele für registrierte Regionalcodes sind: Welt (001), Afrika (002), Europa (150), Westeuropa (155), Lateinamerika und die Karibik (419).

Varianten-Untertags

Diese erfassen weithin anerkannte Varianten von Sprachen oder Dialekten, die nicht von den bereits vorhandenen Sprachuntertags abgedeckt werden. Dafür gibt es keine allgemeinen Standards und sie werden anhand von (obligatorischen) Anmeldung bei IANA.

• Varianten-Untertags kommen hinter alle definierten Untertags und vor dem alle erweiterten und privaten Untertags.
• Codes, die mit einem Buchstaben beginnen, müssen mindestens fünf Zeichen lang sein.
• Codes, die mit einer Zahl beginnen, müssen mindestens vier Zeichen lang sein.
• Möglicherweise wurde bei der Registrierung ein Präfix definiert, das festlegt, für welche führenden Sprachcodes der Variantencode nur gültig ist (stellen Sie den slowenischen Variantencode ein 'nedis' wird mit Präfix definiert 'sl' dann sind sl-nedis und sl-IT-nedis gültig, aber it-IT-nedis nicht).

Bemerkenswert wenige Varianten von Subtags sind derzeit bei der IANA registriert. Neben einer Reihe von Sprachvarianten wie beispielsweise Dialekten sind für das Deutsche auch Schreibvarianten für die Sprachrevisionen von 1901 und 1996 registriert. So ist de-1996 also deutsche 'neue Schreibweise' oder the-CH-1901 Schweizerdeutsch alte Schreibweise. Für Niederländisch sind solche Varianten übrigens nicht registriert.

Erweiterung und privater Subtag

Außerdem kann es sein ErweiterungUntertags werden registriert. Diese beginnen dann mit einem einzelnen Buchstaben mit Minuszeichen (a Singleton), gefolgt vom Tag, analog zu den privaten Tags, die bereits im älteren RFC 3066 möglich waren (x-blabla). Mehr als ein Erweiterungs-Subtag ist zulässig, aber jedes Singleton darf nur einmal im vollständigen Sprachcode vorkommen. Also zum Beispiel nl-BE-a-mycode-b-yourcode könnte (wenn registriert), aber de-c-yourcode-c-thatcode kann nie wegen des doppels c- Singleton.

Anwendung der Standards

Das Abbilden von Sprachen und Sprachvarianten ist keine sehr genaue Wissenschaft, Emotionen und Politik beeinflussen die Kategorisierung deutlich und Verfeinerungen können fast endlos vorgenommen werden. Dazu kommen hitzige Diskussionen darüber, was genau a Sprache, Dialekt, regionale Sprache (oder was auch immer) und es wird schnell unübersichtlich.

Weitreichende Verfeinerungen sind vor allem beim Einsatz in automatisierten (Informations-)Systemen eher ein Ärgernis als ein Nutzen. Die zweibuchstabigen ISO 639 Alpha-2-Codes reichen für die allermeisten Anwendungen aus, denn mit ihnen lassen sich bereits die gängigsten Sprachen angeben (sicherlich in Kombination mit den ISO 3166 Ländercodes). Die Alpha-3-Codes von ISO 639-2 deckten noch mehr Sprachen ab, verursachten aber gleichzeitig einige Probleme aufgrund der Unterschiede zwischen den Varianten /B und /T.

Basierend auf ISO 639 und dem RFC 3066 wurden im Laufe der Zeit von „Dritten“ Substandards entwickelt, um mehr Sprachen strukturiert zu codieren. Beispielsweise, SIL International einen einheitlichen Weg vorgeschlagen SIL-Codes von dem Ethnologe im RFC 3066-Framework anzuwenden als x-sil-XXX, wobei 'XXX' der SIL-Sprachcode ist, also zum Beispiel x-sil-VLS für Flämisch und x-sil-GER für Niederländisch.

Übrigens hat SIL alle seine Codes mit der 15. Ausgabe des Ethnologue an ISO 639-3 angeglichen und wird daher auch ger und vls verwenden (war DUT und VLS). Es gibt jedoch Unterschiede zwischen den neuen SIL-Codes und ISO 639-3 in dem Sinne, dass einige Sprachen, für die ISO-Codes existieren, nicht im Ethnologue erscheinen und dass insbesondere in der Auswahl der Gruppierungssprachen (Familie oder Gruppencodes) sind unterschiedlich.

RFC 3066bis sagt auch klar, dass es immer vorzuziehen ist, den einfachsten möglichen Code zu verwenden und niemals zusätzliche Untertags zu verwenden, wenn sie nichts Wesentliches hinzufügen. Also niemals verwenden nl-Latn-NL für Anträge, bei denen keine Unterschiede in der Schriftform und in den lokalen Sprachvarianten des Niederländischen erwartet werden; einfach NL reicht dann. Wenn Sie jedoch eine Anwendung haben, in der beispielsweise auch Brailleschrift möglich ist (Lesesystem?), kann es sinnvoll sein, Teile als parts de-Latnisch oder de-Brai.

Die Einführung der ISO 639-3 wird voraussichtlich Konsequenzen für die Verwendung der alten Kombinationscodes haben. Wir können uns jetzt auf Flämisch beziehen als vls (ISO 639-3), aber alte Kodierungen wie de-BE oder x-sil-VLS wird nicht wie Schnee in der Sonne verschwinden, so dass eine Menge Software dies vorerst unterstützen muss. Übrigens hat die IANA noch nie solche Kombinationscodes für Flämisch registriert und stellt „Flämisch“ nachdrücklich unter NL.

Verwirrung, Problemfälle und Meinungsverschiedenheiten darüber, welcher Code wann bevorzugt wird, werden mit der Einführung von ISO 639-3 nicht der Vergangenheit angehören. Bis jetzt könntest du dir Sorgen machen oder Flämisch jetzt de-BE musste sein oder vielleicht de-FR (wegen Französisch-Flandern) oder vielleicht x-sil-VLS oder etwas anderes. Solche Probleme werden weiterhin bestehen, aber jetzt auf einer viel detaillierteren Ebene - also zum Beispiel, um wieder Varianten innerhalb von Flämisch codieren zu können.

Ein weiteres/neues Problem, das jetzt auftreten kann, ist die Unklarheit aufgrund von "Makrosprachen". Wie wir einmal hatten qu (oder que) ganz allgemein für Quechua. Das gibt es noch, aber in ISO 639-3 gilt es als Makrosprache für etwa vierzig Einzelsprachen aus der Quechuan-Sprachfamilie. Mit vorbestehenden, wenn qu/que markierte Dokumente sollten Sie sich nun die Frage stellen, ob diese tatsächlich als inderdaad Lingua francaVariante von Quechua oder ob nicht einer der einzelnen Sprachcodes gewählt werden soll. Also viel Nachsorge und vorerst viele mögliche Zweifel an der Interpretation oder 'Richtigkeit' alter Codes qu oder que.

Beim Entwurf der ISO 639-3 wurde zunächst fälschlicherweise angenommen, dass die alte fy/braten Code in ISO 639-1 und -2 für 'Friesisch im weitesten Sinne' stand und ist braten als Makrosprache enthalten (zusätzlich bei falscher Wahl der Sprachen, die in diese Gruppe gehören würden), wobei fr bekam dann die Position des Holländers Friesland, aber mittlerweile ist SIL zu dem Schluss gekommen, dass für Friesisch keine Makrosprache notwendig ist und braten immer niederländisch Westerlauwers Friesisch als individuelle Sprache. Der eingegebene Code für Westerlauwers Friesian (fr) ist also wieder wie Im Ruhestand gekennzeichnet und sollte daher niemals verwendet werden (der Standard ist ja noch nicht ratifiziert). Neu sind die anderen einzelnen 'Sprachen' Nordfriisk (frr), Saterfries (stq) und Ostfriesisches Plat German (frs) (wobei letztere keine friesische Sprache ist, sondern a Niedersächsisch Dialekt).

Ebenso könnten Sie die Verwendung von in Frage stellen NL. Das ist keine Makrosprache geworden, sondern eine individuelle Sprache ger auf Augenhöhe mit unter anderem flämisch (vls), Seeland (zea), Twente (twd) und dergleichen. Von jeher hast du all diese Sprachen einfach weggewischt, ohne nachzudenken NL, aber anscheinend meinst du mit NL implizit ger. Ein flämisches Dokument als NL Codierung wäre also nicht mehr in gewissem Sinne richtig, sondern durch vls Sie können eine Nuance einführen, die zu weit geht und daher auch nicht erwünscht ist.

Beachten Sie, dass die IANA die Codes aus ISO 639-3 für RFC 3066(bis) noch nicht registriert hat und dies für den Einsatz in RFC 3066-konformen Systemen (Internet!) noch keine offizielle Rolle spielt.

Die Arbeit mit diesen Sprachcodes bleibt daher eine Frage des Denkens, der Sorgfalt und der richtigen Entscheidungen.

Tabellen

Eine Liste der Sprachcodes finden Sie unter Liste der ISO 639-1-Codes.

Die Liste der Wikipedias mit ihren Codes finden Sie unter Liste der Wikipedias.

Die folgende Tabelle veranschaulicht die Unterschiede zwischen ISO 639-1, -2 und -3 und anderen Sprachcodesystemen anhand einiger Beispielsprachen:

Vollständige Übersichten und Tabellen finden Sie online über die externen Links unten.

Siehe die Kategorie ISO 639-Symbole von Wikimedia Commons für Mediendateien zu diesem Thema.