Da immer mehr Unternehmen künstliche Intelligenz (KI) in verschiedensten Branchen einsetzen, werden diese KIs zwangsläufig in Situationen gebracht, in denen sie mit Menschen interagieren müssen. Von Chatbots im Kundensupport bis hin zu virtuellen Assistenten wie Amazons Alexa erfordern diese Anwendungsfälle, einer KI beizubringen, zuzuhören, zu lernen und zu verstehen, was Menschen zu ihr sagen und wie sie darauf reagieren soll.
Eine Methode, KIs die Kommunikation mit Menschen beizubringen, ist Natural Language Processing (NLP). Als Schnittstelle zwischen KI, Informatik und Linguistik besteht das Ziel von Natural Language Processing darin, einen Computer zu entwickeln oder zu trainieren, der nicht nur die wörtlichen Aussagen von Menschen versteht, sondern auch die kontextuellen Bedeutungen und Feinheiten ihrer Sprache.
Mit der zunehmenden Bedeutung der KI-Branche ist auch die NLP-Branche gewachsen. Ein Bericht von Allied Market Research bewertete den globalen NLP-Markt im Jahr 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 Technologieunternehmen, die die Wissenschaft immer weiter vorantreiben.
- Geschichte des Natural Language Processing
- Vorteile des Natural Language Processing
- Wordsmith
- Indata Labs
- IBM
- Synthesia
- Intel
- MindMeld
- Microsoft
Geschichte des Natural Language Processing
Natural Language Processing ist seit den Anfängen des Fachgebiets Bestandteil der KI-Forschung. Alan Turings wegweisende Arbeit 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 das symbolische NLP, bei dem Computern mithilfe assoziativer Logik sprachliche Kontexte beigebracht werden sollen. Im Grunde erhält die KI eine von Menschen erstellte Wissensbasis, die die konzeptionellen Bestandteile einer Sprache und ihre Beziehungen zueinander abbildet.
Mithilfe dieser Wissensbasis kann die KI durch eine WENN-DANN-Logik die Bedeutung von Wörtern im Kontext verstehen. Ein Beispiel dafür sind Vergleiche. Wenn man sagt: „Er ist so schnell wie ein Gepard“, würde die KI verstehen, dass die betreffende Person nicht buchstäblich ein Gepard ist.
Dank der ab den 1990er-Jahren steigenden Rechenleistung wurden Algorithmen des maschinellen Lernens in das Natural Language Processing eingeführt. In dieser Zeit gewannen maschinelle Übersetzungsprogramme an Bedeutung. Beispiele, die Sie vielleicht nutzen, sind Google Translate oder DeepL.
Mit der zunehmenden Popularität des Internets in den 2000er-Jahren erhielten NLP-Systeme Zugriff auf noch größere Mengen unverarbeiteter Daten, die sie durchsuchen und verstehen konnten. Daher konzentrierten sich Forscher auf die Entwicklung unüberwachter und teilüberwachter 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 KIs für Natural Language Processing Techniken des repräsentativen Lernens und des maschinellen Lernens auf Basis tiefer neuronaler Netze, um präzisere Sprachmodellierungs- und Parsing-Fähigkeiten zu entwickeln.
Mehr dazu: Was ist künstliche Intelligenz?
Vorteile des 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 günstiger zu implementieren und zu warten sein als menschliche Mitarbeiter. Dadurch kann NLP zur Kostensenkung beitragen.
NLP kann außerdem zur Pflege von Leads und zur Entwicklung zielgerichteter Werbung eingesetzt werden. So werden die Produkte eines Unternehmens den Menschen präsentiert, die sie am wahrscheinlichsten kaufen. Das kann die Effektivität menschlicher Marketingteams steigern und den Umsatz erhöhen, ohne dass zwangsläufig mehr Geld für breit 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 Schlüsselwörter vorschlagen und Zeit bei der SEO-Recherche sparen, sodass Unternehmen mehr Zeit für die Optimierung der Qualität ihrer Inhalte haben.
Führende Unternehmen für Natural Language Processing
Als einer der größten Namen in KI und Technologie nutzt Google NLP naturgemäß seit Langem in seinen Produkten und Dienstleistungen. Erst in diesem Jahr behauptete ein Forscher des Unternehmens, eines der Language Models for Dialogue Applications (LamDA) von Google sei empfindungsfähig – maßgeblich aufgrund seiner Antworten an den Forscher in einem Textchat. Ende August 2022 begann Google sogar mit öffentlichen Tests von LamDA.
Bei seinen Produktangeboten verfügt Google 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 verschiedensten 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
Die Plattform von Automated Insights, Wordsmith, wird als weltweit erste öffentlich verfügbare Engine für Natural Language Generation (NLG) angepriesen. Durch die Eingabe von Informationen in die Engine können Nutzer klare, verständliche, KI-generierte Inhalte erstellen.
Als eine der ersten Plattformen ihrer Art hat sie zahlreiche interessante Kunden. So arbeitet Associated Press laut der Website von Automated Insights mit Automated Insights zusammen, um mehr als 50.000 KI-generierte Nachrichtenartikel zu erstellen.
Die Benutzeroberfläche von Wordsmith gehört mit einem hohen Maß an Anpassbarkeit zu den benutzerfreundlichsten auf dem Markt. Die Ersteinrichtung kann jedoch länger dauern als erwartet. Wer eine schnell einsetzbare Lösung sucht, muss sich möglicherweise anderweitig umsehen. Auch die ausgegebenen Inhalte müssen vor der Veröffentlichung wahrscheinlich noch von internen Mitarbeitern überarbeitet werden.
Insgesamt ist Wordsmith eine solide Wahl für Unternehmen, die große Datenmengen in lesbare, formatierte Inhalte umwandeln möchten.
Indata Labs
Das auf Zypern ansässige Unternehmen Indata Labs nutzt die Erfahrung seiner Mitarbeiter in den Bereichen Big-Data-Analytik, KI und NLP, um Kundenunternehmen dabei zu helfen, das Beste aus ihren Daten herauszuholen. Organisationen aus Branchen wie Gesundheitswesen, E-Commerce, Fintech und Sicherheit haben die Expertise von Indata Labs genutzt, um neue Erkenntnisse aus ihren Daten zu gewinnen.
Das Unternehmen bietet eine große Bandbreite an Dienstleistungen und Lösungen – von Data Engineering über Bilderkennung bis hin zu Predictive Analytics. Im NLP-Bereich bietet es Beratung zur Kundenerfahrung, die Analyse der Verbraucherstimmung und Textanalyse an, damit Kunden aus ihren Datensätzen möglichst viel Wert schöpfen können.
Indata Labs unterhält außerdem ein eigenes KI-Forschungs- und Entwicklungszentrum (F&E) 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
Als weiterer Technologieriese gehört die Watson-Produktsuite von IBM zu den besten auf dem Markt. Natürlich umfasst das breite Dienstleistungsangebot von Watson zahlreiche NLP-Lösungen. 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 die 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 sprachliche Konzepte und Schlüsselwörter zu identifizieren, Stimmungsanalysen durchzuführen und Bedeutung aus unstrukturierten Daten zu extrahieren.
Mehr dazu: Die Vorteile künstlicher Intelligenz
Synthesia
Synthesia ist eine webbasierte Plattform zur KI-gestützten Videogenerierung. Mit ihrer Bibliothek aus Videovorlagen, KI-Stimmen und Avataren können Nutzer Videos in großem Umfang für praktisch jeden Bedarf erstellen. Die Technologie von Synthesia wurde laut Unternehmenswebsite von mehr als 10.000 Unternehmen, darunter Nike, Google, die BBC und Reuters, zur Erstellung von Videos in über 60 Sprachen eingesetzt.
Zu den weiteren Funktionen der Plattform gehören ein Bildschirmrekorder, die Erstellung individueller KI-Avatare, Untertitel und der Zugriff auf eine Bibliothek lizenzfreier Hintergrundmusik. Hat eine Organisation Zugriff auf eine eigene Bibliothek von Medienressourcen, kann sie diese problemlos hochladen und anschließend in Synthesia verwenden.
Intel
Ein großer Technologiekonzern wie Intel verfügt zwangsläufig über eine ganze Reihe NLP-bezogener Dienstleistungen. Dazu gehört natürlich Intels breite Palette an KI-Produkten – von Entwicklungstools bis hin zu Lösungen für die Bereitstellung.
Für Organisationen, die ihre NLP-Kenntnisse erweitern möchten, bietet Intel einen umfassenden Entwicklerkurs zu Natural Language Processing an. Darin lernen die Teilnehmer die Grundlagen der praktischen Nutzung von NLP beim Training von KIs kennen.
Darüber hinaus gibt es den Natural Language Processing Architect, eine von Intel AI Labs entwickelte Python-Bibliothek. Eine Python-Bibliothek ist im Wesentlichen eine Sammlung vorgefertigter Codebausteine, die in unterschiedlichen Programmen und Szenarien wiederholt eingesetzt werden können. Der NLP Architect soll insbesondere die Entwicklung individuell mit NLP trainierter KIs erleichtern.
MindMeld
MindMeld bietet eine dialogorientierte KI-Plattform, mit der Unternehmen dialogorientierte Schnittstellen entwickeln können, die optimal auf ihre Apps, Algorithmen und Plattformen zugeschnitten sind.
Mit MindMeld haben Unternehmen Schnittstellen für die Bestellung von Speisen, die Unterstützung im Haushalt, Bankdienstleistungen und die Suche nach Videos entwickelt und bereitgestellt. Die Plattform bietet Training auf jeder Ebene der NLP-Hierarchie und stellt so sicher, dass jede Logikstufe 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
Die Reichweite von Microsoft erstreckt sich über die gesamte Technologielandschaft. Es überrascht nicht, dass KI und damit auch Natural Language Processing zu den Interessengebieten des in Washington ansässigen Technologieriesen 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 benutzerdefinierte Frameworks für Natural Language Processing trainieren und bereitstellen. Das Unternehmen bietet sogar 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 benutzerdefinierten NLP-Frameworks für Azure gehören Stimmungsanalyse, Textklassifizierung, Textzusammenfassung und Embedding. Darüber hinaus kann Microsofts Azure AI ein mehrsprachiges Trainingsmodell unterstützen, sodass Organisationen NLP-KIs für mehrere Sprachen trainieren können, ohne sie neu trainieren zu müssen.
Weiterlesen: Was ist Deep Learning?