Notes
2. Intonation – theoretische Grundlagen und Forschungshintergrund
45Um die Herangehensweise an die Beschreibung der luxemburgischen Intonation nachvollziehen zu können, bedarf es eines Überblicks über die Entstehung der Intonationsforschung im Allgemeinen.
46Ein Konsens über die Repräsentation und Analyse von Intonation bzw. den Gegenstand der Forschung und die Ziele intonatorischer Studien konnte lange nicht erreicht werden (Vaissière 1983). In den vergangenen Jahrzehnten hat sich das Forschungsfeld jedoch deutlich entwickelt. Zwar existieren auch heute noch unterschiedliche Auffassungen und Modelle nebeneinander, doch konnte in den letzten Jahren „eine weitgehende Einigkeit in Hinblick auf grundlegende Konzepte der formalen Beschreibung von Intonation erzielt“ werden (Bergmann 2008, S. 1).
47Je nach Definition variiert der Gegenstandsbereich von Intonation, denn sie kann im engeren oder im weiteren Sinne aufgefasst werden (Peters 2014, S. 4). Im engeren Sinne beschäftigt sich Intonation mit den „kommunikativ relevanten Tonhöheneigenschaften sprachlicher Äußerungen“ (Peters (2014, S. 4) und im weiteren Sinne umfasst der Begriff zusätzlich noch Akzentuierung, Rhythmus, Pausen, Intensität und Sprechgeschwindigkeit. Da aber bereits der Begriff der Prosodie diese Eigenschaften umfasst und die Intonation sich insofern von den anderen unterscheidet, als sie als einziges dieser Merkmale Bedeutung trägt (vgl. Fox 2000, S. 270; Leemann 2012), wird hier Intonation im engeren Sinne verstanden. Da sich dieser auf die Aspekte der Sprachmelodie, nämlich der Tonhöheneigenschaften der Grundfrequenz beschränkt, werden Aspekte wie Betonung nicht umfasst.17 Unter Grundfrequenz (f0) versteht man die quasi-periodischen Schwingungen der Stimmlippen bei stimmhaften Lauten, die in Schwingungen pro Sekunde gemessen und in Hertz (Hz) ausgedrückt wird (Laver 1994). Sie ist das akustische Korrelat der wahrgenommenen Tonhöhe (pitch). Aufgrund anatomischer Gegebenheiten weisen Frauen generell eine höhere Grundfrequenz auf als Männer (vgl. ebd.), was bei einem Vergleich zweier Werte bzw. Tonhöhenverläufe zu Schwierigkeiten führt. Diese Schwierigkeiten entstehen aufgrund der nicht-linearen Wahrnehmung von Tonhöhen durch das menschliche Gehör; ein gleichstark wahrgenommener Anstieg bei Männern und Frauen entspricht nicht dem gleichen Wert auf der Hertzskala. Misst man beispielsweise einen Anstieg von 100 Hz auf 150 Hz bei Männern, entspricht er in der Wahrnehmung einem Anstieg von 180 Hz auf 270 Hz bei Frauen. Das ist darauf zurückzuführen, dass die Hertzskala linear ist, die Perzeption von Tonhöhe jedoch nicht. Der Effekt eines gleichklingenden Anstiegs kann demnach nicht in Hertz ausgedrückt werden, weshalb Intonationsforscher in der Regel auf die psychoakustische (logarithmische) Halbtonskala zurückgreifen. Diese Skala kann die Variation des Tonhöhenumfangs am besten erfassen und somit geschlechtsspezifische Unterschiede in der Analyse ausgleichen (Nolan 2003). Misst man den Anstieg im oben genannten Beispiel, entspricht er jeweils 7,02 st ('t Hart et al. 1990).
48Analysen zur Grundfrequenz können auditiv oder akustisch durchgeführt werden, wobei auditive Untersuchungen Grundfrequenzverläufe und Tonhöhenunterschiede in den Vordergrund stellen, während eine akustisch-phonetische Analyse Aufschluss über konkrete Werte zu bestimmten Zeitpunkten, wie etwa f0-Maxima und -Minima, geben kann. Eine Schwierigkeit bei akustischen Analysen stellen stimmlose Laute dar, da bei ihnen keine f0 gemessen werden kann. Diese Unterbrechungen des f0-Verlaufs finden allerdings in der Wahrnehmung nicht statt (Laver 1994, S. 484), so dass der Eindruck eines kontinuierlichen Verlaufs entsteht. Der Vorteil der akustischen Analyse gegenüber der auditiven ist eine objektivere Beschreibung von tonalen Ereignissen und eine verlässlichere Verarbeitung größerer Datenmengen.
49Eine auf die Physiologie zurückgehende Eigenschaft des Grundfrequenzverlaufs ist der Deklinationstrend. Dabei handelt es sich um die Tendenz, aufeinanderfolgende f0-Maxima innerhalb einer bestimmten Einheit kontinuierlich tiefer zu realisieren.18 Stellt man sich eine Linie vor, die durch die f0-Maxima (Gipfel) laufen würde, so würde diese Linie nicht waagerecht, sondern abfallend verlaufen (Andreeva 2007). Das führt dazu, dass zwei aufeinanderfolgende Gipfel dennoch als gleich hoch empfunden werden, wenn der zweite Gipfel tiefer realisiert wird als der erste. Die Hörer normalisieren also unterbewusst diesen Deklinationstrend (Pierrehumbert 1979). Da dieser Trend als universelle Eigenschaft von Intonationsverläufen erachtet wird und somit sprachübergreifend ist, wird dieses graduelle Absinken auf den nachlassenden subglottalen Druck zurückgeführt ('t Hart et al. 1990).19 Vaissière (1983) stellt allerdings fest, dass spontansprachliche Daten diesem Trend wesentlich weniger stark unterliegen als Laborsprache. Der Grad der Deklination variiert demnach kontextuell und möglicherweise auch in Abhängigkeit der Funktion, die die Phrase ausübt (Peters 2006, S. 63). Bleibt man bei der Vorstellung einer imaginären Linie, die durch die f0-Maxima gezogen wird (Dachlinie oder topline), so fällt diese steiler aus als eine zweite Linie, die man durch die f0-Minima ziehen würde (Grundlinie oder baseline) (Siepmann 2001). Der Abstand zwischen f0-Maxima und f0-Minima nimmt demnach gegen Ende einer Äußerung ab (vgl. Abbildung 50 im Punkt 6.3).
50Die Tonhöhen- bzw. Intonationsverläufe innerhalb prosodischer Einheiten werden auch Intonationskonturen genannt. Diese Konturen umfassen alle Tonhöhenverläufe „die in einer gegebenen Sprache die gleichen sprachlichen Funktionen erfüllen“ (Peters 2014, S. 2). Selting (1993, S. 116) definiert sie als „aufgrund ihrer Tonhöhenverlaufsgestalt […] von Analysierenden und Rezipienten als kohäsiv wahrgenommene prosodische bzw. melodische Einheit zwischen Grenzsignalen“. Die erwähnte Einheit wird hier als Intonationsphrase bezeichnet, und ein Grenzsignal wäre beispielsweise der eng mit der Deklination verbundene Neuansatz (reset) der f0 (Leemann 2012, S. 13). Da die Deklination den Intonationsverlauf kontinuierlich absinken lässt, befindet sich die f0 am Phrasenende auf einem relativ tiefen Niveau, so dass sie für eine neue Phrase wieder höher beginnen muss, um erneut dem Deklinationstrend zu unterliegen. Über Aufbau und Begrifflichkeit der prosodischen Einheit sowie deren Grenzsignale wird in Abschnitt 3.1 in Bezug auf die Analyseeinheit genauer eingegangen.
51Die anfangs erwähnte Uneinigkeit in der Intonationsforschung kommt erst unter Einbezug der theoretischen Komponente zustande. Über die phonetischen Eigenschaften herrscht weitestgehend Einigkeit, wie die Definition von Gilles und Siebenhaar (2010, S. 790) andeutet: „Today, intonation is seen as a linguistic feature that is phonetically constituted by the movements of the fundamental frequency (F0) over a specific stretch of speech”. Trotz der Zugänglichkeit einer rein phonetischen Definition kann eine linguistische Analyse von Intonation jedoch laut Pilch (1987) noch nicht allein damit durchgeführt werden, und auch Ladd (2008) führt aus: „Experiments that ignore the phonological structure of the suprasegmental cues may simply fail to address part of the problem“ (S. 23) und „[…] a ‚phonological‘ approach to intonation is not primarily a matter of taste, but an empirical question“ ((Ladd 2008, S. 20), Hervorh. im Original) (für weiterführende Begründungen s. Ladd (2008, 20ff.). Eine Verbindung zwischen der segmentalen Ebene und dem suprasegmentalen Verlauf, in den sie eingebettet ist, ist Voraussetzung für eine umfassende Beschreibung der Intonation. Dies kann bereits am Begriff Akzent festgestellt werden.20 Ein Akzent (accent) äußert sich zwar über eine Tonhöhenveränderung21 (zusammen mit Parametern wie Intensität und Dauer), doch erst die Verbindung zur Text-Ebene, also der nicht-prosodischen inhaltlichen Ebene kann beispielsweise aus einer lexikalisch betonbaren Silbe eine akzentuierte Silbe und damit ein tonal target machen. Dabei handelt es sich um eine phonologische Abstraktion, die das linguistisch prominenteste Wort einer Äußerung begleitet (Ladd 2008, S. 20). Eine betonte oder betonbare Silbe (stress) befindet sich damit auf der Ebene der Wortprosodie, während der Akzent auf der Ebene der Satzprosodie zu verorten ist.22 Unter Akzent wird in dieser Arbeit „eine prosodisch prominente Silbe verstanden, die innerhalb einer syntaktischen Konstruktion aufgrund semantisch-pragmatischer Kriterien fokussiert wird“ (Gilles 2005, S. 6).
52Eine rein phonetische Untersuchungen kann demnach nicht ausreichen, um Intonation linguistisch zu beschreiben (Ladd 2008, S. 20)23, weshalb im Folgenden verschiedene phonologische Beschreibungsmodelle der Intonation und deren Entwicklung vorgestellt werden, bevor phonetische Modelle angesprochen werden und anschließend auf die Funktion von Intonation eingegangen wird.
2.1 Beschreibungsmodelle
53Bis heute gibt es kein universales Beschreibungsmodell für Intonation: Nach wie vor werden einerseits phonetische Beschreibungen genutzt, die sich eng am Signal und damit der f0 orientieren, und andererseits phonologische Modelle, die das System intonatorischer Formen und damit deren distinktive Funktion untersuchen. In letzteren wird versucht eine formale Repräsentation der Intonation in einem abstrakten Modell zu erarbeiten und deren Funktion im System zu verorten. Auch innerhalb dieser Unterteilung gibt es unterschiedliche Schulen mit verschiedenen Ansätzen, die sich teils so stark in Auffassung und Konvention unterscheiden, dass ein Vergleich schwierig ist. Der Hauptunterschied zwischen den phonologischen Beschreibungsmodellen besteht in der Abstraktion des kontinuierlichen f0‑Verlaufs. Dabei wird entweder die Kontur als Ganzes betrachtet und die Bewegung des Verlaufs beschrieben (etwa fallend oder steigend) oder der Verlauf wird auf diskrete Einheiten reduziert, nämlich lokale f0-Maxima und -Minima, die phonetisch verbunden sind. So lassen sich sehr grob zwei phonologische Systeme festhalten: ein konturbasiertes Modell und ein Tonsequenzmodell. Jedes Modell hat seine Stärken und Schwächen und beschreibt die intonatorische Form ebenso korrekt wie das jeweils andere (vgl. Fox 2000, 297). Die theoretischen Überlegungen und Grundsätze sind allerdings sehr verschieden und werden im Folgenden genauer betrachtet.
2.1.1 Britische Schule und Amerikanischer Strukturalismus
54Die Vertreter der Britischen Schule (Halliday 1967a; Crystal 1969; O'Connor und Arnold 1973; Cruttenden 1997; Kohler 1991; Palmer 1922) bauen ihr Modell, das aus einer didaktischen Motivation heraus entwickelt wurde, auf Grundlage auditiver Eindrücke auf und beschreiben den Intonationsverlauf als dynamische, zusammenhängende („holistische“) Tonkonturen. Man spricht deswegen auch von einem konturbasierten Modell. Als Analyseeinheit fungiert die tone group (Halliday 1967a), bzw. Tongruppe (Pheby 1975) oder tone unit (vgl. Crystal 1969) die in prehead, head, nucleus und tail unterteilt wird.24 Sie entspricht der in dieser Arbeit verwendeten und an der Terminologie der autosegmental-metrischen Phonologie (AM-Phonologie) orientierten Intonationsphrase.
55Innerhalb dieser tone group wird der Nukleus (nucleus) als wichtigste Einheit betrachtet, da er das einzige obligatorische Element darstellt. Dabei handelt es sich um die akzentuierte Silbe des letzten betonten Wortes (O'Connor und Arnold 1973, S. 12). Unter tail wird der (unbetonte) Bereich verstanden, der auf diese Silbe folgt. Vorausgehendes wird als pränuklear beschrieben und umfasst pre-head und head. Unter pre-head werden alle unbetonten Silben vor der ersten akzentuierten Silbe des ersten betonten Wortes verstanden. Ab diesem Akzent folgt der head, der bis zum Nukleus, also vor die letzte akzentuierte Silbe, reicht. Grabe (1998, Abschnitt 2.5) macht an der Stelle auf eine terminologische Uneinigkeit aufmerksam, die zwischen den Termini nucleus bzw. nuclear tone und nuclear contour herrscht: Sie werden in der Literatur widersprüchlich verwendet und schließen einmal die letzte akzentuierte Silbe, ein andermal die letzte Tonhöhenbewegung einer Intonationsphrase mit ein.
56Die Notationskonvention der Britischen Schule sieht Punkte vor, die je nach Größe betonte und unbetonte Silben repräsentieren (vgl. Abbildung 1).
57Ein großer Punkt steht dabei für eine tonale Prominenz, die entweder durch eine Tonhöhenbewegung oder durch einen Tonhöhensprung bzw. Richtungsänderung entsteht. Erfolgt ein Pitch‑Richtungswechsel, wird dieser mit einer Linie, die ab dem Punkt eingezeichnet wird, markiert.25 Da diese Darstellung von einer oberen und einer unteren Linie begrenzt wird, zwischen der die beschriebene tonetische (tonetic) Transkription steht, wird von interlinearer Transkription gesprochen. Daneben besteht auch die Möglichkeit, den Konturverlauf innerhalb der Textzeile zu markieren. In dem Fall spricht man von intralinearer Notation und nutzt diakritische Zeichen, um die Bewegung vom Nukleus bis Phrasenende zu beschreiben. Die Bewegung kann fallend (fall), steigend (rise) oder eine Kombination aus beiden sein. Diese Tonhöhenbewegungen stellen dann die diskreten Einheiten dar, aus denen sich eine Kontur zusammensetzt. Diese besteht dann aus einer Abfolge lokaler Tonhöhenbewegungen. Damit sind Konturen erstmals in kleinere distinktive Einheiten unterteilt worden, die als Bausteine von ganzen Konturen fungieren. Eine Funktion der gesamten Intonationskontur lässt sich aus den einzelnen prosodischen Konstituenten nicht ableiten, da ihnen Phonemstatus zukommt und sie somit lediglich bedeutungsdifferenzierend sind (Andreeva 2007, S. 8).
58Auch in Deutschland wurde diese für das Englische entwickelte Beschreibungsform von einigen Forschern übernommen, so zum Beispiel von von Essen (1964), Pheby (1975) und Kohler (1995) und entsprechend an das Deutsche angepasst und modifiziert. Im Kieler Intonationsmodell (KIM) (Kohler 1991), das auch heute noch angewendet wird, hat sich die Tradition der Britischen Schule bewahrt.26 Kohler verweist sogar ausdrücklich auf Halliday (1976a), nimmt jedoch keine distinktiven Tonmuster an, sondern geht von Gipfel- und Talkonturen aus (vgl. Siepmann 2001, S. 33).
59Im Gegensatz zur Britischen Schule nimmt der Amerikanische Strukturalismus keine konturbasierte, sondern eine level-basierte Analyse vor (Cruttenden 1997, S. 38), die mit der Einheit phonemic clause (Trager und Smith 1957) operiert, die wiederum in etwa der Intonationsphrase der AM-Phonologie entspricht.
60Die Vertreter des Amerikanischen Strukturalismus (Pike 1945; Wells 1945) betrachten die Tonhöhenveränderung nicht als Einheit und kontinuierliche Bewegung, sondern als statische Zielpunkte, die auf unterschiedlichen Tonhöhen (levels) zu finden sind. Vier Tonhöhen werden angesetzt, die im Verhältnis zum Stimmumfang zu verstehen sind, wobei die höchste Ebene über den normalen Stimmumfang hinausgeht. Je nach Autor27 ist die erste Ebene die tiefste oder die höchste. Die Tonhöhenstufe wird in der Transkription mit der entsprechenden Zahl (von eins bis vier) unter dem Text, bzw. der Silbe notiert. Tonal unspezifizierte Silben erhalten keine Zahl, und Silben, auf denen eine Bewegung stattfindet, können mit zwei Zahlen annotiert werden (z. B. 3-2). Trager und Smith (1957) ergänzen diese Notation u. a. durch das Einführen von terminal junctures (terminale Grenztöne), die steigend, fallend oder gleichbleibend sein können.
61Auch für die Beschreibung des Deutschen liegen nicht ausschließlich konturbasierte Modelle vor. Moulton (1962) folgt in seiner Beschreibung deutscher Intonation der Tradition des amerikanischen Strukturalismus, indem er distinktive Tonhöhen annimmt28 und nimmt terminale Konturen (terminals) in sein Inventar auf, die mit fallender (fade), steigender (rise) und gleichbleibender (sustained) Tonhöhenbewegung am Ende einer Phrase gebildet werden können. Grice und Baumann (2002, S. 270) ordnen diesen Ansatz deswegen eher als „Mischung aus Ebenen und Konturen als ein reines Ebenen-Modell“ ein. Die erste strikt level-basierte Herangehensweise für das Deutsche liegt mit Isačenko & Schädlich (1966) vor, die nur noch zwei Ebenen annehmen, wie es auch später im autosegmental-metrischen Modell erfolgt.
62Eine unterschiedliche Auffassung der Bedeutung von Intonation entsteht erst mit dem autosegmental-metrischen Ansatz, in dem nicht mehr die Gesamtheit der einzelnen Konstituenten als Ganzes betrachtet wird, sondern einzelnen Tönen individuelle Bedeutung zukommt. Dennoch finden sich einige Elemente aus den beiden aufgeführten Ansätzen auch im autosegmental-metrischen Modell, wobei die Tradition der Britischen Schule auch in modernen Studien wiederzufinden ist, während die Grundgedanken des Amerikanischen Strukturalismus zwar teilweise im AM-Ansatz weiterverarbeitet wurden, in ihrer ursprünglichen Form aber nicht mehr angewendet werden.
2.1.2 Autosegmental-metrischer Ansatz
63Ende der siebziger Jahre wurde u. a. mit Goldsmith (1979), Bruce (1977) und vor allem Pierrehumbert (1980) der Grundstein für die autosegmental-metrische Beschreibung von Intonation gelegt, die heute das am weitesten verbreitete System darstellt. Sie entstand als Abgrenzung zu der klassischen, linearen Phonologie von Chomsky und Halle (1968) und steht in der Tradition des Amerikanischen Strukturalismus, da ihre Vertreter Töne ansetzen, die statische Zielpunkte spezifizieren (Peters 2006, S. 30). Der autosegmentale Ansatz führt eine tonale Ebene ein, auf der die Töne als eigene Segmente fungieren (Peters 2014) und auf bestimmte Art mit den segmentalen Ebenen assoziiert sind (vgl. z. B. Tonzuweisungsregeln bei Peters (2006, S. 56), also quasi mit dem Text verbunden sind und so eine Verknüpfung von prominenten Silben mit Tönen herstellt.29 Die metrische Komponente des Namens ergibt sich aus dem Umstand, dass „Töne mit metrisch organisierten Einheiten der lautlichen Ebene wie Silben oder Intonationsphrasen assoziiert oder an ihren Rändern ausgerichtet sind” (Peters 2014, S. 28).30 Der Name dieses Modells wird 1996 von Ladd geprägt (Ladd 2008)31 und für Arbeiten verwendet, die aus der einflussreichen Dissertation von Pierrehumbert (1980) hervorgegangen sind.
64Als zentrale Analyseeinheit gilt im AM-Modell – ähnlich wie in der Auffassung der Britischen Schule – die Intonationsphrase (IP). Zwar gibt es keine einheitliche Definition einer IP, doch sind der Begriff und das Konzept in der Literatur weitestgehend akzeptiert.32 In den meisten Ansätzen wird von zwei Tonhöhen ausgegangen, die mit H (high) und L (low) beschrieben werden. Sie repräsentieren abstrakte Zielpunkte von Tonhöhenbewegungen, welche folglich aus einer Sequenz dieser beiden Töne und deren phonologisch unspezifizierten Interpolation bestehen. Das heißt, die tatsächliche phonetische Form einer Intonationsphrase entsteht aus der Interpolation zweier Töne, die phonetischen Regeln folgt (Gilles und Siebenhaar 2010, S. 790), aber phonologisch nicht relevant ist. Aufgrund der Abfolge von Hoch- und Tieftönen spricht man von einem Tonsequenzmodell. Die Töne werden, je nach struktureller Position in der IP, in verschiedene Typen unterteilt.33 Mit der Grenze einer Intonationsphrase verbundene Töne werden als Grenztöne bezeichnet und sind an den Rand einer prosodischen Phrase gebunden. Sie können initial oder final auftreten und werden mit ‚%‘ vor oder nach dem Tonsymbol gekennzeichnet. Steht es vor dem Tonzeichen (%H oder %L) ist der initiale Grenzton gemeint, steht es dahinter (H% oder L%) ist der finale Grenzton gemeint. Ein weiterer Tontyp ist an die Akzentsilbe, die letzte tontragende Silbe einer IP, gebunden und heißt Akzentton und wird durch einen Stern nach dem Tonsymbol gekennzeichnet (H* oder L*), weshalb man diesen Typ auch unter dem Begriff gesternter Ton findet.34 So ist eine Transkription %H L* H% einer Phrase möglich, die eine initial hohe Tonhöhe beschreibt, auf die ein tiefer Akzentton folgt und mit einem hohen Grenzton abschließt.
65Eine akzentuierte Silbe kann aber nicht nur als hoch oder tief wahrgenommen werden, sie kann auch aus einer Kombination von Akzentton und Begleitton bestehen und wird dann als bitonal, im Gegensatz zu monotonal, verstanden. In dem Fall ist der Akzentton mit einem vorausgehenden oder nachfolgenden, gegensätzlichen Ton verbunden (L+H*, H+L*, H*+L, L*+H). Dieser wird nicht als gesternt repräsentiert und ist auch nicht an die Akzentsilbe, sondern nur an den Akzentton gebunden, da er nicht alleine auftreten kann. Er ist nicht mit einer bestimmten Position der segmentalen Ebene verbunden, weist jedoch ein spezifisches Timing in Bezug auf den Akzentton auf. Die beiden Tontypen werden mit einem Pluszeichen (+) verbunden, um ihre Assoziation auszudrücken, so dass die Kombination L+H* einen f0‑Anstieg von einer tiefen (unbetonten) Silbe vor der akzentuierten Silbe (meist die vorausgehende Silbe) auf einen hohen Akzentton beschreibt. Dabei wird eine Tonhöhenbewegung wahrgenommen, wobei der Hochton prominenter erscheint. Man unterscheidet zwischen Leitton (leading tone) und Folgeton (trailing tone), je nachdem ob der Begleitton vor oder nach dem Akzentton realisiert wird, so dass auch die Kombination L*+H denkbar ist, bei der die akzentuierte Silbe als tief wahrgenommen wird, und auf die ein Anstieg bis auf (meistens) die Folgesilbe realisiert wird (Gilles 2005, S. 10; Peters 2006, S. 35). In der Tabelle 1 wird der Unterschied zwischen der Kombination L+H* und L*+H dargestellt, um einerseits die Konzepte Leitton und Folgeton zu verdeutlichen und andererseits die gegensätzlichen Akzentöne abzubilden.
| L+H* | L*+H |
66Die Kombination aus Begleitton und Akzentton wird als Tonhöhenakzent (pitch accent) beschrieben, wobei dieser Begriff ebenfalls für die monotonalen Akzenttöne zutrifft (ohne Leit- oder Folgeton). Tonhöhenakzente können nuklear oder pränuklear auftreten und äußern sich phonetisch über eine Grundfrequenzveränderung, Dauerveränderung und Lautstärkeveränderung, wobei in der vorliegenden Arbeit lediglich die Grundfrequenz betrachtet wird.
67Die Unterscheidung zwischen Akzenttönen und Grenztönen im Vergleich zur holistischen Betrachtung erweist sich anhand des Beispiels aus Ladd (2008, S. 45–46) als sinnvoll: Er beschreibt den Tonhöhenverlauf einer (überrascht ungläubigen) Reaktion des Sprechers B auf die Aussage „I hear Sue’s taking a course to become a driving instructor“ des Sprechers A (s. Tabelle 2). Liegt eine rise-fall-rise Kontur auf einer einsilbigen Phrase vor (a), erscheint die holistische Betrachtung durchaus passend. Sieht man sich aber nun eine längere Phrase mit der gleichen Melodie (tune) an, stellt sich heraus, dass keine globale rise-fall-rise Struktur vorliegt, die einfach nur gestreckt wird (b), sondern es erfolgen viel eher zwei diskrete Ereignisse (c): ein steigend-fallendes auf dem Akzentton (rise-fall) und ein steigendes auf dem Grenzton (rise). Dazwischen wird, vereinfacht gesagt, die Tonhöhe im Prinzip nur gehalten.
68Es gibt demnach Tonhöhenbewegungen, die nicht an Akzentsilben, sondern an Phrasengrenzen gebunden sind.
69Den tonalen Kategorien kommt bei Pierrehumbert (1980), anders als in der Britischen Schule, Morphemstatus zu, womit sie sich an Bolinger (1958) anlehnt. Damit ist jede Kategorie bedeutungstragend, woraus sich ergibt, dass sich die Bedeutung einer Intonationsphrase aus der Bedeutung ihrer einzelnen Elemente zusammensetzt. Man spricht von einer compositional approach gegenüber einer contour approach, in denen davon ausgegangen wird, dass jeder Ton (kompositionaler Ansatz) bzw. die Kombination von Tönen (konturbezogener Ansatz) im nuklearen Abschnitt bedeutungstragend ist (Gussenhoven 1984; Bergmann 2008).35 Ziel des autosegmental-metrischen Ansatzes ist es, eine Phonologie der Intonation zu erhalten (Ladd 2008; Gussenhoven 2004).
70Der augenfälligste Unterschied zur Britischen Schule und dem Amerikanischen Strukturalismus ist die Beschreibung von Intonation als diskrete Töne im Vergleich zu holistischen Konturen, wodurch Akzente eine interne Struktur erhalten. Indirekt einher geht damit die Verbindung zwischen ‚Ton‘ und ‚Text‘, die in der Britischen Schule lediglich für die Nukleussilbe besteht, im AM-Modell jedoch für alle prominenten Silben existiert, sodass tonale Information präzise auf einzelnen Silben oder Grenztönen lokalisiert werden kann (Grice und Baumann 2007, S. 17; Jun und Fougeron 2000, S. 210). Dem Nukleus kommt im autosegmental-metrischen System kein besonderer Status zu, sondern er wird lediglich als letzte Tonhöhenakzentsilbe einer IP definiert, so dass kein theoretischer Unterschied zwischen pränuklearer und nuklearer Silbe besteht vgl. (Grice und Baumann 2007, S. 17). Dennoch wird er, zusammen mit den darauffolgenden Silben bis IP-Ende, oft gesondert betrachtet, da er für funktionale Analysen von besonderer Bedeutung ist (vgl. Peters 2016). Aus diesem Grund beschränkt sich auch die vorliegende Arbeit auf die Beschreibung der nuklearen Struktur.
71Der wichtigste neue Aspekt des AM-Modells ist die Trennung von Phonetik und Phonologie, wie Mennen (2007, S. 56) in ihrer Untersuchung zu intonatorischen Interferenzen festhält. Eine separate Betrachtung von Phonetik und Phonologie lege nahe, dass sich Sprachen auf diesen beiden Ebenen unterscheiden können, was für die Autorin eine bedeutende Perspektivänderung in der Intonationsforschung darstellt. Allerdings wurden neben diesen Neuerungen etliche Aspekte aus den beiden anderen Modellen übernommen (Peters 2014, S. 25), wie etwa die unterschiedlichen tonalen Ebenen des amerikanischen Strukturalismus. Letztlich integriert das autosegmental-metrische Modell grundlegende Erkenntnisse aus der konturbasierten Herangehensweise und den level-Ansätzen in einem neuen, flexiblen Ansatz. Das Modell gilt deswegen als flexibel, als es einerseits für Ton-36 und Intonationssprachen gleichermaßen eingesetzt werden und andererseits auch regionale Unterschiede erfassen kann (Peters 2006).37
72Die frühere deutsche Intonationsforschung im Rahmen des AM-Modells haben insbesondere Wunderlich (1988), Uhmann (1991), Féry (1993) und Grabe (1998) durchgeführt. Aus ihren Arbeiten gehen verschiedene Herangehensweisen und Konzepte für ein deutsches Intonationsinventar hervor, die sich in unterschiedlichen Transkriptionen von (den gleichen) frequenten Formen, Tonhöhenakzenten und Grenztönen äußern. Während sich Féry und Grabe an die Analyse des Niederländischen von Gussenhoven (1984) mit lediglich linksköpfigen Tonhöhenakzenten (Akzentton + Folgeton) anlehnen, lassen sich Uhmann und Wunderlich nicht eindeutig zuordnen (Grice und Baumann 2002). Von der Struktur und dem tonalen Inventar her lehnen sie sich ebenfalls an Gussenhoven (1984) an, ähneln jedoch laut Grice und Baumann (2002) in „bezug [sic] auf die verwendeten Darstellungsebenen“ (S. 268) dem Modell von Pierrehumbert. Die Autoren ordnen sich selbst nicht explizit einem theoretischen Modell zu. So wird beispielsweise eine fallende Kontur bei Wunderlich mit H* L transkribiert38, bei Uhmann mit H*+L L% und von Féry mit H*+L. Augenfällig bei diesem Vergleich ist Uhmanns Transkription, die im Gegensatz zu den beiden anderen einen finalen Grenzton aufweist. Féry und Wunderlich transkribieren lediglich hohe finale Grenztöne, wobei Féry auch diesen nur zulässt, wenn ein eindeutiger Anstieg nach einem Fall wahrnehmbar ist (etwa in der fallend-steigenden Kontur). Nicht für jede Transkription lässt sich ein Äquivalent bei den genannten Autoren finden; so wird beispielsweise die steigend-fallende Kontur lediglich von Uhmann (L*+H L%) und Féry (L*+H+L) beschrieben. Die voneinander abweichende Transkription erklärt sich durch die unterschiedliche Auffassung der Akzenttöne, die in Férys Transkription aus einem bitonalen trailing tone besteht, wo Uhmann einen monotonalen trailing tone und einen tiefen Grenzton annimmt. Darüber hinaus lassen sich ebenfalls Konturen finden, die lediglich von einem der Autoren beschrieben werden, wie etwa die sogenannte Rufkontur, die im nächsten Abschnitt (ToBI) ausführlicher beschrieben und nur von Féry mit H* M erwähnt und transkribiert wird (für eine direkte Gegenüberstellung sämtlicher Konturen der drei Autoren vgl. Grice et al. (2005)).
73Zudem widmet sich eine Forschergruppe (z. B. Reyelt et al. (1996)) der deutschen Intonation in Anlehnung an das mittlerweile weit verbreitete Notationssystem ToBI (Tone and Break Indices), das auf der AM-Phonologie beruht und erstmalig von Beckman und Hirschberg (1994)39 für das amerikanische Englisch entwickelt wurde. Dieses autosegmentale Annotationssystem wurde für viele Sprachen (u. a. Niederländisch, Griechisch, Japanisch usw.) adaptiert und beinhaltet in der entsprechenden Adaption das Toninventar der zu annotierenden Sprache. Im folgenden Abschnitt wird dieses Notationssystem vorgestellt und am Beispiel der deutschen Entsprechung GToBI näher ausgeführt.40
74ToBI
75Neben den tonalen Typen Grenzton, Akzentton, Begleitton beinhaltet jedes ToBI-System auch sogenannte Phrasentöne oder auch Phrasenakzente.41 Diese wurden von Pierrehumbert und Beckman (1988) als edge tone eingeführt, die mit dem Ende kleinerer Einheiten assoziiert sind. Sie unterteilen damit die Intonationsphrasen in kleinere Einheiten, die Intermediärphrasen42 (intermedial phrase) genannt werden. 43 Jede IP kann aus mehreren Intermediärphrasen (ip) bestehen, wobei jede ip einen Tonhöhenakzent aufweist und mit einem eigenen Grenzton endet, der hier Phrasenton genannt wird.44 Phrasengrenzen sind damit auf kleinerer Ebene das Pendant zu Grenztönen einer IP (vgl. Beispiel (1)).
76(1)[(Der Vater hat versucht)ip (dem Kind einen Ballon zu kaufen)ip]IP
[(Akzentton + Phrasenton)ip (Akzentton + Phrasenton)ip Grenzton]IP
77Fallen ip und IP zusammen, besteht die IP ebenfalls aus nur einem Tonhöhenakzent mit einem Phrasenton und einem Grenzton. Sie bilden damit nach Gilles (2005, S. 11) eine „Grenztonkombination“ (Phrasentonip + GrenztonIP) (vgl. Tabelle 3). Die Phrasentöne werden mit L- oder H- annotiert und bevorzugt mit einer lexikalisch betonten Silbe assoziiert (vgl. ebd.) So kann beispielsweise eine Tonsequenz H* L-H% entstehen, die eine nuklear fallende Bewegung repräsentiert, auf die ein hoher Grenzton folgt (s. Beispiel (2)).
78(2)Möchtest du Kamillentee?
79Der Phrasenakzent deckt damit den Bereich zwischen dem Tonhöhenakzent und dem Phrasenende ab (Grice et al. 2005). Die meisten AM-Ansätze zum Deutschen nehmen jedoch eine solche zweite Phrasierungsebene nicht an.45
80Das deutsche ToBI-Modell (GToBI) wurde Mitte der 90er von Forschern aus Saarbrücken, Stuttgart, München und Braunschweig entwickelt (Grice und Baumann 2002) und hat das ursprüngliche System für amerikanisches Englisch entsprechend adaptiert, so dass die Intonation des Deutschen möglichst nutzerfreundlich annotiert werden kann. Es besteht, wie jedes andere ToBI-System, aus mindestens drei Beschreibungsebenen (tiers) auf denen Text, Töne und Grenzen annotiert werden.46 Das ursprüngliche ToBI für das amerikanische Englisch hat fünf Tonhöhenakzent festgelegt. Ein weiterer Tonhöhenakzent (H*+L) musste für die Beschreibung des Deutschen hinzugefügt werden, so dass GToBI zunächst sechs verschiedene Tonhöhenakzente vorgesehen hat: H*, L+H*, L*, L*+H, H+L* und H+!H*. In der neuesten Fassung von GToBI (Grice und Baumann 2016) werden jedoch die letzten beiden Akzente mit frühem Gipfel (H+L* und H+!H*) zu einer Kategorie zusammengefasst und mit H+!H* notiert. Das Zeichen ‚!‘ wurde für das amerikanische Englisch nachträglich hinzugefügt, um ein bereits von Pierrehumbert (1980) beschriebenes (aber anders transkribiertes) Phänomen zu annotieren: den downstep. Dabei handelt es sich um eine Herabstufung eines vom vorausgegangen H-Ton spezifizierten Tons, der kein lokales f0-Minimum bildet, aber dennoch tiefer realisiert wird, als ein voller H-Ton. Ladd (1983) beschreibt den downstep dagegen als eine unabhängige Veränderung einzelner Tonhöhenakzente, die nicht durch andere Töne ausgelöst werden (vgl. Peters 2006, S. 45). In jedem Fall findet ein stärkeres Absenken des f0‑Verlaufs im Verhältnis zum vorausgegangenen Ton statt, als bei einem von der Deklination betroffenen Ton. Umgekehrt ist auch ein Anstieg nach einem Hochton möglich; in dem Fall wird von upstep gesprochen, der zumindest in GToBI, mit ^H markiert wird, so dass eine Kombination aus H-^H% möglich ist. Diese Kombination verweist auf einen hohen Phrasenton, dem ein noch höherer Grenzton folgt.
81Die gängigsten Tonhöhenakzente, Phrasenakzente und Grenztöne des Deutschen, werden in folgender Tabelle (Tabelle 3) abgebildet. Beispiele dazu befinden sich in der Tabelle 3.
| Tonhöhenakzente | Grenzton | Phrasenton | Grenzton-Kombination |
| H* L+H* L* L*+H H+L*47 H+!H* | final: H% L% initial: %H | H- L- !H- | H-% H-^H% L-H% L-% |
82Die hier durch H und L repräsentierten Töne sind im Verhältnis des Stimmumfangs des Sprechers zu betrachten und können nicht in absolute Werte übersetzt werden, doch ordnen sich H-Töne etwa innerhalb der oberen drei Viertel des Stimmumfangs ein und L-Töne im unteren Viertel (Grice und Baumann 2002).
83Wie aus der Spalte Grenzton-Kombination ersichtlich wird, werden gleiche Symbole nicht wiederholt. So steht beispielsweise H-% für einen Phrasenton H und einen Grenzton H, was sich in H-H% äußern würde. Man hat sich jedoch darauf geeinigt, das zweite H als redundant zu betrachten, da es sich aus dem ersten ergibt.
84GToBI nimmt keine H*+L Struktur für eine fallende Struktur an48, da der L-Ton mit der nächsten (postnuklearen) betonten Silbe assoziiert ist. Die Autoren gehen deshalb von einer Annotation mit H* L- aus, das heißt, einem Phrasenton, der den tiefen Zielpunkt spezifiziert. Sie schließen jedoch nicht aus, dass es Konturen gibt, „in denen der tiefe Zielpunkt in einem relativ konstanten Abstand vom Gipfelakzent auftritt und somit das L als Teil eines bitonalen Akzenttons H*+L analysiert werden muß“ (Grice und Baumann 2002, S. 295).
85Wie bereits bei Kohler (1991), der annimmt, dass die Bewegung zur Akzentsilbe von Bedeutung ist, wird die präakzentuierte Silbe in (G-)ToBI mitberücksichtigt, was sich in der Notation des Leittons niederschlägt (z. B. L+H*). Kohler rückt mit dieser Annahme von den Konventionen der Britischen Schule ab, in deren Tradition er sonst verortet ist. In dieser beginnt die (nukleare) Beschreibung erst ab der akzentuierten Silbe (Nukleus). Diese Herangehensweise findet sich heute noch in dem niederländischen Notationsmodell ToDI (Transcription of Dutch Intonation, vgl. Gussenhoven 2005; Gussenhoven et al. 2015) bzw. dessen Anpassung an das Standarddeutsche mit ToGI (Transcription of German Intonation, vgl. Peters 2018), das sich sonst in der Tradition der autosegmental-metrischen Verfahren verortet. Man unterscheidet zwischen on-ramp (für ToBI) und off-ramp (für ToDI und ToGI), um die unterschiedliche Betrachtung und daraus resultierende Annotation des Nuklearakzents zu beschreiben (Peters 2014).49
86Die gängigen nuklearen Konturen des Deutschen sind in der Tabelle 4 zusammengefasst. Sie basiert auf Konturen, die in der Literatur häufig Erwähnung finden. Die Konturen sind nach ihrer Verlaufsrichtung bzw. Sonderfällen unterteilt, schematisch abgebildet, enthalten die Transkription gemäß GToBI und werden mit einem Verwendungskontext samt Beispiel versehen. Die Beispiele und Kontexte sind zum Teil sehr spezifisch, doch sollen sie laut den Autoren auch nicht die allgemeine Bedeutung der Konturen wiedergeben, sondern alle empirisch belegten Konturen erklären (Grice und Baumann 2002). Extra fFettgedruckte Linien markieren den Tonhöhenakzent und weniger fett gedruckte Linien die postnuklear betonten Silben. In den Beispielen findet sich die gleiche Unterteilung in fettgedruckten Großbuchstaben, als Anker für den Tonhöhenakzent, und einfachen Großbuchstaben für die postnuklear betonte Silbe.
| Bewegungs-richtung50 | GToBI | schematische Kontur | Kontext | Beispiel |
| fallend | H* L‑% | neutrale Aussage, neutrale W-Frage | Mein ZAHN tut WEH. Wo hast du den WAgen gePARKT? | |
| L+H* L‑% | kontrastive Feststellung | Schon der VerSUCH ist STRAFbar! | ||
| steigend-fallend (später Gipfel) | L*+H L‑% | selbstverständliche Feststellung, engagierte oder sarkastische Feststellung | Das WEISS ich SCHON! Der Blick ist ja FAbelhaft! | |
| steigend | L* H‑^H% | Neutrale Entscheidungsfrage, Echo-Frage | Tauschen Sie auch BRIEFMARken? | |
| L* L‑H% | Empörung, Melden am Telefon | DOCH! BECkenbauer? | ||
| (L+)H*H‑^H% | Anschlussfrage | …oder ist Ihr BRUder HIER? | ||
| gleich-bleibend | (L+)H* H‑(%) | Weiterweisende Äußerung, Floskelhafte Ausdrücke | ANdererSEITS Guten MORgen | |
| fallend-steigend | (L+)H* L‑H% | Höfliches Angebot | Mögen Sie ROGgenBRÖTchen? | |
| früher Gipfel | H+!H* L‑% | Bestätigung einer bekannten Tatsache | Hab’ ich mir schon geDACHT. | |
| H+L* L‑%51 | Beruhigende oder höfliche Aufforderung | Nun erZÄHle doch MAL! | ||
| stilisierte Herabstufung | (L+)H* !H‑% | Ausrufe | BECkenBAUer! |
87Die Beschreibung der Verlaufsrichtung besteht in der Regel, ähnlich wie in der Britischen Schule, aus den Begriffen steigend und fallend beziehungsweise Kombinationen aus diesen. Die letzten beiden Fälle, früher Gipfel und stilisierte Herabstufung, fallen jedoch aus der Reihe. Die Bezeichnung früher Gipfel drückt eine hohe pränukleare Silbe aus, auf die eine tiefer liegende Akzentsilbe folgt. Liegt diese nur etwas tiefer, wird sie als downstep (!H) markiert; liegt sie wesentlich tiefer, wird sie als tief (L) markiert. Der Begriff bezieht sich also auf das f0-Maximum, das vor der akzentuierten Silbe erreicht wird.
88Auch die Bezeichnung der letzten aufgeführten Kontur weist keine unmittelbar tonale Beschreibung auf. Die Form fällt insofern aus der Reihe, als sie nicht nur einen herabgestuften Phrasenton enthält, sondern auch als stilisiert bezeichnet wird. Darunter wird im Allgemeinen eine Variante einer Kontur verstanden, die keinen Grenzton enthält und somit eine finale Tonhöhenbewegung ausbleibt, die sich in einem Plateau äußert (Peters 2016). Ebenfalls gebräuchlich sind die Begriffe chanted52 und vocative chant (Leben 1976), doch bevorzugt Ladd (1978) in einer ausführlichen Beschreibung der Kontur den Begriff der stylized contour, deren Funktion darin bestehe, eine gewisse Vorhersehbarkeit, Stereotypisierung und Ritualisierung in die Nachricht zu legen. Als Beispiele wählt er unter anderem ‘jemanden zum Essen rufen’ („food’s ready“) und ‘Begrüßungen’ wie zum Beispiel „hi Grandma“ oder „g’night Amy“ (ebd., S. 520). Er kommt zu dem Schluss, dass diese sehr situationsabhängigen Phrasen wenig Informationsgehalt mitbringen. Im Deutschen wird der Verlauf ebenfalls mit dem Begriff stilisierte Kontur beschrieben, deren Sonderform die sogenannte Rufkontur darstellt (Peters 2016), wobei letztere auftritt, wenn beispielsweise eine Person oder ein Haustier gerufen wird. Das von Liberman (1975) und Gibbon (1976) beschriebene Intervall einer Terz minor für diesen Fall scheint allerdings nicht obligatorisch zu sein (Ladd 2008, S. 117).53 Ob es sich bei dem Plateau um einen herabgestuften H-Ton oder, wie es Liberman (1975) beschreibt, um einen M-Ton handelt, ist modellabhängig. Die ursprüngliche spanische Form von ToBI (vgl. Beckman et al. 2002) hatte provisorisch einen mittelhohen Grenzton M% eingeführt, bis sich herausstellen würde, ob es sich dabei um einen herabgestuften H-Ton oder einen hochgestuften L-Ton handele. Später wurde er als distinktiver, mittlerer Grenzton aufgenommen (Prieto und Roseano 2010). GToBI nimmt lediglich H und L als Tonhöhenstufen an und muss deswegen den H-Ton herabstufen, um einen mittelhohen Zielpunkt zu markieren. Ladd (1978) unterscheidet die stilisierte Kontur von der fallenden Kontur, während Liberman (1975) den Stärkegrad des Abschlusses mit der Höhe des finalen Pitchs einhergehen sieht und von vier Ebenen ausgeht, in denen sich diese Stärke widerspiegelt. Ein normaler Fall allerdings, so Ladd, kann zwar Unterschiede in der Bestimmtheit ausdrücken, wenn auch in einem Kontinuum und nicht in mehreren Stufen, doch kann die stilisierte Kontur keine Variante der Fallkontur darstellen.
89Gilles (2005) formuliert als Kritik an GToBI, dass etwa in der Kontur (L+)H* H-% der Phrasenton H- keine Relevanz hat und nur aufgrund theoretischer Annahmen postuliert wird, nicht aber formal erkennbar ist. Weiterhin kritisiert er an allen Tonsequenzmodellen, dass die intonatorischen Funktionen nicht berücksichtigt werden. Welche Funktion die phonologisch herausgearbeiteten Konturen im Gespräch übernehmen, werde in der Regel nicht beachtet. Auch in GToBI sind konversationelle Funktionen nur ansatzweise in Form eines typischen Beispiels und eines kurzen Kontextes für jede Kontur gegeben. Diese stammen allerdings aus unterschiedlichen linguistischen Bereichen, wie dem syntaktisch-semantischen oder dem gesprächsstrukturierenden, so dass keine eindeutige Funktion der Formen beschrieben wird. Dies erschwert den Vergleich zwischen den Sprachen, da gegebenenfalls zwei Formen aus verschiedenen Sprachen die gleiche Funktion erfüllen, diese aber unterschiedliche benannt ist und so nicht erkannt wird. Gilles (2005) geht sogar so weit zu sagen, dass aus diesem Grund mit GToBI keine Phonologie der Intonation im Laddschen Sinne vorliegt (vgl. Ladd 2008), auch wenn er nicht bestreitet, dass die dargestellten Kontexte existieren. Er nennt GToBI ein „Verfahren, das dazu dient, die Menge der phonetisch diskriminierbaren Intonationskonturen einer Sprache/Varietät festzustellen“ (2005, S. 15). Er führt deshalb die tonologische Ebene ein, die zwischen der phonetischen und der phonologischen liegt. Die Aufgabe der phonologischen Ebene sieht er in der Funktion von Intonationskonturen, die Aufgabe der Phonetik in der Realisation von Intonationskonturen und die Aufgabe der Tonologie in der autosegmental-metrischen Strukturierung der möglichen Intonationskonturen. Diese Ebene soll insbesondere für die Analyse unerforschter Sprachen oder Varietäten von Vorteil sein.
90Tatsächlich eignet sich ToBI nicht für die Analyse einer unerforschten Sprache, da erst eine ausführliche phonologische Analyse Aufschluss über phonologisch relevante/distinktive Töne bzw. Tonkombinationen geben kann. Sogar Beckman (1995) selbst weist darauf hin, dass das System erst eingesetzt werden sollte, wenn die phonologisch relevanten tonalen Kategorien bereits bekannt sind. Aus diesem Grund wurden Systeme entwickelt, die keine phonologischen Analysen voraussetzen. Darunter fällt etwa das relativ neue und unter konstanter Optimierung stehende Annotationssystem DIMA (Deutsche Intonation: Modellierung und Annotation) (Kügler et al. 2015, Kügler und Baumann 2019), dessen Ziele nicht nur ein schnell zu erlernender Umgang, sondern auch eine Anwendung ohne enorme Vorkenntnisse sind. Ein eindeutiger Vorteil besteht darin, dass eine Transkription mit DIMA die Basis für eine folgende Annotation mit GToBI darstellen kann, sie aber nicht zwingend notwendig macht. Da das System zunächst nur für das Deutsche entwickelt und getestet wurde, wird nachfolgend noch ein weiteres Transkriptionssystem vorgestellt, das auf ToBI basiert, aber neben der phonologischen Ebene eine phonetische Beschreibungsebene annimmt, die geeigneter für die Beschreibung eines unerforschten Systems ist.
91IViE
92Das Transkriptionssystem IViE (Intonational Variation in English) wurde für die Beschreibung der Prosodie englischer Varietäten im Rahmen eines Forschungsprojekts von Grabe et al. (1998)54 entwickelt. Das System basiert auf ToBI, erlaubt jedoch den direkten Vergleich zwischen unterschiedlichen englischen Varietäten in einem einzigen Notationssytem (labelling system). Anders als ToBI ‘entfaltet’ IViE die Transkription auf drei Ebenen. Dies ermöglicht den Vergleich der phonetischen Realisierung von Intonation und der rhythmischen Aktivitäten für unterschiedliche Varietäten. Eine Transkription erfolgt Schritt für Schritt: Zuerst werden die prominenten Silben im prominence tier gekennzeichnet, dann wird die Tonhöhenbewegung in der näheren Umgebung dieser Silben im phonetic tier transkribiert, wobei die Form und das alignment, also die zeitliche Ausrichtung des phonetischen Zielpunkts in Bezug auf die akzentuierte Silbe, betrachtet werden. Auf dem tone tier wird schließlich eine phonologische Transkription (angelehnt an ToDI (vgl. Gussenhoven 2005; Gussenhoven et al. 2015) angefertigt. Diese wird anhand eines toolkits, das nicht spezifisch für eine Varietät ist, angefertigt. Um die Vergleichbarkeit zu ermöglichen, sind alle verfügbaren Labels linksköpfig. Zusätzlich, anders als in anderen Zwei-Ton-Systemen, muss der Grenzton nicht spezifiziert werden, was heißt, dass H% und L% möglich sind, aber auch Grenzen ohne tonale Bewegung transkribiert werden können (%).
93Auf dem phonetischen tier werden die präakzentuierte Silbe, die akzentuierte, die postakzentuierte und die finale Silbe einer Einheit55 transkribiert. Für die akzentuierte Silbe werden die Großbuchstaben H, L, M (high, low, mid) verwendet (eine tonale Bewegung wird z. B. mit LH transkribiert) und für die nicht akzentuierten Silben (jeweils vor und nach der akzentuierten Silbe) die Kleinbuchstaben h, l und m. Das letzte Label, also der Buchstabe der postakzentuierten Silbe, wird mit dem Label der letzten Silbe durch einen Bindestrich (-) verbunden. Dieses Zeichen entspricht jedoch nicht dem Phrasenakzent oder der Intermediärphrasengrenze in ToBI. Das Label mH-l beschreibt beispielsweise eine mittelhohe präakzentuierte Silbe, eine hohe Akzenttonsilbe und eine anschließende Interpolation bis zu einem tiefen Niveau auf der letzten Silbe. Die Höhe der Tonhöhenakzente innerhalb einer IP wird erst auf dem phonologischen tier angepasst, das heißt das Tonhöhenverhältnis zwischen zwei Akzenttönen spielt auf der phonetischen Ebene noch keine Rolle. Die phonologische Transkription H*L kann phonetisch etwa als mH-l oder lH-l oder gar Mh-l transkribiert werden. Letztere Form würde einen Verlauf beschreiben, der den Gipfel erst in der Folgesilbe erreicht.
94Der Vorteil einer solchen Vorgehensweise ist für eine unerforschte Intonation, dass eine Vorstufe zur phonologischen Transkription möglich gemacht wird, um die vermeintlich chaotischen Realisierungsformen zu sortieren und zuordnen zu können. Es bietet sich also an, eine Kombination aus beiden System anzuwenden, um eine unerforschte Sprache wie das Luxemburgische zu beschreiben.
2.1.3 Phonetische Beschreibungsmodelle
95Neben diesen phonologisch ausgerichteten Modellen existieren auch phonetisch orientierte Beschreibungs- bzw. Untersuchungsverfahren. Diese sind untereinander nicht direkt vergleichbar, da die Vorgehensweisen zu unterschiedlich sind.
96Die ersten phonetischen Beschreibungen der Intonation (zu Beginn des 20. Jahrhunderts) beruhten lediglich auf impressionistischen Beobachtungen, was unter anderem auf fehlende Technologie zurückzuführen ist. Problematisch daran ist, dass keine objektive Analyse vorliegt und selbst geschulte Hörer bei der gleichen Phrase selten genau das gleiche Ergebnis erzielen. Spätestens mit der Entwicklung von Sprachanalysesoftware beruhen Untersuchungen zumeist auf akustischen Messungen, was die Subjektivität der impressionistischen Studien aufhebt. Die Komplexität der f0-Kurve erlaubte jedoch zunächst anhand akustischer Messungen kaum Erkenntnisse über eine Regularität, weshalb schließlich eine Reihe von Modellen entwickelt wurden, die mit Sprachsynthese und Perzeptionstests operieren und mit stilisierten Formen arbeiten, um intonatorische Regelmäßigkeiten herauszuarbeiten (Siepmann 2001).56 Eine Auswahl davon wird hier vorgestellt, ohne dass jedoch auf technische Details eingegangen wird, da sie für ein grundsätzliches Verständnis der Modelle nicht notwendig sind.
97Fujisaki-Modell
98Das Fujisaki-Modell wurde ursprünglich für die Analyse und Synthese japanischer Intonation entwickelt (Fujisaki und Nagashima 1969)57, dann aber auch auf andere Sprachen angewendet (u. a. Möbius 1993 für das Deutsche). Es handelt sich dabei um ein Superpositionsmodell58 (Möbius 1993, S. 59), in dem Intonationsverläufe als „Resultat der additiven Überlagerung von untereinander autonomen Komponenten“ (Siepmann, S. 41) betrachtet werden, oder anders ausgedrückt: eine globale Kontur, auf die lokale Wortakzente platziert werden.
99In dem klassischen Modell formuliert Fujisaki eine mathematische Methode, die die logarithmische f0‑Kontur generiert, indem die drei Komponenten Grundlinie (baseline), Phrasenkommandos (phrase command) und Akzentkommandos (accent command) hinzugefügt werden. Dabei stellt die Grundlinie den tiefsten Wert von log(f0) dar, die Phrase den (fallenden) Langzeittrend (long term trend) und der Akzent lokale Abweichungen (short term excursion) auf der Kontur (Anumanchipalli et al. 2011). Damit geht das Modell aus einer völlig anderen Perspektive an Intonation heran als beispielsweise die Tonsequenzmodelle.
100Heute wird das Modell oftmals verwendet, um quantitative, phonetische Studien durchzuführen und damit einen Gegenpol zu den zahlreichen phonologisch ausgerichteten, im abstrakten Rahmen durchgeführten Studien zu erhalten (Leemann 2012).
101IPO-Modell
102Beim IPO-Modell handelt es sich um ein rein melodisches Modell, das die funktionalen Aspekte der Intonation nicht berücksichtigt (Adriaens 1991, S. 3). Es beschreibt Intonation unter einem perzeptiven Aspekt und wurde von 't Hart et al. (1990) am Instituut voor Perceptie Onderzoek in Eindhoven für das Niederländische entwickelt und von Adriaens (1991) auf das Deutsche angewendet.59 Bei dieser Methode wird auf einer logarithmischen Skala zwischen den Wendepunkten eines f0-Verlaufs linear interpoliert, um die perzeptiv relevanten Abschnitte eines Verlaufs zu ermitteln (vgl. Adriaens 1991). Dieser linear interpolierte Verlauf wird dann über Sprachsynthese auf das Original angewendet und, vereinfacht dargestellt, der neu entstandene Verlauf anhand seiner hörbaren Gleichheit mit dem Original verglichen. Wendepunkte, die keinen hörbaren Unterschied zum Original erzeugen, werden gelöscht, so dass aus zwei Linien eine Linie entsteht. Dies wird so lange wiederholt, bis eine maximale Abstraktion des Verlaufs vorliegt, der lediglich aus (möglichst wenigen) geraden Linien mit Wendepunkten besteht (straight line approximation). Anhand von Perzeptionstests wird die Akzeptabilität des modellierten Verlaufs nachgeprüft. Obwohl es sich bei dem Modell um ein ausschließlich melodisches Modell handelt, nimmt Adriaens zumindest eine Kategorisierung seiner Konturen vor und vergleicht die perzeptiv relevanten Merkmale mit den entsprechenden Charakteristika im Englischen und Niederländischen.
103TILT-Modell
104Das von Taylor (1998) ausgearbeitete TILT Modell wurde zur Analyse und Synthese von Intonation entwickelt. Als Einheit verwendet das Modell sogenannte intonatorische Ereignisse (intonational events), die aus Tonhöhenakzent (pitch accent) oder Grenztönen (boundary tones) bestehen können. Tonhöhenakzente können in diesem Modell nur aus einer steigend-fallenden Tonhöhenbewegung bestehen, und Grenztöne können nur hoch sein, also eine final steigende Bewegung hervorrufen. Messparameter werden von der lokalen Form der f0 auf dem Ereignis abgeleitet. Bei dem Modell handelt es sich um die Weiterentwicklung des einfacheren rise/fall/connection (RFC) Modells (Taylor 1995), das die Form eines Ereignisses aus zwei Teilen bestehend betrachtet, Anstieg und Fall, und auf jedem Teil die Anstiegs- bzw. Fallhöhe (in Hz) und die Dauer (in s) misst, um die Form des Ereignisses zu beschreiben. Zudem wird die Position des f0-Maximums (in s) gemessen. Anhand verschiedener Rechenoperationen (s. Taylor 1998) werden diese Teile eines Ereignisses im TILT-Modell zusammengelegt, so dass pro Ereignis lediglich ein Wert für die Amplitude vorliegt, die den Prominenzgrad des Ereignisses beschreibt. Auch wenn sich die Annahme von intonatorischen Ereignissen laut Taylor (2000, S. 1710) an die Grundannahmen des Tonsequenzmodells anlehnt, ist das Modell eher phonetisch als phonologisch orientiert, da es konkrete f0-Werte zu bestimmten Zeitpunkten berechnet.
2.2 Funktionen von Intonation
105In seiner Arbeit zu intonatorischen Diskursmarkern gelangt Schmidt (2002a, S. 16) zu der Schlussfolgerung, dass die „unzureichend geklärten funktionalen Einheiten ins Zentrum“ der Forschung gerückt werden müssen: „Erstes Ziel muss die exakte Analyse der hörerrelevanten funktionalen Kategorien sein“ (ebd.). Damit spricht Schmidt die eng damit verbundene Diskussion über die direkte Verbindung zwischen Intonation im engeren Sinne und Syntax an, deren Suche seiner Meinung nach vergebens ist und reiht sich so in die Meinung vieler Autoren ein, die sich gegen das traditionell angenommene Verhältnis zwischen den beiden Ebenen aussprechen (z. B. Autoren, die eine konversationsanalytische Herangehensweise wählen, wie Selting 1995, Gilles 2005, Peters 2006). Eine gewisse Korrelation zwischen syntaktischen Strukturen und Konturwahl ist tatsächlich häufig festzustellen, was aber auf den Ausdruck gleicher Aspekte auf der Ebene der Informationsstruktur zurückzuführen ist (Peters 2014, S. 85). Nicht nur die von Peters genannte Informationsstrukturierung, auch die Gesprächsstrukturierung sowie paralinguistische Aspekte, wie der Ausdruck von Höflichkeit oder Emotionen60, sind als Funktionen der Intonation zu verstehen.61 Im Folgenden werden die unterschiedlichen Funktionen von Intonation aufgeführt, angefangen mit den paralinguistischen Aspekten über die Informationsstrukturierung und der lexikalischen Differenzierung in Tonsprachen hin zur Diskussion über Satzmodi und Satzarten. Schließlich folgt ein Überblick über die Funktion von Intonation in der Konversations- und Kommunikationsorganisation.
2.2.1 Emotionen/Sprechereinstellung
106Eine Funktion von Intonation ist das Transportieren von Emotionen, auch wenn neben der Intonation noch andere prosodische Eigenschaften wie Intensität, Dauer oder Stimmqualität (im Zusammenspiel) für eine korrekte Zuordnung relevant sind. So sind beispielsweise die Höhe der durchschnittlichen Grundfrequenz und Variation im f0-Umfang eines Sprechers Merkmale zur Erkennung bestimmter Emotionen (Pereira 2000). Daneben ist auch die Einstellung des Sprechers gegenüber der Äußerung oder des Äußerungsinhalts mit der Intonation vermittelbar. Bereits O'Connor und Arnold (1973) sprechen der Intonation die Funktion zu, attitudinale Signale in Bezug auf eine Äußerung in einer bestimmten Situation zu übermitteln. Auch Bolinger (1989) und Cruttenden (1997) sehen eine wesentliche Bedeutung der Intonation in der Einstellung der Sprecher gegenüber dem Gesagten. So beschreibt Bolinger (1989) einleitend, dass die Intonation ein „symptom of how we feel about what we say, or how we feel when we say [it]” (S. 1) ist. Mit der Intonation kann also ein Signal an den Hörer gegeben werden, wie dieser eine Aussage zu interpretieren hat (vgl. Schmidt 2002a, S. 16), sei es etwa als herablassend (s. Beispiel bei Cruttenden 1997, S. 8) oder bei Fragen als echt interessiert oder routinehaft. Dementsprechend würde die Antwort des Gesprächspartners ggf. ausführlich bzw. knapp ausfallen. Auch Peters (2006, 2014) ermittelt die Sprechereinstellung, im Sinne der „Einstellung bezüglich der Geltung dessen, was geäußert wird“ (Peters 2014, S. 72), als über die Intonation vermittelt.62
107In der Intonationsphonologie (Ladd 2008; Gussenhoven 2004) wird diese Funktion der Intonation unter ‚paralinguistisch‘ zusammengefasst und der Ebene der Phonetik zugeordnet. Damit werden Emotionen oder auch Sprechereinstellungen in dem Verständnis als Variation der phonetischen Implementierung nicht in die Analysen integriert (Bergmann 2008, S. 32).
108Die interaktionale Linguistik (Gilles 2005; Selting 1995) dagegen sieht diese Ebene als einen an der Konversation beteiligten Aspekt, der für die Beschreibung von Intonation berücksichtigt und nicht „in die phonetische Implementierung ausgelagert“ werden kann (Bergmann 2008, S. 32). Auch in dieser Arbeit wird die Sprechereinstellung bei der Bestimmung von Fragen noch einmal aufgegriffen (vgl. Abschnitt 3.2.3).
2.2.2 Informationsstrukturierung
109Eine andere, universale Funktion der Intonation ist die Einheitenbildung auf der Ebene der Informationsgliederung. Der Redefluss wird mithilfe globaler Intonationsverläufe in intonatorische Einheiten (z. B. Intonationsphrasen) unterteilt, die es dem Hörer erleichtern, kognitiv zu folgen (Leemann 2012, S. 20). Insbesondere längere Äußerungen werden durch eine solche Phrasierung gegliedert und leiten den Hörer bei der Sprachverarbeitung. Je deutlicher die Phrasierung stattfindet, d. h. je deutlicher der Sprecher „Einschnitte“ im Sprechfluss macht, desto leichter fällt es dem Hörer „Inhalte von Äußerungen zu verstehen“ (Bannert und Schwitalla 1999, S. 314). Die Größe einer solchen Phrasierungseinheit ist variabel und entspricht nicht notwendigerweise einer syntaktischen Einheit, so dass es möglich ist, dass eine Phrase sich über zwei syntaktische Strukturen erstreckt oder eine syntaktische Struktur sich auf zwei Phrasen verteilt (Gilles 2005, S. 16–17). Ersteres kann beispielweise bei einer komplexeren syntaktischen Konstruktion wie etwa zwei Nebensätzen in einem Matrixsatz auftreten (vgl. dazu und anderen Kombinationen aus Haupt- und Nebensätzen bei Schönherr 1997, 93ff.) und letzteres bei einer Phrasengrenze innerhalb eines Hauptsatzes (Beispiel s. Bannert und Schwitalla 1999, S. 317 und Abschnitt 3.2.2., Beispiel (3) dieser Arbeit).
110Neben der Einheitenbildung strukturiert die Intonation Information mithilfe von Fokussierung. Darauf bezogen schlägt Baumann (2006) drei Dimensionen der Informationsstrukturierung vor: Thema – Rhema, gegebene – neue Information und Hintergrund – Fokus.63 Unter Thema wird – strukturell gesehen – das initiale Satzelement verstanden, während es funktional betrachtet das ist, worüber gesprochen wird; hier bezieht sich Baumann auf Halliday (1967b). Rhema ist dann die Ergänzung mit der eigentlichen Botschaft. Bei gegebener Information (given) handelt es sich um Information, die bereits ausgetauscht wurde, implizit oder explizit, oder auch allgemein bekannt ist, während die neue Information – wie der Begriff impliziert – neu hinzukommt. Unter Hintergrund und Fokus versteht der Autor die Dichotomie von nicht informativ und informativ. Inhaltlich im Vordergrund stehende Information, wie hier Rhema und neue Information, werden unter dem Oberbegriff Fokus zusammengefasst. Die Intonation hebt diesen semantischen Fokus durch Akzentuierung hervor, wodurch die anderen, inhaltlich vorausgesetzten Konstituenten in den Hintergrund treten (vgl. Gilles 2005, S. 18). Nach Féry (1993, S. 13) wird in engen und weiten Fokus unterschieden, wobei bei weitem Fokus eine Fokussierung auf den gesamten Satz(teil) vorliegt, während sich ein enger Fokus auf eine wesentlich kleinere Satzkonstituente bezieht. Beide Fokustypen können intonatorisch unterschiedlich realisiert werden. So äußert sich beispielsweise ein enger Fokus bzw. kontrastiver Fokus im Deutschen intonatorisch u. a. durch einen größeren Tonumfang (Peters 2002).
2.2.3 Lexikalische Differenzierung
111In Tonsprachen wie dem Mandarin-Chinesischen oder dem Thailändischen bzw. den verwandten Tonakzentsprachen wie dem Schwedischen oder auch einigen mittelfränkischen Dialekten (Schmidt 2002b), die neben intonatorischen Tönen auch wortgebundene Töne aufweisen, liegt die Funktion der Intonation darin, lexikalisch zu differenzieren (Grice und Baumann 2007), das heißt Tonmustern kommt eine differenzierende Funktion zu. Für Tonsprachen findet diese Unterscheidung auf Silbenebene statt, während Tonakzentsprachen kontrastive Tonmuster auf Wortebene aufweisen. Dabei handelt es sich um ein Phänomen, das in dieser Arbeit keine Rolle spielt, da die Untersuchungssprachen davon nicht oder nicht mehr betroffen sind (für das Luxemburgische vgl. Gilles 2002), so dass es hier nicht vertiefend behandelt wird. Eine ausführliche Diskussion, warum die beiden Sprachtypen nicht so einfach wie hier dargestellt getrennt werden können, wird bei Gussenhoven (2004, 47f) geführt.
2.2.4 Satzmodus und Satzart
112Autoren, die eine Verbindung zwischen Syntax und Intonation annehmen, wie beispielsweise von Essen (1964) oder Pheby (1975), sehen eine Korrelation zwischen bestimmten intonatorischen Mustern und Satztypen. Mit ihrer Überlegung lassen sich Tonmuster anhand der syntaktisch festgelegten Satzart ableiten bzw. damit sogar voraussagen. So nimmt von Essen (1964) lediglich drei intonatorische Formen an: eine terminale, eine progrediente und eine interrogative. Die terminale (fallende) Intonation werde u. a. bei Aussagen, Aufforderungen, Ausrufen, vorangestellten Anreden und Ergänzungsfragen angewendet, was bereits ein Argument gegen die Bindung zwischen Syntax und Intonation darstellt. Schon das Auftreten einer gleichen intonatorische Form in Aussagen und Ergänzungsfragen spricht eigentlich für die Unabhängigkeit der Intonation von syntaktischen Strukturen. Eine syntaktische Funktion der Intonation wird auch dadurch widerlegt, dass von Essen (1964) z. B. der interrogativen Intonation eine Anwendung in „Ergänzungsfragen, wenn sie Warnungen oder Drohungen darstellen sollen“ (S. 66) zuschreibt, denn damit ist kein syntaktischer Kontext mehr angesprochen, sondern eher eine Sprechereinstellung. Als Ebene zwischen Satzart und Intonation wurde deswegen der Satzmodus eingeführt (Altman 1984; Altmann et al. 1989). Fünf pragmatische Kategorien fallen unter diesen Begriff: Aufforderung, Frage, Aussage, Ausruf und Wunsch. In etlichen Perzeptions- und Produktionsexperimenten (Oppenrieder 1988) wurde nachgewiesen, dass der Satzmodus mit bestimmten intonatorischen Formen verknüpft ist und besonders „intonatorische Merkmale wesentlich an der Kennzeichnung der Satzmodi beteiligt sind“ (S. 164). Kontextfrei konnten allerdings nicht alle Modi verlässlich zugeordnet werden, was Zweifel an der Allgemeingültigkeit dieses Konzepts aufkommen lässt. Selting (1995) geht davon aus, dass keine systematische Beziehung zwischen Satztyp oder Satzmodus besteht. „Vielmehr werden prosodische Merkmale in Kookkurrenz mit syntaktischen und semantischen Merkmalen als aktivitätstypspezifische Kontextualisierungshinweise bei der Konstitution unterschiedlicher konversationeller Aktivitäten verwendet“ (S. 3). Auch Brandt et al. (1992) äußern Kritik am Satzmoduskonzept, da sie davon ausgehen, dass Intonation rein pragmatischen Aufgaben nachkommt (S. 81).
113Die Primärfunktion von Intonation ist also nicht in der Differenzierung semantischer Satzmodi zu sehen. Laut Schmidt (2002a, S. 16) ist sie vielmehr im Bereich der „Konstitution und Organisation der kommunikativen Beziehung zwischen den Interaktionspartnern“ anzunehmen. Der Gesprächsorganisation wird entsprechend im folgenden Abschnitt (2.2.5) besondere Bedeutung beigemessen.
2.2.5 Gesprächsorganisation
114Schon von Essen (1964) weist implizit darauf hin, dass ein Zusammenhang zwischen der Intonation und dem Gespräch besteht, doch erst in den 1980er Jahren wurde die Funktion der intonatorischen Gestaltung, Gespräche zu strukturieren, in Untersuchungen beschrieben (Bergmann 1981).64 Man räumt der Intonation nunmehr kontextualisierende Funktion ein, die dem Hörer Hinweise auf den Kontext des Gesagten gibt. Ein Rezipient kann beispielsweise anhand der Intonation erkennen, ob der Sprecher seinen sogenannten turn halten, d. h. vereinfacht gesagt, weitersprechen will, oder ob er bereit ist, den turn abzugeben (turn-taking) und somit einen Sprecherwechsel zulässt (Auer 1986, S. 31).65 Der Hörer kann sogar, wie man anhand bestimmter Überlappungsphänomene feststellen kann, ein bevorstehendes turn-Ende antizipieren (vgl. ebd., S. 32). Bei der Gliederung von Gesprächsbeiträgen wird auch in der deutschsprachigen Literatur von turns und entsprechend von turn-Übergabe, turn-halten o. Ä. gesprochen.
115Selting (1995) kann in ihrer Arbeit nachweisen, dass die Intonation losgelöst von der Syntax betrachtet werden muss, indem sie für Fragen (W-Fragen und Entscheidungsfragen) mit der gleichen syntaktischen Struktur unterschiedliche Funktionen innerhalb des Gesprächs feststellt. So schränkt beispielsweise eine final fallende Frage die Antwort des Gesprächspartners ein, indem über die Intonation suggeriert wird, dass keine ausführliche Antwort erwartet, sondern nur mit Bestätigung gerechnet wird. Eine final steigende Antwort dagegen öffnet den Rahmen der Antwort und längere Antworten mit neuen Themen sind möglich. Außer Pragmatik, Syntax und Semantik oder informationsstrukturellen Faktoren müssen auch andere an der sprachlichen Handlung beteiligte Ebenen bei der Analyse von Intonation berücksichtigt werden (Gilles 2005). Konversationsanalytische Arbeiten wie die von Selting (1995), Gilles (2005) oder Bergmann (2008) schreiben der Intonation vor allem die Funktion der Sprecherwechselorganisation, der kohäsiven Beziehung zwischen Aktivitätsteilen (insbesondere bei längeren turns, wie etwa in Erzählungen) und Mittel zur Aufrechterhaltung oder Veränderung von interaktiven Beziehungen zu. Sie bedienen sich pragmatischer, semantischer und syntaktischer Hinweise, um die Rolle der Intonation für die Organisation von Alltagsgesprächen zu ermitteln. Sie müssen damit auf eine andere Datenbasis zurückgreifen als syntaktisch orientierte Studien: Von isolierten Einzelsätzen, die mit oder ohne Kontext in einem konstruierten Gespräch unter Laborbedingungen aufgenommen wurden, muss auf Gespräche aus natürlicher Kommunikation zurückgegriffen, und von gelesener zu spontaner Sprache gewechselt werden.
116In seinem Beitrag von 2005 legt Gilles den Schwerpunkt auf die „Bedeutung der Intonation für die Konstitution und Gliederung von Gesprächsbeiträgen“ (S. 21), was in der vorliegenden Arbeit aufgegriffen wird. Er konzentriert sich auf die gegensätzlichen Merkmale, die signalisieren, dass ein Redebeitrag fortgesetzt bzw. beendet wird. Zudem beschreibt er das Zusammenspiel aus syntaktischen, semantischen, prosodischen und pragmatischen Merkmalen, auf das Sprecher zurückgreifen können, um anzuzeigen, dass ihr turn abgeschlossen ist oder weitergeführt wird. Daraus resultieren die Funktionskomplexe Abschluss und Weiterweisung, die in Gillesʼ Arbeit im Vordergrund stehen und auch in der vorliegenden Ausführung eine zentrale Rolle spielen, wie im Abschnitt 3.2 ausgeführt wird. Erst die Reaktion des Sprechers gibt Aufschluss darüber, wie der Gesprächspartner die gegebenen Signale interpretiert. Folgt beispielweise ein Sprecherwechsel auf einen abschließenden turn, hat der Hörer die Signale als abschließend interpretiert. Gilles vergleicht, mit diesen Funktionskomplexen als beständige Grundlage, die Realisierungsformen in unterschiedlichen Varietäten (in Deutschland).
117Auch die Arbeit von Bergmann (2008) basiert auf der konversationsanalytischen Methode, nähert sich ihrer Untersuchung jedoch auf umgekehrte Weise: Sie geht von den Formen aus, um die interaktionale Funktion herauszuarbeiten. Ihr Ziel ist es, ein „umfassendes Gebrauchsprofil regionalspezifischer Intonationsverläufe für das Kölnische aufzustellen“ (Bergmann 2008, S. 2). In ihrem Beitrag bezieht sie sich in der funktionalen Klassifikation auf Gilles (2005), bedient sich jedoch einer begrifflich leicht abweichende Einteilung. So benennt sie etwa die bei Gilles unter semantischen Weiterweisungen geführten Phrasen in lexiko-semantische Weiterweisungen um, da die Form der Weiterweisung immer an lexikalische Elemente geknüpft ist (vgl. Bergmann 2008, S. 141). Die Rolle der Intonationsphrase sowie die Kriterien für deren Zuordnung für die vorliegende Arbeit werden im nächsten Kapitel ausführlich besprochen.
118Peters (2014) verfolgt eine etwas andere Herangehensweise: Zwar betrachtet er Intonation ebenfalls als konversations- und informationsstrukturierend, doch operiert er mit einem kompositionalen Modell. Das bedeutet, er betrachtet nicht ganze Intonationsphrasen als maßgeblich an der Konversations- und Informationsstrukturierung beteiligt, sondern einzelne Töne bzw. Tonkombinationen, die die nukleare Kontur generieren. Damit legt er den Schwerpunkt auf die „abstrakten intonatorischen Bedeutungen, die sich aus semantischen Merkmalen tonaler Einheiten ableiten lassen“ (Peters 2014, S. 20), schließt jedoch nicht aus, dass „eine Sprache auch über Konturen verfügt, denen holistische Bedeutung zugeschrieben werden“ (Peters 2014, S. 55). Sein semantisches Merkmalsmodell für das nördliche Standarddeutsche basiert auf der Annahme, dass einzelne phonologische Töne Träger semantischer Merkmale sind, „aus denen komplexe ‚Bedeutungen‘ abgeleitet werden können“ (Peters 2014, S. 70). Diese semantischen Merkmale sind mit tonalen Kontrasten verbunden, das heißt, dass die Bedeutungsunterschiede auf der tonalen Variation beruhen. Der Bezug der semantischen Merkmale wird zu fünf Aspekten der Äußerungsbedeutung hergestellt: der Informationsstruktur, der Konversationsstruktur, der thematischen Struktur, der konzeptuellen Struktur und den Sprechereinstellungen. Die Wahl des Grenztons wird beispielsweise der Konversationsstruktur zugeordnet, was konkret bedeutet, dass einem hohen Grenzton konversationelle Unabgeschlossenheit zugesprochen wird, während einem tiefen Grenzton konversationelle Abgeschlossenheit zukommt. Damit distanziert sich der Autor von jeglicher Zuordnung von Phrasen zu gesprächsanalytischen Funktionen wie etwa Frage oder Weiterweisung.
119Das Modell ermöglicht es, Kategorien zu bilden, die die kommunikative Funktion von Intonation berücksichtigt, ohne dass jedoch eine Rezipientenreaktion für die Zuweisung zu Rate gezogen wird, wie für gesprächsanalytische Einheiten der Fall ist. Damit erscheint die Grundlage des Modells für den Aufbau eines strukturierten Experiments, das zum Erhalt erster Informationen zu einem unbekannten Intonationssystem dient, als geeignet. Eine detailliertere Ausführung wird deshalb im Versuchsaufbau (Abschnitt ‚Theoretische Gundlagen‘ in 4.1.1) noch einmal aufgegriffen.
120Die gesprächsstrukturierende Funktion wird auch in der vorliegenden Arbeit als eine wesentliche Funktion der Intonation erachtet, weshalb im Folgenden ein methodischer Zugriff entwickelt wird, der diese Funktion berücksichtigt. Darin wird zuerst die Intonationsphrase als Analyseeinheit besprochen, um dann Kriterien für deren Zuordnung für die vorliegende Arbeit zu diskutieren.
Fußnoten
47Betonung bezieht sich hier auf die Ebene der Wortprosodie, während Akzent auf Satzebene zu verstehen ist. Dies wird im Verlauf dieses Abschnittes näher erläutert.
49Nach Pierrehumbert und Beckman (1988) ist die Deklination ein Teil einer allgemeinen Tendenz, den „tonalen Bezugsraum“ (Peters 2006, S. 63) im Verlauf einer intonatorischen Einheit (hier: Phrase) zu verringern.
49Pierrehumbert (1980) geht einen Schritt weiter, indem sie die physiologische Eigenschaft des Deklinationstrends zwar anerkennt, ihm jedoch phonologische Funktion beimisst, was im folgenden Abschnitt (Abschnitt 2.1) genauer beschrieben wird.
51An der Stelle muss festgehalten werden, dass die verwendete Terminologie bzw. Definitionen in dieser Arbeit größtenteils auf die deutsch- und englischsprachige Tradition der Intonationsforschung zurückgeht und sich deswegen auf das Deutsche und Englische beziehen.
51Neben diesen melodischen Akzenten, die eine Tonhöhenveränderung aufweisen, können auch sogenannte Druckakzente (postlexical stress) realisiert werden (vgl. Grice und Baumann 2007). Dabei handelt es sich um Silben, die lauter, deutlicher (ohne lautliche Reduktion) und dadurch länger realisiert werden, aber keine Tonhöhenveränderung aufweisen (vgl. Andreeva 2007).
51Für eine ausführlichere Diskussion über die Englischen Begrifflichkeiten accent und stress vgl. Leemann (2012).
52Ob Intonation der Status eines linguistischen Phänomens zukommt, wird an mehreren Stellen in Frage gestellt und diskutiert (vgl. Martinet 1980, S. 83ff.; Gussenhoven 2004, 55ff.). Anders als andere prosodische (oder auch segmentale) Eigenschaften kann man wie Fox (2000) es formuliert über die Intonation sagen, dass „the distinction it makes are often not discrete, but constitute a gradient“ (Fox 2000, S. 270). So kann eine fallende Intonation von unterschiedlicher Höhe in unterschiedlichem Ausmaß fallen, ohne dass eine klare Grenze zwischen den Formen besteht. Linguistische Unterschiede sind aber in den Augen vieler Forscher diskret, so dass dies ein Argument ist, das den linguistischen Status von Intonation in Zweifel zieht. Fox argumentiert jedoch, dass auch kategorische Unterscheidungen innerhalb der Intonation beschreibbar sind, wie etwa Anstieg vs. Fall oder hoch vs. tief. Hinzu kommt, dass, aufgrund von Emotionen zwar gewisse Bedeutung von Intonation als universell gilt und in vielen Sprachen verstanden wird, doch ist ein Großteil der Bedeutung von Intonation sprachspezifisch, so dass eine gewisse Arbitrarität gegeben ist, weshalb man Intonation zumindest in Bezug auf Kategorialität und Arbitrarität laut Fox (2000, S. 271) als linguistisch betrachten kann.
54O'Connor und Arnold 1973 sprechen zwar von sense group, verstehen darunter aber ebenfalls im Sinne der Britischen Schule eine Einheit aus prehead, head, nucleus und tail. Diese Begrifflichkeiten haben sich auch in der deutschsprachigen Literatur durchgesetzt.
57Da diese Form der Notation aussieht wie Kaulquappen, wird auch von tadpole notation gesprochen.
61Er geht allerdings nur von drei Stufen aus und bezieht die oberste Ebene der emphatischen Realisierung nicht mit ein.
63Man spricht in dem Zusammenhang auch von tone bearing units (TBU). Darunter werden die Einheiten auf Textebene verstanden, mit denen Töne assoziiert sind. Je nach Sprache sind das z. B. Silben (wie im Deutschen) oder Moren (wie im Japanischen) (vgl. Peters 2006, S. 35).
64Pierrehumbert (1980) hatte zusätzlich zu den hier aufgeführten tonalen Einheiten den Phrasenakzent aufgeführt. Dieser wurde aber in seiner ursprünglichen Bedeutung nach mehrfacher Kritik in Beckman und Pierrehumbert (1986) revidiert. Den Begriff wird heute in der revidierten Form verwendet und wird in allen ToBI-Modellen verwendet, wie im Punkt ‚ToBI‘ in Abschnitt 2.1.2 beschrieben wird.
64Die Aufteilung in pitch accent (hier Tonhöhenakzent) und boundary tone wurde auch schon bei Trager und Smith (1957) vorgenommen, wurde jedoch unter juncture phoneme und pitch phoneme geführt.
69Anders als in der Britischen Schule kommt dem nuklearen Abschnitt in beiden Ansätzen morphologischer Status zu, d. h. der einzelne Ton bzw. die Tonkombinationen im Nukleus sind bedeutungstragend. Da diese veranschlagten Bedeutungen konstant sind, spricht Bergmann (2008, S. 19) hier von einer gewissen Vorhersagbarkeit von Intonation.
71Vgl. Peters (2006, S. 24) für einen Überblick über diverse Arbeiten zu Tonsprachen, die mit dem AM-Modell operieren.
71Vgl. Peters (2006, S. 20) für einen Überblick über diverse Arbeiten zu intonatorischen Systemen regionaler Varietäten in Deutschland, Schweden, England und den Niederlanden.
72Die Kontur wird nicht explizit transkribiert, lässt sich aber aus der Arbeit ableiten. Auch Grice et al. (2005) verwenden diese Transkription bei einer Gegenüberstellung verschiedener Konturen von Wunderlich, Féry und Uhmann.
73Später weiterentwickelt von Beckman und Gayle (1997) und Beckman et al. (2005). Die aktuelle Version sowie Verweise auf die anderen ToBI-Systeme können auf http://www.ling.ohio-state.edu/~tobi/ [Stand: 28.09.17] eingesehen werden.
73Das System sowie seine starke Verbreitung stoßen jedoch auch auf Kritik: „Le problème vient de ce que les promoteurs de cette notation ont acquis un tel pouvoir académique qu’il est quasiment suicidaire pour un chercheur dans ce domaine de tenter d’utiliser un autre système […]“ (Martin 2009, S. 83).
75Das Problem mit dem Terminus Phrasenakzent ist, dass Grenzen nicht als Akzente bezeichnet werden sollten. Für die Erstellung von GToBI wurde dies mehrmals diskutiert und revidiert, bis man sich schließlich auf den Terminus Phrasenakzent einigte, allerdings mit der Erweiterung, dass auch postnukleare Prominenzen darunter verstanden werden. Der Begriff Phrasenton wird prinzipiell synonym dazu verwendet, kann aber in anderen Sprachen auch als Synonym für den nuklearen Tonhöhenakzent verstanden werden (vgl. Grice et al. 2017).
75Obwohl die Britische Schule keine weitere Phrasierungsebene annimmt, sieht auch Williams (1996) die Einführung einer weiteren Phrasierungsebene mit seinen minor tone units, die innerhalb einer major tone unit kleinere Phrasierungseinheiten bilden als notwendig an.
75In der älteren Literatur nimmt auch von Essen (1964) eine solche weitere Phrasierungsebene an. Letzterer unterteilt seine rhetorische Phrase, die äquivalent zur Intonationsphrase zu verstehen ist, in mehrere Schwerpunkte, welche ihrerseits in etwa äquivalent zur Intermediärphrase verstanden werden können. Die großen Schwerpunkte enthalten den Nukleus und sind die letzten innerhalb einer rhetorischen Phrase. Der Unterschied zu GToBI liegt in der Motivation der Unterteilung: von Essen (1964) unterteilt aufgrund der Form (in progrediente und terminale bzw. interrogative Intonation), während GToBI zwei hierarchische Domänen annimmt, die unabhängig vom Tonmuster bestimmt werden (vgl. Grice et al. 2005).
75Der theoretische Status dieses Tons ist nicht eindeutig geklärt. In Sprachen wie Schwedisch ist er als Phänomen weitgehend anerkannt, in Sprachen wie Englisch und Deutsch ist sein Status jedoch immer noch umstritten (vgl. Grice et al. 2000).
79Eine Ausnahme ist Féry (1993), die allerdings Phrasenakzente ablehnt, und GToBI.
80Eine vierte Ebene mit dem Namen miscelleaneous tier kann eingefügt werden, um zusätzliche Informationen z. B. zur Stimmqualität zu notieren (vgl. Beckman und Gayle 1997).
81Die Tonhöhenakzente mit frühem Gipfel (H+L* und H+!H*) werden in der neuesten Fassung von GToBI (Grice und Baumann 2016) zu einer Transkription (H+!H*) zusammengefasst (vgl. Fußnote 51).
84Féry (1993) nimmt dagegen schon eine H*+L Form an; sie geht davon aus, dass der tiefe Zielpunkt von einem Folgeton ausgeht.
85Für weitere Notationsunterschiede zwischen ToBI und ToDI/ToGI vgl. Peters (2014, S. 32–35; 2018).
86Die Bezeichnungen fallend bzw. steigend sind nicht mit den gleichlautenden Beschreibungen der Britischen Schule gleichzusetzen. In der Britischen Schule beschreibt beispielsweise rise eine bestimmte Kontur, während hier lediglich die globale Bewegungsrichtung beschrieben wird.
86Die Kontur (H+L* L-%) wird nach der neuesten Fassung von GToBI (Grice und Baumann 2016) nicht mehr von der vorausgehenden Kontur (H+!H* L-%) unterschieden, sodass nur noch eine Transkription mit frühem Gipfel angenommen wird. Diese Anpassung basiert unter anderem auf der Tatsache, dass Hörer bei einem Perzeptionsexperiment nicht verlässlich zwischen beiden Konturen unterscheiden konnten (vgl. dazu auch Rathcke und Harrington 2010).
88Gesungen an dieser Kontur klingt die gleichbleibende Tonhöhe, da die Tonhöhe nur im Gesang, nicht in der Rede „über Augenblicke gleich“ bleibt, denn „so definieren wir nämlich gemeinhin den Unterschied zwischen Gesang und Rede“ (Pilch 1987, S. 122).
88Obwohl die Kontur in vielen Sprachen festgestellt werden kann, wird sie aber unterschiedlich eingesetzt: im amerikanischen Englischen wird sie beispielsweise verwendet, wenn Erwachsene Kinder rufen, während sie im Deutschen auch für Erwachsene Einsatz findet (vgl. Ladd 2008).
92Das Transkriptionssystem ist in Grabe et al. (2001) bzw. auf http://www.phon.ox.ac.uk/files/apps/old_IViE/guide.html#tech [Stand:28.09.17] (Grabe 2001) nachzulesen.
93IViE geht von einem implementation domain (ID) aus, das aus der Silbe vor der akzentuierten Silbe über die akzentuierte Silbe bis hin zu den folgenden Silben besteht. Zu den letzten zählen alle (unbetonten) Silben bis zur nächsten akzentuierten Silbe.
96Siepmann (2001) führt auch das Kiel Intonation Model unter den phonetischen Modellen auf, obwohl sich Kohler (1991) explizit der Britischen Schule zuordnet. Der Grund dafür ist die phonetische Ausrichtung des Gipfels bzw. des Tals in Bezug auf den Silbenkern.
98Als Referenz für das aktuelle Modell wird hauptsächlich die weiterentwickelte, vollständige Form von (Fujisaki und Hirose 1982) herangezogen.
98Superpositionsmodelle gehen mit Intonation um, als sei sie eine komplexe Funktion, die in einfachere Funktionen zerlegt werden kann.
105Die Einteilung in linguistische, paralinguistische und extralinguistische Funktion von Intonation weicht damit leicht von Fujisaki (2004) ab, der den emotionalen Zustand als nicht-linguistisch klassifiziert.
105Extralinguistische Informationen wie etwa die Herkunft eines Sprechers können ebenfalls anhand der Intonation ermittelt werden (vgl. z. B. diverse Arbeiten zur Intonation sprachlicher Varietäten, wie etwa das IViE-Korpus (Coleman und Kochanski 2008)). Unter den Begriff fallen Eigenschaften der Sprache, die der Sprecher nicht ohne Weiteres kontrollieren kann, seien es physiologische (z. B. Geschlecht) oder habituelle (z. B. Sprechgeschwindigkeit) (vgl. Cruttenden 1997, S. 172).
106Peters (2014) führt downstep, frühen und späten Gipfel als auf die Sprechereinstellung zurückzuführende Tonhöhenakzentmodifikation an, wobei mit frühem Gipfel beispielsweise die Veränderung von H*L zu H!H*L gemeint ist und unter spätem Gipfel eine Modifikation von H*L zu L*HL verstanden wird.
110Eine Vielzahl anderer Bezeichnungen können in Baumann (2006) nachgelesen werden. Eine kritische Beleuchtung der Terminologie findet sich bei Féry (1993).
114Eine Rolle der Intonation innerhalb der Gesprächsorganisation ist in etlichen Studien belegt worden, so etwa Selting 1995; Couper-Kuhlen und Selting 1996); Wichmann (2000).
114Der Terminus turn wird hier im Sinne Goodwins (1981) verwendet, der definiert: „[turn is] the talk of one party bounded by the talk of others“ (S. 2). Unter turn-taking versteht dieser „the process through which the criteria according to which the party doing the talk of the moment is changed“ (Goodwin 1981, S. 2).