Was ist Natural Language Processing (NLP)

„Warum nur versteht mich das blöde Ding nicht?“, hört man Chatbot-Benutzer immer wieder fluchen. Wenn es so weit kommt, liegt das entweder daran, dass der Bot kein aktuelles Natural Language Processing hat. Oder gar keines.

Dabei kann das Reden mit einem Chatbot durchaus angenehm sein, nämlich dann, wenn „das Ding“ Sie versteht, ganz egal, wie Sie sich ausdrücken. Wenn es den Kontext des zuvor Gefragten und Gesagten berücksichtigt und Ihre Konversation mit ihm natürlich fließt. Wenn es auf Basis dessen, was es erfahren hat, brauchbare Antworten gibt, und das in menschenähnlicher Sprache.

All dies ist möglich dank NLP, einer Technik, die Bots zu einer menschenähnlichen Kommunikation mit ihrem Gegenüber befähigt.

NLP ist eine KI-Funktion, die über bestimmte Algorithmen verarbeitet, was Menschen sagen, die Absichten hinter ihren Worten versteht, ermittelt, was mit diesen Eingaben zu tun ist und dann angemessene Antworten ausgibt. NLP bringt Chatbots dazu, ganze Interaktionen in der Sprache des Benutzers abzuwickeln.

Der wohl grundlegendste Teil an NLP ist die Fähigkeit, den Sinn menschlicher Äußerungen zu verstehen. Dank Natural Language Understanding (NLU) kann ein Bot erkennen, welche Absicht hinter geäußerten Worten eigentlich steckt; ohne diese Technik wäre er nicht in der Lage, mit dem Benutzer zu kommunizieren.

Das Verstehen von Absichten ist etwas anderes als das Verstehen von Gesprochenem. Sprachmodelle, die mit dem Parsing von Text arbeiten, und Spracherkennungstechnik, auf der Chatbots wie Siri und Alexa beruhen, sind darauf ausgelegt, das „Was“ einer Äußerung zu verstehen. NLU geht einen Schritt weiter: Die Technik ermittelt die Bedeutung des Gesprochenen und erkennt, was der Sprecher damit erreichen möchte.

Wie funktioniert Natural Language Processing?

Vorab gesagt: NLP ist keine Suchmaschine, die nach Stichwörtern in Ihrem Text sucht und Ihnen dann möglichst viele Ergebnisse ausspuckt. Google ist eine solche Suchmaschine, doch NLP funktioniert anders.

Wenn jemand einen Chatbot oder eine dynamische Suchleiste mit NLP-Technik nutzt, muss er nicht bestimmte Stichwörter eingeben, um weiterzukommen. Er kann ganz normale, auch durchaus komplizierte Sätze sagen. Die NLP-Technik analysiert die Satzstruktur, nutzt ihr Wissen zu Idiomen, grammatischen Fehlern und Spezialjargon und erkennt so, was gemeint ist, auch wenn 10 Sprecher es auf 10 unterschiedliche Weisen sagen. Dadurch ermittelt die Technik die Absicht hinter dem Gesprochenen und kann eine passende Antwort geben.

Richtig gute Chatbots sind auf die Erledigung ganz bestimmter Aufgaben, nicht aller möglichen Dinge abgerichtet. Der Chatbot einer Bank beispielsweise kann Fragen rund um das Bankgeschäft beantworten und Benutzern beim Finden des richtigen Kontotyps und der Ausführung einfacher Transaktionen wie Überweisungen helfen. Aber derselbe Chatbot könnte nicht sagen, wer gestern Fußballweltmeister geworden ist, oder Ihnen dabei helfen, einen Flug nach Hawaii zu buchen. Sein NLP-Wissen beschränkt sich auf die ihm einprogrammierte Welt; jenseits dieser kann er keine Dialoge führen.

Dies ist wichtig zu wissen, denn der Chatbot analysiert die menschliche Sprache und Sprecherabsicht immer im Kontext der ihm bekannten Welt. Dabei kennt der Chatbot eine Reihe möglicher Absichten, die kategorisiert sind je nach dem, was er zu tun in der Lage sein soll. Erkennt er eine dieser Absichten, ruft er aus den ihm verfügbaren Ressourcen die passende Antwort ab.

NLP-Komponenten

Sehen wir uns die einzelnen Elemente des gesamten Vorgangs an. Zuerst muss das System die Absicht natürlicher Sprache verstehen (Natural Language Understanding – NLU), dann muss es ermitteln, was die Antwort ist (maschinelles Lernen – ML), und letztlich muss es die Antwort in menschlicher anstelle Maschinensprache ausgeben (oder erzeugen) (Natural Language Generation – NLG).

1. Die Absicht verstehen: Natural Language Understanding (NLU)

Soll das System verstehen, was der Sprecher möchte (seine Absicht), muss es Sätze in ihre Bestandteile zerlegen können. Vielleicht erinnern Sie sich noch an Satzdiagramme im Grammatikunterricht in der Schule. Genau dies tut NLU: Satzteile erkennen und kennzeichnen – Part-of-Speech-Tagging genannt. Um menschliche Sprache mühelos verständlich zu machen, wird ein großer technischer Aufwand getrieben.

• Themenanalyse:
  Erkennen der Bedeutung von Äußerungen oder der Sprecherabsicht. Dies schließt ein:
• Kontextextraktion:
  Erfassen des aktuellen Kontextes.
• Syntaxanalyse:
  Analyse der Syntax oder Satzstruktur und der Funktion der gesprochenen Wörter darin.
• Entitätenextraktion:
  Ermittlung von Entitäten wie Person, Ort, Firma oder Ereignis und Bestimmung ihrer Wichtigkeit.
• Semantische Analyse:
  Ermittlung der Wortbedeutung auf Basis von Kontext – besonders wichtig, wenn ein Wort mehrere Bedeutungen haben kann.
• Stimmungsanalyse:
  Erkennen subjektiver Gefühlslagen (Stimmung, Emotion, Meinung).

2. Die passende Antwort ermitteln: maschinelles Lernen

Das System kennt nun die Absicht. Doch nach welcher Kategorisierung entscheidet es, welche Antwort passt? Hierzu verwandelt das System die menschliche Sprache in binäre Maschinensprache, damit es Antworten über Algorithmen finden kann, etwa neuronale Netze, die Muster ähnlich erkennen und einordnen, wie das menschliche Gehirn es tut. In anderen Worten konvertiert die KI den Text auf diese Weise in strukturierte Daten, die maschinenlesbar sind.

• Kategorisierung von Inhalt:
  Einordnung von Absichten in bestimmte Kategorien.
• Übersetzung in Maschinensprache:
  Umwandlung des Geschriebenen oder Gesprochenen in Maschinensprache.
• Maschinensprache:
  Binärer Code, den das System lesen kann.

3. Die Antwort ausgeben: Natural Language Generation (NLG)

Im dritten Schritt muss das System die Antwort aus der Maschinensprache wieder in die menschliche Sprache übersetzen, sprich Wörter, Phrasen und Sätze ausgeben, die ein Mensch verstehen kann. Wenn die NLG sehr gut ist, dann können Chatbots nicht nur eine Antwort in menschlicher Sprache ausgeben, sondern auf Grundlage von Deep Learning sogar eigene Antworten formulieren. Diese Fähigkeit birgt durchaus Risiken, wie der Fall von Microsoft zeigt: Der Twitter-Chatbot Tay wurde bereits 24 Stunden nach seiner Neuinstallation wieder deaktiviert, da er zu diesem Zeitpunkt bereits Tweets mit anstößigen Inhalten verfasste. Viele Unternehmen möchten die Technik unter Kontrolle haben, um genau zu steuern, was die KI von sich gibt.

• Generieren von Sätzen:
  Das Erzeugen von Sätzen aus Maschinensprache.
• Erzeugung von Dokumenten:
  Kombination von Sätzen zu sinnvollen Passagen.
• Zusammenfassung von Dokumenten:
  Erzeugung von Exzerpten aus großen Textkorpora.

Natural Language Processing in Aktion

Die Anfänge der NLP liegen in den Fünfzigerjahren des letzten Jahrhunderts, bei der maschinellen Übersetzung russischer Texte ins Englische mithilfe von Computern und Lochkarten. Inzwischen ist maschinelle Übersetzung ein Routinevorgang und die Technik zur Verarbeitung natürlicher Sprache hat sich enorm weiterentwickelt.

Heute ist NLP in KI-gestützten Chatbots im Einsatz und unterstützt eine erstklassige, dialogorientierte Nutzererfahrung. Bots geben Kunden basierend auf den über sie bekannten Informationen personalisierte Rückmeldungen und Antworten und machen echte Transaktionen möglich. Das Ergebnis? Eine individuell angepasste Kommunikation und ein überzeugendes Nutzererlebnis.

Beispiele für Natural Language Processing:

Kundenservice und Support
KI-Chatbots mit NLP agieren als erste Anlaufstelle im Kundenservice: Sie helfen beim Auffinden der nächsten Bankfiliale, der Entscheidung für das richtige Produkt, der Suche nach Garantiebestimmungen und mehr.

Self-Service-Angebote für Kunden
KI-Chatbots mit NLP können Kunden bei der Abwicklung von Transaktionen unterstützen: Reservierung von Kinokarten, Bestellen von Mahlzeiten, Vereinbarung von Terminen, Änderung einer Buchung und mehr.

Stimmungsanalyse und Feedback
Unternehmen können mit NLP Trends auf Social Media überwachen. So können sie sehen, wie ihre Marke wahrgenommen wird, Stimmungswechsel erkennen, das Feedback von Call-Center-Anrufern analysieren und mehr.

Freitextanalyse
Kundenbewertungen zu Produkten, Patientenakten, Online-Artikel und Blogposts: Viele frei formulierte Texte enthalten wertvolle Informationen. Mit NLP können große Textkorpora nach relevanten Daten durchsucht werden, die Unternehmen nutzen können, um ihre Produkte, Services oder die Customer Experience weiter zu optimieren.

Unternehmenswissen zugänglich machen
Dank NLP können Benutzer FAQ oder andere Datenbestände auf natürliche Weise durchsuchen. Dies kann in einer Chatbot-Konversation oder über eine dynamische Suchleiste geschehen. NLP ist nicht auf die Eingabe exakter Stichwörter angewiesen; dies erleichtert Benutzern die Suche.

Automatische Transkripte erstellen
Menschliche Sprache ist nicht präzise. Da NLP alle Aspekte von Sprache analysiert, kann die Funktion auch dazu genutzt werden, Transkripte gesprochener Inhalte anzufertigen, etwa in Meetings und Kundengesprächen Diese können dann als Referenz oder zur Suche nach bestimmten Informationen herangezogen werden.

Über iTunes, Spotify und mehr abonnieren.

Warum ist Natural Language Processing wichtig?

Wenn Unternehmen im Wettbewerb bestehen möchten, müssen sie ihre Customer Experience fortwährend optimieren und weiterentwickeln. Dank der technischen Fortschritte bei NLP erzielen Unternehmen in ihren gestützten Kanälen immer bessere Ergebnisse.

Neue computerlinguistische Erkenntnisse treiben NLP immer weiter voran. So werden etwa spezielle Rechenmodelle zu bestimmten linguistischen Phänomenen entwickelt – zur Anwendung auf die Online-Konversation, um unerwünschte Äußerungen auszufiltern, oder auf die Online-Suche, um zur jeweiligen Kombination aus Suchbegriffen optimal passende Dokumente und Websites zu liefern.

Der Trend zur Cloud ist bei Unternehmen und Verbrauchern ungebrochen, und NLP hilft dabei, automatische Services einfacher, genauer und effizienter zu machen. Für Kunden ist ein Self-Service per Chatbot-Dialog oder eine FAQ-Suche, die in eigenen Worten erfolgen kann, viel angenehmer, da ihre Fragen auf diesem Weg umgehend und effizient beantwortet werden. Für Unternehmen bedeutet dies weniger Anrufe im Callcenter. Sie steigern die Personaleffizienz und entlasten ihre Berater, die sich damit auf komplexere Aufgaben konzentrieren können.

Auch die Berater selbst profitieren von NLP. Virtuelle Assistenten mit NLP-Fähigkeiten können Dialogen zwischen Beratern und Kunden folgen, erkennen, worum es geht und dann mögliche Antworten liefern. Dies hilft dem Berater, genau auf das geäußerte Anliegen einzugehen und effizienter bei der Lösungssuche zu sein.

Die ständige Weiterentwicklung von NLP sorgt dafür, dass sich mit der Technik inzwischen auch Inhalte großer Textkorpora erschließen lassen. Kundenbewertungen können jetzt mit Hilfe von maschinellen Lernalgorithmen durchsucht werden, welche die zugrundeliegende Datenstruktur erkennen und Unternehmen Einblicke geben können, die ihre Customer Experience verbessern helfen.

Die amerikanische TV-Comicserie „Die Jetsons“ warf schon in den Sechzigerjahren des letzten Jahrhunderts einen Blick in die Zukunft – ein komfortables Leben mit einem hohen Automatisierungsgrad. Keine Frage, NLP bringt uns dieser Realität ein Stückchen näher! Könnten wir nicht alle einen Haushaltsroboter wie Rosie gebrauchen? Dank NLP klingt das gar nicht mehr so undenkbar.