Text Mining

25. September 2024

In vielen Unternehmen sorgen die Auswertungsprozesse von Formularen und anderen Textdateien für hohe Kosten. Oft müssen Mitarbeiter Lieferscheine oder Rechnungen zum Beispiel manuell bearbeiten. Dabei lassen sich viele dieser formularbezogenen Vorgänge inzwischen automatisieren. Eine besonders effiziente Variante, Textdateien zu verarbeiten, bietet das sogenannte Text Mining.

Inhaltsverzeichnis

So verbessern Unternehmen ihre Textverarbeitung
Text Mining in der Praxis
Datenbestände automatisiert verarbeiten
Linguistische und statistische Verfahren
Text Mining in sechs Schritten
Grundsätzliche Herausforderungen beim Text Mining
Fazit

So verbessern Unternehmen ihre Textverarbeitung

Text Mining fasst Methoden zur automatischen Textverarbeitung zusammen. Dabei wertet eine Künstliche Intelligenz (KI) Formulare mit linguistischen und statistischen Verfahren aus. Ein entsprechendes System stellt Mitarbeitern dann wichtige Informationen aus den Dokumenten schnell verständlich dar. Zwar ließen sich diese Informationen auch manuell auslesen – allerdings geht dieser Prozess mit Text Mining wesentlich schneller vonstatten.

Text Mining in der Praxis

Texte sind die wichtigste Grundlage der Unternehmenskommunikation. Aus diesem Grund setzen Unternehmen Text-Mining-Prozesse in den verschiedensten Bereichen ein. So lassen sich zum Beispiel Lieferscheine, Rechnungsdokumente oder andere Belege mit Text Mining automatisiert auswerten.

Im Marketing können Mitarbeiter mithilfe des Text Minings analysieren, welche Informationen mit welchen Schlagworten ein Webseiten-Nutzer betrachtet. Dadurch fällt es Marketern leichter, Usern die passende Werbung anzuzeigen. Speziell im Social-Media-Marketing wird Text Mining zum Beispiel dazu genutzt, nach positiven oder negativen Kommentaren Ausschau zu halten. Unternehmen können dann frühzeitig auf Nutzer-Reaktionen reagieren.

Ein weiterer bekannter Anwendungsfall sind eingehende E-Mails. Über ein Text-Mining-Verfahren können Mails analysiert werden. Die Software erkennt dabei einen unnatürlichen Sprachgebrauch und ist dadurch imstande, Spam-Mails zu erkennen. Aber das ist nicht die einzige Funktion.

Webinar: Künstliche Intelligenz – Grundlagen und Best Practices

Sie möchten gerne mehr zum Thema Künstliche Intelligenz erfahren und wie Ihr Unternehmen davon profitieren kann? In unserem Webinar fassen wir Ihnen die wichtigsten Aspekte zusammen!

Die meisten Unternehmen erhalten sehr viele E-Mails mit unterschiedlichen Anliegen, für die wiederum verschiedene Abteilungen zuständig sind. Mithilfe der Text-Mining-Analyse können Unternehmen das Anliegen der Absender automatisiert an die richtige Abteilung weiterleiten.

In einer Beschwerde durchsucht das System zum Beispiel Mails nach Worten wie „enttäuscht“ oder „sauer“: Sobald es diese Begriffe in einer Mail findet, leitet es sie automatisch an das Beschwerde-Management weiter. Die Verarbeitung funktioniert dadurch schneller, sodass Mitarbeiter sich früher um die Anliegen aus E-Mails kümmern können.

Datenbestände automatisiert verarbeiten

Mittlerweile gibt es viele Algorithmen und Verfahren, die Texte auswerten. Der Begriff „Text Mining“ bezieht sich nicht nur auf einen speziellen Anwendungsfall, sondern auf alle Auswertungsmöglichkeiten. Ähnlich wie das Wort „Data Mining“ handelt es sich beim Text Mining also um einen Sammelbegriff verschiedener Verfahren.

Data Mining: Unter Data Mining verstehen Experten unterschiedliche Methoden, große Datenbestände automatisiert zu verarbeiten. Text Mining ist eine Sonderform des Data Minings, die sich auf Textdateien bezieht.

Linguistische und statistische Verfahren

Experten unterscheiden beim Text Mining zwischen dem Natural Language Processing (NLP) und statistischen Verfahren. Beim NLP handelt es sich um ein Verfahren, mit dem natürliche Sprache mithilfe von Erkenntnissen aus der Linguistik und der Computerwissenschaft verarbeitet wird.

Mithilfe dieser linguistischen Methoden werden die Texte nach semantischen Aspekten strukturiert. Dabei analysiert das System die Bedeutung der Wörter und fasst ähnliche Ausdrücke zum Beispiel in Kategorien zusammen.

Mithilfe statistischer Methoden und Algorithmen werden notwendige Informationen daraus abgeleitet. Mitarbeiter können dann wichtige Inhalte aus verschiedenen Dokumenten einsehen, ohne sie einzeln durchgehen zu müssen.

Text Mining in sechs Schritten

Das Text-Mining-Verfahren besteht grundsätzlich aus sechs aufeinanderfolgenden Schritten:

Zielsetzung: Bevor das Verfahren beginnen kann, müssen Nutzer eine Herausforderung definieren, die sie mithilfe des Text Minings bewältigen wollen. Hierunter fällt zum Beispiel die Zusammenfassung bestimmter Rechnungsdokumente.
Dokumentenselektion: Danach wählen Mitarbeiter jene Dokumente aus, mit denen sie die Herausforderung lösen möchten. Im Falle einer Rechnungsanalyse würden die Formulare zum Beispiel aus Rechnungen bestehen.
Aufbereitung: Die Dokumente haben in den meisten Fällen unterschiedliche Formate und beinhalten verschiedene Informationen. Über ein System werden diese Formate nun voneinander abgegrenzt.
Danach erfolgt der eigentliche Text-Mining-Prozess. Dabei werden die benötigten Informationen aus den Dokumenten verarbeitet: Sie werden gruppiert, zusammengefasst und analysiert.
Evaluation: Mitarbeiter können diese verarbeiteten Textdaten nun interpretieren.
Anwendung: Die Ergebnisse des Prozesses können für verschiedene Bereiche genutzt werden. Hierunter fallen zum Beispiel die Trendforschung oder die Kundenzufriedenheitsanalyse.

Grundsätzliche Herausforderungen beim Text Mining

Über Text Mining können Unternehmen ihre Dokumente zwar schneller verarbeiten. Allerdings stehen sie dabei auch vor Herausforderungen: Sprache ist so intuitiv, dass sie sich mit mathematischen Methoden nicht immer analysieren lassen kann.

So beinhalten manche Dokumente vielleicht nur vage Informationen oder sind sprachlich inkonsistent. Während einige Formulare einen großen Anteil an Fachsprache beinhalten, stellen andere Texte vielleicht Informationen in Alltagssprache dar. Über eine Sentiment Detection kann eine KI zwar positive und negative Haltungen in einem Text erkenne – aber sprachliche Phänomene wie Abkürzungen, Ironie oder Sarkasmus sind für sie nur schwer zu verarbeiten.

Im fünften Schritt des Text-Mining-Verfahrens – der Evaluation – müssen Mitarbeiter die Ergebnisse deshalb noch einmal überprüfen. Sollten sich dabei Ungenauigkeiten zeigen, können sie die Teilergebnisse aus unzureichend analysierten Dokumenten entfernen.

Eine weitere Herausforderung ist die Komplexität der Systeme. Entsprechende Programme verfügen zumeist über mehrere Algorithmen und sind schwer zu bedienen. Unternehmen können hier gegensteuern, indem sie Mitarbeiter ausreichend schulen und mit denen Systemen vertraut machen.

Fazit

Text Mining ist eine Methode, mit der Unternehmen Textdokumente automatisiert auswerten. Mit linguistischen und statistischen Verfahren wertet eine Künstliche Intelligenz die Informationen aus den Dokumenten aus und stellt sie Mitarbeitern übersichtlich dar.

Um Text Mining durchzuführen, müssen Nutzer

das Ziel des Prozesses definieren,
die zu analysierenden Dokumente auswählen,
unterschiedliche Textformate im System einstellen,
die Dokumente über eine Software analysieren,
die Ergebnisse interpretieren
und anschließend nutzen.

Besonders die Interpretation er Ergebnisse ist wichtig. Sprache ist intuitiv und nicht so mathematisch, dass ein System sie perfekt analysieren kann. Ungenauigkeiten in den Ergebnissen können Mitarbeiter in diesem Schritt jedoch entfernen.

Da Texte die wichtigste Grundlage der Kommunikation in Unternehmen darstellen, lassen sich Ergebnisse des Text Minings in verschiedenen Bereichen nutzen.

Im E-Mail-Verkehr können entsprechende Systeme zum Beispiel Mail-Eingänge verarbeiten. Spam-Emails werden dadurch zuverlässig erkannt. Zudem können Mails, z. B. von Kunden oder Zulieferern automatisiert an die dafür zuständige Fachabteilung weitergeleitet werden.

Eine weitere wichtige Anwendungsmöglichkeit ist im Marketing zu finden. Marketer können mit dem Text-Mining-Verfahren zum Beispiel analysieren, was sich ein Webseiten-Besucher auf einer Homepage durchliest. Diese Informationen helfen zum Beispiel dabei, relevante Werbeanzeigen zu schalten.

In Social-Media-Kanälen können Marketer Text Mining auch dazu verwenden, Kommentare über ein Unternehmen ausfindig zu machen und darauf frühzeitig zu reagieren.