Pinyin-Aussprache: Anlaute, Endlaute und Tonregeln

Wer das lateinische Alphabet kennt, glaubt sofort, Pinyin-Buchstaben wie “c”, “q”, “x” oder “zh” würden ihm etwas über ihren Klang verraten. Das tun sie tatsächlich, nur eben nicht das, was ein deutsches Ohr erwartet. Ein deutscher Leser bringt sogar noch ein paar zusätzliche falsche Annahmen mit als ein englischer, weil Deutsch andere Buchstaben-Laut-Verbindungen fest verankert hat, an denen man sich automatisch festhält, aber Deutsch bringt dafür auch ein oder zwei echte Geschenke mit, bei denen die deutsche Aussprache fast perfekt zufällig zutrifft (ü ist so ein Fall, dazu weiter unten mehr). Die meisten Pinyin-Tabellen im Netz behandeln das Thema wie ein Vokabelheft: 21 Anlaute, ein Dutzend Endlaute, vier Töne, alles der Reihe nach auswendig lernen. Das ist der falsche Ansatz. Pinyin ist eigentlich ein System aus Bausteinen und Regeln, kein loser Haufen von Symbolen, die zufällig nebeneinanderstehen. Verstehst du, warum b und p fast dieselbe Zungen- und Lippenstellung teilen und sich nur durch einen Luftstoß unterscheiden, oder warum das “i” nach sh plötzlich völlig anders klingt als das “i” nach m, musst du am Ende deutlich weniger auswendig lernen, weil du die Logik dahinter siehst statt zwanzig Einzelfälle. Genau das ist der Anspruch dieses Artikels: keine Tabelle zum Auswendiglernen, sondern ein Werkzeugkasten, mit dem du jede neue Pinyin-Silbe, die dir künftig begegnet, selbst herleiten kannst, statt sie irgendwo nachschlagen zu müssen.

Was Pinyin eigentlich ist

Pinyin ist jünger, als viele denken. Der chinesische Linguist Zhou Youguang leitete in den 1950er-Jahren das Komitee, das Hanyu Pinyin entwickelte, und die chinesische Regierung führte es 1958 offiziell ein, als einheitliches System, um die Aussprache des Mandarin in lateinischen Buchstaben festzuhalten. Zhou wurde später oft scherzhaft “Vater des Pinyin” genannt, auch wenn er selbst stets betonte, dass ein ganzes Komitee die eigentliche Arbeit geleistet hatte. 1982 wurde Pinyin dann zum internationalen Standard zur Romanisierung des Mandarin erklärt, festgehalten in der Norm ISO 7098, und verdrängte ältere Systeme wie Wade-Giles fast vollständig aus offiziellen Kontexten.

Für dich als Lernenden zählt vor allem eine Kernaussage: Pinyin ist eine Schreibkonvention, kein Versprechen. Das Komitee musste 26 lateinische Buchstaben plus ein paar Zusatzzeichen auf weit mehr unterschiedliche Mandarin-Laute verteilen, als das Alphabet eigentlich hergibt, und dabei zwangsläufig Buchstaben wiederverwenden, die im Deutschen längst fest belegt sind. Das “x” in Pinyin hat nichts mit dem deutschen “x” in “Taxi” zu tun, und das ist kein Fehler im System. Es ist einfach die Konsequenz daraus, ein Alphabet für eine Sprache zu recyceln, für die es nie gebaut wurde.

Pinyin war außerdem nie als Ersatz für die chinesischen Schriftzeichen gedacht, sondern als Lernhilfe und Übergangswerkzeug: Kinder in China lernen bis heute zuerst die Aussprache über Pinyin, bevor sie die Schriftzeichen selbst schreiben können, und Wörterbücher, Tastaturen und praktisch jedes Lehrbuch für Nicht-Muttersprachler bauen heute auf demselben System auf. Genau deshalb lohnt es sich, es von Grund auf richtig zu lernen, statt es nur nebenbei mitlaufen zu lassen, bis die Schriftzeichen die Hauptrolle übernehmen.

Die 21 Anlaute als System

Mandarin hat 21 Anlaute, also Konsonanten am Silbenanfang, und sie sind nicht willkürlich sortiert. Linguisten gruppieren sie danach, wo im Mund sie gebildet werden, und genau diese Gruppen sind der Schlüssel, um sie dir zu merken, statt 21 isolierte Symbole zu pauken.

Labiale: b, p, m, f

Die vier Lippenlaute. Bei b, p und m schließen sich die Lippen kurz, bei f reibt die Unterlippe an den oberen Schneidezähnen, genau wie im Deutschen.

Alveolare: d, t, n, l

Die Zungenspitze berührt den Zahndamm hinter den oberen Schneidezähnen, eine Artikulationsstelle, die dir aus dem Deutschen vertraut ist.

Velare: g, k, h

Der hintere Zungenrücken hebt sich Richtung weichem Gaumen.

Palatale: j, q, x

Der Zungenrücken liegt näher am harten Gaumen als bei den Velaren. Diese drei Laute sorgen für den größten Teil der Verwirrung, dazu gleich mehr im Detail.

Retroflexe: zh, ch, sh, r

Die Zungenspitze biegt sich nach hinten, ohne den Gaumen zu berühren, eine Artikulationsstelle, die es im Deutschen in dieser Form gar nicht gibt.

Sibilanten: z, c, s

Vorne an den Zähnen gebildete Zischlaute.

Zwei Buchstaben tauchen in dieser Liste bewusst nicht auf, obwohl du sie in Pinyin-Wörtern ständig siehst: y und w. Das sind keine echten eigenen Konsonanten, sondern reine Schreibkonventionen für den i-Gleitlaut und den u-Gleitlaut, wenn eine Silbe ohne Anlaut beginnt (yi statt i, wu statt u). Die behandeln wir weiter unten im Abschnitt über die Endlaute, wo sie systematisch hingehören.

Hier die ganze Übersicht auf einen Blick, inklusive Beispielwort für jeden Anlaut:

Diese Tabelle ist bewusst knapp gehalten. Die eigentliche Erklärung, warum b und p oder d und t sich so unterscheiden, wie sie es tun, kommt jetzt.

Aspiration: das Konzept, das die halbe Alphabet-Verwirrung erklärt

Die Paare b/p, d/t, g/k, j/q, zh/ch und z/c sehen aus, als würden sie dasselbe unterscheiden wie im Deutschen: stimmhaft gegen stimmlos. Genau diese Annahme führt fast jeden deutschen Anfänger auf die falsche Fährte. Mandarin unterscheidet diese Paare nämlich gar nicht über Stimmhaftigkeit, sondern über Aspiration, also darüber, ob beim Sprechen ein hörbarer Luftstoß mitkommt oder nicht.

Aspiration ist dir näher, als du denkst, du produzierst sie ständig, nur ohne es zu merken. Deutsch verhält sich hier genau wie Englisch: Betonte Anfangslaute wie p, t und k werden im Deutschen tatsächlich aspiriert, in Wörtern wie “Tasse”, “Kaffee” oder “Peter”. Halte dir die Hand ein paar Zentimeter vor den Mund und sprich diese drei Wörter: Du spürst einen kleinen Luftstoß gegen die Handfläche, direkt nach dem ersten Laut. Sprich jetzt “Spiel” oder “Stein”, und derselbe Test zeigt fast nichts: Das p in “Spiel” und das t in “Stein” kommen praktisch ohne diesen Luftstoß heraus. Das ist genau der Unterschied, den Mandarin zwischen p und b, oder zwischen t und d meint. Pinyin b klingt wie das unaspirierte p aus “Spiel”, pinyin p klingt wie das aspirierte p aus “Peter”. Pinyin d klingt wie das unaspirierte t aus “Stein”, pinyin t wie das aspirierte t aus “Tasse”. Genauso bei g und k: g ist die unaspirierte, k die aspirierte Version desselben hinteren Verschlusslauts, wie in “Kaffee”.

Derselbe Handtest funktioniert auch bei den anderen aspirierten Pinyin-Lauten, q, ch und c, gegenüber ihren unaspirierten Partnern j, zh und z. Der Trick, den du dir merken solltest, ist simpel: Sobald du unsicher bist, ob ein Pinyin-Konsonant “hart” oder “weich” klingen soll, denk nicht an stimmhaft oder stimmlos, das bringt dich bei Mandarin auf die falsche Spur. Denk an den Luftstoß. Kommt er, ist es der aspirierte Partner. Kommt er nicht, ist es der unaspirierte. Diese eine Umstellung im Kopf löst mehr Ausspracheprobleme als jede andere einzelne Regel in diesem Artikel.

Der Grund, warum das speziell für deutsche und englische Muttersprachler so schwer zu hören ist, liegt daran, dass unser Ohr über Jahrzehnte darauf trainiert wurde, auf Stimmhaftigkeit zu achten, nicht auf Aspiration, obwohl beide Merkmale in unserer eigenen Aussprache die ganze Zeit gleichzeitig vorhanden sind. Ein deutsches b ist stimmhaft und unaspiriert, ein deutsches p ist stimmlos und aspiriert, die beiden Merkmale laufen im Deutschen einfach immer zusammen, sodass wir sie nie einzeln wahrnehmen mussten. Mandarin trennt genau diese beiden Merkmale voneinander: b und p sind beide stimmlos, unterscheiden sich aber in der Aspiration. Sobald dir das einmal bewusst ist, hörst du den Unterschied plötzlich auch bei Muttersprachlern, die viel zu schnell sprechen, um noch einzelne Buchstaben zuzuordnen.

Mandarin fragt nie, ob deine Stimme mitschwingt. Es fragt, ob nach dem Konsonanten Luft kommt.

Merry Mandarin

Die Endlaute als System

Endlaute, also das, was nach dem Anlaut kommt, folgen demselben Bausteinprinzip wie die Anlaute, nur dass hier die Bausteine noch offensichtlicher ineinandergreifen. Fast jeder komplexere Endlaut in Mandarin lässt sich aus einer Handvoll einfacher Vokale zusammensetzen, sobald du das Muster einmal siehst.

Die 6 einfachen Endlaute

a, o, e, i, u und ü sind die eigentlichen Bausteine, aus denen sich fast alles andere zusammensetzt. Fünf davon liegen nah am Deutschen, einer (e) nicht.

Dieses e ist für die meisten deutschen Sprecher der unintuitivste der sechs Bausteine, weil der Buchstabe selbst dich in die Irre führt. Es klingt nicht wie das deutsche e in “Bett” oder “Beet”, sondern kommt weiter hinten im Mund und bleibt dabei ungerundet, ein bisschen wie ein Murmellaut, der zwischen einem gedehnten “öh” und einem dumpfen “öhm” hängen bleibt. Am einfachsten übst du das, indem du das Wort é für “Gans” isoliert hörst und nachsprichst, statt es aus den Buchstaben herzuleiten.

4 zusammengesetzte Endlaute

ai, ei, ao und ou setzen sich aus zwei der sechs Bausteine zusammen, und hier gibt es einen echten Vorteil für dich als deutschen Sprecher, allerdings einen tückischen. Der deutsche Diphthong, der als “ei” geschrieben wird, wie in “Wein” oder “mein”, klingt fast genau wie pinyin ai, nicht wie pinyin ei. Die Buchstaben täuschen dich hier also aktiv, “ei” auf Deutsch und “ei” auf Pinyin sind zwei verschiedene Laute. 爱 ài, “Liebe”, trifft den deutschen “ei”-Laut aus “Wein”. Für pinyin ei selbst gibt es keine ganz so perfekte Entsprechung, am nächsten kommst du mit einem langen deutschen e wie in “Beet”, das leicht zu einem i hin gleitet, wie in 累 lèi, “müde”.

Bei ao und ou läuft es ähnlich. Deutsches “au”, wie in “Haus”, liegt sehr nah an pinyin ao, zum Beispiel in 猫 māo, “Katze”. Pinyin ou hat wieder keine perfekte deutsche Blaupause, am ehesten näherst du dich mit einem langen deutschen o wie in “Boot” an, das leicht zu einem u hin gleitet, wie in 头 tóu, “Kopf”.

Nasale Endungen: -n vs. -ng

Mandarin unterscheidet Silben, die auf -n enden, von solchen, die auf -ng enden, und das ist eine Unterscheidung, die du als deutscher Sprecher schon automatisch triffst, ohne je bewusst darüber nachgedacht zu haben. Der ng-Laut am Ende von “singen” oder “Ring” ist genau der hintere Nasallaut, den Mandarin -ng meint, gebildet mit dem Zungenrücken gegen den weichen Gaumen, ohne dass die Zungenspitze irgendwo anstößt. Das reine -n, wie am Ende von “kann” oder “Wein”, bildest du dagegen mit der Zungenspitze am Zahndamm, genau wie Mandarin -n. Die fünf einfachen -n-Endungen sind an (三 sān, “drei”), en (很 hěn, “sehr”), in (心 xīn, “Herz”), un (春 chūn, “Frühling”) und ün (群 qún, “Gruppe”). Die vier -ng-Endungen sind ang (忙 máng, “beschäftigt”), eng (冷 lěng, “kalt”), ing (明 míng, “hell”) und ong (红 hóng, “rot”). Achte beim Sprechen bewusst darauf, die Zungenspitze bei -n oben zu lassen und bei -ng unten, dann bleibt der Unterschied hörbar, auch wenn beide am Wortende in schneller Sprache leicht verschwimmen können.

Gleitlaute: größere Endlaute aus den Bausteinen bauen

Die meisten der übrigen rund 30 Pinyin-Endlaute sind keine neuen, eigenständigen Laute, sondern Kombinationen aus einem Gleitlaut (i, u oder ü, kurz vorangestellt vor dem eigentlichen Vokal) und einem der sechs Bausteine, die du schon kennst. Statt sie einzeln zu pauken, lohnt es sich, das Muster dahinter zu sehen:

Die letzten beiden Zeilen zeigen die Falle, in die viele Lernende tappen: Pinyin schreibt aus Platzgründen manchmal nicht alle Laute aus, die tatsächlich gesprochen werden. iu wird als iou gesprochen, ui als uei, auch wenn die mittleren Buchstaben in der Schreibweise fehlen. Sobald du das einmal weißt, wirkt keine dieser Silben mehr willkürlich, du erkennst sofort, aus welchen zwei Bausteinen sie zusammengesetzt ist.

Dasselbe Bauprinzip gilt für praktisch jeden weiteren Endlaut, dem du begegnen wirst, egal ob er auf den ersten Blick lang und ungewohnt aussieht. iao setzt sich aus i und ao zusammen, iang aus i und ang, uan aus u und an, und so weiter. Es lohnt sich also nicht, jede einzelne Kombination isoliert zu pauken. Es lohnt sich, die sechs Bausteine und die Handvoll Gleitlaute sauber zu beherrschen, denn daraus lässt sich der Rest fast immer selbst zusammensetzen.

Die summende Ausnahme

Es gibt eine einzige, aber wichtige Ausnahme vom ganzen bisherigen System: das i nach zh, ch, sh, r, z, c und s. Vergleiche 是 shì, “sein”, mit 四 sì, “vier”. In beiden Fällen steht ein i, aber in keinem der beiden Fälle klingt es wie das i aus 米 mǐ, “Reis”. Nach den retroflexen Lauten zh, ch, sh und r wird das i zu einer Art gesummtem, konsonantenartigen Vokal, gebildet in genau der zurückgebogenen Zungenposition, die du gerade schon für zh, ch und sh gelernt hast, einfach mit stimmhafter Dauerreibung statt einem klaren Vokal. Nach den Sibilanten z, c und s passiert etwas Ähnliches, nur weiter vorne an den Zähnen, in derselben Position, in der du z, c und s selbst sprichst. In beiden Fällen ist das i im Grunde nur ein Etikett dafür, halte die Zungenposition des vorherigen Konsonanten und lass die Stimme weiterlaufen, nicht der Vokal “ie”, den der Buchstabe im Deutschen suggeriert.

Die vier Töne (plus ein fünfter, der eigentlich keiner ist)

Das klassische Beispiel, das in praktisch jedem Mandarin-Kurs auftaucht, ist ma. Je nachdem, welchen der vier Töne du auf diese eine Silbe legst, bekommst du ein komplett anderes Wort: 妈 mā (“Mama”), 麻 má (“Hanf”), 马 mǎ (“Pferd”) oder 骂 mà (“schimpfen”). Derselbe Lautkörper, vier verschiedene Bedeutungen, nur durch die Tonhöhe unterschieden. Für ein deutsches Ohr, das Tonhöhe normalerweise nur zur Betonung oder für Fragen nutzt, nie um Wörter voneinander zu unterscheiden, ist das der ungewohnteste Teil an Mandarin überhaupt, wichtiger als jeder einzelne Konsonant oder Vokal in diesem Artikel.

Der erste Ton ist hoch, flach und gehalten, fast wie eine einzelne gesungene Note, die du eine Weile aushältst, ohne sie ansteigen oder fallen zu lassen. Der zweite Ton steigt, von mittlerer zu hoher Tonlage, genau wie deine Stimme automatisch steigt, wenn du ungläubig “Was?!” fragst. Der dritte Ton fällt zuerst tief ab und bleibt dort, mit dieser besonderen, leicht skeptischen Senkung, die deine Stimme bei einem gedehnten “Na ja…” annimmt, wenn du selbst nicht ganz überzeugt bist. Der vierte Ton fällt scharf und schnell von hoch nach tief, wie ein knapper Befehl, “Geh!” oder “Stopp!”, mit der ganzen Entschlossenheit, die so ein einsilbiger Befehl im Deutschen mitbringt.

Dazu kommt noch ein fünfter Fall, der genau genommen gar kein eigener Ton ist: der neutrale Ton. Silben im neutralen Ton werden kurz und unbetont gesprochen, ihre tatsächliche Tonhöhe hängt komplett vom vorhergehenden Ton ab, statt einem eigenen festen Muster zu folgen. 吗 ma, die Fragepartikel am Satzende, ist das bekannteste Beispiel dafür, sie trägt selbst keinen der vier Töne, sondern hängt sich einfach unbetont an das an, was davor kam.

Der Grund, warum es sich lohnt, hier von Anfang an sauber zu üben, statt Töne “später” nachzuholen, ist simpel: Ein falscher Ton ist in Mandarin kein Akzentfehler, wie ein falsch betontes deutsches Wort, das trotzdem verständlich bleibt. Es ist meistens schlicht ein anderes Wort. Fragst du nach 马 mǎ (“Pferd”) und sprichst stattdessen 骂 mà (“schimpfen”), verstehen dich Muttersprachler oft trotzdem aus dem Kontext, aber du machst dir die Sache unnötig schwer, wenn du Töne als optionales Extra statt als festen Teil jeder Silbe behandelst.

Ton-Sandhi: wenn sich Töne spontan ändern

Töne klingen im Wörterbuch fix, verändern sich aber in echter, zusammenhängender Sprache nach vorhersagbaren Regeln, dieses Phänomen heißt Ton-Sandhi. Die gute Nachricht: Es gibt nur eine Handvoll Regeln, und sie gelten praktisch immer.

1. Zwei dritte Töne hintereinander

   Treffen zwei dritte Töne direkt aufeinander, wird der erste zu einem zweiten Ton. 你好 (nǐhǎo) wird deshalb tatsächlich als ní hǎo ausgesprochen, nicht wie geschrieben.

2. Drei oder mehr dritte Töne hintereinander

   Stehen drei oder mehr dritte Töne in Folge, bleibt nur der letzte ein echter dritter Ton. Alle davor werden zu zweiten Tönen.

3. 不 (bù) vor einem vierten Ton

   不 wechselt vor einem vierten Ton vom vierten zum zweiten Ton. 不是 wird als bú shì ausgesprochen, nicht als bù shì.

4. 一 (yī) verändert sich je nachdem, was folgt

   一 wird zum vierten Ton vor einem ersten, zweiten oder dritten Ton, 一天 ist deshalb yì tiān. Vor einem weiteren vierten Ton wird es stattdessen selbst zum zweiten Ton, 一样 ist yí yàng. Steht 一 allein oder am Ende einer Zahl, bleibt es im ersten Ton.

Der Grund, warum diese Regeln überhaupt existieren, ist ziemlich pragmatisch: Zwei tiefe, fallende dritte Töne direkt hintereinander sind für die Sprechmuskulatur unbequem zu produzieren, und Sprachen entwickeln fast immer eine Abkürzung für genau solche unbequemen Kombinationen. Das Tückische daran ist, dass fast kein Lehrbuch die Sandhi-Aussprache tatsächlich in der Schreibweise zeigt, du liest weiterhin nǐ hǎo, sprichst aber ní hǎo. Wer das nicht weiß, hört irgendwann Muttersprachler sprechen und fragt sich, warum die Realität nie zur Tabelle passt. Jetzt weißt du, warum.

Das Gute daran: Du musst dir diese Regeln nicht bewusst merken und beim Sprechen abrufen, sobald du genug richtig ausgesprochene Beispiele gehört hast. Sandhi ist genau der Teil der Aussprache, den dein Ohr am schnellsten von selbst übernimmt, weil die veränderten Tonfolgen einfach angenehmer zu sprechen sind als die ursprünglichen. Am Anfang hilft es trotzdem, die vier Regeln einmal bewusst durchzugehen, damit du nicht denkst, du hättest etwas falsch gehört, wenn 你好 plötzlich nicht so klingt, wie es geschrieben steht.

Es wirklich hören

Alles in diesem Artikel erklärt dir das System hinter Pinyin, aber ein System auf dem Papier ersetzt nie das eigene Ohr. Aspiration, die retroflexe Zungenposition von zh oder r, der Unterschied zwischen dem zweiten und dem dritten Ton, das sind alles Dinge, die sich erst wirklich festsetzen, wenn du sie oft genug gehört und selbst nachgesprochen hast, nicht wenn du sie nur einmal gelesen hast. Genau deshalb lohnt es sich, die Theorie aus diesem Artikel gleich an echten, gesprochenen Silben zu überprüfen, bevor du sie dir falsch einschleifst. Das ist übrigens auch der Punkt, an dem es sich lohnt, Aussprache nicht isoliert zu üben, sondern als festen Teil eines strukturierten Lernwegs zu behandeln, zum Beispiel gleich zu Beginn eines 90-Tage-Fahrplans, statt sie als lästige Pflichtübung vor dem “eigentlichen” Lernen abzuhaken.

Und sobald die einzelnen Laute sitzen, kommt der Teil, den die meisten Tabellen komplett auslassen: was mit ihnen passiert, sobald sie in echten Sätzen aufeinandertreffen.