# Lektorats AI

## https://lisa.qualifiction.de/library/document-collection

Mit QualiFiction LiSA haben Sie sich für ein Tool entschieden, mit dem Sie mühelos und in nahezu Echtzeit belletristische Manuskripte inhaltlich auswerten können. LiSA liefert Ihnen dabei sowohl wichtige literarische Kenngrößen wie auch eine Einschätzung über die Erfolgsaussichten Ihres Werks.
.
ie können LiSA auf mehrere Arten nutzen:

Demo: Sie können sich weiterhin kostenlos und unverbindlich umsehen und eines unserer Demo-Werke betrachten. Dies sind die gelben Kacheln in der Bibliothek.

In regelmäßigen Abständen stellen wir Ihnen neue Werke ein, die nur darauf warten, "beschnuppert" zu werden. Anhand dieser Demo-Romane sehen Sie bereits alle relevanten Merkmale, die LiSA aus einem Text herausliest.

Import: Ebenso kostenlos für Sie ist das Importieren von freigegebenen Analysen – bei uns orange dargestellt.

Falls Sie von einem Autor oder einer Autorin, die ihr Werk für Sie freigeben möchten, eine Freigabe-E-Mail erhalten haben, so können Sie das Werk importieren und ebenfalls betrachten. Auch dafür fallen keine Kosten an.

Eigene Werke: Sie möchten eigene Werke in LiSA laden und analysieren? Darauf gehen wir auf den folgenden Seiten ein ...
Wählen Sie auf der linken Seite den Reiter "Bibliothek".

Fügen Sie Ihrer Sammlung ein neues eigenes Werk hinzu, indem Sie rechts im Bereich Upload & Import auf das (linke) Wolken-Symbol klicken.

Beachten Sie bitte, dass Sie hierfür ein Berechnungs-Guthaben benötigen, welches Sie in unserem Shop erhalten.

LiSA lädt Ihr Werk in die QualiFiction-Cloud, angezeigt durch sich bewegende Zahnrädchen.

Dieser Vorgang dauert nur wenige Sekunden. Es wird ein Häkchen-Symbol angezeigt, sobald Ihr Dokument erfolgreich hochgeladen wurde.

Sie können dann auf "Schließen" klicken und gelangen daraufhin wieder in Ihre Bibliothek.
Erscheinen zwei Häkchen im Statusbereich des Dokuments, so hat LiSA Ihr Werk erfolgreich berechnet. Sie können sich Ihre Ergebnisse nun ansehen!

Klicken Sie auf das Dokument, um es für die Ansicht der Ergebnisse auszuwählen.
arrow_right_alt

LiSA springt in den Analyse-Bereich "Thematik". Innerhalb dieses Bereichs bietet LiSA Ihnen mehrere Analyse-Ergebnisse an. Mit Hilfe der beiden Pfeile links und rechts können Sie durch diese Einzelresultate navigieren.
arrow_right_alt

Wählen Sie aus der linken Hauptnavigations-Leiste am linken Bildschirmrand weitere Disziplinen aus wie z.B. Analysen bezüglich Sentiment, Stil etc...

https://www.qualifiction.info/lisa/

## LiSA und die Textehexe
Susanne Pavlovic ist seit fast zehn Jahren freie Lektorin und bekannt als die „Textehexe“. Seit April 2019 erstellt sie mit Hilfe der KI-gestützten Software LiSA von QualiFiction Manuskript-Gutachten. Wie das ihre Arbeit und die Zusammenarbeit mit den Autoren verändert, erzählt sie uns im Interview. [Susanne Wagner]
https://www.wagner1972.com/seventytwo/kuenstliche-intelligenz-im-lektorat-mit-qualifiction

## Sentiment Detection (auch Sentimentanalyse,
https://de.wikipedia.org/wiki/Sentiment_Detection#Quellen

Sentiment Detection
englisch für „Stimmungserkennung“) ist ein Untergebiet des Text Mining und bezeichnet die automatische Auswertung von Texten mit dem Ziel, eine geäußerte Haltung als positiv oder negativ zu erkennen.

Inhaltsverzeichnis
1 Einführung
2 Vorgehen
3 Literatur
4 Quellen
Einführung
Menschen unterhalten sich in natürlichen Sprachen, Sprachen also, die Bedeutung und Information anders als formale Sprachen nicht eindeutig und nicht allein strukturell übermitteln und deren automatische Verarbeitung durch Computer dadurch erschwert wird. Die Computerlinguistik erforscht, wie man mit Computern trotzdem natürliche Sprache analysieren kann. Lange Zeit hoffte man dabei auf die Künstliche Intelligenz, die versucht, intelligente Systeme zu schaffen, doch da selbst moderne Computer von diesem Ziel noch weit entfernt sind, grenzte man die Ziele der Sprachverarbeitung stark ein und wandte sich einfacheren aber erfolgversprechenderen Methoden zu. Ein solches Ziel ist es, spezielles Wissen aus Texten herauszuarbeiten, z. B. das Thema oder – wie hier – die Einstellung des Autors zu diesem Thema. Das Gebiet, das sich mit der Lösung solcher Aufgaben beschäftigt, nennt sich Text Mining, in Anlehnung an Data-Mining, mit dem es die Grundideen gemeinsam hat. Die Methoden, mit denen die Sentiment Detection arbeitet, entstammen Gebieten wie Statistik, maschinellem Lernen und Natural language processing.

Vorgehen
Die Aufgabenstellung der Sentiment Detection wird durch statistische Methoden angegangen. Darüber hinaus kann man die Grammatik der untersuchten Äußerungen einbeziehen. Zur statistischen Analyse geht man von einer Grundmenge von Begriffen (oder N-Grammen) aus, mit denen man positive oder negative Tendenzen verbindet. Die Häufigkeiten positiver und negativer Begriffe im analysierten Text werden einander gegenübergestellt und bestimmen die vermutete Haltung.

Darauf aufbauend lassen sich Algorithmen des maschinellen Lernens anwenden. Auf Grundlage von vorverarbeiteten Texten, zu denen die Haltungen bekannt sind, können solche Algorithmen auch für weitere Begriffe lernen, welcher Tendenz sie zuzuordnen sind.

Mit Hilfe von Techniken des Natural language processings kann Wissen über die natürliche Sprache in die Entscheidung einfließen. Wird beispielsweise die Grammatik der Texte analysiert, können maschinell erlernte Muster auf die Struktur angewendet werden.

Literatur
Bing Liu: Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Berlin [u. a.], Springer, 2007.
Bo Pang u. Lillian Lee: Opinion Mining and Sentiment Analysis, Hanover (MA), Now Publishers, 2008.
Haselmayer, Martin u. Marcelo Jenny (2017). Sentiment analysis of political communication: combining a dictionary approach with crowdcoding. Quality and Quantity 51 (6): 2623–2646.
Rudkowsky, Elena, Martin, Haselmayer, Matthias Wastian, Marcelo Jenny, Stefan Emrich, and Michael Sedlmair (2018). More than bags of words: Sentiment Analysis with word embeddings. Communication Methods and Measures 12(2–3): 140–157.
Melanie Siegel, Melpomeni Alexa: Sentiment-Analyse deutschsprachiger Meinungsäußerungen. Springer Vieweg, Wiesbaden 2020, ISBN 978-3-658-29698-8, doi:10.1007/978-3-658-29699-5.
Quellen
Sofern nicht anders angegeben, entstammt der Artikelinhalt der Hauptquelle:

C. Ziegler: Die Vermessung der Meinung. Sentiment Detection: maschinelles Textverständnis. In: iX – Magazin für professionelle Informationstechnik. 10, Okt 2006, S. 106ff.

## sentiment analyse mit KI
https://www.google.de/search?q=sentiment+analyse+mit+KI&sxsrf=APwXEdeT7qGl2IFi3eCjC8raM_HC_mvWNA%3A1683812065152&ei=4e5cZNDkCLrWxc8Put-HoAQ&ved=0ahUKEwiQ2YvgsO3-AhU6a_EDHbrvAUQQ4dUDCBA&uact=5&oq=sentiment+analyse+mit+KI&gs_lcp=Cgxnd3Mtd2l6LXNlcnAQAzIGCAAQFhAeOgoIABBHENYEELADOgoIABCKBRCwAxBDOgoIABCABBAUEIcCOgUIABCABDoHCAAQgAQQCjoKCAAQFhAeEA8QCjoFCCEQoAFKBAhBGABQ9gRYmh5gkSFoBHABeACAAZEBiAGMCZIBBDAuMTCYAQCgAQHIAQrAAQE&sclient=gws-wiz-serp

https://scholar.google.de/scholar?q=sentiment+analyse+mit+KI&hl=de&as_sdt=0&as_vis=1&oi=scholart

https://www.kobold.ai/p/sentiment-analyse/

https://www.deepsight.de/data-services/sentiment-analysis

## Marktüberblick: Zehn Tools für die Sentimentanalyse

https://www.computerweekly.com/de/tipp/Marktueberblick-Zehn-Tools-fuer-die-Sentimentanalyse

Die Stimmungsanalyse ist ein wichtiger Baustein für gute Kundenbeziehungen und Kundenerfahrungen. Hierfür sind mehrere Software-Tools verfügbar, die vielseitig einsetzbar sind.
von
Scott Robinson, Analogica
Zuletzt aktualisiert:05 Nov. 2021
Die Sentiment- oder Stimmungsanalyse ist ein schnell wachsender Zweig im Customer Relationship Management (CRM) und Customer Experience Management (CEM). Die Technologie analysiert die gesprochene und geschriebene Sprache des Kunden.

Das Ziel ist, nicht nur das vordergründige Anliegen eines Kunden zu erkennen, sondern auch die dahinterstehenden Emotionen. Das Verständnis dieser Emotionen und Motivationen ist ein wesentlicher Schritt, um effektiver auf die Wünsche des Kunden zu reagieren und seine Erfahrungen insgesamt zu verbessern.

So funktioniert Stimmungsanalyse
Unternehmen können Stimmungen auf mehrere Arten analysieren. Eine Methode ist die Verwendung von Software, um Sprache und Text von Kunden, zum Beispiel Serviceanrufe, E-Mails, Texte und direktes Kundenfeedback, zu erfassen und zu analysieren. Auf diese Weise soll die Gefühlslage der Kunden erkannt werden. Die so gefundenen Emotionen können ein weites Feld abdecken – von Zufriedenheit über Irritation und Frustration bis hin zu Ungeduld und Ärger. Für einen Service- oder Vertriebsmitarbeiter ist das Wissen, was wirklich mit dem Kunden los ist, der erste Schritt, um optimal zu reagieren. Er kann dadurch den Austausch und die Beziehung zum Kunden verbessern.

Andere wichtige Anwendungen von Sentimentanalysesoftware sind Markenmanagement und Opinion Mining. In der Regel werden damit heute unternehmensrelevante Einträge in Social-Media-Plattformen wie Twitter und Facebook abgehört. Dieses Social Listening kann auf positive oder negative Einstellungen zu einer Marke hinweisen. Die aggregierte Social-Media-Stimmung wird damit zu einem Messinstrument der Kundenstimmung: Sie informiert Unternehmen darüber, wo es zu einem bestimmten Zeitpunkt auf dem Markt steht – eine unschätzbare Ressource, um auf Marktveränderungen zu reagieren.

Die Software zur Stimmungsanalyse verwendet eine bestimmte KI-Methode: die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP). Dabei wird eine große Menge an Sprach- und Textdaten auf Muster analysiert, die wichtige Marker im menschlichen Gefühlsausdruck ans Licht bringen sollen. Machine-Learning-Algorithmen generieren anschließend ein Modell, das diese Marker in Echtzeit oder in aktuellen, unstrukturierte Daten erkennen kann. Mit anderen Worten: Der Software lernt, worauf sie bei einem Kundenanruf, einer E-Mail oder einem Chatbot-Austausch achten soll, um die Gefühle des Kunden zu erkennen.

Unternehmen können Sentimentanalysen auch mit einer Software durchführen, die von Grund auf neu entwickelt wurde. Die Data Science Community Analytics Vidhya untersuchte beispielsweise auf Twitter die Kundeneinstellung zu Pepsi und Coke mit einer selbst entwickelten R-App.

Normalerweise nutzt man aber für eine breitere Masse entwickelte Sentimentanalyse-Tools, die für viele Anwendungsfälle geeignet sind. Hier sind zehn Optionen.

1. Lexalytics
Lexalytics, die im September 2021 von InMoment akquiriert wurden, funktioniert wie die meisten Stimmungsanalyseprogramme: Es verwendet NLP, um die Nachricht eines Kunden zu analysieren und führt anschließend eine Sentimentanalyse durch. Mit dieser soll die zugrunde liegende Absicht des Kunden aufgedeckt werden. Die Software bietet die Möglichkeit, einen Bericht über die Analyse zu erstellen, der das Warum und das Wie der Gefühle des Kunden beschreibt.

Lexalytics lässt sich auch direkt in Microsoft Excel einbinden, so dass die Ergebnisse leicht in andere, konventionelle Berichts- und Analyseprozesse übernommen werden können. Die Genauigkeit der Stimmungsanalyse ist eine der höchsten auf dem Markt. Ein weiteres interessantes Merkmal der Software: das Kernmodell ist so gut trainiert ist, dass es schlechte Grammatik und Umgangssprache verstehen kann. Ein Nachteil des Programms ist, dass es komplex ist – es handelt sich nicht um ein schlüsselfertiges Produkt.

2. Critical Mention
Die Stimmungsanalyse von Critical Mention konzentriert sich auf Stimmungen, die in Nachrichten und anderen Online-Quellen gefunden werden. Dazu gehören beispielsweise auch TV- und Live-Quellen – was eine seltene Funktion darstellt. Das Tool macht Unternehmen auf Veränderungen in der Markenwahrnehmung aufmerksam. Erfasst wird nicht nur die Stimmung der Kunden, sondern auch die von Analysten und anderen Branchenbeobachtern. Diese Informationen können eine aussagekräftige Perspektive liefern, die für das Markenmanagement von strategischem Wert ist.

Critical Mention kann sogar Videodateien und Live-Übertragungen durchsuchen. Seine hochwertiges grafisches Reporting ist unter den Produkten seiner Klasse außergewöhnlich. Ein Nachteil ist, dass die Tools zur Sentimentanalyse limitiert sind.

3. Talkwalker Quick Search
Das Sentimentanalyse-Tool Quick Search ist Teil der größeren Talkwalker Consumer Intelligence Acceleration Platform. Das integrierte Werkzeug sammelt Anmerkungen, Likes, Kommentare und andere Daten, die einen Einblick in Social-Media-Marketing geben. Die Ergebnisse fließen dann in die Talkwalker-Plattform ein, womit umsetzbare Entscheidungen für Kampagnen getroffen werden können.

Quick Search verfügt über Content-Ideation-Funktionen. Damit können Trends nicht nur bei Markenerwähnungen, sondern auch bei zugehörigen Themen erkannt und verfolgt werden – sogar bei Verwendung von Emoji. Das Tool kann auch Markenbilder und Videos erkennen sowie Influencer und deren Erwähnungen identifizieren und verfolgen.

Quick Search ist mehr als nur ein Toolkit. Es eignet sich für Unternehmen unterschiedlicher Größe und bietet zusätzlich Bilderkennungsfunktionen.

4. Brandwatch
Brandwatch ist ein weiteres Stimmungsanalyse-Tool mit dem Schwerpunkt Markenmanagement. Es kann im Internet nicht nur nach Texterwähnung von Marken suchen, sondern auch nach Bildern von Marken. Beispielsweise kann es nach Logos und anderen Grafiken fahnden, die mit der Marke assoziiert sind. Durch das Verfolgen dieser Informationen ist es möglich, zu analysieren, wie eine Marke bei bestimmten Zielgruppen in den sozialen Medien abschneidet.

Für viele Branchenbeobachter ist Brandwatch das führende Tool für paralleles Marken-Monitoring über alle Social-Media-Kanäle hinweg. Nachteilig sind die von Nutzern berichteten Verzögerungszeiten bei großen Abfragen und die fehlende Download-Möglichkeit von Massendaten.

5. Social Searcher
Social Searcher ist ein kostengünstiges Social-Media-Toolkit, das die positive oder negative Einstellung zu einem Produkt oder einer Marke zusammenfasst. Die Analyse basiert auf eingegebenen Schlüsselwörtern und Hashtags. Die Ergebnisse werden nach Social-Media-Plattformen, Apps und Kanälen aufgeschlüsselt.

Social Searcher bietet auch eine Programmierschnittstelle (API) für das Social Media Monitoring und E-Mail-Benachrichtigungen in Echtzeit. Der Nachteil ist, dass das Tool aufgrund seiner Einfachheit und begrenzten Funktionalität nur für kleinere Unternehmen interessant ist.

6. MonkeyLearn
Der Vorteil von MonkeyLearn ist seine hohe Anpassungsfähigkeit. Mit Unterstützung von Tags können spezifische Kategorien erstellt werden, die für die Verbesserung der Kundenerfahrung und für das Markenmanagement nützlich sind. Das Tool hebt Abschnitte des Kundentextes entsprechend dieser Kategorien hervor, sodass sich die Ergebnisse leicht analysieren lassen. Es kann aus diesen Tags auch benutzerdefinierte Wortwolken generieren.

Abbildung 1: KI-Technologie lässt sich für die Analyse von Kundendaten im Zusammenhang mit CRM eingesetzen.
Abbildung 1: KI-Technologie lässt sich für die Analyse von Kundendaten im Zusammenhang mit CRM eingesetzen.
Das vortrainierte Modell lässt sich sauber in das laufende, unternehmensspezifische Lernen integrieren. MonkeyLearn ist Workflow-freundlich, was die Integration in andere Prozesse erleichtert. Das Tool ist per API oder als Suite verfügbar. Ein Nachteil ist, dass Benutzer Daten über die API oder Google Sheets in die App eingeben müssen.

7. Brand24
Brand24 führt Social Listening durch, überwacht Markenerwähnungen und benachrichtigt den Anwender sofort, um in Echtzeit reagieren zu können. Um Trends der Kundenstimmung aufzudecken, verfolgt das Tool in der Markendiskussion langfristig den Anstieg und Rückgang der Zustimmung.

Das Tool wird über ein Dashboard gesteuert und arbeitet mit Slack zusammen. Ein Pluspunkt ist, dass es jeder Influencer-Erwähnung ein Gewicht zuweist. Dadurch wird klarer, welchen Erwähnungen man Aufmerksamkeit schenken sollte. Ein Nachteil ist, dass einige Kunden die mobile Implementierung als mangelhaft bezeichnen.

8. Twinword Sentiment Analysis API
Twinword ist kein Software-Tool zur Stimmungsanalyse, sondern eine API. Sie erkennt Text, führt eine Analyse durch und gibt dann Assoziationen zwischen den vorgeschlagenen Wörtern zurück. Unternehmen können die API mit Suchmaschinen, Websites und benutzerdefinierten Anwendungen nutzen. Sie ist besonders nützlich in Szenarien, in denen es wünschenswert ist, eine benutzerdefinierte Anwendung, zum Beispiel mit Twitter, zu verbinden.

Hinter der API verbirgt sich eine ständig wachsende Datenbank, die kontinuierlich aus den Benutzeraktivitäten in einer Vielzahl von Quellen lernt. Dieses Setup ergibt ein leistungsfähiges Kernmodell, das den menschlichen Sprachgebrauch versteht.

Für eine API ist sie mit einer einfachen Schnittstelle leicht zu bedienen. Nichtsdestotrotz ist es ein eher technisches Werkzeug, das eine technische Implementierung erfordert.

9. Text Sentiment Analysis Method API
Wie Twinword ist auch die Text Sentiment Analysis Method mehr eine API als ein Software-Toolkit. Kunden- oder Nachrichtentext kann man von einer Anwendung an die API übergeben. Diese liefert dann einen vollständigen Analysebericht zurück. Die API verwendet die gleichen Methoden der natürlichen Sprachverarbeitung und des maschinellen Lernens wie eine Software-Suite.

Ein Nachteil ist, dass es, wie Twinword, als API eine technische Implementierung erfordert.

10. Text-Processing API
Text-Processing API umfasst viele Funktionen und kann nicht nur Stimmungen analysieren, sondern liefert auch Zusammenfassungen. Sie kann Phrasen aus Text extrahieren, um sie hervorzuheben. Wie Social Searcher besteht ihre Kernfunktion darin, Texte auf positive oder negative Stimmung zu bewerten.

Die API kann auch Wörter auf ihre Stamm- und Grundformen zurückführen (Stemming und Lemmatisierung).

Erfahren Sie mehr über Customer Relationship Management (CRM)
5 Beispiele für Content-Marketingstrategien im E-CommerceGeorge Lawton
Von: George Lawton
Tipps zur Einbindung sozialer Medien in die SEO-StrategieGriffin LaFleur
Von: Griffin LaFleur
KI-Funktionen verschiedener CRM-Anwendungen im VergleichRedaChouffani
Von: Reda Chouffani
Social Media (Soziale Medien)BenLutkevich
Von: Ben Lutkevich

## MASCHINEN, DIE ROMANE SCHREIBEN?
https://www.goethe.de/prj/zei/de/pdk/22435419.html

## DER WOLF, DEN WIR FÜTTERN
https://www.goethe.de/prj/zei/de/pdk/22100916.html
Ob beim Komponieren von Musik oder dem Malen von Bildern: Künstliche Intelligenz besitzt die technischen und kreativen Fähigkeiten, Kunst zu erschaffen.
Ob beim Komponieren von Musik oder dem Malen von Bildern: Künstliche Intelligenz besitzt die technischen und kreativen Fähigkeiten, Kunst zu erschaffen. | Foto (Detail): © Adobe
Teilen
Sei es Musik zu komponieren oder Bilder zu malen – Künstliche Intelligenz (KI) ist mittlerweile in technischer und kreativer Hinsicht in der Lage, Kunst zu erschaffen. Dem argentinischen Verleger Octavio Kulesz zufolge kann es dadurch zu einem explosionsartigen Anstieg von Kreativität kommen und zugleich zu einer stärkeren Marktkonzentration im Kulturbereich.

## ROMAN OHNE AUTOR
Festvortrag von Nina George, 12/11/22
RATSSAAL zu Würzburg, Poetry & Politics Festival
Mit freundlicher Genehmigung der Autorin als NETZWERK-AUTORENRECHTE-Gastbeitrag
https://www.netzwerk-autorenrechte.de/roman_ohne_autor.html

https://www.servicemonitor.eu/de/leistungen/ki-gestuetzte-textanalyse.html

## ChatGPT im Deutschtest: Wie gut ist die KI aus Lektoratssicht?
https://www.advertext.de/chatgpt-im-deutschtest/

## Scriptbakery AI
https://www.startinsland.de/start-ups/scriptbakery-ai/

## https://www.computerwoche.de/a/die-7-besten-ki-tools-die-ihnen-das-leben-und-die-arbeit-erleichtern,3613731,2
.. darin:

## LanguageTool*
Das **LanguageTool** ist ein kostenloser und leistungsfähiger Lektorat-Bot, der Grammatik- und Rechtschreibfehler auch in längeren Texten erbarmungslos aufspürt. Texte kann man direkt in die Browsermaske tippen oder per Copy & Paste blitzschnell einfügen. Nach wenigen Sekunden ist die Analyse abgeschlossen. Farbmarkierungen heben individuelle Fehlertypen hervor und sogar Stil-Probleme werden angekreidet, wenn etwa mehrere Sätze mit dem gleichen Wort beginnen.

Wenn Sie spät abends noch eine wichtige Mail schreiben wollen, die keine Fehler enthalten soll oder wenn Sie nach langem Arbeiten mit einem Dokument textblind geworden sind, dann ist das LanguageTool Ihr Retter. Textprüfung und Verbesserungen erledigen wir damit im Handumdrehen. Eine kostenlose Version steht zur Verfügung; diese markiert aber auch gerne Textstellen aus Stil-Gründen, zu denen die Erklärungen dann hinter einer Bezahlschranke warten. Das LanguageTool steht als Erweiterung für viele Browser, diverse Office-Programme und auch als App zur Verfügung (bisher nur iOS).

## mit Menschen
https://www.acad-write.com/leistungen/#gsc.tab=0