CLDR

Was es ist

CLDR ist ein Bestand an Gebietsschemadaten, der Unicode ergänzt.
Unicode definiert die Zeichen, in denen ein Text geschrieben wird.
CLDR hält fest, welche Schreibweise Leser einer bestimmten Sprache
in einer bestimmten Region für ein Datum, eine Zahl, einen Preis,
eine Einheit oder eine Liste erwarten und in welcher Reihenfolge
Namen sortiert sein sollen. Das Unicode Consortium pflegt beides.
Der volle Name von CLDR lautet heute Unicode Common Locale Data &
Rules. Früher hieß es Common Locale Data Repository, seine
Spezifikation Locale Data Markup Language oder LDML. Laut
Spezifikation bleiben Verweise unter den alten Namen gültig.

Die Projektwebsite nennt drei Teile. Der erste sind die Daten
selbst, redaktionell gepflegt und für Software strukturiert. Der
zweite ist die Spezifikation Unicode Technical Standard #35. Sie
dokumentiert die Datenstruktur und ihre Verwendung durch Algorithmen
und stellt Konformitätsanforderungen. Der dritte ist der Code, der
Daten von Sprachexperten sammelt, auf Gültigkeit und Konsistenz
prüft und in die von Entwicklern verwendeten Formate umwandelt. Die
Zusammenfassung der Spezifikation liefert eine gute Übersicht über
die Daten: Kennungen für Gebietsschemata, Einheiten, Zahlensysteme
und Kalender; die Formatierung von Datum, Uhrzeit, Zeitzonen,
Zahlen, Währungen und Messgrößen; Sortieren und Suchen. Dazu kommen
Pluralregeln, Listenmuster und die Namen von Sprachen und Regionen.

Die Daten sind nach Gebietsschema organisiert: einer Sprache, die
durch Schriftsystem und Region enger gefasst werden kann. Jedes
Gebietsschema hält nur, was vom übergeordneten abweicht. Das
Beispiel der Spezifikation ist Englisch: `en` enthält den Großteil
der Daten, `en_IE`, Englisch in Irland, nur wenige Angaben wie die
Währung. Über jeder Sprache steht ein Gebietsschema namens root. Das
Gebietsschema für die Hauptregion einer Sprache enthält keine
eigenen Daten, weil sein übergeordnetes bereits alles Nötige hält.
Einige Angaben gehören unabhängig von der Sprache allein zur Region:
Währung, Maßsystem und Wochenkonventionen. Existiert etwa kein
Datenpaket für Französisch in den Vereinigten Staaten, erhält eine
entsprechende Anfrage ihre Formate aus `fr` und ihre Beträge in
US-Dollar.

Die Quelldaten werden zu jeder Version als XML im Format der
Spezifikation veröffentlicht, mit Werkzeugen zur Umwandlung in JSON-
und POSIX-Formate. Der Veröffentlichungsplan sieht zwei Zyklen
jährlich vor. CLDR 49 erschien am 22. Oktober 2026. Neue Daten
kommen über das online verfügbare Survey Tool hinzu, das meist
einmal jährlich öffnet. Es sammelt Daten für neu hinzugefügte
Strukturen und korrigiert Daten früherer Versionen. Muttersprachler
und Sprachexperten prüfen die eingehenden Angaben.

Warum es wichtig ist

Die Projektwebsite benennt das Problem klar: Ein Datum, eine Zahl,
einen Geldbetrag oder eine Messgröße richtig zu schreiben ist „über
verschiedene Sprachen und Regionen hinweg weit komplizierter, als
den meisten Menschen bewusst ist“. CLDR gibt es, damit kein Team
diese Komplexität Sprache für Sprache lernen muss. Es unterstützt
über 100 Sprachen. Seine Daten werden von Muttersprachlern und
Sprachexperten geprüft, gründlicher, als ein Produktteam das
Datumsformat eines gerade neu erschlossenen Markts prüfen kann.

Die meisten Teams berühren CLDR nie direkt. Das ist beabsichtigt.
Das Projekt zählt jedes moderne Betriebssystem und jeden modernen
Browser zu den Nutzern seiner Daten sowie Sprachen wie Java, C#,
i.NET, Swift und JavaScript. Häufig ist die Verwendung indirekt: Eine		engineer.company	70
Anwendung bittet einen Betriebssystemdienst, ein Datum zu
formatieren. Dieser ruft ICU auf, Unicodes Bibliothek für den
Produktiveinsatz mit C, C++, Java und Rust, und ICU liest CLDR.
Node.js baut seine `Intl`-Objekte auf ICU auf und liefert
standardmäßig die vollständigen ICU-Daten mit. Python-Programme
erreichen dieselben Daten über Babel, Ruby-Programme über
TwitterCLDR. Ruft ein Team einen Formatter mit
Gebietsschemaunterstützung auf, kommt die Antwort fast immer von
CLDR. Das Team entscheidet weiterhin, welches Gebietsschema es
anfordert und welche Version es verwendet.

Die Alternative ist eine selbst geschriebene Tabelle: zwölf
Monatsnamen pro Sprache, ein Dezimaltrennzeichen, ein
Tausendertrennzeichen, eine Alphabetreihenfolge. Bestenfalls stimmt
sie am Tag ihrer Erstellung und bleibt danach eingefroren. CLDRs
Survey Tool öffnet dagegen jedes Jahr erneut, um bereits
veröffentlichte Daten zu korrigieren. Außerdem schreibt eine solche
Tabelle meist jemand, der nur einige der enthaltenen Sprachen
spricht. Wie Dänisch und Schwedisch dieselben sechs unten gezeigten
Ortsnamen sortieren, würde ein Entwickler ohne diese
Sprachkenntnisse nicht erraten.

Wie es in der Praxis aussieht

Fragen Sie die Laufzeitumgebung nach ihrer CLDR-Version. Lassen Sie
deren Daten dann sechs dänische und schwedische Ortsnamen sortieren,
drei dänische Städtenamen zu einer Liste verbinden und die Angaben
zur Woche für vier Gebietsschemata nachschlagen:

```js
console.log("CLDR", process.versions.cldr);

const towns = ["Ørsted", "Odense", "Åsa", "Aabenraa", "Ærø", "Ängelholm"];
console.log("code point", [...towns].sort().join(", "));
for (const tag of ["en", "da", "sv"]) {
  const sorted = [...towns].sort(new Intl.Collator(tag).compare);
  console.log(tag.padEnd(10), sorted.join(", "));
}

const three = ["Aarhus", "Odense", "Aalborg"];
for (const tag of ["en-GB", "en-US", "da", "uk"]) {
  console.log(tag.padEnd(10), new Intl.ListFormat(tag).format(three));
}

for (const tag of ["en", "en-GB", "en-DK", "da"]) {
  const locale = new Intl.Locale(tag);
  const { firstDay } = locale.getWeekInfo();
  console.log(tag.padEnd(10), locale.maximize().toString(), firstDay);
}
```

Node 25.2.1 gibt aus:

```text
CLDR 47.0
code point Aabenraa, Odense, Ängelholm, Åsa, Ærø, Ørsted
en         Aabenraa, Ærø, Ängelholm, Åsa, Odense, Ørsted
da         Odense, Ängelholm, Ærø, Ørsted, Aabenraa, Åsa
sv         Aabenraa, Odense, Åsa, Ängelholm, Ærø, Ørsted
en-GB      Aarhus, Odense and Aalborg
en-US      Aarhus, Odense, and Aalborg
da         Aarhus, Odense og Aalborg
uk         Aarhus, Odense і Aalborg
en         en-Latn-US 7
en-GB      en-Latn-GB 1
en-DK      en-Latn-DK 1
da         da-Latn-DK 1
```

Die erste Zeile nennt die Version, mit der diese Laufzeitumgebung
gebaut wurde: 47.0, obwohl CLDR 49 bereits erschienen ist. Eine
Laufzeitumgebung enthält die Daten ihres eigenen Builds, nicht die
neuesten verfügbaren Daten.

Ein einfaches `sort()` ohne Vergleichsfunktion stellt Ä, Å, Æ und Ø
hinter jeden Buchstaben ohne diakritisches Zeichen, in der
Reihenfolge ihrer Zeichencodes. Das passt zu keiner der drei
Sprachen. Englisch sortiert jeden Namen nach seinem Grundbuchstaben.
Die vier mit A beginnenden Namen kommen deshalb zuerst, Ørsted folgt
auf Odense. Im Dänischen endet das Alphabet mit Æ, Ø und Å. Ä gilt
als Variante von Æ, und Aabenraa mit seiner älteren
Doppel-a-Schreibung wird unter den Å-Namen einsortiert. Der
Sortierungsteil der Spezifikation nennt das die dänische Kontraktion
„aa“. Im Schwedischen endet das Alphabet mit Å, Ä und Ö. Æ gilt als
Variante von Ä und Ø als Variante von Ö. Aabenraa wird als Name mit
zwei a am Anfang sortiert. Norwegisch Bokmål, `nb`, liefert die
dänische Reihenfolge. Nichts davon steht im Code. Jede Reihenfolge
kommt aus den CLDR-Sortierregeln für die jeweilige Sprache.

Die Listen funktionieren genauso. Jedes Gebietsschema hat ein
Listenmuster mit getrennten Teilen für Anfang, Mitte und Ende einer
Liste sowie für eine Zweierliste. Britisches Englisch setzt vor
„and“ kein Komma, amerikanisches schon. Dänisch verbindet mit „og“,
Ukrainisch mit „і“. Dafür reicht ein Aufruf ohne ein Wort aus einer
dieser Sprachen.

Die letzten vier Zeilen zeigen Daten, die zu einer Region statt zu
einer Sprache gehören. Jede nennt die Kennung, die von `maximize()`
aus CLDRs wahrscheinlichen Unterkennungen (likely subtags) ergänzte
Vollform und den ersten Wochentag als Zahl nach ISO 8601: 1 steht
für Montag, 7 für Sonntag. Die Laufzeitumgebung liest ein bloßes
`en` als Englisch in lateinischer Schrift in den Vereinigten
Staaten. Die Woche beginnt deshalb am Sonntag. Englisch in
Großbritannien oder Dänemark beginnt wie Dänisch am Montag. Die
Regeln für die Woche kommen unabhängig von der Sprache aus der
Region.

Auch in einem übersetzten Text müssen die von CLDR erfassten
Konventionen von Hand korrekt umgesetzt werden. Eines der Projekte
dieser Website, eine sprachübergreifende Zahlenprüfung, extrahiert
jede Zahl, jeden Prozentwert, jeden Multiplikator und jede Einheit
aus einer englischen Zeichenfolge und verlangt sie in jeder
Übersetzung. Es prüft jede Sprache außerdem auf vorgeschriebene und
verbotene Konventionen, darunter Dezimaltrennzeichen,
Tausendergruppierung und Anführungszeichen.

Wo es schiefgeht

Formatierter Text wird als feste Zeichenfolge verglichen. Ein Test,
der `"1 500"` von `new Intl.NumberFormat("sv").format(1500)`
erwartet, scheitert trotz genau so aussehender Ausgabe. Schwedisch,
Norwegisch und Ukrainisch trennen Tausender mit U+00A0 NO-BREAK
SPACE, das ein Editor wie ein gewöhnliches Leerzeichen anzeigt.
Derselbe Test kann auch bei einer Aktualisierung scheitern, weil
eine neue CLDR-Version Daten einer älteren korrigieren kann.
Vergleichen Sie formatierte Ausgabe mit der Ausgabe desselben
Formatters. Prüfen Sie ihre Struktur mit `formatToParts`, das die
Teile als integer, group, decimal oder fraction kennzeichnet. Parsen
Sie formatierten Text nie zurück in eine Zahl. Die Spezifikation
empfiehlt, Daten sprachneutral zu speichern und auszutauschen und
erst für den Leser zu formatieren.

Zwei Laufzeitumgebungen enthalten zwei Versionen. Node 25.2.1
enthält CLDR 47.0, während das Projekt 49 veröffentlicht hat. Ein
Browser enthält, was sein eigener Build mitgebracht hat. Formatiert
eine Seite ein Datum auf dem Server und nochmals im Browser, können
für einen Wert zwei Zeichenfolgen erscheinen. Der Vergleich mit
einem auf einer Maschine aufgezeichneten Snapshot kann auf einer
anderen fehlschlagen. Formatieren Sie jeden Wert an einer Stelle,
halten Sie `process.versions.cldr` neben den Test-Snapshots fest und
aktualisieren Sie die Laufzeitumgebung bewusst.

Ein fehlendes Gebietsschema fällt ohne Fehler auf ein anderes
zurück. `new Intl.NumberFormat("tlh")` formatiert wie amerikanisches
Englisch und löst keinen Fehler aus, weil die Laufzeitumgebung keine
Daten für Klingonisch besitzt und auf ihr Standardgebietsschema
zurückfällt. Nodes Dokumentation beschreibt einen unauffälligeren
Fall: Ein mit der Option small-icu gebautes Binärprogramm enthält
typischerweise nur englische Daten. Ein spanischer Monatsname
erscheint dort als „M01“ oder „January“ statt „enero“. Prüfen Sie
`resolvedOptions().locale` oder `supportedLocalesOf`, bevor Sie
einem Gebietsschema vertrauen. Verwenden Sie Builds mit
vollständigen ICU-Daten, wie es bei Node standardmäßig und in den
offiziellen Binärpaketen der Fall ist.

Eine Kennung ohne Region bekommt die wahrscheinlichste. Die
Laufzeitumgebung liest `en` als `en-Latn-US`. Ein Leser in Irland,
Großbritannien oder Dänemark erhält mit `en` deshalb eine am Sonntag
beginnende Woche und Datumsangaben wie 10/27/2026, mit dem Monat
zuerst. Die Spezifikation beschreibt die zugrunde liegenden
wahrscheinlichen Unterkennungen als heuristisch abgeleitet und weist
darauf hin, dass sie sich ändern können. Geben Sie die Region des
Lesers zusammen mit der Sprache weiter, sobald sie bekannt ist. Ist
nur die Sprache bekannt, zeigt `maximize()`, welche Region die
Laufzeitumgebung annehmen wird.

CLDR-Kennungen werden einer BCP-47-API übergeben. CLDR-Dateien und
i-Beispiele schreiben Gebietsschemata mit Unterstrichen, etwa		engineer.company	70
`en_IE`. Die Spezifikation behandelt `_` und `-` als gleichwertig.
JavaScripts `Intl` tut das nicht: `new Intl.NumberFormat("da_DK")`
löst `RangeError: Invalid language tag: da_DK` aus. Konvertieren Sie
an der Schnittstelle wie bei der in der Spezifikation beschriebenen
Umwandlung nach BCP 47: Ersetzen Sie jedes `_` durch `-` und geben
Sie das Ergebnis an `Intl.getCanonicalLocales` weiter. Es liefert
`da-DK` zurück.

Weiterführende Lektüre

  * Unicode CLDR Project — was CLDR ist, seine drei Bestandteile,
wer es wie nutzt und der Veröffentlichungsplan.

  * UTS #35, Teil 1: Kern — die Spezifikation:
Gebietsschemakennungen, frühere Namen, Vererbung, wahrscheinliche
Unterkennungen und die Empfehlung, Daten sprachneutral zu halten.

  * UTS #35, Teil 2: Allgemeines — Anzeigenamen, Maßsysteme und die
oben verwendeten Listenmuster.

  * UTS #35, Teil 5: Sortierung — wie CLDR die Standardsortierung
für jede Sprache anpasst, mit Dänisch als Beispiel.

  * Node.js: Internationalisierungsunterstützung — wie Node seine
`Intl`-Objekte auf ICU aufbaut, die Buildoptionen und die Erkennung
unterstützter Funktionen eines Binärpakets.

  * ECMAScript Internationalization API Specification — der Standard
hinter `Intl`, einschließlich der oben verwendeten `Locale`-Methoden
und ihrer CLDR-Wochendaten und wahrscheinlichen Unterkennungen.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/cldr/	engineer.company	70
