Natural Language Processing

Unter Natural Language Processing (NLP) versteht man die Verarbeitung menschlicher Sprache anhand einer Maschine. Im heutigen Alltag sprichst du mehrfach mit Maschinen – etwa mit dem Rechner, dem Funktelefon oder Chatbots auf Websites. Die Optimierung von NLP ist ein Teilbereich der Künstlichen Intelligenz.

Natural Language Processing NLP: Eine ausführliche Erklärung

Natural Language Processing macht gesprochene Sprache für Maschinen plausibel. NLP erfasst den Sinn von gesprochener Sprache und generiert darauffolgend eine Reaktion. Diese Reaktion ist in der Regel überdies eine Sprachausgabe. NLP ist also die Verbindung zwischen Mensch und PC. Maschinen lernen Personen ständig besser zu verstehen – dank Artificial Intelligence.

Künstliche Intelligenz basiert auf einer Vielzahl von Daten und benutzt diese, um eigenständig Strukturen und Zusammenhänge zu identifizieren. Um Sprache zu analysieren, bedarf es einer großen Menge an Tondaten. Maschinelles Lernen folgt in diesem Fall dem Prinzip Versuch und Irrtum (Trial and Error). Die Systeme optimieren sich somit nicht bloß durch richtige und falsche Analysen, sondern auch anhand von Vorhersagen und Reaktionen. Jede:r Anwender:in, der:die Sprachassistenten benutzt, trägt in Echtzeit dazu bei, dass sich diese Systeme zu jedem Zeitpunkt optimieren.

NLP begegnet uns heute in vielen Situationen. Exemplarisch:

• Sprachassistent:innen wie Alexa oder Google Assistant
• Automatisierter Kund:innensupport in Hotlines
• Chatbots auf Websites („Hallo, mein Name ist Anna. Kann ich Sie unterstützen?“)

Hinweis: Die Abkürzung NLP wird nicht nur für Natural Language Processing verwendet, sondern gleichfalls für Neurolinguistisches Programmieren verwendet. Außer der Abkürzung haben beide Gebiete ungeachtet dessen nichts miteinander zu tun.

Wie funktioniert Natural Language Processing?

NLP erfasst gesprochene Sprache und erkennt ihren Sinn. Mindestens fünf Areale der Sprachwissenschaft spielen für die maschinelle Verarbeitung von Sprache eine Rolle:

• Morphologie (Zusammensetzung der Wörter)
• Syntax (Bedeutung und Architektur von Sätzen)
• Pragmatik (kontextabhängige Bedeutung von Sprache)
• Semantik (Bedeutung von Wörtern und Sätzen)
• Phonetik (Eigenschaften der unterschiedlichen Sprachlaute)

Praktiziertes NLP funktioniert vereinfacht nach einem fünfstufigen Prinzip:

• Das Programm speichert gesprochene Sprache als Audiodatei.
• Diese Audiodatei wird in Text umgewandelt.
• Auf der Grundlage des Textes und einer Vielzahl von Wissen bemerken Algorithmen den Sinn der Wörter in ihrem Zusammenhang.
• Auf Grundlage solcher Untersuchung generiert das Programm eine Reaktion, die wiederum in Text und folgend in gesprochene Sprache umgewandelt wird. Die Reaktion kann allerdings gleichwohl – je nach Applikation – nichtsprachlich sein.
• Die Maschine (Computer, Handy oder Web-Anwendung) gibt jene Reaktion aus.

Die Probleme liegen primär in diesen Punkten:

Umwandlung von Sprache in Text – hier wird primär mit Machine Learning gearbeitet. Künstliche Intelligenz setzt in diesem Fall eine Vielzahl von Trainingsdaten ein, mit denen das Programm nach und nach jederzeit feinere Differenzierungen erreicht und etwa ebenfalls Dialekte erkennt.

Um den Sinn einer Aussage zu verstehen, spielen gleichwohl außertextliche Teile eine Rolle. Das ist beispielsweise die Situation, in der die Eingabe geschieht. Je mehr Informationen darüber zugänglich sind, desto passgenauer kann eine Reaktion generiert werden.

Kurz gesagt: Die größte Herausforderung für Natural Language Processing (NLP) ist die Komplexität der natürlichen Sprache, denn sprachliche Feinheiten wie etwa Humor, Ironie, Sarkasmus, rhetorische Anliegen oder Paradoxien sind für Algorithmen bloß außergewöhnlich schwer festzustellen.

Anwendungsbereiche von Natural Language ProcessingNatural Language Processing kommt bereits heute in vielen Bereichen zum Einsatz. Gleichzeitig ist NLP Gegenstand aktueller Forschung und entwickelt sich ständig weiter. Natural Language Processing wird genutzt, um zum Beispiel Text aus eingescannten Dokumenten zu extrahieren, sprachgesteuerte Assistent:innen auf mobilen Endgeräten wie Smartphones zu ermöglichen oder geschriebene und gesprochene Sprache zeitgleich zu übersetzen. In Zukunft wird Natural Language Processing eine noch wichtigere Rolle für die Verbindung zwischen Mensch und Rechner einnehmen.

NLP als Verbindung zwischen Maschine und Nutzer:in macht den Umgang mit technischen Geräten unterbrechungsfrei leichter. Auch im Marketingbereich spielt NLP eine bedeutende Rolle. So wirkt das Anbieten eines Chatbots für eine individuelle Hilfeleistung auf einer Website ausgesprochen verkaufsfördernd. Viele Nutzer:innen setzen diesen Dienst als selbstverständlich voraus. Die Unterhaltung mit einer Maschine empfinden viele als angenehm, weil gegenüber echten Personen oft eine größere Hemmschwelle besteht.

Im Kundensupport lässt sich NLP ebenso gewinnbringend anwenden. Mit zunehmender Standardisierung von Anfragen und Antworten ergeben sich hierfür mehr Einsatzbereiche – ohne dabei auf menschlichen Support zu verzichten. Menschliche Arbeitskraft kann dank NLP gezielter eingesetzt werden.

Beim Beginn des Kontakts arbeitet ein NLP-System daran, die Fragestellungen der Kund:innen – und mithilfe der Sentimentanalyse auch deren Stimmung – festzustellen. Das System kann daraufhin Entscheidungen treffen, exemplarisch:

1. Handelt es sich um eine typische Standardfrage, spricht der:die Kund:in weiter mit dem System. Das führt zu einer schnellen und effizienten Lösung des Problems – ganz im Sinne der Kund:innen und des Unternehmens.
2. Ist die Frage kompliziert oder erkennt das System eine eher negative Stimmung, wird das Gespräch direkt an ein:e menschliche:n Bearbeiter:in weitergeleitet, um eine individuelle und persönliche Lösung zu finden.

Warum ist Natural Language Processing essenziell?

NLP ist primär deswegen so fundamental, weil sich Nutzer:innen von mobilen Geräten und virtuellen Assistent:innen längst an die Spracherkennung gewöhnt haben und diese Fähigkeit auch in anderen Situationen als selbstverständlich voraussetzen. Mündlich ausgesprochene Befehle nehmen weniger Zeit in Anspruch als eine Eingabe über die Tastatur. Geräte mit leistungsfähigen NLP-Systemen haben daher einen erheblichen Wettbewerbsvorteil. Das gilt genauso für Websites, die dir einen Chatbot anbieten.

Auf der anderen Seite stellt NLP Betreiber:innen von Websites vor neue Herausforderungen – etwa im Content-Marketing. Das Stichwort heißt hier „Content for Voice Search“ – also speziell auf die Sprachsuche ausgerichteter Content. Darüber hinaus spielen Long-Tail-Keywords eine zunehmend größere Rolle bei der Suchmaschinenoptimierung von Inhalten, denn die Eingabe komplexerer Suchbegriffe ist per Sprachbefehl deutlich einfacher als über die Tastatur.

Fazit

Bereits in den nächsten Jahren sind deutliche Fortschritte durch den Einsatz verbesserter künstlicher Intelligenz zu erwarten. Dank Natural Language Processing wird es einfacher, auf Fragestellungen eine unmittelbare Antwort zu bekommen oder Anwendungen auf dem Smartphone zu bedienen. Es ergeben sich Anwendungsbereiche im Alltag wie das sinnvolle Zusammenfassen von langen Texten, das automatisierte Schreiben von Texten, das Erkennen von Stimmungen der sprechenden Person und das Erfassen von Stilmitteln wie Ironie, rhetorischen Fragen oder Sarkasmus. Immer größere Rechenleistungen und die Vielzahl von international zur Verfügung stehenden Informationen (Big Data) gewährleisten, dass die Ergebnisse, die NLP liefern kann, stetig besser werden.