„Die große Herausforderung bleibt der Kontext“

Maurice Gonzenbach, Caplena

Künstliche Intelligenz in der Textanalyse: Wie verbreitet ist die Sentiment-Analyse? Was kann sie und was noch nicht? Maurice Gonzenbach von Caplena gibt im Interview zum Webinar am 27.04. erste spannende Einblicke.

Maurice Gonzenbach Interview (Bild: Gonzenbach)

Sie sagen, die Sentiment-Analyse ist die wohl am längsten eingesetzte KI-Methode in der Marktforschung. Ist diese Methode dementsprechend in der Branche weit verbreitet oder gibt es hier noch Potenzial? 

Maurice Gonzenbach: Die Methode ist durchaus weit verbreitet, im englischen Sprachraum aber noch häufiger anzutreffen als bei uns. Dies liegt wohl einerseits an einer gewissen Vorsicht gegenüber neuen Technologien im Allgemeinen, andererseits aber auch an enttäuschenden Erfahrungen aufgrund übertriebener Marketing-Versprechungen. Es ist nun an den Herstellern, hier transparenter und ehrlicher zu kommunizieren, um das nötige Vertrauen in die Methode aufzubauen.  

Für welche Anwendungsfälle wird die Sentiment-Analyse insbesondere genutzt? 

Maurice Gonzenbach: Die Analyse eignet sich hervorragend, um schnell einen Überblick über einen gewissen Datensatz zu erhalten. Als Datenquelle können hier Umfragen, Reviews oder transaktionelles Feedback dienen. Besonders interessant ist die Verwendung als vergleichende Metrik zur Trend-Analyse über die Zeit hinweg oder zum Vergleich mit der Konkurrenz. 

Was sind die größten Vorteile, die der Einsatz von Sentiment-Analysen bietet?  

Maurice Gonzenbach: Die Analyse ist mit modernen Tools relativ einfach und schnell durchzuführen und ist den meisten Betrachtern bereits ein Begriff. Das Resultat lässt sich auch auf wenige oder gar nur eine Zahl reduzieren, was Betrachtern den Einstieg in ein Dashboard oder eine Präsentation einfach macht. 

Und was sind die bislang größten Schwächen, die eventuell noch mit dem Einsatz dieser Technologie einhergehen? 

Maurice Gonzenbach: Vorsicht ist grundsätzlich bei zu kleinen Sample-Sizes geboten: Dies ist eine statistische Analyse und trotz einer unterdessen hohen Genauigkeit kann sie im Einzelfall immer noch falschliegen. Außerdem sollte bei der Wahl der Skala eine angemessene Feinheit gewählt werden: Die Auswertung auf die dritte Nachkommastelle ist kaum sinnvoll. Mehr dazu in meinem Vortrag. 

Hier geht's zur kostenlosen Webinar-Anmeldung

Kommt es häufiger vor, dass Sentiment-Analyse die ein oder andere erstaunliche Erkenntnis liefern, auf die man mit traditionellen Methoden nie gekommen wäre? Haben Sie hier ein konkretes Beispiel aus Ihrer Erfahrung heraus? 

Maurice Gonzenbach: Die Stärke der Methode liegt vor allem in der direkten Erkennung von High-Level Veränderungen und der Verständlichkeit für andere Stakeholder wie des Managements: Wenn nun das durchschnittliche Sentiment meiner regelmäßig durchgeführten Kundenbefragung plötzlich sinkt, kann ich das direkt erkennen und (beispielsweise mit weiteren Textanalyse-Methoden) in die Ursachenforschung einsteigen. Für viele unserer Kunden war eine solche Veränderung (zum negativen oder positiven) der Ausschlag, eine vertiefte Analyse durchzuführen. 

Wie weit ist aktuell die Sentiment-Erkennung Ihrer Software? Wie gut kann mittlerweile Ironie identifiziert werden? 

Maurice Gonzenbach: Wir sind mittlerweile sehr weit und können das Sentiment in verschiedensten Sprachen und für verschiedenste Industrien zuverlässig erkennen. Perfekt ist die Software aber natürlich noch nicht. Ironie kann durchaus erkannt werden, allerdings braucht es dafür gewisse Indikator wie beispielsweise eine auffällige Häufung von Satzzeichen oder Emojis. Werden keinerlei solcher Indikatoren verwendet, ist es auch für Menschen praktisch unmöglich, in geschriebenen Texten zwischen Ironie und direkten Aussagen zu unterscheiden. 

Wie sehen Sie die Entwicklung von Sentiment-Analysen in der Zukunft? Gibt es noch viel Potenzial, diese Technologie weiter zu verbessern?

Maurice Gonzenbach: Die große Herausforderung bleibt der Kontext: Es kommt immer noch vor, dass die Texte von Kunden ganz spezifische Themen enthalten, welche positiv oder negativ konnotiert sind, in anderen Branchen aber das Gegenteil bedeuten oder irrelevant sein können. Daher kann man bei uns trotz des großen Vorwissens der KI selbst noch eine Feinjustierung vornehmen. Die Verbesserung der Effizienz dieser Feinjustierung und die Verknüpfung von Topic-Level und Verbatim-Level Sentiment sind große Themen bei uns. Hier wird es bald ein bedeutendes Update geben, man darf also gespannt sein ;). 

Über Maurice Gonzenbach

Maurice Gonzenbach, Caplena (Bild: caplena)
Maurice Gonzenbach ist ein Unternehmer, der daran arbeitet, die neusten Errungenschaften im Natural Language Processing in die Marktforschung zu bringen. Nach seinem «Computational Science & Engineering» Studium der an der ETH, gründete er 2017 zusammen mit einem Geschäftspartner die Firma Caplena, welche Textanalyse-Software entwickelt und mittlerweile über 70 Firmen weltweit zu ihren Kunden zählt. Daneben hält er Gastvorlesungen in mehreren CAS Kursen und gibt Trainings für Industrieverbände im Textanalyse Bereich.

Hier geht's zur kostenlosen Webinar-Anmeldung

 

Täglicher Newsletter der Insightsbranche

News +++ Jobs +++ Whitepaper +++ Webinare
Wir beliefern täglich mehr als 7.700 Abonnenten

Kommentare (0)

Keine Kommentare gefunden!

Neuen Kommentar schreiben

Kommentare geben ausschließlich die Meinung ihrer Verfasser wieder. Die Redaktion behält sich vor, Kommentare nicht oder gekürzt zu veröffentlichen. Das gilt besonders für themenfremde, unsachliche oder herabwürdigende Kommentare sowie für versteckte Eigenwerbung.

Über marktforschung.de

Branchenwissen an zentraler Stelle bündeln und abrufbar machen – das ist das Hauptanliegen von marktforschung.de. Unser breites Informationsangebot rund um die Marktforschung richtet sich sowohl an Marktforschungsinstitute, Felddienstleister, Panelbetreiber und Herausgeber von Studien, Marktdaten sowie Marktanalysen als auch an deren Kunden aus Industrie, Handel und Dienstleistungsgewerbe.

facebook twitter xing linkedin