Sprache ist immer, Sprache ist überall; Sprache ist das vielleicht wichtigste kommunikative Werkzeug, das Menschen zur Verfügung steht, um dazuzugehören, anzukommen, miteinander zu leben. Doch Sprache ist auch ein kultureller Diskussionsfaktor.
Sprache ist nicht nur ein Werkzeug zur aktiven Kommunikation, sondern wird auch passiv immer wieder diskutiert. Etwa beim Thema Integration von Geflüchteten. Das Pew Research Center führte 2017 weltweit eine Untersuchung durch, bei der die Befragten mit großer Mehrheit das Sprechen der dominanten Mehrheitssprache als die wichtigste Voraussetzung nannten, um als Teil der Gesellschaft anerkannt, beziehungsweise integriert zu werden, wie Rebecca Eva Cramer im Projektbericht „Die Funktion von Sprache für Identitätskonstruktion und Akkulturationsprozesse“ von 2019 erläutert. Sie betont aber auch, dass Integration ein komplexer dynamischer Prozess sei, der sowohl seitens der Mehrheitsgesellschaft als auch seitens ethnischer Gruppen die Auseinandersetzung mit verschiedenen Aspekten beleuchten müsse. Dazu gehöre es, Werte, Normen und kulturelle sowie soziale Praktiken der jeweils anderen Gruppe zu respektieren. Sprich: Sprache zeugt von äußerer und innerer Identität. Diese werde „in der Interaktion mit der Umwelt ausgehandelt“, etwa durch die Übernahme sozialer Rollen in der Familie und im Berufsleben, aber auch „durch Gruppenzugehörigkeiten, die einerseits durch Kriterien wie Geschlecht, Alter oder Ethnie determiniert sind, andererseits bewusst gewählt werden, wie etwa durch Mitgliedschaft in einem Sport- oder Musikverein“.
Sprache zeugt von Identität
Die babylonische Sprachverwirrung fängt sozusagen am Gemüseregal an. Stimme ist genauso bedeutsam wie Gesicht, Kleidung oder Körpersprache – ein echter Identitätsmarker. Sie verrät, wer wir sind, woher wir kommen, wie wir uns fühlen und welche soziale Rolle wir einnehmen. Stimme ist nicht nur ein Werkzeug der Kommunikation, sondern ein kulturell geformtes, biografisch gewachsenes und sozial interpretiertes Element der Identität, quasi ein akustischer Fingerabdruck. Doch genauso, wie wir ein Individuum erkennen, bemerken wir auch die Unterschiede zu anderen Menschen, zu benachbarten Kulturkreisen, zu entfernten Weltabschnitten.
Stichwort Dialekt: „Dialekte sind Varianten einer Sprache, die sich in verschiedenen geografischen oder sozialen Gruppen bilden und entwickeln“, fasst Bernadette Harms auf alfred-echtle.de zusammen, einem Blog über die sprachlichen Eigenheiten verschiedener Nationalitäten. Dialekte entstünden oft aus der historischen Isolierung von Bevölkerungsgruppen. Auch historische Ereignisse wie Eroberungen, Migrationen oder soziale Veränderungen könnten zur Bildung neuer Dialekte führen, mit Unterschieden in Wortschatz, Grammatik, Aussprache und Intonation. Dabei sei es wichtig zu beachten, dass Dialekte auch Geschichte, Traditionen und Weltanschauung ihrer Sprecher widerspiegelten.
Dies unterscheidet Dialekte von Akzenten, die sich im Gegensatz dazu auf Unterschiede in der Aussprache beschränken. Akzente können auf den regionalen oder sozialen Hintergrund eines Sprechers hinweisen, beinhalten aber keine Unterschiede im Wortschatz oder in den grammatikalischen Strukturen. „Akzente machen sich oft bemerkbar, wenn eine Person eine andere Sprache als ihre Muttersprache spricht, und spiegeln die phonetischen Merkmale ihrer Muttersprache wider“, schreibt Bernadette Harms.
Sie verweist dabei auf das Englisch im Vereinigten Königreich – dessen Varietäten von Scots über Cockney bis hin zu Received Pronunciation reichen –
und auf das amerikanische Englisch mit Unterschieden vom südamerikanischen Dialekt bis hin zu Akzenten in New York oder Boston. Das europäische Spanisch (Kastilisch) unterscheide sich von lateinamerikanischen Varianten wie dem mexikanischen oder argentinischen Spanisch nicht nur im Akzent, sondern auch im Wortschatz und in grammatikalischen Merkmalen, wie der Verwendung der zweiten Person Plural. Die Dialekte Nordrusslands wiederum würden sich von den Dialekten Südrusslands durch Unterschiede in Aussprache, Wortschatz und sogar in einigen Aspekten der Grammatik unterscheiden.
Zu dieser endlos wirkenden Anzahl an Dialekten, Akzenten und Idiolekten gesellt sich nun noch dazu, wie Kulturen, Gemeinschaften und einzelne Personen Sprache überhaupt wahrnehmen. Von bestimmten Personentypen erwarten Menschen scheinbar automatisch bestimmte Stimmen. Diese Erwartungen entstehen aus sozialen Rollen, Stereotypen, körperlichen Merkmalen, Alter, Geschlecht, Status und sogar Berufsbildern. Wenn eine Stimme nicht zu diesen Erwartungen passt, entsteht sofort ein Gefühl von Irritation, Überraschung oder Unstimmigkeit.
Die Liste der unbewusst akustischen Erwartungen ist so lang, wie der Turm zu Babel hoch werden sollte: Generell wird von Frauen erwartet, höher, weicher und emotionaler zu reden, während Männer damit leben müssen, als tiefer, ruhiger und kontrollierter aufzutreten. In einigen Kulturen wird eine tiefe Männerstimme mit Kompetenz und Dominanz verbunden, eine höhere Frauenstimme mit Freundlichkeit oder Höflichkeit. Wenn eine Frau sehr tief oder ein Mann sehr hoch spricht, wird das oft nicht unbedingt negativ wahrgenommen, wirkt dennoch meist zumindest auffällig.
Stimmen von großen, kräftigen Personen werden als tief, resonant, langsam erwartet. Umgekehrt werden bei zierlichen Personen höhere und schnellere Sprechrhythmen vorausgesetzt. Wenn das nicht passt, kann das „überraschend“ wirken. Auch auf das Alter kann oder möchte man in der Regel schließen. Kinder sprechen hoch, hell und schnell, während Jugendliche variabel auftreten, auch wegen des Stimmbruchs. Erwachsenen sagt man stabilere Stimmen im mittleren bis tieferen Bereich nach, während Ältere durch weniger Spannkraft rauer und langsamer beim Sprechen werden.
Stimmliche Vorurteile passieren automatisch
Diese Erwartungen spiegeln sich bei Berufen wider. Dienstleister erwarten wir „freundlich, warm, hell, lächelnd“, Schauspielerinnen oder Designer legen wir unter „expressiv und variabel“ ab. Passt eine Stimme nicht zum Beruf, entsteht sofort ein „Mismatch“-Gefühl. Fachleute erklären diese stimmlichen Vorurteile auch damit, dass das Gehirn ständig Vorhersagen macht: Es kombiniert visuelle Hinweise, kulturelle Muster und früh gelernte Stereotype zu einer Erwartung, wie jemand klingen sollte.
Die Erforschung darüber, wie jemand klingen sollte, findet natürlich auch in der Künstlichen Intelligenz Einzug. Die aktuelle Untersuchung „Die Wahrnehmung von Menschlichkeit wird durch den Sprachinhalt beeinflusst“ der Max-Planck-Gesellschaft ergab, dass „computergenerierte Stimmen insgesamt als weniger menschlich empfunden wurden als die menschlichen Stimmen“. 16 kurze Sätze hatten die Forscherinnen auf Deutsch formuliert, etwa: „Der Junge schenkte seinem Vater einen Hut“. Die Sätze wurden manipuliert, indem einmal die Wortreihenfolge geändert wurde, ein anderes Mal die Worte durch ähnliche Pseudowörter ersetzt und ein drittes Mal beides miteinander kombiniert wurde.
Laut dieser Studie hätte auch der Inhalt des Gesagten Einfluss darauf, wie menschlich eine Stimme klingt. So fanden die Forscherinnen heraus, dass die manipulierten Sätze weniger menschlich klangen als die Originalsätze, unabhängig davon, ob ein echter Mensch oder eine generierte Stimme sie gesprochen hatte. Dieser Effekt, stellte sich heraus, kam jedoch nur zum Tragen, wenn die Zuhörer und Zuhörerinnen die Sprache auch verstanden.
Diesmal bewerteten je 40 deutsch-, spanisch- und türkischsprachige Teilnehmende die Stimmen. Es zeigte sich, dass der sprachliche Inhalt für Personen ohne Deutschkenntnisse bei der Einschätzung der Menschlichkeit keine Rolle spielte. Darüber hinaus spielt scheinbar auch das Alter der Zuhörenden bei der Bewertung eine Rolle, wie Seniorautorin Pauline Larrouy-Maestri abschließend erläuterte: „In unseren Studien stellen wir immer wieder fest, dass ältere Menschen computergenerierte Stimmen tendenziell als menschlicher empfinden als jüngere Menschen – und wir möchten verstehen, warum das so ist.“