Zum Inhalt springen

Sprache und Dokumente

Sentiment-Analyse

Sentiment-Analyse ordnet einem Text automatisch eine Stimmung zu, meist positiv, negativ, neutral oder gemischt, oft mit einem Wert für die Sicherheit der Einschätzung; feinere Verfahren bewerten auch einzelne Sätze oder Aspekte wie Lieferzeit oder Preis.

Auch: Stimmungsanalyse, Sentiment Analysis, Opinion Mining, Meinungsanalyse

Ein Onlinehändler bekommt jeden Monat einige tausend Bewertungen, Servicemails und Chatnachrichten. Niemand liest sie alle. Trotzdem will die Geschäftsführung wissen, ob die Kunden seit dem Wechsel des Paketdienstes unzufriedener sind, und der Kundendienst will die wütende Mail nicht erst am dritten Tag öffnen. Sentiment-Analyse liefert dafür ein grobes, aber schnelles Signal: Sie schätzt für jeden Text, ob er positiv, negativ oder neutral klingt.

Technisch ist das eine besondere Form der Textklassifikation mit wenigen, festen Klassen. Ihre Eigenheiten liegen weniger in der Technik als in der Frage, was eine Stimmung überhaupt ist, und darin, wie leicht man aus dem Ergebnis zu viel herausliest.

Was ein Modell tatsächlich ausgibt

Die Anbieter liefern unterschiedliche Formen. Microsoft vergibt die Bezeichnungen positiv, neutral und negativ, für das ganze Dokument und für jeden Satz einzeln, jeweils mit Konfidenzwerten zwischen 0 und 1, die sich je Satz zu 1 addieren. Google gibt stattdessen zwei Zahlen aus: einen Wert zwischen -1 und +1 für die Richtung und eine Stärke, die bei 0 beginnt und mit der Länge des Textes wächst.

Aus dieser Unterscheidung lässt sich etwas lernen. Google weist darauf hin, dass ein Wert um 0 zweierlei bedeuten kann: einen nüchternen Text ohne Gefühl oder einen Text mit starkem Lob und starker Kritik, die sich gegenseitig aufheben. Erst die Stärke zeigt, welcher Fall vorliegt. Für eine Reklamation, die mit „Ihre Monteure sind großartig“ beginnt und mit „aber das Gerät ist zum dritten Mal defekt“ endet, ist das der Normalfall.

Ebenso wichtig ist, was die Zahl nicht bedeutet. Microsoft stellt in seinem Transparenzhinweis klar, dass die Höhe des Konfidenzwerts nicht die Intensität der Stimmung wiedergibt, sondern nur, wie sicher sich das Modell bei der Einordnung ist. Ein Konfidenzwert von 0,98 für „negativ“ heißt also nicht „sehr verärgert“, sondern „ziemlich sicher irgendwie negativ“.

Dokument, Satz oder Aspekt

Die Gesamtstimmung eines Textes ist oft die am wenigsten nützliche Angabe. Microsoft schreibt selbst, dass sein Modell nicht erkennt, welche Sätze für die Gesamtaussage wichtiger sind, und die Gesamtstimmung deshalb von der eines menschlichen Lesers abweichen kann.

Aufschlussreicher ist die aspektbezogene Analyse, die Microsoft Opinion Mining nennt. Sie ordnet die Stimmung einzelnen Gegenständen zu. Aus „Die Lieferung kam schnell, aber die Montageanleitung ist unbrauchbar“ wird dann: Lieferung positiv, Montageanleitung negativ. Über tausend Bewertungen summiert, zeigt das, woran es liegt, und nicht nur, dass etwas nicht stimmt.

Wo die Einschätzung danebenliegt

Ironie. „Ganz toll, schon wieder drei Wochen Lieferzeit“ enthält ein positives Wort und meint das Gegenteil. Riloff und Kollegen haben 2013 beschrieben, dass Sarkasmus häufig genau so gebaut ist: eine positive Äußerung über eine offensichtlich negative Lage. Microsoft nennt Sarkasmus ausdrücklich als Grenze, weil Tonfall, Gesichtsausdruck, Verfasser und Vorgeschichte fehlen, wenn nur der Text vorliegt.

Fremdes Fachgebiet. Microsofts Modell ist nach eigener Angabe auf Produkt- und Servicebewertungen trainiert. Der Hersteller warnt, dass es in anderen Bereichen ungenauer ist, und nennt als Beispiel Personalbeurteilungen, in denen ein Wort wie „stark“ nicht als positiv erkannt wird. Im technischen Service gilt Ähnliches in umgekehrter Richtung: „kritischer Fehler“ oder „Notabschaltung“ beschreiben einen Sachverhalt, keine Kundenverärgerung.

Höflichkeit. Geschäftskorrespondenz ist auch im Konflikt höflich. Eine Kündigung im freundlichsten Ton bleibt eine Kündigung. Wer nur auf die Stimmung schaut, übersieht sie.

Daraus folgt: Die Qualität hängt am eigenen Material. Eine Stichprobe von einigen hundert Texten, die Menschen eingeordnet haben, zeigt, wie oft das Modell richtig liegt. Microsoft rät außerdem, Schwellenwerte bewusst zu wählen: Wer keine negative Rückmeldung verpassen will, setzt die Schwelle für „negativ“ niedrig und nimmt mehr Fehlalarme in Kauf. Wie man das misst, beschreibt der Eintrag zur Evaluation von KI-Systemen.

Für die Werkzeugwahl ist ein Datum wichtig: Microsoft will die Stimmungsanalyse in Azure Language zum 31. März 2029 einstellen und verweist neue Projekte auf Sprachmodelle seiner Plattform Foundry. Mit einem Sprachmodell lässt sich die Aufgabe ohnehin freier beschreiben, etwa „Ist der Kunde kündigungsbereit?“ statt „positiv oder negativ?“. Dafür schwanken die Ergebnisse stärker mit der Formulierung der Anweisung, und jede Änderung sollte an der Stichprobe geprüft werden.

Stimmung ist nicht Emotion, auch rechtlich

Sentiment-Analyse bewertet, wie ein Text klingt. Emotionserkennung versucht festzustellen, was ein Mensch fühlt. Die KI-Verordnung zieht hier eine scharfe Linie. Sie definiert ein Emotionserkennungssystem in Art. 3 Nr. 39 als KI-System, das Emotionen oder Absichten natürlicher Personen auf der Grundlage ihrer biometrischen Daten feststellen oder ableiten soll. Art. 5 Abs. 1 Buchst. f verbietet seit dem 2. Februar 2025 KI-Systeme, die Emotionen einer Person am Arbeitsplatz oder in Bildungseinrichtungen ableiten, außer aus medizinischen Gründen oder Sicherheitsgründen.

Die Leitlinien der EU-Kommission zu den verbotenen Praktiken von 2025 machen das an Beispielen fest. Ein System, das aus geschriebenem Text die Stimmung ableitet, beruht nicht auf biometrischen Daten und fällt nicht unter das Verbot. Ein System, das Emotionen aus Tippverhalten, Mimik, Körperhaltung oder Stimme ableitet, beruht darauf. Für den Kundendienst nennen die Leitlinien zwei Fälle: Ein Callcenter, das mit Spracherkennung die Emotionen seiner Mitarbeitenden verfolgt, etwa Ärger, handelt verboten. Dieselbe Technik auf die Emotionen der Kunden angewendet, etwa um Mitarbeitenden bei aufgebrachten Anrufern zu helfen, fällt nicht unter dieses Verbot.

Für die Praxis heißt das:

Anwendung Einordnung nach der KI-Verordnung (Stand Oktober 2026)
Stimmung in Kundenmails, Bewertungen, Chattexten keine Emotionserkennung im Sinne der Verordnung
Emotion von Kunden aus der Stimme im Telefonat nicht verboten, aber Emotionserkennung: Hochrisiko nach Anhang III Nr. 1 Buchst. c (Pflichten ab 2. Dezember 2027), Informationspflicht nach Art. 50 Abs. 3
Emotion von Mitarbeitenden aus Stimme, Video oder Tippen verboten nach Art. 5 Abs. 1 Buchst. f, außer aus medizinischen Gründen oder Sicherheitsgründen

Die Grenze verläuft also nicht zwischen Begriffen, sondern zwischen Datenquellen. Wer Telefonate mit Spracherkennung in Text umwandelt und nur den Text auf seine Stimmung prüft, bleibt auf der Textseite. Ein Werkzeug, das zusätzlich Tonhöhe und Sprechtempo auswertet, wechselt die Seite. Bei Produkten für Gesprächsanalyse lohnt es, genau nachzufragen, welche Merkmale ausgewertet werden.

Texte von Beschäftigten bleiben heikel

Dass die Analyse von Text nicht unter das Verbot fällt, macht sie nicht in jedem Fall zulässig. Wer die Stimmung in Mails oder Chatnachrichten der eigenen Belegschaft auswertet, verarbeitet personenbezogene Daten im Beschäftigungsverhältnis. In Betrieben mit Betriebsrat ist zudem § 87 Abs. 1 Nr. 6 BetrVG zu beachten, der die Einführung technischer Einrichtungen zur Überwachung von Verhalten oder Leistung der Mitbestimmung unterwirft.

Microsoft warnt in seinem Transparenzhinweis auch ohne Rechtsbezug vor automatischen Folgen für Einzelne und nennt ausgerechnet ein Beispiel aus der Personalarbeit: Boni sollten nicht automatisch an Stimmungswerte aus Servicegesprächen gekoppelt werden. Wo eine Bewertung Menschen spürbar trifft, greifen außerdem die Regeln zur automatisierten Einzelentscheidung.

Wofür sie sich im Betrieb eignet

Ihre Stärke spielt die Sentiment-Analyse in zwei Rollen aus. Als Trendmaß über viele Texte, wo sich einzelne Fehleinschätzungen ausgleichen: Steigt der Anteil negativer Rückmeldungen zu einem Produkt nach einer Änderung, ist das ein Anlass nachzusehen. Und als zusätzliches Merkmal beim Ticket-Routing: Eine deutlich negative Nachricht rückt in der Warteschlange nach oben oder geht an erfahrene Kolleginnen. In beiden Fällen entscheidet die Analyse nicht allein, sondern lenkt die Aufmerksamkeit von Menschen dorthin, wo sie gebraucht wird.

Quellen

  1. Transparenzhinweis: Funktion „Stimmungsanalyse“ von Azure Sprache in Foundry Tools, Microsoft Learn, 2026
  2. Was sind Stimmungsanalyse und Meinungsforschung im Azure Language Service?, Microsoft Learn, 2026
  3. Natural Language API Basics: Interpreting sentiment analysis values, Google Cloud, Dokumentation
  4. Sarcasm as Contrast between a Positive Sentiment and Negative Situation, Riloff et al., ACL Anthology (EMNLP 2013), 2013
  5. Verordnung (EU) 2024/1689 (KI-Verordnung), Amtsblatt der Europäischen Union, EUR-Lex, 2024
  6. Guidelines on prohibited artificial intelligence practices, Europäische Kommission, 2025
  7. Betriebsverfassungsgesetz, § 87 Mitbestimmungsrechte, Bundesministerium der Justiz, gesetze-im-internet.de

Inhaltlich geprüft im Oktober 2026. Der Eintrag erklärt einen Begriff und ersetzt keine Rechts- oder Steuerberatung.

Welcher Prozess kostet Ihr Team jeden Tag unnötig Zeit?

Bringen Sie einen konkreten Ablauf mit. In 45 Minuten klären wir, ob sich seine Automatisierung rechnet und was der nächste Schritt wäre.

Direkt mit einem Gründer · unverbindlich · ohne Verkaufsshow

Erst ein Prozess.
Dann der nächste.