Freitext- und Sentimentanalyse (mit KI)

Was ist Freitext- und Sentimentanalyse mit KI?

Freitext- und Sentimentanalyse mit KI ist die automatisierte Auswertung offener Antworten in einer Befragung. Sie nimmt das, was Menschen frei formuliert haben, und macht daraus zweierlei: eine Ordnung nach Themen, damit sichtbar wird, worüber viele und worüber wenige schreiben, und eine Einschätzung der Stimmung, damit erkennbar wird, ob über ein Thema eher positiv, negativ oder gemischt geschrieben wurde. Das Ziel ist nicht eine weitere Zahl, sondern eine besprechbare Übersicht: aus tausenden Kommentaren wird etwas, worüber ein Team tatsächlich reden kann.

Der Anlass für diese Analyse ist fast immer derselbe. Eine Befragung liefert Skalenwerte, und die Skalenwerte sagen, dass etwas nicht stimmt, aber nicht warum. Ein Zufriedenheitswert fällt, ein Bereich schneidet schlecht ab, eine Kennzahl bewegt sich, und niemand weiss, was dahintersteckt. Genau dieses Warum steht in den offenen Antworten. Nur liegt es dort in einer Form vor, die ein Mensch nicht mehr überblicken kann, sobald ein paar hundert Personen geantwortet haben. Wer schon einmal mehrere hundert Kommentarfelder von Hand gelesen hat, kennt den Punkt, an dem die Übersicht verloren geht.

Freitext- und Sentimentanalyse mit KI schliesst diese Lücke. Sie liest, was für einen Menschen zu viel geworden ist, und übersetzt es zurück in etwas Überschaubares, ohne die einzelne Stimme ganz zu verlieren. Damit steht sie zwischen zwei Welten, die eine Befragung sonst getrennt lässt: der quantitativen Welt der Skalen, die zeigt, wie stark etwas ausgeprägt ist, und der qualitativen Welt der freien Antworten, die zeigt, warum. Eine gute Analyse verbindet beide, statt eine gegen die andere auszuspielen.

Wichtig ist die Abgrenzung von zwei benachbarten Begriffen. Die reine Themenanalyse ordnet Antworten nach Inhalt, sagt aber nichts über die Stimmung. Die reine Sentimentanalyse misst die Stimmung, sagt aber nichts über das Thema. Erst die Kombination trägt: Sie sagt nicht nur, dass über ein Thema oft geschrieben wurde, sondern auch, in welcher Tonlage. Und im Unterschied zu einer Likertskala, die eine vorgegebene Antwortmöglichkeit abfragt, arbeitet die Freitextanalyse mit dem, was die Person selbst formuliert hat, also mit dem, was die Skala nicht vorgesehen hat.

Wie KI offene Antworten auswertet

Die Auswertung offener Antworten durch KI läuft in zwei Schritten, die man auseinanderhalten sollte, weil sie unterschiedlich verlässlich sind.

Der erste Schritt ist das Clustern. Die KI erkennt, welche Antworten inhaltlich zusammengehören, auch wenn sie unterschiedlich formuliert sind. „Zu viele Sitzungen”, „wir sitzen den halben Tag in Meetings” und „die Meeting-Kultur frisst meine Zeit” landen im selben Thema, obwohl kein einziges Wort identisch ist. Aus dieser Bündelung entsteht das, was eine Handauswertung nie sauber hinbekommt: eine belastbare Aussage darüber, was oft und was selten genannt wird. Erst diese Häufung macht aus einer Sammlung von Einzelmeinungen ein Muster, das eine Führungskraft ernst nehmen kann.

Der zweite Schritt ist die Stimmungseinschätzung. Zu jedem Thema und oft zu jeder einzelnen Antwort ordnet die KI eine Tonlage zu: eher positiv, eher negativ, gemischt. Das ist wertvoll, weil zwei Themen mit gleicher Nennungshäufigkeit sehr unterschiedlich zu gewichten sind, wenn das eine überwiegend als Ärgernis und das andere als Wunsch formuliert wurde. Dieser zweite Schritt ist allerdings der fehleranfälligere von beiden, und der nächste Abschnitt sagt, warum.

Entscheidend für die Glaubwürdigkeit ist ein dritter, oft übersehener Baustein: die Nachvollziehbarkeit. Ein gutes System zeigt zu jeder Zusammenfassung die Originalzitate, aus denen sie entstanden ist. Wer eine Aussage wie „viele nennen die Arbeitslast” sieht, muss mit einem Klick die konkreten Sätze dahinter aufrufen können. Ohne diese Rückbindung an das Original bleibt eine Zusammenfassung eine Behauptung, die man glauben muss. Mit ihr wird sie zu einer Aussage, die man prüfen kann. Genau diese Prüfbarkeit ist der Unterschied zwischen einer KI, die verdichtet, und einer, der man ausgeliefert ist.

Was Sentimentanalyse leistet und was nicht

Die Sentimentanalyse ist der Teil, der am meisten verspricht und am ehesten enttäuscht, wenn man ihn falsch versteht. Sie ordnet einer Aussage eine Stimmung zu, und auf grosser Menge und über viele Antworten gemittelt gibt sie eine brauchbare Richtung: Über dieses Thema wird eher gut geschrieben, über jenes eher schlecht. Als grobe Landkarte der Stimmungslage ist das nützlich.

Auf der einzelnen kurzen Antwort ist sie dagegen unzuverlässig. Ironie erkennt die automatische Stimmungserkennung schlecht, „ja super, noch ein Tool” liest sie leicht als positiv. Verneinung dreht die Aussage, ohne dass die Tonlage-Erkennung immer folgt. Und gerade kurze deutsche Antworten geben zu wenig Kontext her, um eine Stimmung sicher zu bestimmen. Ein einzelnes „geht so” ist für einen Menschen mehrdeutig und für ein Modell erst recht.

Daraus folgt die einzige vernünftige Handhabung: Die Stimmungszahl ist ein Hinweis, den man an den Originalzitaten prüft, nie ein Beweis für sich. Wer eine Sentiment-Auswertung als exakten Wert präsentiert, überschätzt das Instrument. Wer sie als Richtungspfeil nutzt, der zu den echten Aussagen führt, holt heraus, was drin ist. Die ehrliche Antwort auf die Frage, wie genau die Sentimentanalyse ist, lautet deshalb: verlässlich als Tendenz über viele Antworten, unzuverlässig auf der einzelnen, und immer an der Rohaussage zu kontrollieren.

Der eigentliche Engpass: die Fragestellung, nicht das Modell

Hier liegt der Punkt, den die meisten Beiträge zum Thema auslassen. Die Analyse offener Antworten ist durch KI weitgehend gelöst. Clustern und Verdichten funktionieren gut, und darin unterscheiden sich die Werkzeuge kaum noch. Der ungelöste Teil ist die andere Hälfte: die Erfassung. Eine Analyse kann nur so gut sein wie die Antworten, die hereinkommen, und genau dort entscheidet sich alles.

Der Grundsatz heisst Garbage in, garbage out. Wenn eine offene Frage lautet „Haben Sie noch Anmerkungen?”, dann bekommt man Antworten wie „nein”, „passt” und „keine”. Das beste Modell der Welt kann daraus nichts machen, weil nichts drinsteht. Kurze, unspezifische Antworten ergeben eine schwache Analyse, und keine noch so ausgefeilte Auswertung repariert das nachträglich. Das Problem entsteht vor der KI, nicht in ihr.

Zwei Hebel heben die Antwortqualität. Der erste ist die Frage selbst. „Was müsste sich ändern, damit Ihre Zusammenarbeit im Team besser läuft?” lädt zum Erzählen ein, „Sind Sie mit der Zusammenarbeit zufrieden?” nicht. Eine gute offene Frage ist konkret, bezieht sich auf eine erlebbare Situation und stellt keine Ja-Nein-Falle. Der zweite Hebel ist die dialogische Nachfrage. Eine statische Textbox nimmt hin, was kommt. Eine dialogbasierte Befragung, die bei einer knappen Antwort nachhakt und fragt „Was meinen Sie damit konkret?”, holt die Substanz nach, die sonst gefehlt hätte. Aus einem „die Kommunikation ist schlecht” wird so ein „Entscheidungen werden getroffen, ohne dass wir vorher gefragt werden”, und erst diese zweite Aussage ist etwas, mit dem man arbeiten kann.

Das ist der eigentliche Unterschied zwischen einem beeindruckenden und einem nützlichen Ergebnis. Nicht das Analysemodell trennt die beiden, sondern die Qualität dessen, was analysiert wird. Wer die Fragestellung ernst nimmt und die Befragung nachfragen lässt, macht die Freitextanalyse überhaupt erst wertvoll. Wer nur ein besseres Modell sucht, optimiert an der falschen Stelle.

Grenzen und ehrliche Einwände der KI-Freitextanalyse

Freitext- und Sentimentanalyse mit KI ist nützlich, aber sie ist kein Orakel. Wer ihre Grenzen kennt, setzt sie glaubwürdiger ein.

• Die Halluzinationsfrage ist berechtigt. Der häufigste und wichtigste Einwand lautet: Halluziniert die KI bei der Auswertung? Die ehrliche Antwort ist, dass ein gutes System konsolidiert und nicht interpretiert. Es fasst zusammen, was geschrieben wurde, und erfindet nichts hinzu. Die einzige Absicherung dagegen ist die Nachvollziehbarkeit: Zeigt das System zu jeder Zusammenfassung die Originalzitate, lässt sich jede Behauptung prüfen. Fehlt diese Rückbindung, ist Misstrauen angebracht.
• Überinterpretation dünner Daten. Aus wenigen oder sehr knappen Antworten leitet die KI leicht mehr ab, als drinsteht. Ein Thema, das dreimal genannt wurde, ist kein Trend. Die Menge und die Substanz der Antworten begrenzen, was eine Analyse tragen kann, und ein gutes Ergebnis benennt diese Grenze, statt sie zu überspielen.
• Sentiment auf kurzem Deutsch ist verrauscht. Ironie, Verneinung und Kürze führen die Stimmungserkennung in die Irre. Die Stimmungszahl gehört an den Rohaussagen geprüft, nie allein genommen.
• Aggregation kostet Zurechenbarkeit. Sobald Antworten zu Themen verdichtet werden, lässt sich nicht mehr sagen, wer was gemeint hat. Das ist für die Ehrlichkeit ein Vorteil, denn Anonymität schützt die offene Antwort, und für die Detailanalyse ein Nachteil, denn die Verbindung zwischen Aussage und Person ist bewusst gekappt. Man gewinnt die freie Meinung und verliert die Rückfrage an die einzelne Person.
• Die Sprache und die Front. Antworten kommen in verschiedenen Sprachen und Registern, von der ausformulierten Bürorückmeldung bis zum knappen Mundart-Satz von der Front. Eine Auswertung, die nur sauberes Hochdeutsch verarbeitet, verliert genau die Stimmen, die sonst nie gehört werden.

Diese Grenzen sind kein Argument gegen die Methode, sondern gegen Überversprechen. Eine Analyse, die ehrlich sagt, was sie kann und was nicht, überzeugt länger als eine, die eine exakte Stimmungszahl behauptet, die sie nicht halten kann.

Häufige Fehler aus der Praxis

Drei Muster tauchen immer wieder auf. Erstens die schwache Frage: Eine offene Frage wird als Pflichtfeld angehängt, ohne dass sie zum Erzählen einlädt, und dann wundert man sich über einsilbige Antworten. Das ist der Garbage-in-Fehler, und er entscheidet die Auswertung, bevor sie beginnt. Zweitens die Zusammenfassung ohne Beleg: Ein Ergebnis wird präsentiert, aber die Originalzitate dahinter sind nicht mehr aufrufbar, und damit ist die schönste Verdichtung nicht überprüfbar. Drittens die Stimmungszahl als Wahrheit: Ein Sentiment-Wert wird wie eine Kennzahl behandelt und in eine Management-Summary geschrieben, obwohl er auf kurzen Antworten nur eine grobe Tendenz ist. Wer diese drei vermeidet, hat den grössten Teil richtig gemacht.

Key Takeaways und Fazit

Freitext- und Sentimentanalyse mit KI ist die automatisierte Auswertung offener Antworten: Sie clustert Themen, schätzt die Stimmung ein und macht das Warum hinter den Zahlen sichtbar, sodass aus tausenden Kommentaren eine besprechbare Übersicht wird. Die Analyse selbst ist durch KI weitgehend gelöst, doch sie ist nur so gut wie das, was hereinkommt: Die Fragestellung entscheidet, nicht das Modell, und eine Befragung, die nachfragt, hebt die Antwortqualität, auf die alles Weitere aufbaut. Ehrlich bleibt die Methode, wenn ein System konsolidiert statt interpretiert und die Originalzitate jederzeit zeigt, und wenn die Sentimentzahl als Tendenz gelesen wird, nicht als Beweis. So wird aus dem Freitext, der bisher ungelesen im Anhang lag, der aussagekräftigste Teil der ganzen Befragung.

Verwandte Inhalte

Vertiefen:

• Massnahmen ableiten aus der Mitarbeitendenbefragung
• Anwendungsfall: Mitarbeitendenbefragung
• Kundengeschichten

Freitextanalyse mit Moodtalk

Moodtalk setzt genau an der Hälfte an, die sonst zu kurz kommt: an der Erfassung. Eine kurze, dialogbasierte Befragung fragt bei einer knappen Antwort nach und holt die Substanz, aus der eine Auswertung überhaupt etwas machen kann. Die KI verdichtet die offenen Antworten dann zu Themen und einer Stimmungsübersicht, hält die Originalzitate hinter jeder Zusammenfassung einsehbar und wertet jede Sprache und Mundart aus, damit auch die Stimme von der Front zählt, bei Datenhaltung in der Schweiz. Wenn Sie das Warum hinter Ihren Zahlen sichtbar machen wollen, statt tausende Kommentare von Hand zu lesen, sehen Sie sich Moodtalk an.