Textanalyse

Inhalte aus unstrukturierten Texten erschließen


Computer versteht natürliche Sprache

Textanalyse, auch Text Mining genannt, umschließt die Gesamtheit der Verfahren zur Verarbeitung von natürlichsprachigen Texten, um die enthaltenen Informationen erschließbar zu machen und zur Automation von Geschäftsprozessen einzusetzen oder vorhandenes Wissen aus Silos zu befreien.


Vorverarbeiten von
unstrukturierten Texten

Ein nicht zu unterschätzender Schritt ist die Vorverarbeitung von unstrukturierten Texten. Dabei wird Sprache in ein maschinenlesbares Format überführt. Zunächst segmentiert man Texte in Sätze und Tokens, entfernt irrelevante Informationen wie Zahlen und nicht-sinntragende Worte. Schließlich entfernt man durch Stemming und Lemmatisierung grammatikalische Eigenschaften und erzeugt eine kanonische Form. Zusammen mit der Häufigkeit der Token können Texte so in Form von Vektoren repräsentiert werden.


Anwenden von bekannten
Data Analytics-Algorithmen

Nach der Vorverarbeitung können bekannte Algorithmen angewandt werden: Maschinelle Lernverfahren zur Klassifikation werden üblicherweise eingesetzt, um die Textinhalte bekannten Kategorien zuzuordnen. So kann beispielsweise anhand der Semantik eines Eingangstickets bestimmt werden, welche Bearbeitergruppe zuständig ist. Um unbekannte Themenfelder zu entdecken, werden Clusteringverfahreneingesetzt. Dabei können z.B. bisher nicht bekannte Problemfelder in Tickets aufgespürt werden.


Spezielle Textanalyse-Methoden

Spezielle Eigenschaften von natürlich-sprachigen Texten ermöglichen neue Use Cases. Sentiment Analyse evaluiert den emotionalen Ton hinter einer subjektiven Aussage. Damit können Bewertung zu Produkten und Dienstleistungen erkannt werden und z.B. für die Priorisierung der Bearbeitungsreihenfolge genutzt werden. Kosinus-Ähnlichkeiten werden genutzt, um vorhandenes Wissen in historischen Fällen zu heben und z.B. ähnliche Fehlerfälle aufzuspüren und damit Hinweise auf die Lösung des aktuellen Falles zu finden.

Automatisches Routing von Fehlertickets

Ein typischer Anwendungsfall von Textanalyse im Service ist die Zuordnung von Eingangstickets zu Themenkategorien und zuständigen Bearbeitergruppen für eine automatische Weiterleitung.

Durch den Einsatz von Klassifikationsverfahren, können typische semantische Inhalte und Vokabular aus historischen Tickets gelernt und für neu eingehende Tickets genutzt werden. Aus dem gesamten Data Pool an historischen, bearbeiteten Tickets entstehen einzelne Word Clouds. Das sind Dokumentenmatrizen der einzelnen Kategorien mit Informationen zu Vokabular und Häufigkeiten. Damit kann jedes Eingangstickets der Kategorie mit der größten Überlappung zugeordnet werden. Mit jedem neu eingehenden Ticket wird darüber hinaus auch neues Vokabular gelernt und dem Model hinzugefügt. Dank automatischer Zuteilung wird die Bearbeitungszeit verringert und die Mitarbeiter werden von Routinearbeit befreit.

Ihr Nutzen aus der Textanalyse

Kundenwünsche
besser berücksichtigen

Qualität
steigern

Entscheidungsprozesse
verbessern

Effizienz
erhöhen

Nutzen Sie Ihr Datenpotenzial – Sprechen Sie uns an!

Unsere Experten unterstützen Sie bei Ihren Fragen und Projekten.

Webinar über Predictive Maintenance: Ein Leitfaden zur erfolgreichen Entwicklung von Data Driven Services

Anhand eines Praxisbeispiels zeigen wir Ihnen wie Sie einen KI-basierten Service ohne Umwege entwickeln und in Ihre Systemlandschaft integrieren können.

Webinar ansehen