In einem hinreichend langen deutschen Text ist das E mit etwa 17 Prozent der häufigste Buchstabe, gefolgt von N, I, S und R. Diese Verteilung ist so stabil, dass sich damit Verschlüsselungen brechen und Sprachen unterscheiden lassen.
Kurze Texte weichen dagegen stark ab — unter etwa zweihundert Buchstaben sagt die Verteilung mehr über den einzelnen Satz als über die Sprache. Der Rechner nennt deshalb sowohl die gemessenen Anteile als auch den Abstand zum Erwartungswert.
Warum das Deutsche so viele E hat
Das E trägt die Grammatik: Es steckt in den Endungen der schwachen Verben, in den Pluralen, in fast jedem Artikel und in den unbetonten Silben der Vorsilben be-, ge- und ver-. Kein anderer Buchstabe hat so viele grammatische Aufgaben.
Im Englischen ist das E ebenfalls der häufigste Buchstabe, aber mit gut 12 Prozent deutlich seltener; im Spanischen liegt es bei knapp 14 Prozent hinter einer viel stärkeren Rolle des A. An solchen Abständen lässt sich die Sprache eines Textes erkennen, ohne ein einziges Wort zu lesen.
Vokalanteil als Maß
Im Deutschen sind knapp vier von zehn Buchstaben Vokale. Liegt der Anteil deutlich darunter, ist der Text entweder sehr fachsprachlich mit vielen Zusammensetzungen — oder er ist gar nicht deutsch.
Sprachen unterscheiden sich hier erheblich: Das Italienische kommt auf fast die Hälfte, das Tschechische auf gut ein Drittel. Der Vokalanteil ist damit ein grobes, aber robustes Erkennungsmerkmal.