Schon von „OpenClaw“ gehört? Das ist eine Software, mit der man persönliche KI-Agenten programmieren kann, die dann auf Basis eines Large Language Models vielfältige Aufgaben völlig autonom erledigen können. So kann der KI-Helfer zum Beispiel den persönlichen Kalender managen, Dokumente (oder sogar Gespräche) zusammenfassen, Business-Ideen entwickeln, den persönlichen Mailverkehr übernehmen, eigenen Code schreiben und vieles mehr. Doch darum soll es hier gar nicht gehen – auch nicht um die enormen potentiellen Sicherheitsrisiken, die all das birgt.
Hier interessiert mich vielmehr, dass zumindest in der deutschsprachigen Online-Presse-Landschaft vor dem 31. Januar 2026 noch niemand von OpenClaw gehört hat, das Wort seitdem aber in aller Munde ist. Und dabei ist es nicht allein: Immer wieder treten technische Neuerungen, gesellschaftliche Phänomene oder politische Ereignisse ins Schlaglicht, von denen wir noch nie gehört oder gelesen haben – zumindest nicht in diesen Worten. Und genau darum soll es hier gehen: neue Wörter (oder genauer: Wortformen), die „neu“ sind, so also noch nie beobachtet wurden. Diese neuen Wortformen findet der „Neue-Wörter-Bot“, den ich für das föderierte soziale Netzwerk Mastodon programmiert habe.
Jeden Tag postet der Neue-Wörter-Bot 15 teils zufällig ausgewählte Wörter, die er am Tag zuvor zum ersten Mal in 13 deutschsprachigen RSS-Feeds gefunden hat (zur Datengrundlage habe ich vor einiger Zeit etwas auf Lingdrafts geschrieben). Neben den fünf am häufigsten erwähnten Wörtern werden fünf komplett zufällig ausgewählte sowie fünf weitere ohne Bindestrich (wieso?) präsentiert. Da sind dann so illustre Dinge dabei wie der Entschleimer, die Spinosaurus-Kontroverse oder Schneesehnsüchte. Hier möchte ich vorstellen, wie der Bot das genau macht, aufgrund welcher Datenbasis er „entscheidet“, welche Wortformen wirklich neu sind, und warum wir besser von „Wortformen“ (oder sogar besser von „Zeichenketten“) und nicht von Wörtern sprechen sollten, wenn wir uns anschauen, was der Bot so zu Tage fördert. Doch zunächst sollten wir dieses kleine Projekt in den Kontext rücken, denn die Idee ist beileibe keine neue! Bevor wir einsteigen, kann ich aber versichern: Der Neue-Wörter-Bot hat zwar mit Sprache zu tun, ist aber definitiv kein Large Language Model und erst recht kein autonomer KI-Agent – das wird auch recht schnell klar, wenn man in den eigentlich recht einfachen und nicht sehr umfangreichen Code schaut.
Neue Wörter anderswo
Der Platzhirsch unter den Neue-Wörter-Bots ist wohl der überaus beliebte Bot „New York Times first said“, der inzwischen auf Bluesky fleißig Wörter postet, wenn sie zum ersten Mal in der großen US-amerikanischen Zeitung erscheinen. So schöne Wörter wie nonbingeable oder bananathon lassen sich dort entdecken. Einen ähnlichen Ansatz verfolgt Marcel Schneuer mit seinem Bot „Bundestag First Said“: Auch hier wird gezielt eine Textsorte (hier eben Bundestagsdebatten) nach neuen Wörtern durchforstet. Da ist dann zum Beispiel von Traglastüberschreitungen und Kapitalmarktstandortkompetenz die Rede – aber auch von ganz alltäglich anmutenden Dingen wie der Zuckerpackung. Schon über ein Vierteljahrhundert ist die „Wortwarte“ von Lothar Lemnitzer alt, die inzwischen im Projekt „Wortwarte Reloaded“ aufgegangen ist. In die Wortwarte geht mehr manuelle Aufbereitungsarbeit ein als bei den zuvor zitierten Social-Media-Bots, so wird bspw. auch die Wortart und (bei Nomen) das Genus mit angegeben. Das Web-Design ist ein wahrer blast from the past ebenso wie das Verb verlinken. Auch die inzwischen berühmt berüchtigten Sprachnachrichten wurden wie die beiden zuvor genannten Wörter im September 2000 zuerst von der Wortwarte verzeichnet. Interessant dabei: Sprachnachrichten sind damals noch mit dem Zusatz „pluraletantum?“ gekennzeichnet – fast 26 Jahre später können wir wohl mit Sicherheit sagen, dass es auch die einzelne Sprachnachricht gibt.
Wörter, Wortformen und Zeichenketten
Eigentlich sucht der Bot ganz einfach nur nach neuen Zeichenketten, die zwischen zwei Leerzeichen stehen. Diese Zeichenketten werden dann komplett in Kleinschreibung überführt (aus Bots! wird bots!), und es werden noch Satzzeichen entfernt (aus bots! wird bots). Der Wortbegriff wurde in der Sprachwissenschaft schon erstaunlich oft hoch- und runterdiskutiert, und evtl. entsprechen einige der so gefundenen Zeichenketten nicht dem intuitiven Verständnis von „Wort“. Bots ist bspw. die Mehrzahl von Bot (und könnte somit auch diesem Wort zugeschlagen werden). Bei Verben gibt es noch viel mehr dieser Flexionsformen, aber auch hier schlägt der Bot die am 14. Februar 2026 gefundene Form gemoggt nicht dem Infinitiv moggen zu, weil keine sog. Lemmatisierung stattfindet. Wir müssen also klar konstatieren: Der Neue-Wörter-Bot findet im besten Falle neue Wortformen, von denen nicht jede unbedingt ein neues Wort ist. In diesem Post ist jedes Vorkommen von „Wort“ also als „Wortform“ gemeint, und eigentlich sucht der Bot nach Zeichenketten zwischen Leerzeichen.
Und wie funktioniert das?
Will man neue Wortformen identifizieren, braucht man immer mindestens zwei Arten von Datensätzen: Alte Wörter und jeden Tag eine bestimmte Menge an Text, die nach neuen Wörtern durchsucht wird. An einem bestimmten Tag X wird dann nachgeschaut, welche Wörter in den neuen Texten nicht auf der Liste der alten Wörter stehen. Diese neuen Wörter an Tag X gehen dann ab dem nächsten Tag X+1 in die Liste alter Wörter ein, zählen ab dann also als „bereits gesehen“. Die Liste der alten Wörter wächst somit von Tag zu Tag. Wenn man diese Prozedur lange genug durchhält, könnte man denken, dass irgendwann keine neuen Wörter mehr dazukommen, weil jedes mögliche Wort bereits beobachtet wurde.

Abbildung 1: Linkes Diagramm: Anzahl aller Wortformtypes pro Tag (rot) und Anzahl der neuen Wortformtypes pro Tag (blau). Achtung: Die y-Achse ist logarithmisch. Für Wochenenden ist das Punktsymbol ein Dreieck, für alle anderen Wochentage ein Punkt. Rechtes Diagramm: Anteil (%) aller neuen Wortformtypes pro Tag. Wochenenden sind hier über dunklere Punkte hervorgehoben.
Doch das ist nicht der Fall, wie wir in den Abbildungen 1 und 2 sehen. Die Anzahl noch nie beobachteter Wörter (blaue Linie in der linken Abbildung) schwankt zwar ein wenig, nimmt aber (noch) nicht deutlich ab. Im bisherigen Beobachtungszeitraum vom 12. Januar bis zum 24. Februar 2026 kamen im Schnitt 188 Wörter jeden Tag hinzu. In der rechten Abbildung ist der Anteil neuer Wortformen an allen Wortformen pro Tag abgetragen. Durchschnittlich wurden jeden Tag ca. 1,1 Prozent aller beobachteten Wortformen noch nie vorher beobachtet. Die gestrichelte blaue Anpassungslinie zeigt zwar leicht nach unten, der zugrundeliegende Regressionstest zeigt aber (noch) keinen signifikanten zeitlichen Effekt an (t = -0,22; p = 0,83). Rechnet man den Wochenend-Effekt (also die Varianz in den Daten, die einzig dadurch entsteht, dass ein gemessener Datenpunkt am Wochenende entstand oder nicht) heraus, kehrt sich der numerische Zusammenhang sogar um, ist aber weit davon entfernt, statistisch signifikant zu sein (t = 0,24; p = 0,81).
Doch zurück zur Funktionsweise: Die Ausgangsliste alter Wortformen enthielt zu Beginn der Datensammlung durch den Bot ca. 39 Millionen Wortformen (ebenfalls alle in Kleinschreibung). Diese habe ich aus DeReKoGram extrahiert, einer sehr großen Frequenzliste, die auf dem Deutschen Referenzkorpus (DeReKo) basiert. Zudem enthält diese Liste alle Wortformen, die in den RSS-Feeds vom 1. Januar 2020 bis zum 10. Januar 2026 gesammelt wurden. Seit dem 12. Januar 2026 (dem Beginn der Datensammlung, der Bot fing etwas später an zu posten) sind dann noch 8.806 neue Wortformen von der täglichen Sammlung hinzugekommen (Stand: 24. Februar 2026).
Nun sammelt der Bot jeden Tag fleißig die neuesten RSS-Feeds, gleicht alle Wörter mit den bekannten Wörtern ab, woraus die tägliche Liste der neuen Formen entsteht. Aus dieser wählt der Bot dann die oben angesprochenen 15 zum Posten aus. Man könnte meinen, dieser Prozess ist komputational sehr aufwendig, aber tatsächlich ist das eine Sache von ein paar Minuten auf einem relativ neuen Raspberry Pi 5. Das liegt auch daran, dass die Liste der alten Wörter „nur“ ca. 640 Megabyte groß ist.
Und was sind jetzt „interessante“ Wörter?
Bei weitem nicht jedes Wort, das der Bot findet, ist interessant. Eine Regel, die ich ihm ganz frisch „beigebracht“ habe, besagt, dass nur Zeichenketten beachtet werden sollen, in denen mehr Buchstaben als Zahlen vorkommen. Dadurch werden zum Beispiel Typenbezeichnungen aus Produkttests aussortiert (z.B. 6351b). Doch das reicht natürlich nicht aus, um Wörter zu finden, die über einen längeren Zeitraum hinweg vielleicht ihren Eingang in die deutsche Sprache finden. Um das herauszufinden, läuft die Datensammlung auch noch nicht lange genug. Trotzdem können wir zumindest testweise ein paar Kriterien der „Interessantheit“ aufstellen. Dabei geht es bisher insbesondere darum, an wie vielen Tagen eine als neu identifizierte Zeichenkette aufgetaucht ist.

Abbildung 2: Die 25 Wortformen, die im bisherigen Datensatz an den meisten Tagen belegt sind. Das Datum ist auf der x-Achse abgetragen. Graue Kästchen bedeuten, dass die Wortform an diesem Tag nicht belegt ist. Je dunkelgrüner ein Kästchen eingefärbt ist, desto häufiger war die entsprechende Wortform an diesem Tag belegt.
Abbildung 2 zeigt die aktuellen Top-25 dieser Statistik, und dort begegnet uns auf Platz 1 wieder openclaw, das seit dem 31. Januar 2026 fast durchgängig belegt ist. Nicht unter den Top-25 sind hingegen Komposita, in denen openclaw enthalten ist, nämlich openclaw-bot, -entwickler, -erfinder, -erfinders, -instanzen und -ki.
Ebenfalls interessant: moltbook und reddit-klon bezeichnen dasselbe „Ding“. Moltbook wird in Erklärungen oft als Reddit-Klon für KI-Agenten beschrieben. Diese beiden Formen tauchen also oft gemeinsam in einem Text auf. In Abbildung 2 sieht man das nur daran, dass die Tage, an denen die Wortformen beobachtet wurden, sich stark überschneiden. Dass zu den letzten Nennungen von moltbook nicht mehr reddit-klon auftaucht, könnte darauf hindeuten, dass Moltbook von den Journalist*innen inzwischen als so bekannt vorausgesetzt wird, dass es nicht weiter erklärt zu werden braucht. Solcherlei Überschneidungen deuten aber auf methodischer Ebene darauf hin, dass eine gezielte Analyse des gemeinsamen Auftretens von Wörtern in Texten durchaus interessant sein könnte, um mehr solcher Muster zu finden. Dass nämlich ein bloßes gemeinsames Auftreten an den gleichen Tagen nicht ausreicht, macht das Wortpaar deranque und (groß)glockner-prozess deutlich: Die zeitliche Überschneidung ist hier rein zufällig.
In der Zukunft wird es interessant sein zu sehen, welche Kriterien sich noch finden lassen, um den „Interessantheitsgrad“ von Wörtern unter linguistischer Perspektive besser einschätzen zu können. Ein Kandidat für so ein Maß wäre bspw. auch die Verbreitung über möglichst viele Quellen hinweg. Auch eine Zergliederung der gefundenen Zeichenketten (wir sehen ja in Abbildung 2 schon recht gut, dass es fast ausschließlich um Komposita handelt) könnte interessant sein, denn an den Beispielen grönlandkrise und grönland-konflikt oder bw-wahl und bw-landtagswahl sieht man schon recht gut, dass häufig unterschiedliche Kompositabildungen für die Bezeichnung gleicher Phänomene genutzt werden. Tatsächlich sind im Datensatz 108 Wortformen enthalten, die mit grönland beginnen. Natürlich bezeichnen nicht alle davon direkt den Konflikt, aber es sind auch grönland–schock, –szenario, –streit, –sache, –showdown, –handelskonflikt, –turbulenzen sowie einige andere (mal mit, mal ohne koppelnden Bindestrich) in dieser Liste enthalten, die mehr oder weniger direkt den Konflikt als solches bezeichnen.
Jetzt wünsche ich erstmal viel Spaß mit dem Neue-Wörter-Bot. Ich bin selbst gespannt, welche neuen Wörter er noch so findet.
Nur der Text ist unter der Lizenz Creative Commons Namensnennung 4.0 International nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Sascha Wolfer (25. Februar 2026). Neue Wörter von gestern schon heute: Der „Neue-Wörter-Bot“ auf Mastodon. Linguistische Werkstattberichte. Abgerufen am 10. März 2026 von https://doi.org/10.58079/15rk4
Diesem spannenden Beitrag wollten wir eine noch größere Reichweite verleihen und haben ihn daher in unseren Slider auf der Startseite und in den nächsten Newsletter aufgenommen.
Herzliche Grüße
Ulrike Stockhausen (Community Management de.hypotheses)