Lesbarkeitsindex-Rechner (LIX, Flesch, WSTF)

Textkomplexitäts-Algorithmen basieren auf unterschiedlichen mathematischen Systemen. Jede Formel nähert sich dem Ersatzmaß "Schwierigkeit" mithilfe verschiedener linguistischer Variablen: Durchschnittliche Satzlänge, Zeichenanzahl oder Silbendichte. Die ursprüngliche englische Flesch-Formel versagt bei deutschen Texten katastrophal. Wörter wie Donaudampfschifffahrt sprengen Standard-Silbengrenzen. Toni Amstad löste dieses Problem 1978 durch die Änderung der grundlegenden Konstanten. Er senkte den Basiswert von 206.835 auf 180 und reduzierte den Multiplikator für die Silbenstrafe von 84.6 auf 58.5, um deutsche Satzstrukturen korrekt zu normieren.

Der LIX-Wert von Carl-Hugo Björnsson ignoriert Silben komplett. Er geht davon aus, dass die Textschwierigkeit eng mit der physischen Wortlänge korreliert, und bestraft gezielt Wörter mit mehr als sechs Buchstaben. Dieser strukturelle Ansatz macht den LIX äußerst widerstandsfähig über verschiedene Sprachfamilien hinweg und absolut immun gegen unklare phonetische Silbengrenzen.

Die Wiener Sachtextformel (WSTF) liefert die feinkörnigste Analyse. Bamberger und Vanecek entwickelten diese Formel speziell für deutsche Sachtexte. Sie verwendet eine Gleichung mit vier Faktoren, die komplexe mehrsilbige Wörter gegen die grundlegende Einfachheit einsilbiger Begriffe abwägt.

Rohe algorithmische Ausgaben bedeuten ohne standardisierte pädagogische Richtwerte sehr wenig. Lehrkräfte nutzen diese Skalen, um Texte an den Gemeinsamen Europäischen Referenzrahmen (GER) und bestimmte DACH-Schulklassen anzupassen. Die Bewertung eines Textes für DaZ-Lernende erfordert die strikte Einhaltung von Grenzen für die Satzlänge. Ein Text, der sich für Muttersprachler der 6. Klasse eignet, kann einen B1-Lerner dennoch völlig überfordern, wenn der Flesch-Wert zu stark auf kurzes, aber kulturell unbekanntes Vokabular setzt.

Mathematische Transformationen zeigen dir genau, wie strukturelle Textbearbeitung die Lese-Eignung verändert. Durch die Analyse der rohen Eingabevariablen über drei verschiedene Szenarien hinweg kannst du beobachten, wie die Formeln unterschiedliche sprachliche Entscheidungen gewichten.

Dr. Weber bewertet einen vereinfachten Zeitungsartikel für eine Inklusionsklasse der 7. Jahrgangsstufe in München. Der Text muss vor der Klausur am Freitag die Anforderungen für DaZ B1 erfüllen. Sie kopiert den Text in das Tool und prüft die rohen Metriken.

Ein Sonderpädagoge schreibt eine offizielle Museumsbroschüre in ein striktes Format für Leichte Sprache um. Die Regeln schreiben null komplexes Vokabular und extrem kurze Sätze vor.

Ein Rechtsanwaltsfachangestellter überprüft einen Absatz aus dem Bürgerlichen Gesetzbuch (BGB), um festzustellen, ob der Text ohne Vereinfachung direkt in einen Verbrauchervertrag aufgenommen werden kann.

Der primäre Wert dieser Lesbarkeitsmetriken liegt in der Binnendifferenzierung. In heterogenen Klassen kannst du nicht allen Schülern denselben, einheitlichen Schulbuchtext zuweisen. Du musst abgestufte Materialien kuratieren, die dasselbe Thema auf unterschiedlichen sprachlichen Komplexitätsniveaus behandeln. Anstatt zu raten, ob ein Text für einen schwächeren Leser passt, nutzt du die Lesbarkeitsmetriken, um Materialien empirisch zu sortieren. Wenn ein Geschichtstext einen WSTF-Wert von 9,5 liefert, weißt du sofort, dass er einen Siebtklässler mit Leseschwäche stark frustrieren wird. Um den Wert eines Textes aktiv zu verbessern, wendest du den folgenden redaktionellen Workflow an:

Setze Punkte: Halbiere die durchschnittliche Satzlänge. Finde Konjunktionen wie "und" oder "weil" und ersetze sie konsequent durch harte Satzzeichen. Brich Komposita auf: Ersetze im Deutschen schwere Komposita (z. B. Arbeitslosenversicherungsgesetz) durch beschreibende Nebensätze (Das Gesetz für die Versicherung, wenn man keine Arbeit hat). Das senkt den LIX-Wert drastisch. Eliminiere das Passiv: Passivkonstruktionen blähen die Satzlänge natürlich auf und begraben das Subjekt oft am Ende des Nebensatzes, was sowohl die Flesch- als auch die WSTF-Strafen in die Höhe treibt.

Algorithmische Textanalyse ist völlig blind für semantische Bedeutung, das Text-Layout und das Vorwissen der Zielgruppe. Ein Text, der Quantenphysik ausschließlich mit einsilbigen Wörtern erklärt, wird als "Leichte Sprache" eingestuft, obwohl er für ein Kind konzeptionell völlig unverständlich ist. Die Formeln messen das strukturelle Gerüst, nicht die inhaltliche Tiefe. Bestimmte Formatierungsentscheidungen bringen die Parser berechenbar zum Scheitern. Aufzählungslisten ohne abschließende Satzzeichen (Punkte) werden mathematisch als ein einziger, massiver Schachtelsatz interpretiert. Das lässt die Metrik der Satzlänge künstlich in die Höhe schnellen und ruiniert den Flesch-Wert. Füge Listenelementen immer temporäre Punkte hinzu, bevor du einen Text analysierst. Auch Abkürzungen ("z. B.", "bzw.", "km/h") und numerische Zahlen ("2026", "25 %") bringen die silbenzählenden Algorithmen durcheinander. Während einige fortschrittliche Regex-Parser versuchen, Zahlen phonetisch zu lesen, ist die sicherste Methode, alle Zahlen und Abkürzungen vor der Berechnung vollständig auszuschreiben. Gedichte, dialoglastige Romane und stark stilisierte Prosa liefern aufgrund unregelmäßiger Zeilenumbrüche ebenfalls sprunghafte Ergebnisse.