Was bedeutet Natural Language Processing?

Natural Language Processing (NLP) bezeichnet die maschinelle Verarbeitung geschriebener und gesprochener Sprache. Dazu zählen das Zerlegen von Text, das Erkennen von Namen, Daten und Beträgen, die Einordnung nach Thema sowie die Übersetzung in andere Sprachen. Von generativen Systemen unterscheidet sich NLP darin, dass vorhandene Sprache ausgewertet wird, statt neue zu erzeugen.

Am Anfang steht die Zerlegung in Token und die Rückführung von Wortformen auf ihre Grundform. Darauf setzen die eigentlichen Aufgaben auf. Die Named Entity Recognition markiert Personen, Orte, Daten und Aktenzeichen, die Klassifikation ordnet ein Dokument einer Kategorie zu, und die Sentimentanalyse bewertet die Tonlage. Klassische Verfahren arbeiten mit Regeln und Wortlisten, heutige mit Transformer-Modellen, die den Kontext eines Wortes einbeziehen. Im Deutschen bereiten zusammengesetzte Wörter die größte Schwierigkeit.

NLP lohnt sich dort, wo Texte in großer Zahl eingehen und immer nach denselben Merkmalen durchsucht werden. Typische Aufgaben sind die Verteilung eingehender Post, die Auswertung von Freitextfeldern in Formularen und die Suche nach Fristen und Beträgen in Verträgen. Bei wenigen Dokumenten am Tag lohnt der Aufbau einer solchen Strecke nicht.

Der Vorteil gegenüber einer Sichtung von Hand liegt im Zeitpunkt der Zuordnung. Ein Text wird beim Eingang eingeordnet und nicht erst am Folgetag. Fristen werden auch dann erkannt, wenn sie im Fließtext stehen und nicht im Betreff, und aus den vergebenen Kategorien entsteht nebenbei eine Auswertung der Themen.

Erkennungsfehler treten bei Eigennamen, Abkürzungen und regionalen Schreibweisen regelmäßig auf. Wo eine falsche Zuordnung eine laufende Frist berührt, muss eine Kontrolle durch Menschen im Ablauf vorgesehen sein. Die Trefferquote je Kategorie zeigt, an welchen Stellen sich diese Kontrolle lohnt.