LMIS AG gewinnt Osnabrücker Wirtschaftspreis 2021
4. November 2021
Ampelpläne zum Blockchain-Grundbuch
9. Dezember 2021Smarte Innovation durch Natural Language Processing
Smarte Innovation durch Natural Language Processing
Veröffentlicht am 26. November 2021
Sprachassistenten wie Siri und Alexa haben sich längst zu beliebten Alltagsbegleitern entwickelt, die auf gesprochene Anweisungen reagieren und uns schnell Informationen bereitstellen. Während in der Anfangszeit noch regelmäßig Missverständnisse zwischen Sprachassistenten und Mensch aufgetreten sind, läuft die Verständigung mittlerweile meist ohne Probleme. Dahinter steckt Natural Language Processing (NLP) – eine Technologie, die gegenwärtig einen enormen Entwicklungssprung verzeichnet. Wir geben Ihnen einen Überblick, wie NLP funktioniert und wie Sie das Potenzial von Sprachdaten ausschöpfen können.
Was ist Natural Language Processing?
NPL befasst sich als Teilgebiet der Künstlichen Intelligenz (KI) damit, Computern die Fähigkeit zu verleihen, geschriebene und gesprochene Sprache in ähnlicher Weise zu verstehen, wie Menschen es können. Die Sprache, die Computer am besten verarbeiten können, besteht in der Regel aus Code. Allerdings nutzen Menschen vorrangig natürliche Sprache, um miteinander zu kommunizieren.
Natürliche Sprache vs. formale Sprache
Eine natürliche Sprache ist eine Sprache, die sich im Laufe der Zeit durch Gebrauch und Wiederholung entwickelt hat. Sie erfordert keine Planung und Strategie. Deutsch, Englisch, Spanisch und viele weitere gesprochene Sprachen haben sich im Laufe der Zeit natürlich entwickelt. Natürliche Sprachen müssen keiner bestimmten Syntax genügen, d.h. sie sind nicht durch eine Spezifikation, sondern durch ihren Gebrauch definiert und unterliegen ständigem Wandel.Sie unterscheiden sich von formalen Sprachen, die einen anderen Ursprung und Entwicklungspfad haben. So wurden beispielsweise Programmiersprachen wie C, Java oder Python aus einem bestimmten Grund entwickelt: u.a. zur (mathematisch) präzisen Beschreibung von Text bzw. Zeichenketten. Formale Sprachen versuchen vor allem, für einen definierten Zweck strukturelle und lexikalische Unschärfen und Uneindeutigkeiten von natürlichen Sprachen zu vermeiden.
Was wir Menschen auf ganz natürliche Art und Weise im Kindesalter erlernt haben, ist für Computer eine schwer analysierbare Masse an unstrukturierten Daten, die keinen formalen Regeln der Logik unterliegen. NLP zielt darauf ab, diese Lücke zwischen menschlicher Kommunikation und den Sprachverarbeitungsfähigkeiten von Computern schließen. Denn damit lassen sich beispielsweise große Textmengen in Echtzeit maschinell analysieren. Zudem kann mithilfe der automatisierten Übersetzung von natürlicher Sprache auch zwischenmenschliche Kommunikation verbessert werden.
Wie funktionieren NLP-Anwendungen?
NPL verknüpft zwei verschiedene Disziplinen: Computerlinguistik und Machine Learning. Kombiniert ermöglichen diese Technologien, Text- oder Sprachdaten mithilfe von Regeln und Algorithmen computerbasiert zu verarbeiten und ihre Bedeutung zu verstehen – inklusive der Absichten und Gefühle des Sprechers. Um den Sinn zu extrahieren, ist nicht nur ein Verständnis von einzelnen Wörtern und Sätzen, sondern das Erfassen von Textzusammenhängen und Sachverhalten notwendig.
Eine Hürde stellt dabei die Komplexität der natürlichen Sprache und deren Mehrdeutigkeit dar. So lassen sich beispielsweise Stilmittel wie die rhetorische Frage oder Sarkasmus oftmals nur aus dem Kontext oder anhand der Betonung erschließen. Während Menschen zum Verstehen von Sprache auf ihre Erfahrungen zurückgreifen können, müssen Computer mithilfe von Algorithmen diesen Status erst erlernen. Zwar gibt es auch andere computerlinguistische Methoden, um Sprache zu verstehen, diese hinken jedoch weit hinter den Möglichkeiten Deep Learning Algorithmen zurück. So ist NLP kein neues Feld, hat aber mit der Einführung von Deep Learning einen enormen Sprung gemacht. Mittlerweile bedient es sich verschiedener Methoden von Machine Learning, wie zum Beispiel supervised und unsupervised Learning.
Supervised und unsupervised Learning
Das supervised Learning ist ein Verfahren, wo dem Machine Learning Algorithmus ein Datensatz vorgelegt wird, dessen Zielvariable bereits bekannt ist. Der Algorithmus erlernt in einem iterativen Prozess die Zusammenhänge in den Daten, die dieses Ergebnis erklären. Wenn die KI auf einem Foto z. B. einen Wolf erkennt, obwohl ein Hund abgebildet ist, wird der Prozess so oft durchgeführt, bis das Netz das gewünschte Ergebnis ausgibt – ganz nach dem Trial-and-Error Prinzip.Im Gegensatz dazu werden beim unsupervised Learning Eingabemuster erfasst, ohne ein bekanntes Ergebnis vorliegen zu haben. Der Algorithmus lernt hier selbstständig, neue Muster und Cluster explorativ in Daten zu erkennen.
Mithilfe dieser beiden Modelle werden auf Grundlage von Statistiken der Inhalt und die Sinnstruktur von natürlicher Sprache erfasst. Um Muster und Zusammenhänge zu identifizieren, muss der Text zunächst in seine Einzelteile zerlegt , die werden, die dann mit Attributen oder Labels (z.B. Unterscheidung nach Wortart) versehen werden. Diese können dann von ML-Algorithmen analysiert werden, um Beziehungen, Abhängigkeiten sowie Kontexte zwischen den verschiedenen Wörtern zu finden und den Sinn zu extrahieren.
Anwendungsfelder für Unternehmen
Sprachgesteuerte Navigationssysteme, Chatbots, Diktierprogramme – in unserem Alltag ist NLP bereits ein fester Bestandteil. Aber auch für Unternehmenslösungen spielt NLP eine immer größere Rolle. Ein Unternehmen, das Natural Language Processing in verschiedenen Bereichen einsetzt, ist Google. Im bekannten Google-Translator gibt es beispielweise bereits eine Kamera-Sofortübersetzung, die Kanji (chinesische Schriftzeichen) in andere Sprachen übersetzen kann. Google nutzt NLP aber auch für weitere eher unsichtbare Prozesse: So hat das Unternehmen beispielsweise den Algorithmus „RankBrain“ entwickelt, der Suchanfragen kategorisiert. Von den täglichen Milliarden an Suchanfragen sind etwa 15 Prozent neu und müssen zunächst eingeordnet sowie beantwortet werden. Auf der Basis dieser Daten entwickelt sich das System durch den Prozess des maschinellen Lernens ebenfalls immer weiter.
Es gibt noch eine ganze Reihe weiterer Anwendungsgebiete für NLP:
- Die Sentimentanalyse nutzt NLP-Technologie, um unterschwellige Bedeutungen in menschlicher Sprache für Maschinen verständlich zu machen. So können Maschinen Stimmungen analysieren und Handlungsempfehlungen ableiten. Unternehmen können mit dieser Analysemethode zudem gezielt Reaktionen auf Kampagnen erfassen oder Social-Media-Kommentare überwachen, um bei Bedarf unmittelbar reagieren zu können.
- Mit Sprachdaten lassen sich ebenfalls Chatbots mit Sprachdaten trainieren. Im Customer Support können sie eingesetzt werden, um die Fragen der Kunden zu beantworten.
- Für die automatische Spracherkennung wandelt NLP ebenfalls menschliche Sprache in ein für Computer lesbares Format um. Auf dieser Technologie basieren Sprachassistenten wie Amazons “Alexa” oder Apples “Siri”. Im Unternehmen macht diese NLP-Variante den Arbeitsalltag leichter: Einmal in die Unternehmenssoftware integriert, transkribiert die Technologie Anrufe oder korrigiert Texte nach unternehmensspezifischen Vorgaben.
- Die Analyse von Sprachdaten liefert auch im Bereich Sales und Marketing hilfreiche Erkenntnisse. Beispielsweise zeigt die Keywordanalyse, nach welchen Informationen Kunden suchen. Die Analyse von Sprachdateien aus E-Mails oder Chats gibt zusätzlich Aufschluss darüber, in welchen Kaufstadium sich Kunden gerade befinden.
Für Unternehmen lohnt es sich also sehr, eine Bestandsaufnahme ihrer Sprachdaten zu machen. Mit Natural Language Processing können Sprachdaten die betrieblichen Prozesse maßgeblich vereinfachen und zu einem zentralen Wettbewerbsvorteil werden.
Quellen:
bigdata-insider.de/was-ist-natural-language-processing-a-590102/
ibm.com/cloud/learn/natural-language-processing
int.fraunhofer.de/content/dam/int/de/documents/EST/EST-0419-Natural-Language-Processing.pdf
Schon gewusst?
Wir wurden zum besten Arbeitgeber der Region gekürt und haben den Osnabrücker Wirtschaftspreis für beständige Innovationen gewonnen. Ob wir uns darauf ausruhen? Natürlich nicht. Ob wir umso motivierter sind, diese Erfolge auch zukünftig zu feiern? Auf jeden Fall! Und das sehr gerne gemeinsam mit dir.
Die Verarbeitung von Sprachdaten ist deine Leidenschaft? Dann sende einfach deinen CV an bewerbung@LMIS.de und wir melden uns umgehend bei dir. Ein Anschreiben ist nicht erforderlich, wir handhaben ein Kennenlernen ganz unkompliziert.
