Ja, ich gebe es zu: Ich bin iPhone-Anwender der allerersten Stunde. So kam ich tatsächlich eine Woche nach dem offiziellen Erscheinen des Apple-Smartphones in den Genuss desselben. Seitdem ist eine Menge passiert, was die Fähigkeiten und Fertigkeiten des Gadgets betrifft. Dazu gehört vor allem die digitale Sprachassistentin namens Siri, die ich schon eine ganze Weile für bestimmte Aufgaben wie das Einstellen des Timers oder die Suche nach bestimmen Begriffen nutzen.
All das und mehr wird durch eine KI-Disziplin ermöglicht, die sich Natural Language Processing (NLP) nennt. Der Begriff lässt es schon erahnen: Die Technik hat mit dem Erkennen, Analysieren und Nutzen von natürlicher Sprache zu tun, die vor allem in der KI-Disziplin Generative AI zum Einsatz kommt. Also maßgeblich dort, wo Anwendungen wie ChatGPT oder DELL-E auf Spracheingaben reagieren und diese „Prompts“ in Inhalte wie Texte oder Bilder verwandeln. Hierfür werden weitere KI-Disziplinen wie Machine Learning und Deep Learning genutzt, mit deren Hilfe die Sprachdaten analysiert und bereitgestellt werden.
NLP erledigt allerlei Aufgaben
Sobald das zugehörige NLP-Modell trainiert wurde, lassen sich mit der dazu gehörigen KI-Anwendung zahlreiche Aufgabe erledigen. Dazu zählen unter anderem folgende Anwendungen:
Trends und Muster lassen sich relativ einfach analysieren und erkennen. Das ist bei Vorhersagen genauso essentiell wie bei Verkaufsprognosen und ähnlichen Applikationen.
Gerade das Erfassen und Verarbeiten von unstrukturierten Textdaten wie Social Media-Beiträgen erfolgt mithilfe von NLP deutlich schneller und effizienter, als wenn das von Menschenhand erfolgte. Daraus resultieren meist enorme Kosteneinsparungen.
Der Kundenservice eines Unternehmens lässt sich in Kombination mit NLP und den passenden Wissensdatenbanken enorm verbessern, da relevante und benötigte Informationen in kürzester Zeit aufgespürt und verarbeitet werden können.
3 Arten des Verarbeitens natürlicher Sprache
Beim NLP unterscheidet man 3 verschiedene Herangehensweisen: Regelbasiert, statistisch und Deep Learning-basiert. Diese 3 Arten unterscheiden sich wie folgt:
Mit regelbasiertem NLP fing alles an. Dabei wurden einfachste Wenn-Dann-Entscheidungen in Betracht gezogen. Hierbei kamen keine KI-Fähigkeiten zum Einsatz, womit diese NLP-Art nur noch sehr eingeschränkt genutzt wird.
Das statistisch-basierte Verarbeiten von natürlicher Sprache bemisst die Wahrscheinlichkeiten von Sprachelementen eines Textes. Hierfür kommt das maschinelle Lernen zum Einsatz, wie es beispielsweise beim sogenannten Part-of-Speech-Tagging der Fall ist. Hierbei entstanden erstmals mithilfe ausgeklügelter mathematischer Methoden Sprachmodelle, die beispielsweise für die Rechtschreibprüfung genutzt werden konnten.
Mittlerweile kommt hauptsächlich Deep Learning-basiertes NLP zum Einsatz, womit große Datenmengen innerhalb kürzester Zeit verarbeitet werden können. Hierbei unterscheidet man zwischen Sequence-to-Sequence-, Transformer-, autoregressiven und Foundation-Modellen.
Weitere KI-Lexikon-Begriffe
„L“ wie Long Short-Term Memory (LSTM)
„L“ wie Large Language Model (LLM)
„N“ wie NPU (Neural Processing Unit)