Natural Language Generation

 

  1. Aus Daten wer­den Tex­te: Das Poten­ti­al von Natu­ral Lan­guage Gene­ra­ti­on
  2. Wie funk­tio­niert NLG?
  3. Wo wird NLG bereits ein­ge­setzt?
  4. Wel­che Poten­tia­le erge­ben sich durch den Ein­satz von NLG?

 

 

Natural Language Generation: Aus Daten werden Texte

 

Nicht erst seit ges­tern stellt die Digi­ta­li­sie­rung nahe­zu sämt­li­che Pro­zes­se in Unter­neh­men und Orga­ni­sa­tio­nen auf den Prüf­stand. Eine neue Dyna­mik und beson­de­re Her­aus­for­de­run­gen in den digi­ta­len Wan­del brin­gen jüngs­te Ent­wick­lun­gen aus dem Bereich Künst­li­che Intel­li­genz (KI).

Von der Ana­ly­se gro­ßer Daten­men­gen über die Steue­rung der Pro­duk­ti­on in smar­ten Fabri­ken bis hin zur Tech­no­lo­gie in selbst­fah­ren­den Autos kommt “Arti­fi­ci­al Intel­li­gence” bereits in vie­len Fel­dern zum Ein­satz. Ein Teil­ge­biet von Künst­li­cher Intel­li­genz ist die auto­ma­ti­sche Erzeu­gung natür­li­cher Spra­che — Natu­ral Lan­guage Gene­ra­ti­on (NLG).

Natu­ral Lan­guage Gene­ra­ti­on gehört zum Natu­ral Lan­guage Pro­ces­sing und bezeich­net die Erstel­lung natür­lich­sprach­li­cher Tex­te durch eine Soft­ware. Auf den Punkt gebracht ist NLG der Pro­zess der Über­nah­me struk­tu­rier­ter Daten und deren Umwand­lung in Text. Über­all dort wo struk­tu­rier­te Daten gene­riert wer­den — etwa im E-Com­mer­ce, an der Bör­se oder in der Bericht­erstat­tung für Sport, Wirt­schaft bzw. Wet­ter — kann NLG-Soft­ware aus Daten leser­freund­li­che Tex­te erstel­len.

 

Wie funktioniert NLG?

 

Daten bil­den das Fun­da­ment einer NLG-Anwen­dung, für Tex­te in natür­li­cher Spra­che müs­sen zusätz­lich vor­ab Vor­la­gen und Bedin­gun­gen defi­niert sein. Die Vor­la­gen sind im Wesent­li­chen vor­for­mu­lier­te Sät­ze, die mit­hil­fe von Daten- und Lexi­ka­li­sie­rungs­al­go­rith­men indi­vi­dua­li­siert wer­den. Bedin­gun­gen sind hier die Umstän­de, die erfüllt sein müs­sen, damit die Vor­la­ge zum Ein­satz kommt.

Im Erstel­lungs­pro­zess ord­net die Soft­ware die Vor­la­gen in einer bestimm­ten “nar­ra­ti­ven” Rei­hen­fol­ge an. Die vor­ge­ge­be­ne Abfol­ge, in der die Vor­la­gen ange­ord­net sind, wird als “Sto­ryp­lot” bezeich­net.

NLG kann zusätz­lich “Big Data” in die Tex­ter­stel­lung ein­be­zie­hen. Abhän­gig von den Input-Daten und der Kom­ple­xi­tät der defi­nier­ten Bedin­gun­gen ist Natu­ral Lan­guage Gene­ra­ti­on somit in der Lage, Sach­ver­hal­te dar­zu­stel­len oder Zah­len detail­liert zu inter­pre­tie­ren.

In der kon­kre­ten Umset­zung von NLG-Pro­jek­ten haben sich zwei Ansät­ze eta­bliert. Sind die Anfor­de­run­gen stan­dar­di­siert und ver­fü­gen die Anwen­der über kei­ne Pro­gram­mier­kennt­nis­se, bie­tet sich eine SaaS-Lösung an. Eine web­ba­sier­te NLG-Platt­form ermög­licht die Anbin­dung an eine Daten­quel­le via API, die For­mu­lie­rung von Text­bau­stei­nen und Bedin­gun­gen sowie die Anbin­dung des Out­puts, etwa an ein CMS.

Alter­na­tiv dazu steht ein betreu­ter Ser­vice, bei dem ein Team aus erfah­re­nen Ent­wick­lern, Daten­ex­per­ten und Lin­gu­is­ten das NLG-Pro­jekt auf spe­zi­el­le Bedürf­nis­se anpasst und rea­li­siert.

 

Wo wird NLG bereits eingesetzt?

 

Die Gene­rie­rung von natür­li­cher Spra­che durch Algo­rith­men befin­det sich noch in einem ver­gleichs­wei­se frü­hen Sta­di­um. Auch wenn die Mög­lich­kei­ten längst nicht voll­stän­dig aus­ge­lo­tet sind, bewäh­ren sich eini­ge kon­kre­te Anwen­dun­gen bereits in der Pra­xis:

Nach­rich­ten
New­s­por­ta­le gehö­ren zu den Vor­rei­tern beim Ein­satz von NLG. Auto­ma­tisch gene­rier­te Bei­trä­ge eig­nen sich ins­be­son­de­re für Text­sor­ten mit einer hohen Dich­te an stan­dar­di­sier­ten For­mu­lie­run­gen. Dazu gehö­ren zum Bei­spiel die Bericht­erstat­tung für Sport­ar­ten, Bör­sen­nach­rich­ten oder Wet­ter­vor­her­sa­gen. Ein Bei­spiel für Robo­ter­jour­na­lis­mus mit einer Lösung von Ret­res­co, zeigt der Gene­ra­tor für Fuß­ball­be­rich­te.

Report
Ob in der Busi­ness Intel­li­gence oder in der Kom­mu­ni­ka­ti­on mit Pri­vat­kun­den: aus­for­mu­lier­te Berich­te lesen sich ein­gän­gi­ger als rei­ne Zah­len­ko­lon­nen. Über­all dort wo gro­ße Daten­men­gen erho­ben wer­den, kann Natu­ral Lan­guage Gene­ra­ti­on hel­fen, Ent­wick­lun­gen deskrip­tiv dar­zu­stel­len und Infor­ma­tio­nen zu inter­pre­tie­ren. Ein Anwen­dungs­bei­spiel sind etwa die Fonds­re­ports gro­ßer Finanz­dienst­leis­ter für pri­va­te Anle­ger.

E-Com­mer­ce
Je mehr Pro­duk­te ein Online-Shop ent­hält, des­to auf­wen­di­ger ist die redak­tio­nel­le Erstel­lung von ein­zig­ar­ti­gen Pro­dukt­be­schrei­bun­gen. Auto­ma­ti­sche Text­ge­ne­rie­rung sorgt für signi­fi­kan­te Effi­zi­enz­stei­ge­run­gen im gesam­ten Pro­zess der Con­tent­pro­duk­ti­on. Dort, wo NLG im E-Com­mer­ce im Ein­satz ist, las­sen sich zudem posi­ti­ve Effek­te auf User-Expe­ri­ence und SEO-Sicht­bar­keit mes­sen.

Chat­bots
Beson­de­re Stär­ke ent­fal­tet Natu­ral Lan­guage Gene­ra­ti­on in Kom­bi­na­ti­on mit Natu­ral Lan­guage Under­stan­ding (NLU). So ver­ei­nen bei­spiels­wei­se Chat­bots NLG und NLU: Dia­log­pro­gram­me ver­ste­hen die Ein­ga­ben eines Nut­zers und gene­rie­ren sinn­vol­le Ant­wor­ten. Über Maschi­nel­les Ler­nen ent­wi­ckelt sich die Prä­zi­si­on der natür­lich gene­rier­ten Aus­sa­gen fort­lau­fend wei­ter.

 

Welche Potentiale ergeben sich durch den Einsatz von NLG?

 

Auto­ma­ti­sche Text­ge­ne­rie­rung kommt wie Künst­li­che Intel­li­genz gene­rell nicht aus der Steck­do­se. Fort­ge­schrit­te­ne Anwen­dun­gen der Natu­ral Lan­guage Gene­ra­ti­on benö­ti­gen nach der ers­ten Ein­rich­tung jedoch so gut wie kei­nen mensch­li­chen Ein­griff und bie­ten daher eine Rei­he von Chan­cen:

Schnel­lig­keit
NLG ver­kürzt die Erstel­lung von Tex­ten auf Mil­li­se­kun­den. Die Gene­rie­rung von Daten und deren Über­set­zung in natür­lich­spra­chi­ge Tex­te geschieht mit NLG fak­tisch in Echt­zeit.

Genau­ig­keit
Im Gegen­satz zu den Tex­ten mensch­li­cher Auto­ren sind auto­ma­tisch gene­rier­te Tex­te feh­ler­frei — vor­aus­ge­setzt die vor­for­mu­lier­ten Ele­men­te ent­hal­ten kei­ne Recht­schreib-, Gram­ma­tik- oder Syn­tax­feh­ler. Das senkt die Kos­ten lang­fris­tig deut­lich, da die Not­wen­dig­keit, jeden pro­du­zier­ten Text Kor­rek­tur zu lesen, ent­fällt.

Echt­zeit-Ver­ar­bei­tung
NLG-Sys­te­me sind in der Lage, Ände­run­gen in den ver­wen­de­ten Daten in Echt­zeit zu erken­nen und ent­spre­chend zu reagie­ren. Ein kon­kre­ter Anwen­dungs­fall ist etwa der Stau­mel­der einer Web­site. Über eine API erhält das NLG-Sys­tem fort­wäh­rend neue Daten und aktua­li­siert die ent­spre­chen­den Tex­te in Echt­zeit.

Res­sour­cen frei­set­zen
Ein NLG-Sys­tem ent­bin­det Tex­ter und Redak­teu­re von mono­to­ner Rou­ti­ne-Arbeit. Das erlaubt qua­li­fi­zier­ten Kräf­ten mehr Zeit für die Beschäf­ti­gung mit krea­ti­ven oder kon­zep­tio­nel­len Auf­ga­ben.

Opti­mie­rung und Ratio­na­li­sie­rung
Unter­neh­men aus allen Bran­chen und jeder Grö­ße pro­fi­tie­ren über Ein­spar­ef­fek­te mess­bar von auto­ma­ti­scher Text­ge­ne­rie­rung. Nach einem initia­len Set­up sin­ken die Kos­ten für wie­der­keh­ren­de admi­nis­tra­ti­ve Auf­ga­ben dras­tisch.

 

Quel­len & PDF: