Beim Natural Language Processing (NLP) handelt es sich um eine Methode der Künstlichen Intelligenz, bei der Computer menschliche Sprache nach Strukturen, Mustern, Semantik und mehr analysieren. Mögliche Anwendungen für NLP sind Chatbots, Text Mining und Assistenten wie Siri. Der Beitrag gibt eine Einführung in die Idee und Methoden von NLP.
Der Inhalt im Überblick
Grundidee des Natural Language Processing
Die Kommunikationsprobleme zwischen Mensch und Computer sind gravierend. Computer beherrschen als Technologien lediglich Programmiersprachen als eine Art Kunstsprache. Menschen sprechen und verstehen dagegen natürlich geformte Sprache mit all ihren Ungenauigkeiten und Ambiguitäten. Während man sich also bspw. mit dem Ehepartner zumindest auf Basis einer gemeinsamen Sprache verständigen kann, ist das bei einem Streit mit dem Computer natürlich nicht möglich. Man könnte also meinen, Computer seien daher zur Analyse menschlicher Sprache ungeeignet. Bezogen auf die Semantik und Pragmatik menschlicher Sprache kann man das so sehen. Das mag ein Grund für die geläufige Definition von NLP sein, als:
„(…) a (…) range of computational techniques for analyzing and representing naturally occurring texts at one or more levels of linguistic analysis for the purpose of achieving human-like language processing (…).“
Wie funktioniert NLP und wofür nutzt man Natural Language Processing?
Die Funktionsweise und Methoden des Natural Language Processing (NLP) lassen sich besser verstehen, wenn man versucht, einen Text ähnlich wie ein Computer schrittweise zu analysieren. So kann man beispielsweise auf der Ebene der Syntax die grammatikalische Struktur eines oder mehrerer Texte untersuchen oder auf der Ebene der Morphologie einzelne Wörter und ihre Einheiten analysieren. Das übergeordnete Ziel solcher Analysen ist es oft, aus dem Text oder den Texten Rückschlüsse zu ziehen, die sich nicht aus einer oberflächlichen Lektüre ergeben. Mithilfe einer Analyse können so z. B. die Wahrnehmung von Kunden zu einem Produkt oder Service im Zeitverlauf ermittelt werden, wenn ausreichend Daten zur Analyse verfügbar sind. In der Regel müssen die Daten vor der Analyse aus Gründen der Datenqualität noch aufbereitet werden. Diese können dann für eine Vielzahl von Anwendungsfällen genutzt werden. Nicht abschließend zählen dazu etwa die Named Entity Recognition, die Sentimentanalyse, die Disambiguierung, das Topic Modeling und vieles mehr.
Grundformen des Natural Language Processing
Neben dem Zweck der NLP-Analyse ist es ebenso wichtig, die Methodik festzulegen, nach der die Analyse durchgeführt werden soll. Zur Auswahl stehen „triviale” regelbasierte und statistische NLP-Methoden sowie komplexere Methoden aus den Bereichen des Maschinellen Lernens und des Deep Learnings.
Eine Darstellung der einzelnen Methoden würde den Rahmen dieses Beitrags sprengen. Generell gilt jedoch, dass keine dieser Methoden prinzipiell überlegen ist und alle ihre Grenzen haben. Daher muss stets die für den jeweiligen Anwendungsfall am besten geeignete Methode herausgearbeitet werden. Dies sollte unter Berücksichtigung der verfügbaren Daten und des verfügbaren Know-hows erfolgen. Komplexere Methodiken erfordern in der Regel mehr Know-how, auch wenn dies kein Naturgesetz ist.
Natural Language Processing, der Datenschutz und andere Gesetze
Natural Language Processing ist ein technologisches Werkzeug, das rechtskonform und ethisch vertretbar genutzt werden muss. In dieser Hinsicht stellen sich neben datenschutzrechtlichen Fragen zur Rechtsgrundlage für die Nutzung personenbezogener Texte auch urheberrechtliche Fragen. So ist beispielsweise zu klären, ob die Texte für die Analyse im Rahmen bestehender gesetzlicher Schranken oder durch den Erwerb von Lizenzen nutzbar gemacht werden können. Eine Konstellation mit vergleichbaren Fragen haben wir bereits beim Thema rechtskonformes Scraping beschrieben.
Aus ethischer Sicht ist es wichtig, die Ergebnisse der NLP-Analyse auf Inkonsistenzen zu überprüfen. Dabei geht es nicht nur um die Reproduzierbarkeit und Validität, sondern auch darum, ob die Analyse Verzerrungen enthält oder reproduziert.
Natural Language Processing – wohin geht die Entwicklung?
Methoden des Natural Language Processing finden heute in einer Vielzahl täglich genutzter Systeme Anwendung. Mit der zunehmenden Verbreitung generativer KI, insbesondere von Prompting-Methoden, wird dieses Teilgebiet der künstlichen Intelligenz in Zukunft noch relevanter werden. Es ist daher für jeden von Vorteil, sich Grundkenntnisse anzueignen – sei es für die Berufswelt oder das Privatleben. Dieser Beitrag soll bestenfalls einen ersten Impuls geben.
