Natural Language Processing

Computer arbeiten von Natur aus mit Zahlen, nicht mit Sätzen. Menschliche Sprache ist für sie zunächst nur eine Kette von Zeichen ohne Bedeutung. Natural Language Processing, auf Deutsch etwa maschinelle Sprachverarbeitung, ist das Forschungsgebiet, das diese Lücke schließt. Es umfasst alle Verfahren, mit denen ein Programm gesprochene oder geschriebene Sprache aufnimmt, auswertet und selbst welche erzeugt. Dazu zählt das Übersetzen eines Textes, das Erkennen von Namen in einem Zeitungsartikel oder das Beantworten einer Frage. Die englische Abkürzung NLP hat sich auch im Deutschen durchgesetzt.

Warum Sprache für Maschinen so schwer ist

Sprache ist mehrdeutig, und das fast überall. Das Wort « Bank » kann ein Geldinstitut oder eine Sitzgelegenheit sein. Welche Bedeutung gilt, verrät erst der Zusammenhang. Für Menschen passiert das automatisch, für ein Programm ist es eine echte Rechenaufgabe.

Dazu kommt, dass wir sehr viel weglassen. Wir benutzen Ironie, Anspielungen und halbe Sätze, und trotzdem versteht das Gegenüber uns meistens. Ein Programm hat dieses Weltwissen nicht eingebaut. Es muss aus riesigen Textmengen abgeleitet werden, und das bleibt lückenhaft.

Wichtig ist NLP deshalb, weil der größte Teil des menschlichen Wissens in Sprache vorliegt. E-Mails, Verträge, Gerichtsurteile, Arztberichte, Nachrichtenartikel: alles Text. Wer diese Menge auswerten will, kommt ohne Maschinen nicht weit. Kein Unternehmen kann Millionen Kundenbewertungen von Hand lesen.

Von Grammatikregeln zu Sprachmodellen

Die ersten Systeme in den 1960er Jahren arbeiteten mit handgeschriebenen Regeln. Fachleute trugen Grammatik und Wörterbücher ein, Satz für Satz. Das funktionierte in engen Bereichen, scheiterte aber an echter Sprache. Für jede Ausnahme brauchte man eine neue Regel, und Ausnahmen gibt es unendlich viele.

Heute lernen die Systeme stattdessen aus Beispielen. Ein Programm bekommt sehr große Textmengen und errechnet daraus, welche Wörter typischerweise zusammen auftreten. Jedes Wort wird dabei in eine Zahlenreihe umgewandelt, die seine Bedeutung im Verhältnis zu anderen Wörtern beschreibt. Wörter mit ähnlicher Bedeutung erhalten ähnliche Zahlenreihen. So wird aus Sprache etwas, das ein Rechner tatsächlich verarbeiten kann.

Der große Sprung kam ab 2017 mit einer Bauweise namens Transformer. Sie kann für jedes Wort gewichten, welche anderen Wörter im Satz gerade wichtig sind. Damit wurde der Zusammenhang über lange Textstellen hinweg beherrschbar. Auf dieser Technik beruhen die heutigen großen Sprachmodelle wie die hinter ChatGPT. Sprachmodelle sind allerdings nur ein Teil von NLP, wenn auch der bekannteste.

NLP in Produkten und Schlagzeilen

Im Alltag begegnet man NLP ständig, ohne es zu merken. Der Spamfilter im Postfach entscheidet anhand von Wortmustern. Die Autokorrektur auf dem Handy schlägt das nächste Wort vor. Suchmaschinen verstehen inzwischen ganze Fragen statt einzelner Suchwörter. Sprachassistenten wandeln zuerst Ton in Text um und werten diesen Text dann aus.

In der Wirtschaft ist der häufigste Einsatz das Auswerten von Meinungen, oft Sentimentanalyse genannt. Software liest Bewertungen oder Beiträge in sozialen Netzwerken und sortiert sie nach positiv, negativ oder neutral. Banken und Kanzleien nutzen NLP außerdem, um lange Verträge nach bestimmten Klauseln zu durchsuchen. Das ersetzt keine Fachleute, verkürzt aber die Vorarbeit erheblich.

In Nachrichten taucht der Begriff oft dort auf, wo Unternehmen ihre Textfunktionen erklären. Ein verbreiteter Irrtum ist dabei, NLP mit künstlicher Intelligenz gleichzusetzen. NLP ist nur ein Teilgebiet und beschreibt den Anwendungsbereich Sprache. Ein einfacher Spamfilter gehört genauso dazu wie ein modernes Sprachmodell mit Milliarden von Kennzahlen.