KOSTENLOSER VERSAND IN DE, ATBIS ZU 10 JAHRE GARANTIE 60 TAGE RÜCKGABERECHT
Zurück
Named Entity Recognition für Anfänger
25. Mar. 2022
376 views

Künstliche Intelligenz ist auf dem Vormarsch und mit ihr alles, was sie an Technologien und Terminologien im Schlepptau hat. Dazu zählen automatische Bildverarbeitung, Textverarbeitung und Machine Learning. Aber auch Named Entity Recognition (NER) ist ein wichtiger Teil von Künstlicher Intelligenz. Dieser Zweig der Künstlichen Intelligenz gehört zu Natural Language Processing und ist ein wichtiger Teil davon. Zu diesem Thema haben wir auch bereits einen Artikel veröffentlicht: hier.

 

Sie haben noch nie etwas von NER gehört? Keine Bange, dann ist das genau der richtige Artikel für Sie. Hier erfahren Sie alles Wichtige rund um das Thema NER: Was es ist, wie es funktioniert, und wo Sie womöglich schon damit Bekanntschaft gemacht haben, ohne es zu wissen.

Definition von NER

Die Definition von NER sieht in etwa so aus: Eigennamenerkennung ist eine der Aufgaben in der Informationsextraktion. Sie bezeichnet die Klassifikation und automatische Identifikation von Eigennamen. Dabei ist der Eigenname nicht mit dem Eigennamen einer natürlichen Person zu verwechseln. Stattdessen ist der Eigenname in der NER eine Folge von Wörtern, die eine existierende Entität (beispielsweise einen Firmennamen) beschreibt.


Was ist NER und wie funktioniert es?

Sie sind nur noch verwirrt und haben Fragezeichen um Ihren Kopf herumschwirren? Alles gut, jetzt erklären wir NER noch einmal etwas genauer, und anhand von Beispielen. 

 

Stellen Sie sich vor, Sie arbeiten in der Buchhaltung. Das bedeutet, Sie bekommen Rechnungen, die Sie richtig verbuchen müssen, mit dem richtigen Wert und auf das richtige Konto. Jetzt kann das mega mühsam werden, insbesondere, wenn es sich um elendslange Rechnungen mit zahllosen Positionen, Stückpreisen, Steuersätzen und vielem mehr handelt.

 

Gerade hier wäre es doch super praktisch, wenn es möglich wäre, dass gleich etwas vor zu verarbeiten, meinen Sie nicht? 

 

Das könnte beispielsweise mit NER erfolgen. “Wie denn?”, möchten Sie nun wissen? Ganz einfach: Die NER wird darauf trainiert zu erkennen, was sich auf dieser Rechnung befindet. Zum Beispiel könnte sie erfassen, welches Rechnungsdatum auf der Rechnung steht, welches Zahlungsziel, die Rechnungsnummer, den Firmennamen von der die Rechnung kommt. Außerdem könnte die NER alle Positionen erkennen und gleich eine Vorsortierung auf die jeweiligen Konten in der Buchhaltung nehmen, inklusive der Beträge und gleich die entsprechenden Buchungszeilen vorschlagen.

 

Damit müssten die Mitarbeiter in der Buchhaltung nur noch kontrollieren, ob die Maschine alles richtig zugewiesen hat und nicht mehr manuell alle Buchungen selbst erstellen. Mit einem einzigen Klick kann der Mitarbeiter dann die fertigen Buchungen freigeben und im Buchhaltungssystem korrekt verbuchen lassen.

 

Dies ist aber nur ein einziges Beispiel, wie und wo NER uns behilflich sein kann.

Beispiele für NER im Alltag

Natürlich reichen die möglichen Anwendungsgebiete von NER noch viel weiter als eben beschrieben. Obwohl das Thema deutlich spezialisierter ist als beispielsweise Künstliche Intelligenz oder Natural Language Processing allgemein, gibt es doch einige Themengebiete, wo insbesondere NER zur Anwendung kommt. Wichtig ist hier anzumerken, dass auch in diesen Themengebieten unterschiedlichste Formen von Künstlicher Intelligenz zum Einsatz kommen können, vielleicht auch Kombinationen unterschiedlichster Arten von Künstlicher Intelligenz. 

 

Häufig lassen sich die Anwendungsgebiete nicht zu 100% voneinander trennen. Dennoch hier einige der Beispiele, wie NER Ihnen vielleicht schon untergekommen ist oder wie Sie damit Ihr Unternehmen nach vorne bringen können.

Kundensupport

Wenn Sie ein Unternehmen haben und Produkte oder Services verkaufen, wird es früher oder später nötig sein, eine Art von Kundensupport einzuführen. Natürlich kann das mithilfe eines Call Centers passieren, oder aber auch mit Ticket Systemen, wo Kunden (oder Call Center Mitarbeiter) Tickets erstellen für Aufgaben, die es zu bearbeiten gilt. Dabei kann es sich um Verbesserungsvorschläge handeln, oder aber auch konkret um Makel oder Fehler, die im Produkt möglichst rasch ausgebessert werden sollten. 

 

Da die Tickets in ihrer Art allerdings sehr unterschiedlich sein können in der zu erledigenden Aufgabe oder aber auch in ihrer Wichtigkeit, müssen diese Tickets entsprechend kategorisiert werden. Traditionell werden dafür Mitarbeiter abgestellt, die die eingehenden Tickets prüfen und sortieren, beispielsweise anhand des betroffenen Produktes oder Services.

 

Diese Arbeit ist allerdings sehr aufwändig, eintönig und zeitintensiv. Daher kann genau hier NER optimal zum Einsatz kommen. Das NER Tool - das bereits vor trainiert wurde - kann die eingehenden Tickets selbstständig prüfen anhand des vom Kunden eingegebenen Texts. Dann wird das System das Ticket selbstständig die relevanten Entitäten erkennen und dem jeweiligen Produkt oder Service zuweisen. Das kann beispielsweise passieren, indem das Produkt erkannt wird, oder aber der Name der Filiale. Anschließend wird das erfasste Ticket umgehend dem richtigen Support Mitarbeiter zugeteilt, der sich in weiterer Folge um das Problem annehmen und entsprechende Folgeschritte setzen oder interne Prozesse starten kann.

Voranalyse Schadensfälle

Eine andere Möglichkeit ist eine Idee, die insbesondere auf Versicherungen zugeschnitten ist. Stellen Sie sich vor, bei Ihnen tritt ein Schadensfall ein. Dann können Sie diesen Schadensfall direkt bei Ihrer Versicherung digital melden. Bei der Versicherung kann dann wieder NER hergenommen werden um eine Voranalyse der Texte durchzuführen und auch hier eine entsprechende Vorsortierung durch zu führen. 

 

NER kann helfen, indem sie erkennt, um welche Entitäten es sich handelt, wie beispielsweise bei einem Verkehrsunfall, wo betroffene Personen erkannt werden könnten. Ähnlich funktioniert es bei schadhaften Geräten, wo das kaputte Gerät erkannt werden kann, und so weiter.

 

Genauso könnten Versicherungen auch bei medizinischen Themen sehr viele Entitäten mittels NER herauslesen können, wie Datum, Diagnose, Patient, behandelnder Arzt, um nur einige zu nennen. 


Chatbot

Zunehmend größerer Beliebtheit erfreuen sich auch Chatbots. Immer mehr Firmen bieten auf ihrer Webseite einen Chatbot an, an den Kunden erste Fragen stellen können. Häufig können so FAQs relativ rasch beantwortet werden, sodass weder die Mitarbeiter im Kundensupport unnötig Zeit für ganz einfach zu lösende Probleme verschwenden und gleichzeitig Kunden nicht wegen einer Lappalie in der Warteschleife hängen (was sowieso vermieden werden sollte).

 

Hier kann ein Chatbot sehr hilfreich sein. Anhand der Eingabe des Kunden kann der Chatbot erkennen, um welches Thema es sich handelt und dementsprechend, wie er dem Kunden weiterhelfen kann. Vielleicht gibt es eine ganz einfache Antwort, die der Chatbot selbst geben kann, vielleicht kann er auf eine Seite verlinken, wo der Kunde Antworten für sein Problem findet, oder aber er leitet den Kunden an den richtigen Mitarbeiter im Kundensupport weiter.


Diese könnte Dich auch interessieren