Aydin NasseriGeschäftsführer, Cogitaris GmbH

Kunden schreiben jeden Tag Klartext – in Shop-Bewertungen, Support-Tickets, App‑Store-Kommentaren oder offenen Antworten. Doch bis daraus umsetzbare Maßnahmen werden, vergeht oft zu viel Zeit.

Voices von Cogitaris strukturiert diese freien Texte automatisch in Themen und Teilaspekte, bewertet die Tonalität je Aspekt und zeigt, wo sich CX‑Investitionen wirklich lohnen. Hybrid aufgebaut – KI kombiniert mit Human‑in‑the‑Loop – liefert das System reproduzierbare Qualität statt Blackbox-Zauberei. Die Ergebnisse fließen direkt in Reporti, das interaktive Dashboard von Cogitaris. Eine konzeptionelle Einführung in die Grundlagen bietet unser Artikel zur KI-Textanalyse im B2B-Kontext.

Die drei Kernversprechen von Voices

Bevor wir in die technischen Details einsteigen, lohnt es sich, die drei zentralen Versprechen von Voices klar zu benennen – denn sie definieren, wofür das System steht und was es von bloßem „Dashboard-Schaum“ unterscheidet.

• Vom Text zum Insight in Minuten. Voices strukturiert freie Kundenstimmen automatisch in Themen & Teilaspekte (z. B. Lieferung › Pünktlichkeit), bewertet die Tonalität pro Aspekt und zeigt Prioritäten für CX‑Maßnahmen auf.
• Hybrid statt Hype. State‑of‑the‑Art‑Modelle (Transformer‑Embeddings, überwachte Klassifikation) treffen auf ein kuratiertes Kategoriensystem und Human‑in‑the‑Loop. Ergebnis: reproduzierbare Qualität statt Blackbox.
• Wirkungsnachweis statt Dashboard-Schaum. Voices misst nicht nur Stimmungen, sondern verknüpft Probleme mit Wirkhebeln (z. B. „Lieferzeit“ → Net Promoter Score (NPS)‑Impact) – inkl. Monitoring im Reporti‑Dashboard.

Wie Voices wirklich funktioniert

Hinter dem einfachen Versprechen „Vom Text zum Insight“ steckt ein durchdachter, mehrstufiger Prozess. Jede Phase ist darauf ausgelegt, die Qualität der Ergebnisse zu maximieren und gleichzeitig DSGVO-Konformität zu gewährleisten. Methodisch verwandt ist der Bereich automatisierte Textanalyse, der die Grundlage für skalierbare Verfahren legt.

1) Datenquellen bündeln – DSGVO-konform

Shop‑ und Plattform‑Reviews, Social Listening, Support‑Tickets, offene Umfrageantworten: Voices integriert Daten via API, gesichertem Upload oder SFTP. Optional werden personenbezogene Details (PII) pseudonymisiert. Das EU‑Hosting und das Rollen‑/Rechtemodell stellen sicher, dass Compliance‑Anforderungen von Anfang an erfüllt sind.

2) Textvorbereitung ohne Fachchinesisch

Rohtext ist selten sauber: Schreibfehler, Emojis, Abkürzungen und emotionale Ausrufe erschweren die automatische Analyse. Voices bereinigt, normalisiert und erkennt die Sprache zunächst zuverlässig – damit die KI‑Modelle stabile, vergleichbare Eingaben erhalten. Aus „Lieferung!!!“ wird „Lieferung“; ein Emoji wie 😡 wird als negativer Sentiment-Marker verarbeitet.

Kuratierte Taxonomie statt Blackbox

Das Herzstück von Voices ist kein Algorithmus, sondern ein von Cogitaris kuratiertes Themen‑/Aspekt‑System. Dieses hierarchische Kategoriensystem – basierend auf jahrelanger Marktforschungserfahrung – gibt der KI einen verlässlichen Rahmen vor, innerhalb dessen sie klassifiziert. Vertiefende Einblicke in textbasierte Analyseverfahren bietet unser Beitrag zum Text Mining in der Marktforschung.

Unternehmen können eigene Fachbegriffe und KPIs einbinden. Wer bereits ein bestehendes Kodierungsschema aus manueller Textanalyse nutzt, kann dieses übernehmen, anpassen und in Voices überführen. So entsteht keine Black Box, sondern ein transparentes System, dessen Regeln nachvollziehbar sind und in regelmäßigen Audits überprüft werden können.

Modelle unter der Haube

Die technische Infrastruktur von Voices kombiniert mehrere Methoden, um höchstmögliche Treffgenauigkeit zu erreichen:

• Semantik statt Stichwort: Transformer‑Embeddings bilden Bedeutungen ab, sodass synonyme Formulierungen in derselben Kategorie landen – unabhängig vom genauen Wortlaut.
• Überwachte Klassifikation: Trainingsdaten aus realen Projekten sowie kundenspezifische Beispiele sorgen für treffsichere Zuordnung in die Taxonomie.
• Active Learning & Confidence‑Scores: Unsichere Fälle gehen an Analyst:innen; neue Muster fließen strukturiert in das Modell zurück.
• Zero‑/Few‑Shot für Neues: Aufkommende Themen werden erkannt und kuratiert in die Taxonomie übernommen – ohne vollständiges Neutraining.

Aspect-Based Sentiment: Tonalität je Aspekt

Klassische Sentiment-Analyse bewertet einen gesamten Text als positiv, neutral oder negativ. Voices geht weiter: Die Polarität wird je Aspekt bestimmt – nicht nur pro Gesamtkommentar.

Ein Kommentar wie „Hose sitzt schlecht, aber schnelle Lieferung“ wird nicht pauschal als „gemischt“ eingestuft. Stattdessen erkennt Voices zwei separate Wertungen: Passform: negativ und Lieferzeit: positiv. Diese Granularität ist entscheidend, um gezielt in die richtigen Bereiche zu investieren.

Diese Detailtiefe ermöglicht es, präzise Prioritäten für CX‑Investitionen zu setzen: Nicht „Wir müssen allgemein besser werden“, sondern „Die Passform in Kategorie Damen‑Oberteile erzeugt überproportional viele negative Nennungen und beeinflusst die Retourenquote messbar.“

Qualitätssicherung und Human-in-the-Loop

Ein KI‑System ist nur so gut wie seine Überprüfbarkeit. Voices setzt auf einen strukturierten Qualitätssicherungsprozess, der Transparenz und Verlässlichkeit gewährleistet:

• Messbare Güte: Für jede Kategorie werden Precision und Recall ausgewiesen – das Modell ist kein Geheimnis.
• Regelmäßige Audits: Stichproben werden von menschlichen Expert:innen gegengecheckt; Abweichungen fließen als Korrektursignal zurück.
• Drift-Erkennung: Verändert sich das Sprachverhalten der Kunden über Zeit (z. B. durch ein neues Produkt), erkennt Voices das und schlägt eine Taxonomie‑Anpassung vor.
• Benchmarks gegen menschliche Kodierung: Voices wird regelmäßig gegen manuelle Kodierungen gemessen, um sicherzustellen, dass die Qualität dem menschlichen Standard entspricht oder diesen übertrifft.

Der Human‑in‑the‑Loop‑Ansatz ist dabei kein Zugeständnis an die Grenzen der KI – er ist bewusste Designentscheidung. Analyst:innen bei Cogitaris prüfen Grenzfälle, verfeinern das Kategoriensystem und stellen sicher, dass keine systematischen Fehler unbemerkt bleiben.

Konkrete Vorteile für Anwender

Wo früher Analyseteams tagelang Texte manuell kodierten, liefert Voices Ergebnisse innerhalb von Minuten bis Stunden. Die praktischen Vorteile sind konkret und messbar. Skalierbare Analysen dieser Art werden erst durch moderne Big Data-Infrastrukturen ermöglicht und ergänzen klassische Befragungsmethoden durch Data Science-Ansätze:

• Zeiteinsparung: Von Tagen und Wochen manueller Kodierung auf Minuten und Stunden – bei gleicher oder höherer Qualität.
• Skalierung: Millionen Texte aus diversen Quellen werden ohne Qualitätseinbruch ausgewertet – egal ob 500 oder 500.000 Bewertungen.
• Besser priorisieren: Die Verknüpfung mit NPS, Customer Satisfaction Score (CSAT) und Churn-Raten macht sichtbar, welche Themen den größten Wirkungshebel haben.
• Einheitliche Sprache im Unternehmen: Eine gemeinsame Taxonomie über Teams und Regionen hinweg ermöglicht konsistente Berichte und vergleichbare Ergebnisse.
• Schnelle Proofs: Ein Pilot ist in wenigen Tagen einsatzbereit; der Ausbau erfolgt bedarfsgerecht.
• Auditierbarkeit: Alle Regeln, Samples und Qualitätsmetriken sind dokumentiert und nachvollziehbar – für interne Reviews und Compliance.

Ergebnisse können per API, CSV oder BI‑Connector in bestehende Systeme übertragen werden. Wer das Reporti‑Dashboard nutzt, erhält zusätzlich automatisierte Alerts bei Trendabweichungen und wöchentliche Zusammenfassungen für Stakeholder. Aktuelle Forschung zu Transformer-basierten Sprachmodellen dokumentiert das Stanford NLP Group.

Interview: Johannes Rabenschlag über Voices

Johannes Rabenschlag leitet bei Cogitaris die Abteilung Data Science & Technology und betreut federführend die Weiterentwicklung unserer digitalen Produkte. Voices ist eines seiner zentralen Projekte – von der ersten Konzeptphase bis zum heutigen State‑of‑the‑Art‑System.

Was fasziniert dich an Data Science & Technologie?

„Ursprünglich komme ich aus dem Bereich Politikwissenschaften und habe mich frühzeitig auf die quantitative Analyse und statistische Methoden fokussiert. Bereits in meiner Bachelorarbeit habe ich mich mit der quantitativen Analyse von Texten beschäftigt. Quantitative Sozialwissenschaften sind immer sehr auf Umfragen fokussiert und vernachlässigen oftmals unstrukturierte Texte, da diese methodisch komplexer ausgewertet werden müssen. Ich fand es wahnsinnig spannend, immer besser performende Analysemöglichkeiten für Texte zu finden und zu entwickeln. Voices stellt in dieser Reihe die State‑of‑the‑Art‑Lösung dar.“

Was genau ist Voices?

„Voices ist ein Analysetool, das es ermöglicht, große und umfangreiche Textmengen in eine kategorisierte Struktur zu überführen. Die Zuordnung der Texte in Kategorien, die zuvor durch menschliche Arbeit erledigt wurde, kann durch Voices und der dahinter verborgenen künstlichen Intelligenz automatisiert erfolgen. Voices ist eine Kodierung auf dem Niveau eines durchschnittlichen menschlichen Kodierers und arbeitet konstant fehlerfrei, da es nie müde oder unkonzentriert wird. Das hierarchische und durchdachte Kategoriensystem basiert auf individuellen Erfahrungswerten jahrelanger Marktforschung und ermöglicht es, zielführende Handlungsempfehlungen direkt abzuleiten – ohne über Expertenwissen in diesem Gebiet zu verfügen.“

Welche Technologie steckt hinter Voices?

„Voices basiert auf einem technologischen System, das stetig und flexibel weiterentwickelt werden kann. Im Zuge der Umsetzung haben wir drei wichtige Kriterien fokussiert: Das System und die technische Infrastruktur dürfen uns in der Weiterentwicklung nicht behindern, das System muss flexibel erweiterbar sein sowie an die Bedürfnisse unserer Kunden angepasst werden können. Durch eine Fülle unterschiedlicher Texte konnten wir die künstliche Intelligenz von Voices so anlernen, dass die gesamte Kategorisierung objektiv und sinnhaft funktioniert. Dennoch kann Voices durch weitere Erfahrungswerte und Inputs durchgehend weiter lernen und hat demnach branchenübergreifend eine Menge Potenzial.“

Kann Voices zwischen positiven und negativen Texten unterscheiden?

„Ja, kann es! Wenn der Kunde ein System wünscht, dass auch positive und negative Nennungen innerhalb der einzelnen Kategorien erkennt, bekommen unsere Kunden das auch. Wir können die gesamte Art und Weise der Auswertung individuell an die Kundenbedürfnisse anpassen. Ein besonderes Merkmal in diesem Zusammenhang ist auch die Unterscheidung der Wertung innerhalb eines Textes. Das bedeutet: Bewertet ein Kunde zwar das einzelne Produkt schlecht, empfiehlt im nächsten Satz jedoch die Marke grundsätzlich weiter, erkennt Voices beide Kategorien in einem Text und bewertet das positive und negative Statement zu den einzelnen Positionen.“

Für welche Branchen ist Voices interessant?

„Prinzipiell ist Voices für jede Branche bzw. jedes Unternehmen interessant, das mit schriftlichem Kundenkontakt zu tun hat bzw. große Textmengen auswerten muss. Beispiele sind neben klassischen Rezensionen im eignen Onlineshop auch Bewertungen über Portale oder Artikelbeschreibungen, aber auch offene Inputs in Umfragen und anderen Feedback-Systemen. Mithilfe von Voices können diese Texte aus diversen Quellen dann zum Beispiel in einem Dashboard zusammengefasst werden.“

Welche Schnittstellen werden benötigt?

„Man benötigt nicht zwingend eine besondere Schnittstelle, das kommt auf den Wunsch des Kunden an. Wünscht der Kunde eine vollautomatisierte Lösung mit regelmäßiger automatisierter Datenabfrage, können Daten über eine API‑Schnittstelle aus den Kundensystemen täglich abgefragt werden. Häufig entscheiden sich unsere Kunden auch direkt für die Alternative, die Daten durch unser Befragungssystem zu erheben, wodurch die Daten umgehend weiterverarbeitet werden können. Auch ein Datenexport per E‑Mail oder eine manuelle Datenablage wären generell möglich.“

Kann Voices individuell angepasst werden?

„Absolut! Und zwar vollständig! Wir haben Mitarbeiter:innen, die langjährige Expertise in unterschiedlichen Branchen besitzen. Gerne erarbeiten wir gemeinsam, aufbauend auf individuellen Wünschen, ein Kategoriensystem für Voices. Zudem können wir bereits bestehende Kategoriensysteme, die beispielsweise von menschlichen Kodierern angewendet werden, adaptieren, übernehmen und weiterentwickeln.“

In 10 Tagen zum einsatzfähigen Piloten

Ein häufiges Argument gegen neue Analysetools lautet: „Das dauert ewig, bis es läuft.“ Bei Voices ist das anders. Dank einer erprobten Onboarding‑Methodik lässt sich ein einsatzfähiger Pilot innerhalb von zehn Tagen aufbauen – vom Kick‑off bis zum ersten Go‑Live.

Der Pilot startet in einem definierten Bereich – etwa einer Produktkategorie oder einem Markt – und wird nach dem ersten Review‑Zyklus schrittweise ausgebaut. So können Unternehmen schnell erste Erkenntnisse gewinnen, ohne hohe initiale Investitionen einzugehen.

Der entscheidende Vorteil gegenüber Eigenentwicklungen: Cogitaris bringt nicht nur die Technologie mit, sondern auch jahrelange Expertise aus echten Marktforschungsprojekten in nahezu allen Branchen. Diese Kombination aus Methodik, Taxonomie‑Know‑how und technischer Infrastruktur ermöglicht es, Voices passgenau auf die individuellen Anforderungen jedes Unternehmens zuzuschneiden.