Wissen ist Macht - Business Analytics mithilfe von Textanalyse

Wissen ist Macht - Business Analytics mithilfe von Textanalyse


Welche Chancen Künstliche Intelligenz (KI) für den Journalismus bereithält, haben wir im Artikel Mehr Zeit für Qualitätsjournalismus mithilfe künstlicher Intelligenz bereits besprochen. Dank Roboterjournalismus sind beispielsweise hyperlokale Wetterberichte, Sportnachrichten in Echtzeit und Börsennotizen möglich.

Doch nicht nur Konsumenten, auch Journalisten selbst profitieren von KI: Machine Learning und andere Technologien bieten die Möglichkeit, für deren selbst geschriebene Texte riesige Datenmengen zu sortieren und einzuordnen. Auf diese Weise sind völlig neue Analysen möglich und mit einem Mal eröffnet sich ein neuer Blick auf die Welt und ihre Zusammenhänge. Die Fähigkeit, gigantische Datenmengen zu verarbeiten, kommt auch in anderen Bereichen zum Einsatz.


Kommunikation neu denken

Medienkonsum hat sich durch die Digitalisierung verändert. Die große Öffentlichkeit ist zerfallen in viele kleine Teilöffentlichkeiten. Das, was früher allenfalls ein Leserbrief war, also die Reaktion eines Konsumenten auf das mediale Angebot, hat sich vervielfacht. Die einstige relative Einbahnstraße ist zu einer viel befahrenen Autobahn geworden: Die Masse sendet zurück. Klassisch und im Idealfall sauber recherchierter Content steht in „Aggregatoren wie Facebook neben oder über x-beliebigen persönlichen Zustandsberichten. Massenmedien werden zu Medien der Massen“, wie es Nathalie Wappler-Hagen, Programmdirektorin des MDR einmal sagte. [1]

Diese Tatsache macht es erforderlich, die Kommunikation mit dem Leser neu zu denken und zu organisieren. Jochen Wegner, Chefredakteur von ZEIT ONLINE, erzählte auf den Münchner Medientagen 2016, dass pro Woche 100.000 Leser Artikel kommentieren. Jeder dieser Kommentare werde gelesen, um rassistische, sexistische oder sonstige kriminelle Meinungen herauszufiltern. „Es wäre schön, wenn uns etwas helfen würde; wo sollen wir genau hinschauen?“

Daraufhin entwarf ein Mathematiker einen digitalen Helfer für die Redaktion. „Mehrere neuronale Netze unterhalten sich nun miteinander und analysieren Kommentare.“ Das Ergebnis: was die Maschine als fragwürdig markiert, ist mit 75 prozentiger Sicherheit tatsächlich bedenklich und wird dann von einem Kollegen bestätigt. Wird der Mensch dadurch überflüssig? Werden hier die Voraussetzungen für Entlassungen geschaffen? „Das Gegenteil ist der Fall“, so Wegner, „die Moderatoren können sich endlich auf das konzentrieren, was wirklich wichtig ist und zentrale Beiträge in Ruhe anschauen, statt Tausende am Tag.“ [2]

Jedoch reicht es beileibe nicht aus, auf bestimmte Wörter zu reagieren. Wichtig ist der Kontext, ist die Intension. Vielleicht meinte der Absender seinen Kommentar ironisch und nutzt einen satirischen Unterton, wenn er sich scheinbar zu sehr für etwas begeistert. Absichten, die ein Mensch nahezu sofort und intuitiv versteht, muss eine Maschine erst aufwendig lernen, wenn man sie im Kundenservice einsetzen will.


Feuerwerk verschiedener Technologien

Das Berliner Start-up parlamind GmbH hat eine Technologie entwickelt, die in der Lage ist, menschenähnliche Dialoge zu führen. Sie macht es Maschinen möglich, mit Kunden und Interessenten auf eine am Menschen orientierte Art und Weise in den Dialog zu treten. Parlamind lässt sich als Service buchen und läuft dann als zusätzliches Teammitglied im Kundenservice-Team mit. Es kann Anfragen entgegennehmen und diese auf verschiedenen Ebenen verstehen: Was hat der Endkunde an den Kundenservice geschrieben? Worum geht es ihm? In welcher Stimmung ist er? Ist er verärgert? Erwartet er eine Entschuldigung? Welche Sachinformation benötigt er?

Dr. Tina Klüwer, Mitgründerin des Start-ups, sagt: „Wir können sehr genau erkennen, was der konkrete Kontaktgrund ist. Wir erkennen auch, wenn es mehrere Gründe gibt. Je nachdem generiert die Maschine unterschiedliche Antworten.“

Die Berliner arbeiten mit drei Hauptkategorien. Klüwer erklärt: „Eine davon ist Sentiment, eine weitere analysiert das Thema. Im Anschluss machen wir eine Kontaktgrund-Analyse. Diese erkennt feingranular die Intentionen der Nutzer. Es geht darum, wie sich Kunden beschweren. Oder ob sie gerne ihre Adresse für die nächste Lieferung ändern möchten und Ähnliches. An dieser Stelle wird es sehr spezifisch und komplex. Kurz: Wir fackeln ein großes Feuerwerk verschiedenster Technologien ab.“

Das Unternehmen arbeitet mit neuronalen Netzen, nutzt aber auch klassisches Machine Learning wie Maximum Entropy und Bayesian Networks, alles kombiniert zu einer Dialogmaschine. „Die Herausforderung besteht darin, möglichst viele verschiedenartige Konversationen für die Maschine lesbar zu machen. Die Maschine hat jetzt schon drei Millionen Konversationen gelesen, die größtenteils aus dem Bereich des Kundenservice im E-Commerce kommen. Sie liest jeden Tag weitere hundert mit. Je mehr Daten sie liest, also eingegangene Nachrichten und die Antworten darauf, desto besser werden die Modelle“, so Klüwer.


Facebook und seine Textanalyse DeepText

Auch Facebook nutzt eine ähnliche Technologie, die Status-Updates und Texte interpretieren und verstehen soll. DeepText erkennt dabei laut Hersteller auch Kontext und Intention der Nutzer fast genauso gut wie ein Mensch. Aber anders als Menschen soll die KI mehrere 1.000 Posts pro Sekunde verarbeiten können und dies in mehr als 20 Sprachen. Die Programmierer nutzen Deep Learning und greifen zusätzlich auf Recurrent und Convolutional Neural Networks zurück.

Ein Recurrent Neural Network (RNN) ist eine Klasse künstlicher neuronaler Netzwerke, bei denen die Einheiten verbunden sind und so einen Kreislauf bilden. Dies ermöglicht ein dynamisches zeitliches Verhalten. Im Gegensatz zu Feedforward Neural Networks können RNNs ihren internen Speicher verwenden, um beliebige Abfolgen von Eingaben zu verarbeiten. So kann man sie für segmentierte, verbundene Handschrifterkennung oder Spracherkennung verwenden. Dadurch geschieht das tatsächliche maschinelle Lernen sowohl auf Wort- als auch auf Zeichenebene.

Diese Herangehensweise hat den Vorteil, dass die KI nicht aufwändig von Menschen lernen muss, welche Daten was bedeuten, denn diese Annotierung von Daten ist sehr zeitintensiv. Facebook kann die trainierten Modelle per Knopfdruck skaliert auf seiner Infrastruktur ausrollen. [3]


TUI lernt seine Kunden kennen

Während ZEIT Online seinem journalistischen Auftrag nachkommt und den Leser einbezieht – was im Grunde auch eine Marketing-Maßnahme ist – will Facebook seine User besser kennenlernen, um mehr und besser verkaufen zu können. Der Tourismusriese TUI nutzt ebenfalls eine intelligente Textanalyse fürs Marketing, um schnell und automatisiert größere Textmengen nach unterschiedlichen Fragestellungen analysieren zu können. Das Unternehmen hatte eine umfangreiche Befragung im bundesweiten Vertriebsnetz realisiert. Das Ergebnis war eine hohe Zahl von Kommentaren und Feedbacks in Form von Freifeldtexten, deren Auswertung durch Menschen extrem aufwändig gewesen wäre.

Der Branchenprimus beauftragte daher die Neofonie GmbH, Spezialist für semantische Textanalyse, mit der automatisierten Auswertung. Peter Adolphs, Head of Research der Berliner Agentur, berichtet: „Mittels der Sentiment Analysis konnten alle Kommentartexte hinsichtlich einer positiven oder negativen Aussage über die verschiedenen Aspekte der Reisebuchung untersucht und für alle Szenarien visualisiert werden. Zum Einsatz kamen Verfahren wie Textmining, Data Analytics und Product Review Mining. Damit erreichten wir ein umfassendes Gesamtbild über das Feedback der Expedienten.“


Business Analytics

Vom konkreten Auftrag abstrahiert der Experte die grundsätzlichen Möglichkeiten für Textanalyseverfahren: „Wir analysieren unstrukturierte Daten von Kunden und Nutzern und erzeugen so Daten für die Unternehmenssteuerung, die helfen, die eigene Performance zu verstehen und zu verbessern. Es geht um Business Analytics mithilfe von Textanalyse“, so Adolphs. Dies kann auf verschiedenen Ebenen nutzen. Ein Konsumgüteranbieter beauftragte Neofonie beispielsweise damit, ihm zu helfen, Produktreviews auszuwerten. „Wir sollten herausfinden, über welche Aspekte eines Produktes sich die Nutzer unterhalten: Ist es Handhabung, Design oder die Lautstärke? Aus diesem User Generated Content, der ja im Grunde aus unzähligen Zeichenketten besteht, müssen wir relevante Informationen gewinnen.“

Unternehmen müssen verstehen, was ihre Nutzer wirklich wünschen und benötigen. Erst dann können sie sich auf den sich immer schneller verändernden Märkten dauerhaft behaupten. Natürlich kann man sich dabei auf sein Glück verlassen, nachhaltiger ist es aber, mit Daten zu arbeiten. „Schauen wir zum Beispiel auf die Umtauschraten eines Unternehmens“, sagt Adolphs, „wie viel Prozent der Waren wird zurückgeschickt? Diese Daten liegen strukturiert vor und sind lesbar, liefern aber nicht unbedingt eine tiefe Einsicht in die Gründe. Dies lässt sich nur aus all den Informationen drum herum lesen: in Social-Media-Kanälen, in Foren, in E-Mails, die die Kunden an das Unternehmen senden. Diese Riesenfluten von Content sind nur durch Textanalyse zu bewältigen.“

Es ist ein altes Problem: Wissen ist Macht, aber wie macht man all die Informationen zugänglich und damit seine Macht nutzbar? Unternehmen sitzen auf Datensilos: unstrukturierte Datenbanken, CRM-Daten, Lieferadressen, Anleitungen, White Papers. All diese Informationen liegen den Firmen bereits in eigenen Datenbeständen vor, sind aber nicht verknüpft. Textanalyse ermöglicht einen einheitlichen Zugang zu diesen Informationen. Adolphs sagt schmunzelnd: „Im Grund muss jedes Unternehmen nur eine Künstliche Intelligenz kreieren, mit der es seine Daten googlen kann. Denn auch bei der Google-Suche, wie bei jeder guten Suche kommt Textanalyse zum Einsatz. Du merkst es nur nicht.“ 

-----------------------------------------------------------------------------------------

Quellenangaben:

[1] YouTube: Medien und künstliche Intelligenz – Wie sieht die Zukunft aus?
vom 29.10.2016, (abgerufen am 25.02.2018)

[2] YouTube: Medien und künstliche Intelligenz – Wie sieht die Zukunft aus?
vom 29.10.2016, (abgerufen am 25.02.2018)

[3] Golem.de: Facebooks KI liest Nachrichten der Nutzer
vom 02.06.2016, (abgerufen am 25.02.2018)

Kommentare
Einen Kommentar schreiben
Entschuldigung

Ihr Browser ist leider nicht aktuell genug.
Um diese Webseite zu benutzen, benötigen Sie einen aktuellen Browser
Wir empfehlen einen der folgenden Browser in der aktuellsten Version zu installieren.

Auf iOS Geräten sollte mindestens die Betriebssystem Version iOS 9 installiert sein.

Mozilla Firefox Google Chrome Microsoft Edge Internet Explorer