E-Government
Vom:
1.10.2019

Natural Language Understanding – Eine Zusammenfassung

Autor:in
Chiara Stuttfeld
Sprachverarbeitende Technologien werden immer häufiger auch von Verwaltungen eingesetzt und gefördert. Dabei spielen nicht nur Chatbots, sondern auch Sprachassistenten eine immer größere Rolle. Um zu funktionieren und Anfragen zuverlässig bearbeiten zu können, brauchen diese Systeme unterschiedliche Komponenten. Natural Language Understanding ist ein bedeutender Teil davon und verspricht auf spannende zukünftige Entwicklungen.

Natural Language Understanding (NLU) bezeichnet das Verstehen natürlicher Sprache durch eine Software. Dabei geht es darum, Aussagen oder Fragen wirklich im Detail zu verstehen. Satzbestandteile sollten dafür identifiziert und kontextsensitive Ausrücke erkannt werden.
Z. B. dann, wenn sich eine Frage auf die vorherige Aussage bezieht. NLU ist eine Subkategorie des Natural Language Processing, die sich insgesamt mit der Interaktion zwischen Computern und natürlicher Sprache beschäftigt bzw. sowohl mit dem Verstehen natürlicher Sprache als auch dem Erzeugen natürlicher Sprache.

Natural Language Understanding findet seine Anwendung in vielen Bereichen. Konkrete Beispiele dafür sind etwa Chatbots, die Anliegen von Nutzenden erkennen, um ihnen zielgerichtet antworten zu können. Ein Beispiel für einen solchen Bot ist „Guido“ aus dem Gewerbe-Service-Portal NRW. Bei virtuellen Sprachassistenten wie Siri findet es ebenfalls seine Anwendung, da hier die gesprochenen Eingaben verstanden werden müssen, um dem Anwendenden eine Antwort liefern zu können. Auch bei der Klassifikation von E-Mails im Postfach kann es zum Einsatz kommen, um die Kommunikation innerhalb eines Unternehmens zu filtern.

Wie funktioniert Natural Language Understanding?

Zwei Komponenten benötigt jedes NLU System. Zum einen einen „Parser“. Dies ist ein Computerprogramm, welches die Inhalte zerlegt und in ein für die Weiterverarbeitung geeignetes Format umwandelt. Zeitgleich muss das System auf ein Sprachlexikon und grammatikalische Regeln zugreifen können. Je mehr Daten dem System zur Verfügung stehen desto erfolgreicher kann es semantische Zusammenhänge erschließen.

Das System kann bei der Analyse eingegebener Sätze nach einer Weile z. B. Wörter voneinander unterscheiden, die häufig zusammen, immer oder selten erscheinen. Anhand dessen können Zusammenhänge erschlossen und die Wichtigkeit der einzelnen Aussagen bestimmt werden.

Beim Einsatz eines NLU Systems ist es auch möglich, dieses auf bestimmte Fälle und Anfragen – bspw. im Kundenservice – zu trainieren. Indem Beispielsätze hinterlegt werden, die auf eine bestimmte Antwort ausgelegt sind, kann das NLU System Muster in den Anfragen erkennen und das Ziel der Frage herausfiltern. Dass diese Möglichkeit besteht, ist der rasanten Weiterentwicklung von Machine Learning zu verdanken.

Die Zukunft von Natural Language Understanding

Seit der Jahrtausendwende hat sich in Sachen Natural Language Understanding und den damit verbundenen Technologien viel getan: Mittlerweile ist die Technik auf einem Stand, der auf menschlichem Level angekommen ist. Trotzdem enden viele Anfragen z. B. bei Siri noch mit der Antwort: „Das weiß ich leider nicht.“

Die Chancen stehen jedoch gut, dass schon bald vollständige Konversationen mit Dialogassistenten möglich sein werden. Derzeit sind Technologien wie Chatbots bereits erfolgreich im Kundenservice einzusetzen, wo sie nur ein eingeschränktes Gebiet an Anfragen behandeln. Durch weitere Fortschritte im maschinellen Lernen werden gerade Chatbots in der Lage sein, immer mehr Aufgaben im Servicebereich zu übernehmen.

Das Ziel ist, das sogenannte „zero-shot learning“ zu erreichen. Hier wäre das System fähig, sich selbst neue Wortgruppen bzw. Anliegen zu erschließen, indem es sie aus bereits vorhandenen ableitet. Die Technik steckt jedoch derzeit noch in den Kinderschuhen.

Informieren Sie sich weiter über KI und die Möglichkeiten, welche sich z. B. in Form von Chatbots eröffnen. Auf unserem Blog berichten wir regelmäßig über das Thema. Außerdem veranstalten wir regelmäßig Meetups zu relevanten Chatbot-Themen.

Autor:in
Chiara Stuttfeld
Chiara Stuttfeld ist Junior Marketing Managerin bei der publicplan GmbH. Ihre berufliche Laufbahn startete sie als Dualstudentin bei uns. Sie erstellt Inhalte für die Social-Media-Kanäle und Website der publicplan und gestaltet Marketing-Materialien für interne und externe Zwecke.
Alle Artikel ansehen
Beitrag teilen

Ähnliche Artikel

Schreiben Sie uns
publicplan verpflichtet sich, Ihre Privatsphäre zu schützen und zu respektieren. Weitere Informationen finden Sie in unserer Datenschutzerklärung.
Indem Sie unten auf "Einsenden" klicken, stimmen Sie zu, dass publicplan die oben angegebenen persönlichen Daten speichert und verarbeitet, um Ihnen die angeforderten Inhalte bereitzustellen.
Jetzt senden
Your information has been saved.
Looks like we're having trouble