Da immer mehr Unternehmen künstliche Intelligenz (KI) in verschiedensten Branchen einsetzen, werden diese KI-Systeme unweigerlich in Situationen gebracht, in denen sie mit Menschen interagieren müssen. Von Chatbots im Kundensupport bis hin zu virtuellen Assistenten wie Amazons Alexa – diese Anwendungsfälle erfordern, einer KI beizubringen, zuzuhören, zu lernen und zu verstehen, was Menschen zu ihr sagen und wie sie darauf reagieren soll.
Eine Methode, einer KI die Kommunikation mit Menschen beizubringen, ist Natural Language Processing (NLP). Natural Language Processing liegt an der Schnittstelle von KI, Informatik und Linguistik. Ziel ist es, einen Computer zu entwickeln oder zu trainieren, der nicht nur die wörtlich von Menschen geäußerten Worte versteht, sondern auch die kontextuellen Implikationen und Feinheiten ihrer Sprache.
Mit der wachsenden Bedeutung der KI-Branche ist auch die NLP-Branche gewachsen. Ein Bericht von Allied Market Research bewertete den weltweiten NLP-Markt 2020 mit 11,1 Milliarden US-Dollar; bis 2030 soll er auf 341,5 Milliarden US-Dollar wachsen. Hinter dieser Bewertung verbirgt sich eine Vielzahl vielversprechender Start-ups und erfahrener Tech-Veteranen, die die Wissenschaft immer weiter voranbringen.
- Geschichte von Natural Language Processing
- Vorteile von Natural Language Processing
- Wordsmith
- Indata Labs
- IBM
- Synthesia
- Intel
- MindMeld
- Microsoft
Geschichte von Natural Language Processing
Natural Language Processing ist seit den Anfängen des Fachgebiets Bestandteil der KI-Forschung. Alan Turings wegweisende Abhandlung Computer Machinery and Intelligence, in der der berühmte Turing-Test vorgestellt wurde, enthält eine Aufgabe, die die automatisierte Interpretation natürlicher Sprache erfordert.
Von den 1950er- bis in die 1990er-Jahre konzentrierte sich die NLP-Forschung weitgehend auf symbolisches NLP, bei dem Computern mithilfe assoziativer Logik sprachliche Kontexte beigebracht werden sollen. Im Wesentlichen erhält die KI eine von Menschen erstellte Wissensbasis, die die konzeptionellen Bestandteile einer Sprache und deren Beziehungen zueinander abbildet.
Mithilfe dieser Wissensbasis kann die KI die Bedeutung von Wörtern im Kontext durch WENN-DANN-Logik verstehen. Ein Beispiel dafür wären Vergleiche. Wenn Sie sagen: „Er ist so schnell wie ein Gepard“, würde die KI verstehen, dass die Person, über die Sie sprechen, kein echter Gepard ist.
Dank der seit den 1990er-Jahren zunehmenden Rechenleistung wurden Algorithmen des maschinellen Lernens in Natural Language Processing eingeführt. In dieser Zeit gewannen maschinelle Übersetzungsprogramme an Bedeutung. Beispiele, die Sie vielleicht nutzen, sind Google Translate oder DeepL.
Als das Internet in den 2000er-Jahren immer beliebter wurde, erhielten NLP-Systeme Zugriff auf noch größere Mengen an Rohdaten, die sie durchsuchen und verstehen konnten. Daher konzentrierten sich Forschende zunehmend auf die Entwicklung unüberwachter und halbüberwachter Lernalgorithmen. Diese Algorithmen waren weniger präzise als überwachte Lernalgorithmen, doch die schiere Menge der von ihnen verarbeiteten Daten konnte diese Ungenauigkeiten ausgleichen.
Heute nutzen viele Systeme für Natural Language Processing Repräsentationslernen und Deep-Learning-Verfahren auf Basis tiefer neuronaler Netze, um genauere Fähigkeiten zur Sprachmodellierung und zum Parsen zu entwickeln.
Mehr dazu: Was ist künstliche Intelligenz?
Vorteile von Natural Language Processing
Der Einsatz von Natural Language Processing in Unternehmen bietet zahlreiche Vorteile. So können NLP-Programme im Kundensupport rund um die Uhr aktiv sein und kostengünstiger zu implementieren und zu warten sein als menschliche Mitarbeitende. Damit kann NLP eine potenzielle Maßnahme zur Kostensenkung darstellen.
NLP kann außerdem zur Pflege von Leads und zur Entwicklung zielgerichteter Werbung eingesetzt werden. So wird sichergestellt, dass die Produkte eines Unternehmens den Menschen präsentiert werden, die sie am wahrscheinlichsten kaufen. Dies kann die Effektivität menschlicher Marketingteams steigern und den Umsatz erhöhen, ohne dass zwangsläufig Geld für breiter angelegte Werbekampagnen ausgegeben werden muss.
Natural Language Processing kann auch die Suchmaschinenoptimierung (SEO) verbessern und dazu beitragen, dass ein Unternehmen in den Rankings möglichst weit oben bleibt. NLP kann Suchanfragen analysieren, verwandte Keywords vorschlagen und Zeit bei der SEO-Recherche sparen, sodass Unternehmen mehr Zeit haben, die Qualität ihrer Inhalte zu optimieren.
Führende Unternehmen für Natural Language Processing
Als einer der größten Namen in KI und Technologie ist Google selbstverständlich auf eine lange Geschichte der Nutzung von NLP in seinen Produkten und Diensten zurückblicken. Erst in diesem Jahr behauptete einer seiner Forscher, dass eines der Language Model for Dialogue Applications (LamDA) des Unternehmens empfindungsfähig sei – zu einem großen Teil aufgrund seiner Antworten an den Forscher in einem Textchat. Ende August 2022 begann Google sogar mit öffentlichen Tests von LamDA.
Bei seinen Produktangeboten verfügt das Unternehmen über eine Natural Language API, mit der Nutzer neue Erkenntnisse aus unstrukturiertem Text gewinnen können. AutoML stellt benutzerdefinierte Modelle für maschinelles Lernen bereit, um Dokumente besser zu analysieren, zu kategorisieren und zu bewerten. Die Entwicklungssuite Dialogflow kann in unterschiedlichsten Umgebungen eingesetzt werden, um dialogorientierte Benutzeroberflächen zu erstellen, etwa Chatbots auf Websites, in mobilen Apps und auf anderen Plattformen.
Schließlich ermöglicht die Document-AI-Lösung von Google Cloud Kunden, die Datenerfassung in großem Maßstab zu automatisieren und so mehr Daten aus Dokumenten zu extrahieren, ohne die Kosten zu erhöhen.
Mehr dazu: Die Zukunft der künstlichen Intelligenz
Wordsmith
Automated Insights’ Plattform Wordsmith gilt als weltweit erste öffentlich verfügbare Engine für Natural Language Generation (NLG). Durch die Eingabe von Informationen in die Engine können Nutzer klare, verständliche und von KI unterstützte Inhalte erstellen.
Als eine der ersten Plattformen ihrer Art hat sie eine Reihe interessanter Kunden. So arbeitet die Associated Press mit Automated Insights zusammen, um laut der Website von Automated Insights.
mehr als 50.000 KI-generierte Nachrichtenartikel zu erstellen. Die Benutzeroberfläche von Wordsmith gehört zu den am einfachsten zu bedienenden auf dem Markt und bietet ein hohes Maß an Anpassbarkeit. Die Ersteinrichtung kann jedoch länger dauern als erwartet. Wer nach Optionen für eine schnelle Bereitstellung sucht, muss sich möglicherweise anderweitig umsehen. Auch die ausgegebenen Inhalte müssen vor der Veröffentlichung wahrscheinlich noch von internen Mitarbeitenden überarbeitet werden.
Insgesamt ist Wordsmith eine solide Wahl für Unternehmen, die große Datenmengen in lesbare, formatierte Inhalte umwandeln möchten.
Indata Labs
Das in Zypern ansässige Unternehmen Indata Labs nutzt die Erfahrung seiner Mitarbeitenden in den Bereichen Big-Data-Analyse, KI und NLP, um Kundenunternehmen dabei zu helfen, das Beste aus ihren Daten herauszuholen. Organisationen aus Branchen wie Gesundheitswesen, E-Commerce, Fintech und Sicherheit greifen auf die Expertise von Indata Labs zurück, um neue Erkenntnisse aus ihren Daten zu gewinnen.
Das Unternehmen bietet eine breite Palette an Dienstleistungen und Lösungen – von Data Engineering über Bilderkennung bis hin zu Predictive Analytics. Im NLP-Bereich bietet es Beratung zur Kundenerfahrung, eine Analyse der Verbraucherstimmung und Textanalyse an, damit Kunden aus ihren Datensätzen möglichst großen Nutzen ziehen.
Indata Labs unterhält außerdem ein eigenes KI-Forschungs- und Entwicklungszentrum und arbeitet mit einigen der besten Computer-Vision- und NLP-Unternehmen der Welt zusammen, um neue Lösungen zu entwickeln und die Bereiche Business Intelligence, KI und Natural Language Processing voranzubringen.
IBM
Ein weiterer Tech-Gigant: Die Watson-Produktfamilie von IBM gehört zu den besten auf dem Markt. Es überrascht daher nicht, dass Watsons breites Dienstleistungsangebot eine Reihe von NLP-Lösungen umfasst. Watson Discovery ist eine intelligente Such- und Textanalyseplattform, mit der Unternehmen Informationen finden können, die möglicherweise in ihren umfangreichen Datenbeständen verborgen sind.
Watson Assistant ist eine Kundensupportplattform, die Daten aus Kundengesprächen sammelt. Dadurch können Watson-Assistant-Chatbots besser lernen, wie sie den Kundensupport für Kunden weniger stressig und zeitaufwendig gestalten.
Watson Natural Language Understanding nutzt schließlich Deep Learning, um linguistische Konzepte und Keywords zu identifizieren, eine Sentimentanalyse durchzuführen und Bedeutung aus unstrukturierten Daten zu extrahieren.
Mehr dazu: Die Vorteile künstlicher Intelligenz
Synthesia
Synthesia ist eine webbasierte Plattform zur KI-gestützten Videogenerierung. Mithilfe ihrer Bibliothek mit Videovorlagen, KI-Stimmen und Avataren können Nutzer Videos in großem Maßstab für praktisch jeden Bedarf erstellen. Laut eigener Website wurde die Technologie von Synthesia von mehr als 10.000 Unternehmen genutzt, darunter Nike, Google, die BBC und Reuters, um Videos in mehr als 60 Sprachen zu erstellen.
Zu den weiteren Funktionen der Plattform gehören ein Bildschirmrekorder, die Erstellung individueller KI-Avatare, Untertitel sowie der Zugriff auf eine Bibliothek mit lizenzfreier Hintergrundmusik. Wenn eine Organisation über eine eigene Bibliothek mit Medien-Assets verfügt, kann sie diese ganz einfach hochladen und anschließend in Synthesia verwenden.
Intel
Ein großer Tech-Name wie Intel verfügt zwangsläufig über eine ganze Reihe von NLP-bezogenen Diensten. Dazu gehört natürlich Intels breites Angebot an KI-Produkten – von Entwicklungstools bis hin zu Lösungen für die Bereitstellung.
Für Organisationen, die ihre NLP-Kenntnisse vertiefen möchten, bietet Intel einen umfassenden Entwicklerkurs zu Natural Language Processing an, in dem die Teilnehmenden die Grundlagen und die praktische Nutzung von NLP beim Training von KI erlernen können.
Außerdem gibt es den Natural Language Processing Architect, eine von den Intel AI Labs entwickelte Python-Bibliothek. Eine Python-Bibliothek ist im Wesentlichen eine Sammlung vorgefertigter Code-Bausteine, die in verschiedenen Programmen und Szenarien wiederholt eingesetzt werden können. Der NLP Architect soll insbesondere die Entwicklung individuell trainierter NLP-KIs erleichtern.
MindMeld
MindMeld bietet eine Plattform für dialogorientierte KI, über die Unternehmen dialogorientierte Benutzeroberflächen entwickeln können, die optimal auf ihre Apps, Algorithmen und Plattformen zugeschnitten sind.
Mit MindMeld haben Unternehmen Benutzeroberflächen für Essensbestellungen, die Unterstützung im Haushalt, Banking-Hilfe und die Suche nach Videos entwickelt und bereitgestellt. Die Plattform bietet Training auf jeder Stufe der NLP-Hierarchie und stellt so sicher, dass jede Logikebene des Prozesses berücksichtigt wird.
Dank dieser innovativen Plattform nahm das Entrepreneur Magazine MindMeld 2015 in seine Liste der 100 Brilliant Companies auf. Zu den Unternehmen, die MindMeld nutzen, gehören Cisco, Appspace, Davra und Altus.
Microsoft
Microsofts Einfluss erstreckt sich über die gesamte Technologielandschaft. Es überrascht nicht, dass KI und damit auch Natural Language Processing zu den Interessensgebieten des in Washington ansässigen Tech-Giganten gehören. Tatsächlich verfügt Microsofts Forschungslabor in Redmond, Washington, über eine Gruppe, die sich speziell der NLP-Forschung widmet.
Über Microsofts Cloud-Computing-Dienst Azure können Kunden maßgeschneiderte Frameworks für Natural Language Processing trainieren und bereitstellen. Das Unternehmen bietet sogar eine Dokumentation dazu an. Für die Nutzung von NLP in Azure empfiehlt Microsoft Apache Spark, eine quelloffene, einheitliche Analyse-Engine für die Verarbeitung großer Datenmengen.
Zu den bemerkenswerten Funktionen dieser maßgeschneiderten NLP-Frameworks für Azure gehören Sentimentanalyse, Textklassifizierung, Textzusammenfassung und Embedding. Darüber hinaus unterstützt Microsofts Azure AI ein mehrsprachiges Trainingsmodell, mit dem Organisationen NLP-KIs für mehrere verschiedene Sprachen trainieren können, ohne sie neu trainieren zu müssen.
Weiterlesen: Was ist Deep Learning?