Textanalyse
Named Entity Recognition: Namen, Orte, Firmen erkennen
Named Entity Recognition findet Personen, Orte, Organisationen und Zeitangaben in Texten und ordnet sie Kategorien zu. Das Verfahren bildet die Grundlage für Suche, Auswertung und Wissensdatenbanken.
Zuletzt überarbeitet · Redaktion Text-Technology

Kurzantwort: Named Entity Recognition (NER) ist ein Verfahren der Textanalyse, das Eigennamen wie Personen, Orte, Organisationen oder Datumsangaben in Texten findet und einer Kategorie zuordnet. Aus „Die Bahn eröffnet in Leipzig ein Büro“ macht es markierte Einheiten: Organisation und Ort. Das Ergebnis dient als Grundlage für Suche, Auswertung und Wissensdatenbanken.
Was NER leistet
Ein Text enthält viele Wörter, doch nur einige davon benennen etwas Konkretes in der Welt. Genau diese Einheiten sucht NER. Es arbeitet in zwei Schritten: erst erkennen, wo ein Name beginnt und endet, dann bestimmen, um welche Art von Name es sich handelt.
Die Fachsprache nennt solche Einheiten Entitäten. Typische Klassen sind Person, Ort, Organisation und Zeitangabe. Je nach Projekt kommen weitere hinzu, etwa Produkte, Gesetze, Krankheiten oder Gene.
Ein Beispiel Schritt für Schritt
Nehmen wir den Satz: „Am Montag besuchte die Ministerin das Werk in Dresden.“ Ein NER-System liefert sinngemäß:
- Am Montag – Zeitangabe
- Dresden – Ort
Die Ministerin bleibt ohne Namen, deshalb erscheint sie nicht als Person. Anders wäre es bei einem Satz, der sie benennt. Das zeigt eine Grundregel: NER findet Namen und feste Ausdrücke, nicht jede Erwähnung eines Menschen oder Dings.
Warum Deutsch schwieriger ist als Englisch
Im Englischen verraten Großbuchstaben oft einen Namen. Im Deutschen werden alle Substantive großgeschrieben, daher fällt dieses Signal weg. „Die Bahn“ kann ein Unternehmen sein oder einfach ein Verkehrsmittel. Zusätzlich erschweren zusammengesetzte Wörter, Beugungsformen und Mehrdeutigkeiten die Arbeit.
Typische Stolpersteine sind:
- Doppeldeutige Namen: „Bremen“ ist Stadt, Bundesland oder Fußballverein, je nach Satz.
- Zusammensetzungen: „Berlinreise“ enthält einen Ort, ist aber ein einzelnes Wort.
- Firmennamen mit Alltagswörtern: Wer ein Unternehmen nach einem Gegenstand benennt, verwirrt Erkennungssysteme.
- Verschachtelung: „Universität Heidelberg“ ist eine Organisation, die einen Ort enthält.
Drei Wege zur Erkennung
Es gibt verschiedene Methoden, die sich in Aufwand und Genauigkeit unterscheiden.
| Ansatz | Prinzip | Stärke | Schwäche |
|---|---|---|---|
| Listen und Regeln | Abgleich mit Namenslisten und Mustern | Transparent, schnell eingerichtet | Findet nur Bekanntes, pflegeaufwendig |
| Statistische Modelle | Lernen aus beschrifteten Beispielen | Erkennt auch unbekannte Namen | Braucht viele annotierte Texte |
| Neuronale Modelle und Sprachmodelle | Verstehen den Kontext eines Satzes | Gute Trefferquote, flexibel | Rechenaufwand, schwer nachvollziehbar |
In der Praxis werden die Ansätze kombiniert: Ein Modell liefert Vorschläge, eine Liste mit Firmennamen aus dem eigenen Bestand korrigiert sie.
Woher die Trainingsdaten kommen
Statistische und neuronale Systeme lernen aus Texten, in denen Menschen Namen markiert haben. Diese Beschriftung ist aufwendig, aber der Kern jedes guten Modells. Wie solche Daten sauber entstehen, beschreibt der Ratgeber zur Data Annotation.
Wichtig ist, dass die Trainingstexte zur späteren Anwendung passen. Ein Modell, das Zeitungstexte gelernt hat, schlägt sich bei Chatnachrichten, Verträgen oder Patientenakten oft schlechter. Wer ein Spezialgebiet bearbeitet, sollte mit eigenen Beispielen nachtrainieren oder zumindest prüfen.
Bewertung: Wie gut ist ein NER-System?
Die Güte misst man mit zwei Größen, die auch aus der Suchtechnik bekannt sind. Präzision sagt, wie viele der gefundenen Entitäten richtig sind. Ausbeute (englisch Recall) sagt, wie viele der vorhandenen Entitäten gefunden wurden. Das F-Maß fasst beide in einer Zahl zusammen.
Für Ihre Anwendung zählt, welche Fehlerart schwerer wiegt. Bei einer Suchfunktion stört ein falscher Treffer wenig, ein fehlender kann wichtig sein. Bei einer automatischen Anonymisierung ist es umgekehrt riskant, einen Namen zu übersehen. Prüfen Sie daher stets an einer eigenen Stichprobe, statt sich auf Werte aus Veröffentlichungen zu verlassen.
Wofür NER im Alltag eingesetzt wird
- Suche: Dokumente lassen sich nach Personen, Orten oder Firmen filtern.
- Nachrichtenbeobachtung: Meldungen werden nach genannten Unternehmen oder Ländern sortiert.
- Anonymisierung: Namen in Gerichtsurteilen oder Akten werden automatisch geschwärzt.
- Wissensdatenbanken: Erkannte Namen werden mit Datenbankeinträgen verknüpft.
- Digitale Geisteswissenschaften: In historischen Quellen werden Personen und Orte erfasst, wie im Beitrag zu Digital Humanities beschrieben.
- Kundenservice: Aus Anfragen werden Bestellnummern, Produkte und Adressen gezogen.
Von der Erkennung zur Verknüpfung
NER markiert nur, was im Text steht. Der nächste Schritt heißt Entity Linking: Man ordnet den gefundenen Namen einen eindeutigen Eintrag in einer Datenbank zu. So wird aus „Frankfurt“ entweder die Stadt am Main oder die an der Oder. Erst diese Verknüpfung macht Auswertungen über viele Dokumente hinweg verlässlich.
Eng verwandt sind weitere Aufgaben der Textanalyse, etwa die Bestimmung von Wortarten wie im Beitrag zum Part-of-Speech-Tagging. NER baut häufig auf solchen Vorstufen auf. Einen Überblick über das Feld gibt der Artikel Text Mining: Methoden und Werkzeuge.
Werkzeuge für den Einstieg
Für die ersten Versuche genügen bekannte Programmbibliotheken, die fertige Modelle für Deutsch mitbringen. Sie lassen sich lokal ausführen, sodass vertrauliche Texte den eigenen Rechner nicht verlassen. Alternativ können Sie ein Sprachmodell per Anweisung bitten, Namen aus einem Text zu ziehen. Das funktioniert für kleine Mengen gut, ist aber bei großen Beständen teurer und weniger gleichmäßig als ein spezialisiertes Modell.
Eine Auswahl geeigneter Bibliotheken führt das Verzeichnis der Werkzeuge, aufgeteilt nach Kategorien. Wer die Grundlagen des Fachgebiets nachlesen will, findet sie im Beitrag NLP: Natural Language Processing.
Praktische Tipps für eigene Projekte
- Legen Sie fest, welche Entitätsklassen Sie wirklich brauchen. Weniger Klassen bedeuten stabilere Ergebnisse.
- Testen Sie zuerst ein fertiges Modell an etwa einer Handvoll typischer Dokumente aus Ihrem Bestand.
- Sammeln Sie die Fehler und prüfen Sie, ob Regeln oder Listen sie beheben.
- Trainieren Sie erst nach, wenn die Fehler systematisch bleiben.
- Behalten Sie einen festen Testdatensatz, den das Modell nie im Training sieht.
- Prüfen Sie Datenschutz, bevor personenbezogene Texte an einen externen Dienst gehen.
Entity Linking im Detail
Das Verknüpfen funktioniert meist über Kontext und Vorwissen. Das System vergleicht die Umgebung der Erwähnung mit Beschreibungen der möglichen Kandidaten und wählt den passendsten. Steht im Satz „Fluss“ oder „Brandenburg“, fällt die Wahl auf Frankfurt an der Oder. Fehlt ein solcher Hinweis, bleibt die Zuordnung unsicher, und gute Systeme geben dann einen Vertrauenswert aus, anhand dessen Sie unsichere Fälle von Hand prüfen können.
Typische Fehlerquellen im Betrieb
Auch ein gutes Modell macht in der Praxis Fehler, die man kennen sollte. Besonders häufig sind falsche Grenzen: Das System markiert nur den Vornamen statt des vollständigen Namens, oder es schließt einen Titel ein, den Sie nicht haben wollten. Ebenso verbreitet sind Verwechslungen der Klasse, etwa wenn ein Firmenname als Ort eingestuft wird, weil er einen Städtenamen enthält.
Hinzu kommen Schwankungen bei Schreibvarianten. „Deutsche Bahn“, „DB“ und „die Bahn“ meinen dieselbe Organisation, werden aber als drei verschiedene Einträge gezählt, wenn man sie nicht zusammenführt. Eine Normalisierung nach der Erkennung gleicht das aus. Hilfreich ist dafür eine Liste mit Alternativbezeichnungen.
Vom Rohtext zur Auswertung: eine typische Kette
NER steht selten allein. In einer üblichen Verarbeitungskette wird der Text zuerst bereinigt und in Sätze und Wörter zerlegt. Danach folgen die Bestimmung von Grundformen, die Erkennung der Entitäten und schließlich die Verknüpfung oder Zählung. Wie Wörter auf ihre Grundform gebracht werden, erläutert das Lexikon unter dem Stichwort Lemmatisierung.
Ein praktisches Beispiel ist die Auswertung von Pressemitteilungen. Aus vielen Dokumenten entsteht eine Tabelle, die zeigt, welche Organisationen an welchen Orten genannt werden. Wo ein Name auffällig oft zusammen mit einem anderen auftaucht, lohnt ein genauerer Blick in die Originaltexte.
Grenzen und Verantwortung
NER ist ein Werkzeug zur Unterstützung, kein Ersatz für Prüfung. Gerade bei der Anonymisierung von Dokumenten gilt: Ein einziger übersehener Name kann Menschen identifizierbar machen. Planen Sie daher eine Stichprobenkontrolle durch Personen ein und dokumentieren Sie, wie hoch die Fehlerquote in Ihren eigenen Tests war.
Auch bei der Auswertung gilt Vorsicht. Eine Häufung von Erwähnungen sagt nur etwas darüber, worüber geschrieben wird, nicht über Bedeutung oder Wahrheit. Wer Ergebnisse veröffentlicht, sollte angeben, welches Modell, welche Version und welche Entitätsklassen verwendet wurden.
Mehrsprachige und historische Texte
Wer Texte in mehreren Sprachen verarbeitet, braucht entweder je ein Modell pro Sprache oder ein mehrsprachiges Modell. Letzteres ist bequem, liefert für kleinere Sprachen aber oft schwächere Ergebnisse. Bei historischen Quellen kommen veraltete Schreibweisen, wechselnde Ortsnamen und Abkürzungen hinzu. Hier sind angepasste Wörterbücher und eigene Trainingsbeispiele meist unerlässlich.
Stammt der Text aus einem Scan, entstehen zusätzliche Fehler schon vor der Namenserkennung, weil die Schrifterkennung Buchstaben vertauscht. Das gilt für jede Texterkennung aus Scans. Prüfen Sie deshalb zuerst die Textqualität, bevor Sie dem NER-Modell die Schuld geben.
Fragen und Antworten
Was bedeutet Named Entity Recognition?
Es ist die automatische Erkennung von Eigennamen wie Personen, Orten, Organisationen und Datumsangaben in Texten samt Zuordnung zu einer Kategorie.
Warum ist NER auf Deutsch schwieriger als auf Englisch?
Im Deutschen sind alle Substantive großgeschrieben, daher verrät die Großschreibung keinen Namen. Dazu kommen zusammengesetzte Wörter, Beugung und doppeldeutige Namen.
Wie misst man die Qualität eines NER-Systems?
Mit Präzision (wie viele Funde stimmen), Ausbeute (wie viele vorhandene Namen gefunden werden) und dem F-Maß als Zusammenfassung. Prüfen Sie immer an einer eigenen Stichprobe.
Kann ich NER mit einem Sprachmodell statt eines Spezialmodells machen?
Ja, für kleine Mengen funktioniert eine Anweisung an ein Sprachmodell gut. Bei großen Beständen sind spezialisierte Modelle meist günstiger und gleichmäßiger.