Die Sentiment-Analyse (auch Stimmungsanalyse) ist ein Verfahren des Natural Language Processing (NLP), das die Tonalität von geschriebenen Texten oder transkribierter Sprache automatisch als positiv, negativ oder neutral einstuft.
Erklärung
Technisch arbeiten Sentiment-Modelle entweder mit gewichteten Wortlexika oder mit feinjustierten Sprachmodellen, die Wortwahl, Verneinungen und Kontext auf Dokument-, Satz- oder Aspektebene auswerten. Eine aspektbasierte Analyse erkennt beispielsweise innerhalb derselben Kundenbewertung ein Lob für den Support bei gleichzeitiger Kritik am Preismodell. Im B2B-Einsatz nutzen Ticket-Systeme und Conversation-Intelligence-Lösungen diese Einstufung, um verärgerte Support-Anfragen in der Warteschlange vorzuziehen, kritische Einwände in aufgezeichneten Verkaufsgesprächen zu markieren oder Freitext-Antworten aus NPS-Umfragen nach Themenfeldern zu gruppieren. In der Praxis stoßen Standardmodelle bei Ironie, zurückhaltenden Formulierungen im Einkauf („Wir prüfen das intern noch einmal“) und branchenspezifischen Fachbegriffen regelmäßig an Grenzen, weshalb für verlässliche Auswertungen domänenspezifisch nachtrainierte Modelle nötig sind.