Tool für Wortfrequenzanalyse

1. 1

   Text hinzufügen

   Fügen Sie ihn in das Feld ein oder legen Sie eine .txt-, .md-, .csv-, .tsv-, .log-, .json-, .srt- oder .vtt-Datei ab. Kurze Eingaben werden beim Tippen gezählt; längere Dokumente und Dateien werden gezählt, sobald Sie auf Analysieren drücken. Es wird nichts hochgeladen.

2. 2

   Wörter oder Wortgruppen wählen

   Ein Wort ergibt die klassische Häufigkeitsliste. Zwei, drei oder vier Wörter ergeben die Häufigkeit von Wortgruppen — die Ansicht, die wiederholte Formulierungen zeigt und nicht nur wiederholtes Vokabular.

3. 3

   Filter einstellen

   Schalten Sie Stoppwörter aus, um die Rohliste zu sehen, oder lassen Sie sie an, damit inhaltstragende Wörter nach oben rücken. Erhöhen Sie die Mindestlänge, um kurze Token auszuschließen, erhöhen Sie die Mindestvorkommen, um Einzelfälle auszublenden, und suchen Sie innerhalb der Ergebnisse, um einen Begriff zu isolieren.

4. 4

   Die Dichtespalte lesen

   Die Dichte ist der Anteil dieses Begriffs an allem Gezählten. Bei Wortgruppen ist der Nenner die Anzahl der Wortgruppenpositionen, nicht die Wortzahl — eine Zwei-Wort-Dichte ist damit direkt mit einer anderen Zwei-Wort-Dichte vergleichbar.

5. 5

   Exportieren

   Laden Sie CSV für die Tabellenkalkulation herunter, JSON, wenn die Einstellungen mit den Zahlen festgehalten werden sollen, oder reinen Text zum Einfügen. Der Export enthält jede Zeile, die Ihre Filter zulassen, nicht nur die sichtbaren.

Eine Häufigkeitstabelle ist nur so vertrauenswürdig wie ihre Definition von Wort — deshalb steht diese hier ausgeschrieben statt in einem regulären Ausdruck zu verschwinden, den niemand liest. Ein Wort ist eine Folge von Buchstaben, Ziffern und kombinierenden Zeichen. Ein Apostroph oder ein Bindestrich verbindet zwei Folgen zu einem Wort, wenn danach ein Wortzeichen steht: geht's, allgemein-bekannt und Stand-der-Technik sind je ein Eintrag, während Kinder' seinen Apostroph außerhalb der Zählung lässt und Ende--Anfang zwei Wörter bleibt.

Die Regeln, vollständig

• Buchstaben und Zeichenmarken gehören zusammen. Devanagari-Matras, arabische Harakat, hebräische Nikud und zerlegte lateinische Akzente sind Teil des Wortes, an dem sie hängen, und keine Trennzeichen. Ein Zähler, der sie als Satzzeichen behandelt, meldet हिन्दी als drei Bruchstücke.
• Zahlen sind optional. Schalten Sie sie aus, und 2026, 1.200 und v1.2 erzeugen keine Einträge mehr — was Sie in einem Manuskript wollen und in einer Protokolldatei gerade nicht.
• Groß- und Kleinschreibung ist optional. Standardmäßig aus, sodass Der und der ein Wort sind. Schalten Sie sie ein, und die Zähler über der Tabelle ändern sich mit: eigenständige Wörter und Diversität werden neu berechnet und bleiben nicht auf der Antwort ohne Unterscheidung stehen.
• Nichts wird auf den Stamm reduziert. laufen, läuft und lief sind drei Einträge. Stammformreduktion ist sprachabhängig und bei Namen und Fachbegriffen oft genug falsch, dass eine stille Vermutung schlechter ist als eine ehrliche Trennung.
• Sätze enden mit einem Satzzeichen plus Leerraum. Ein Punkt zwischen Ziffern oder in einer Domain beendet keinen Satz, sodass 3.14 und example.com ganz bleiben — was zählt, weil Wortgruppen nie über ein Satzende hinweg gebildet werden.

Einzelwort-Häufigkeit findet wiederholtes Vokabular. Wortgruppen-Häufigkeit findet wiederholtes Schreiben, und das ist meist das, was Sie eigentlich wissen wollten. Stellen Sie die Wortgruppenlänge auf zwei, und eine Seite, die elfmal optimieren Sie Ihren Arbeitsablauf sagt, versteckt sich nicht länger hinter elf unauffälligen Zählungen von optimieren, Ihren und Arbeitsablauf.

Zwei Regeln, die die Wortgruppentabelle ehrlich machen

• Eine Wortgruppe überschreitet nie eine Satzgrenze oder einen Zeilenumbruch. „…beenden Sie den Bericht. Der nächste Schritt…“ kann nicht Bericht der ergeben, weil das niemand geschrieben hat. Jeder Online-Wortgruppenzähler, der während dieses Umbaus geprüft wurde, schiebt sein Fenster über das gesamte Dokument und erzeugt solche Wendungen sehr wohl: Sie sind Rauschen an der Tabellenspitze, und je kürzer die Sätze, desto mehr davon.
• Mit aktiven Stoppwörtern wird eine Wortgruppe nur entfernt, wenn sie mit einem beginnt oder endet. Innenliegende bleiben erhalten, sodass Stand der Technik, Sicht der Dinge und Faust aufs Auge in der Tabelle bleiben, während in der und an das sie verlassen. Eine Regel, die jede Wortgruppe mit einem Stoppwort verwürfe, löschte alle drei.

Jede Zeile trägt eine Dichte: den Anteil dieses Begriffs an allem Gezählten, in Prozent. Bei Einzelwörtern ist der Nenner die Wortzahl. Bei Wortgruppen ist es die Anzahl der Wortgruppenpositionen, eine kleinere Zahl — eine Zwei-Wort-Dichte ist damit mit einer anderen Zwei-Wort-Dichte vergleichbar und nicht mit einer Einzelwort-Dichte. Das Werkzeug führt die Buchführung; die Auslegung ist der Teil, bei dem Sorgfalt lohnt.

Sie lesen, ohne sich zu täuschen

• Eine richtige Dichte gibt es nicht. Keine Suchmaschine veröffentlicht einen Zielwert, und kein Schwellenwert trennt gutes von schlechtem Schreiben. Eine Zahl bedeutet nur neben einem Vergleich etwas — dieselbe Seite vor einer Überarbeitung oder eine Seite, die für dieselbe Suchanfrage bereits rankt.
• Ein Einzelwort über etwa 4–5 % in normaler Prosa bedeutet in der Regel eine Wiederholung, die Leserinnen und Leser bemerken, und keine Optimierung. Lesen Sie die Sätze, bevor Sie etwas ändern: Die Lösung ist normalerweise, einen Absatz neu zu schreiben, und nicht, Vorkommen zu löschen.
• Lange Dokumente verdünnen alles. Ein Begriff mit 0,4 % auf einer Seite mit 5.000 Wörtern kann weit auffälliger sein als einer mit 2 % auf einer Seite mit 200, weil Auffälligkeit ebenso von der Platzierung wie vom Anteil abhängt.
• Vergleichen Sie Gleiches mit Gleichem. Schalten Sie Stoppwörter ein, bevor Sie zwei Dokumente vergleichen, sonst misst der Vergleich vor allem, welches mehr Artikel benutzt hat.

Stoppwörter sind die Wörter, ohne die eine Sprache nicht auskommt und mit denen eine Häufigkeitstabelle nichts anfangen kann: Artikel, Pronomen, Hilfsverben, Kopulaverben, häufige Präpositionen und Konjunktionen. Sie stehen in jeder ungefilterten Liste jeder Sprache ganz oben, und deshalb ist der Filter standardmäßig an.

Die Listen hier decken die geschlossenen Wortklassen wirklich ab, statt sie zu bemustern — 226 Einträge für Englisch, 172 für Deutsch, 154 für Spanisch, 151 für Französisch, 141 für Portugiesisch und 118 für Indonesisch — und jede Kurzform erscheint in beiden Apostrophformen, weil jedes Textverarbeitungsprogramm den typografischen Apostroph erzeugt und eine Liste mit nur der ASCII-Form bei allem, was daraus eingefügt wird, still versagen würde. Inhaltstragende Wörter stehen nie auf einer Liste, so häufig sie auch sein mögen: Zeit, Menschen und Arbeit tragen Bedeutung und gehören in Ihre Tabelle.

Schalten Sie sie aus, wenn

• Sie den Stil und nicht das Thema untersuchen. Die Raten von Funktionswörtern sind die Grundlage der meisten Arbeiten zu Autorschaft und Lesbarkeit, und sie herauszufiltern entfernt genau das Signal.
• Der Text keine Prosa ist — Quelltext, Protokolle, CSV-Spalten, Untertiteldateien. Eine für eine Sprache gebaute Liste tut einer Spalte von Bezeichnern nichts Nützliches an.
• Sie in einer Sprache arbeiten, die die Auswahl nicht abdeckt. Wählen Sie Keine, statt mit der Liste einer anderen Sprache zu filtern — das entfernt eine Handvoll zusammenhangloser Wörter und sieht aus, als hätte es funktioniert.

Weil Wiederholung von innen unsichtbar ist. Wer schreibt, hat jeden Satz ein Dutzend Mal gelesen und hört das Wort nicht mehr, das auf jeder Seite steht; wer eine Landingpage prüft, kann nicht sagen, ob eine Wendung als Betonung oder als Füllmaterial gelesen wird. Eine Häufigkeitstabelle ist die billigste Außenmeinung, die es gibt.

Wofür es taugt

• Eine Marotte finden. Jeder hat eine. Sortieren Sie nach Häufigkeit mit aktiven Stoppwörtern, und sie steht meist unter den ersten zehn Zeilen.
• Fassungen vergleichen. Exportieren Sie eine Tabelle je Überarbeitung und vergleichen Sie sie in der Tabellenkalkulation: was gestiegen ist, was gefallen ist, was ganz verschwunden ist.
• Keyword-Balance skizzieren. Kein Rangtracker und kein Ersatz dafür, aber es beantwortet, ob eine Seite von dem handelt, wovon Sie glauben.
• Ein fremdes Korpus lesen. Seiten von Mitbewerbern, Umfrageantworten, Supporttickets, Transkripte. Die vierzig häufigsten Begriffe sind eine Zusammenfassung, für die Sie nichts lesen mussten.
• Unterrichten. Die Tabelle macht Tokenisierung, das Zipfsche Gesetz und das Type-Token-Verhältnis in etwa zehn Sekunden sichtbar, am eigenen Text der Klasse.

Über den Ergebnissen stehen sechs Kennzahlen, und jede beantwortet eine andere Frage. Alle stammen aus demselben Durchlauf wie die Tabelle und können ihr deshalb nicht widersprechen — auch nicht bei aktiver Groß- und Kleinschreibung, wo das abgelöste Werkzeug weiterhin die Antwort ohne Unterscheidung anzeigte.

• Wörter. Alle gezählten Token, ohne angewandte Filter. Die Größe dessen, was Sie ansehen.
• Eigenständige. Verschiedene Einträge, unter Beachtung der Einstellung zur Groß- und Kleinschreibung. Zusammen mit der ersten Zahl ist das der Wortschatz.
• Sätze. Grenzen nach derselben Regel gefunden, die der Wortgruppendurchlauf benutzt, sodass beide nicht auseinanderlaufen können.
• Kommen einmal vor. Die Hapax-Zahl. Ein hoher Anteil bedeutet abwechslungsreichen Wortschatz oder viele Eigennamen; ein niedriger ein Dokument, das sich wiederholt.
• Diversität. Eigenständige geteilt durch Gesamt, das Type-Token-Verhältnis. Nützlich zwischen ähnlich langen Texten und irreführend zwischen sehr verschiedenen, weil es mit der Länge sinkt.
• Herausgefiltert. Vorkommen, die Ihre aktuellen Filter entfernt haben, Suche eingeschlossen. Es ist die Differenz zwischen dem Gezählten und dem Angesehenen und bewegt sich, sobald sich irgendein Filter bewegt.

Bei Überarbeitungsdurchgängen, leichter SEO-Arbeit, Forschungszusammenfassungen, Vorführungen im Unterricht und immer dann, wenn Sie ein Dokument haben und keine Ahnung, was darin steht.

• Vor einer Überarbeitung. Finden Sie zuerst die wiederholten Wörter und Wendungen und überarbeiten Sie dann mit einer Liste vor sich statt nach Gefühl.
• Nach einer Neufassung. Exportieren Sie vorher und nachher; der Unterschied zeigt, ob die Neufassung den Wortschatz geändert hat oder nur die Sätze.
• Auf der Seite eines Mitbewerbers. Fügen Sie den Text ein und lesen Sie die Vier-Wort-Gruppen. Es ist der schnellste Weg, die Struktur zu sehen, für die sich jemand anderes entschieden hat.
• Bei Transkripten und Untertiteln. Legen Sie die .srt- oder .vtt-Datei direkt ab. Zeitmarken und Nummern werden als das gezählt, was sie sind — Zahlen — und Zahlen abzuschalten entfernt sie mit einem Klick.
• Bei Protokollen. Die häufigsten Begriffe einer .log-Datei sind ihre wiederkehrenden Meldungen: eine grobe Vorsortierung, noch bevor Sie einen Protokollbetrachter öffnen.

Vier Gewohnheiten, die den Unterschied zwischen einer Tabelle und einer Antwort ausmachen.

• Sehen Sie sich die Wortgruppenansicht vor der Wortansicht an. Einzelwörter rauschen stärker, und die interessante Wiederholung ist meist zwei oder drei Wörter lang.
• Stellen Sie die Mindestvorkommen auf zwei, bevor Sie irgendeinen Schluss ziehen. Alles, was einmal vorkommt, ist Wortschatz und kein Muster — und bei einem langen Dokument ist das der Großteil der Tabelle.
• Bewahren Sie den Rohtext auf. Filter ändern, was Sie sehen, nie, was Sie haben — aber ein Dokument, das man beim Lesen einer gefilterten Tabelle überarbeitet, ist schnell zu stark gestutzt.
• Exportieren Sie als JSON, wenn Sie später vergleichen wollen. Es hält Einstellungen und Summen bei den Zeilen fest, und zwei Tabellen aus unterschiedlichen Einstellungen sind nicht vergleichbar, so ähnlich sie auch aussehen.

Ein 10-MB-Dokument wird in etwa einer Zehntelsekunde gezählt, ein 25-MB-Dokument in etwa einer Viertelsekunde, Wortgruppen eingeschlossen, auf einem Mittelklasse-Notebook — außerhalb des Oberflächen-Threads, sodass das Tippen währenddessen nie stockt.

Alles läuft auf Ihrem Gerät, also ist die Obergrenze Ihr Gerät und kein Upload: 25 MB je Dokument im kostenlosen Tarif und mehr mit Pro, begrenzt durch den Speicher, den Ihr Browser zur Verfügung hat. Dateien werden als Text gelesen: .txt, .md, .csv, .tsv, .log, .json, .srt und .vtt. Formate, die in Wirklichkeit Container sind, werden bereits bei der Auswahl abgelehnt, mit einem Link zu dem Werkzeug, das ihren Text herausholt — denn ein als Text gelesenes .docx erzeugt eine Tabelle aus Auszeichnungsfragmenten, die genau wie eine echte Antwort aussieht.

Was es nicht tut

• Keine Stammformreduktion und keine Lemmatisierung. Formen werden so gezählt, wie sie geschrieben sind.
• Keine Wortsegmentierung für Chinesisch, Japanisch oder Thai. Die Tabelle ist ehrlich darüber, was sie gemessen hat, aber Zeichenfolgen sind in diesen Schriften keine Wörter.
• Keine Wortartenerkennung, also kann eine Stoppwortliste das Pronomen das nicht von der Konjunktion dass unterscheiden.
• Keine semantische Gruppierung. Synonyme sind getrennte Einträge, denn zu entscheiden, dass zwei Wörter dasselbe bedeuten, ist ein Urteil und keine Zählung.

• Wortzähler
• Textanalyse
• Keyword-Extraktor
• Lesbarkeitsprüfung
• Textstatistik
• Doppelte Zeilen entfernen
• Zeilen sortieren
• Text teilen
• Leerzeichen entfernen
• Groß- und Kleinschreibung
• Texte zusammenführen
• Word zu Text
• Bild zu Text
• Sprache zu Text