---
title: "Was sind arabische Diakritika (Tashkeel)? Harakat erklärt"
description: "Arabische Diakritika (Tashkeel) sind optionale Vokal- und Shadda-Zeichen. Welche Unicode-Zeichen es gibt, warum Texte sie weglassen und was das für LLMs bedeutet."
url: https://broadrouter.com/de/glossary/arabic-diacritics/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/arabic-diacritics/) (aktualisiert am 2026-11-15).

# Arabische Diakritika (Tashkeel)

Aktualisiert 2026-11-15

Arabische Diakritika, auch Tashkeel genannt, sind kleine Zeichen über oder unter den Buchstaben, die kurze Vokale, verdoppelte Konsonanten und das Fehlen eines Vokals anzeigen. Sie sind optional: Die meisten arabischen Texte, auch Nachrichten, lassen sie weg, und Leser wie Software erschließen die Vokale aus dem Kontext.

Auch genannt: arabische Diakritika, arabische Vokalzeichen, Vokalisierung, Diakritisierung, tashkeel, tashkil, harakat, diacritization, Arabic diacritization, diacritics, vowel marks

Dieselben drei arabischen Buchstaben können „er schrieb“, „Bücher“ oder „es wurde geschrieben“ bedeuten. Erst die Diakritika unterscheiden sie, und die meisten Texte lassen sie weg.

## So funktioniert es

Der Unicode-Standard nennt diese Zeichen Tashkil und sagt, sie „may be written as combining marks“ (Übersetzung: „können als kombinierende Zeichen geschrieben werden“), und ergänzt: „In normal writing, however, these marks are omitted.“ (Übersetzung: „Im normalen Schreiben werden diese Zeichen jedoch weggelassen.“) Harakat heißt die Teilmenge für kurze Vokale. Jedes Zeichen ist ein eigenes kombinierendes Zeichen, das auf den Buchstaben folgt, auf dem es sitzt. Die wichtigsten liegen im Bereich U+064B bis U+0652:

| Codepoint | Name | Funktion |
| --- | --- | --- |
| U+064E | FATHA | kurzes a |
| U+064F | DAMMA | kurzes u |
| U+0650 | KASRA | kurzes i |
| U+064B bis U+064D | FATHATAN, DAMMATAN, KASRATAN | Tanwin (Endungen -an, -un, -in) |
| U+0651 | SHADDA | verdoppelter Konsonant |
| U+0652 | SUKUN | kein Vokal |

Ein Beispiel mit dem nackten Wort كتب:

-   كَتَبَ (kataba), „er schrieb“
-   كُتُب (kutub), „Bücher“
-   كُتِبَ (kutiba), „es wurde geschrieben“

Ohne Zeichen sind alle drei derselbe String. Ein Leser erschließt die Bedeutung aus dem Satz. Software muss dasselbe tun; das ist die Aufgabe eines Diakritisierers. Zerrouki und Balla (2017) haben das Tashkeela-Korpus mit rund 75,6 Millionen Wörtern aufgebaut, überwiegend klassisches Arabisch, weil voll vokalisierter Text knapp ist und Diakritisierer ihn zum Training brauchen. Fadel et al. (2019) berichten von neuronalen Diakritisierungsmodellen, die frühere Arbeiten auf einem öffentlichen Benchmark erreichen oder übertreffen, und zeigen, dass Diakritika der maschinellen Übersetzung helfen können.

Bibliotheken behandeln diese Zeichen als eine Menge. `AR_DIAC_CHARSET` in CAMeL Tools umfasst U+064B bis U+0652 plus U+0670 (hochgestelltes Alef), und die Funktion `dediac_ar` entfernt sie.

## Warum es wichtig ist

-   **Suche und Abgleich.** Dasselbe Wort mit und ohne Zeichen getippt ist ein anderer String. Entfernen Sie die Zeichen im Rahmen der [arabischen Textnormalisierung](https://broadrouter.com/de/glossary/arabic-text-normalization/) aus dem Suchschlüssel, sonst scheitern exakte Treffer.
-   **Tokens.** Jedes Zeichen ist ein zusätzliches Zeichen für den [Tokenizer](https://broadrouter.com/de/glossary/tokenizer/). Voll vokalisierter Text verbraucht spürbar mehr Tokens als unvokalisierter; gemessene Verhältnisse stehen im [Leitfaden zur Diakritisierung](https://broadrouter.com/de/blog/arabic-diacritization-llm/), die Ausgangswerte in [arabische Tokens pro Wort](https://broadrouter.com/de/blog/tokens-per-word-arabic-english/).
-   **Sprache und Evaluierung.** Transkripte kommen meist ohne Zeichen zurück. Berechnen Sie die [Wortfehlerrate](https://broadrouter.com/de/glossary/word-error-rate/) erst, nachdem Sie die Diakritika aus beiden Texten entfernt haben, sonst zählt ein korrektes Wort mit einem zusätzlichen Fatha als Fehler.
-   **Wann Sie sie brauchen.** Text-to-Speech, Sprachunterricht, Koran- und Gedichttexte sowie Namen, die ohne Vokale mehrdeutig sind.

## Bei BroadNet Inference

BroadNet hat keinen Endpoint für Diakritisierung. Die Chat-Modelle erhalten Tashkeel als normalen Text über POST /v1/chat/completions; Sie können also ein Modell wie [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) bitten, Zeichen hinzuzufügen oder zu entfernen. Sicher ist es, die Antwort im Code zu prüfen: Entfernen Sie die Diakritika und vergleichen Sie Buchstabe für Buchstabe mit Ihrer Eingabe. Der [Beitrag zur Diakritisierung mit LLMs](https://broadrouter.com/de/blog/arabic-diacritization-llm/) enthält den Prompt und die Prüfung.

Zum Entfernen brauchen Sie gar kein Modell. Ein kurzer regulärer Ausdruck über U+064B bis U+0652 ist schneller, kostenlos und exakt. Der [Normalisierer für arabischen Text](https://broadrouter.com/tools/arabic-text-normalizer/) zeigt die Wirkung im Browser.

## Häufige Fragen

### Sollte ich Diakritika entfernen, bevor ich arabischen Text indexiere?

Für die Stichwortsuche meist ja, aber nur im Suchschlüssel. Die Autoren von Tashkeela weisen darauf hin, dass die meisten Suchmaschinen Diakritika ignorieren. Behalten Sie den Originaltext für die Anzeige und für das LLM.

### Warum kostet vokalisiertes Arabisch mehr Tokens?

Jedes Zeichen ist ein eigenes Unicode-Zeichen, ein voll vokalisiertes Wort hat also mehr Zeichen, die der Tokenizer zerlegen muss. Zählen Sie Ihren eigenen Text mit einem Token-Zähler, vor und nach dem Hinzufügen von Tashkeel.

### Kann ein LLM zuverlässig Diakritika setzen?

Es kann sie setzen, verändert dabei aber unter Umständen auch Buchstaben. Entfernen Sie die Zeichen aus der Antwort und vergleichen Sie mit der Eingabe; verwerfen Sie jede Antwort, in der sich ein Buchstabe geändert hat.

## Siehe auch

-   [Arabische Textnormalisierung (text normalization)](https://broadrouter.com/de/glossary/arabic-text-normalization/) (Begriff)
-   [Hamza](https://broadrouter.com/de/glossary/hamza/) (Begriff)
-   [Unicode-Normalisierung](https://broadrouter.com/de/glossary/unicode-normalization/) (Begriff)
-   [Tokenizer](https://broadrouter.com/de/glossary/tokenizer/) (Begriff)
-   [Wortfehlerrate (Word Error Rate, WER)](https://broadrouter.com/de/glossary/word-error-rate/) (Begriff)
-   [Modernes Hocharabisch (MSA)](https://broadrouter.com/de/glossary/msa/) (Begriff)
-   [Arabischen Text per LLM vokalisieren: Prompt, Prüfung, DER](https://broadrouter.com/de/blog/arabic-diacritization-llm/) (Artikel)
-   [Arabische Textnormalisierung für Suche und RAG: was ändern, was nicht](https://broadrouter.com/de/blog/arabic-text-normalization-search/) (Artikel)
-   [Tokens pro Wort, Arabisch vs. Englisch: Warum Arabisch mehr kostet](https://broadrouter.com/de/blog/tokens-per-word-arabic-english/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-arabic-diacritics&utm_content=page-cta) ·

**Quellen**

-   [The Unicode Standard 18.0, Kapitel 9 Middle East-I, Arabisch (Tashkil, kombinierende Zeichen) (geprüft am 2026-11-15)](https://www.unicode.org/versions/Unicode18.0.0/core-spec/chapter-9/)
-   [Fadel, Tuffaha, Al-Jawarneh und Al-Ayyoub, Neural Arabic Text Diacritization: State of the Art Results and a Novel Approach for Machine Translation (WAT 2019, ACL Anthology) (geprüft am 2026-11-15)](https://aclanthology.org/D19-5229/)
-   [Zerrouki und Balla, Tashkeela: Novel corpus of Arabic vocalized texts (Data in Brief, 2017) (geprüft am 2026-11-15)](https://pmc.ncbi.nlm.nih.gov/articles/PMC5310197/)
-   [Quellcode von CAMeL Tools, camel\_tools.utils.charsets (AR\_DIAC\_CHARSET) (geprüft am 2026-11-15)](https://raw.githubusercontent.com/CAMeL-Lab/camel_tools/master/camel_tools/utils/charsets.py)
