Wer sich mit Übersetzungen beschäftigt, stolpert früher oder später über die Abkürzung „NLP“ oder die Ausschreibung „Natural Language Processing“. In der Kommunikation und Psychologie wird der Begriff „NLP“ auch für das „Neuro-Linguistische Programmieren“ genutzt, wobei es sich nicht um IT-Programmierung, sondern um Methoden und Techniken handelt, mit denen man sein Denken verändern und so erfolgreicher werden könne. Damit beschäftigen wir uns in diesem Artikel allerdings nicht – sondern mit dem, wie Computer und KI mit menschlicher Sprache arbeiten.
Was ist Natural Language Processing?
Der Begriff „Natural Language Processing“ bedeutet auf Deutsch „Verarbeitung Natürlicher Sprache“. In diesem Arbeitsbereich der Künstlichen Intelligenz (KI) geht es darum, menschliche Sprache maschinell so zu verarbeiten, dass „Computer und digitale Geräte Text und [sie] erkennen, verstehen und generieren können.“ (Quelle: IBM)
Das bedeutet konkret, dass Eingaben, z. B. am Computer, nicht durch standardisierte Befehle in Programmiersprachen erfolgen müssen, sondern durch den Input in natürlicher Sprache.
Im menschlichen Sinne „verstehen“ kann eine Maschine wie ein Computer oder Smartphone unsere Eingabe natürlich nicht: Ihr fehlen echte Erfahrungen und Verknüpfungen, um Wörter wirklich interpretieren zu können. Mithilfe modernster Systeme der Computerlinguistik (statistisches NLP & Deep Learning) können in den einzelnen Sprachen aber so große Datenmengen verarbeitet und analysiert werden, dass NLP heute in verschiedenen Bereichen sehr gute Ergebnisse erzielt.
Wo wird das Natural Language Processing genutzt?
Die digitale Sprachverarbeitung hat sowohl in der Arbeitswelt als auch im Alltag in den vergangenen Jahren viele Anknüpfungspunkte gefunden:
- Konvertierung von Speech-to-Text oder Text-to-Speech
- Übersetzung von Texten in eine andere Sprache
- Ausführung von gesprochenen Befehlen, z. B. bei virtuellen Assistenten
- Kommunikation mit Usern zu einem bestimmten Thema, z. B. als Chatbot oder Interactive Voice Response-System (wie beim telefonischen Kundendienst)
- Generieren von Inhalten gemäß Nutzereingabe: Texte, Bilder, etc.
- Erkennen von Spam- oder Phishing-Mails
- Bewertung der Kundenzufriedenheit (Sentiment-Analyse)
Besonders spannend ist, dass diese Aufgaben in Echtzeit durchgeführt werden können. Sie können also eine große Menge an Daten einspeisen und erhalten in wenigen Sekunden eine Übersetzung, Zusammenfassung oder ein humoristisches Gedicht zum Thema.
Welche Vorteile hat NLP gegenüber anderen Methoden?
Mit NLP können viele Daten verarbeitet werden und die Systeme davon ausgehend lernen – sie verbessern sich also selbst. Insgesamt lassen sich mit NLP, wenn die Systeme einmal aufgesetzt sind, sehr schnell Ergebnisse erzielen, mit denen gearbeitet werden kann. Repetitive Aufgaben können automatisiert und große Datenmengen analysiert werden. Das kann langfristig auch zu enormen Kosteneinsparungen führen. Menschliche Experten können sich folglich schneller auf ihre Stärken fokussieren und beispielsweise Lösungen für Probleme und Herausforderungen entwickeln.
NLP hat allerdings auch Nachteile: Insbesondere der Datenschutz kann ein Problem darstellen. Die Systeme arbeiten in Unternehmen typischerweise mit sensiblen Informationen und müssen entsprechend gesichert sein, damit kein Datenmissbrauch stattfindet. Außerdem ist es wichtig, dass sichergestellt ist, dass nur verlässliche Inhalte ausgespielt werden.
NLP beim Übersetzen nutzen
Auch für Übersetzungen sind die Fortschritte von NLP hilfreich: Hier gibt es zum einen vollautomatisierte Online-Übersetzer, die NLP nutzen und dabei immer bessere Ergebnisse erzielen – allerdings zulasten Ihrer sensiblen Daten. Gerade in Nischen mit besonderem Vokabular sind die Übersetzungen überdies noch immer eher ungenau oder inkonsistent.
Das betrifft auch weniger häufige Sprachen oder Sprachkombinationen. Überall dort, wo weniger Daten zum Anlernen der Systeme zur Verfügung stehen, sind die Übersetzungsergebnisse auch weniger erhellend.
Weiterhin problematisch sind:
- Mehrdeutigkeit der gesprochenen Sprache: Nicht immer ist eindeutig zu erkennen, worauf sich ein Satzbestandteil bezieht
- Stilmittel: Ironie, Euphemismen oder rhetorische Fragen werden nicht immer korrekt erkannt
- Kontext: Kurze oder aus dem Zusammenhang gerissene Äußerungen werden evtl. schlechter übersetzt, weil der thematische Bezug fehlt
Tatsächlich lässt sich NLP mit geschlossenen und trainierten neuronalen Netzwerken aber gut für Unternehmen nutzen: Sie können Ihre Terminologie einspeisen, sodass Übersetzungen authentisch klingen. Durch die Überarbeitung (Post-Editing) durch menschliche Übersetzer kann die Qualität mit der Zeit noch besser werden.
Sprechen Sie uns gerne an, um eine Terminologiedatenbank aufzubauen, mit der Ihre Übersetzungen künftig wie aus einem Guss klingen!