Was ist Opinion Mining?
„Das Zimmer war toll, aber das Personal unfreundlich.“ Ist das jetzt eine gute oder eine schlechte Bewertung? Eine einfache Sentiment-Analyse sagt vielleicht: negativ. Damit weißt du als Hotelier nichts. Opinion Mining sagt dir: Zimmer gut, Personal schlecht.
Opinion Mining zerlegt Meinungen in ihre Bausteine. Der Informatiker Bing Liu, einer der wichtigsten Forscher auf dem Gebiet, beschreibt jede Meinung mit fünf Teilen:
- Gegenstand: worüber geurteilt wird — Produkt, Marke, Laden
- Aspekt: welcher Teil davon — Preis, Service, Lieferzeit, Akku
- Stimmung: positiv, negativ oder neutral
- Meinungshalter: wer das sagt
- Zeitpunkt: wann es gesagt wurde
Aus unsortierten Kommentaren wird so eine Tabelle, mit der du arbeiten kannst. Der Fachbegriff dafür ist aspektbasierte Sentiment-Analyse.
Wie funktioniert Opinion Mining?
Die Software sucht in einem Text die Ziele einer Meinung (meist Nomen wie „Zimmer“ oder „Lieferung“) und die Bewertungen dazu (meist Adjektive wie „toll“ oder „langsam“). Dann ordnet sie beides einander zu. Gute Systeme verstehen auch Bezüge über Pronomen: In „Die Tacos? Die waren köstlich.“ gehört „köstlich“ zu den Tacos.
Früher waren dafür Wortlisten und eigene Modelle nötig. Heute erledigen das fertige Schnittstellen der großen Cloud-Anbieter oder ein Large Language Model mit einem guten Prompt. Ein feinjustiertes GPT-3.5 erreichte 2023 auf einem englischen Test-Datensatz mit Restaurant- und Laptop-Bewertungen einen F1-Wert von 83,8 — ein Laborwert, keine Garantie für deine Kommentare.
Beispiele aus der Praxis
Forschung · Deutsche Bahn
GermEval 2017: Bahn-Kommentare nach Aspekten
26 %
negative Texte
8 %
zur Zugfahrt selbst
Rund 26.000 Texte aus Web und Social Media, 19 Aspekte von Ticketkauf bis Sicherheit
69 % der Meinungen landeten in „Allgemein“. Ohne gute Aspekt-Liste bleibt der Großteil unspezifisch. Die Daten sind von 2015/16, ein Methodenbeispiel.
Plattform · Google
Unternehmensthemen im Google-Profil
gratis
für jedes Profil
0
Einfluss für Inhaber
Google bildet aus Rezensionen Themen und zeigt dazu die vorherrschende Stimmung
Opinion Mining direkt in Google Maps — aber nur bei genügend Rezensionen, und anfordern oder ändern kannst du die Themen nicht.
Warum das zählt: In einer Umfrage von BrightLocal unter 1.002 US-Verbrauchern (2026) achten 56 % darauf, ob die Stimmung über viele Bewertungen hinweg einheitlich ist. Und 50 % stören sich an Standardantworten. Wer weiß, worüber genau geklagt wird, kann konkret antworten.
Häufige Fehler
Fehler 1 · Sich mit der Gesamtstimmung zufriedengeben
„68 % positiv“ klingt nach Ergebnis, ist aber keins. Erst die Aspekte sagen dir, wo du ansetzen musst: am Preis, am Versand oder an der Hotline.
Fehler 2 · Ironie und Fachsprache unterschätzen
Microsoft schreibt selbst, dass sein Modell Sarkasmus übersehen kann: „Das war ja großartig“ kann beides heißen. Und ein Modell, das auf Hotelbewertungen trainiert ist, stolpert über Maschinenbau-Jargon. Lies regelmäßig Stichproben von Hand.
Fehler 3 · Ohne Relevanzfilter loslegen
Wer nach „Bahn“ sucht, findet auch Autobahn und Umlaufbahn. Im GermEval-Datensatz waren rund 17 % der Texte für die Deutsche Bahn gar nicht relevant. Erst filtern, dann auswerten.
Fehler 4 · Einzelmeinungen überbewerten
Ein wütender Kommentar ist ein Signal, keine Statistik. Opinion Mining lohnt sich ab einer Menge, bei der Anteile etwas aussagen. Und: Social-Media-Kommentare stammen von Personen. Werte sie zusammengefasst aus, nicht als Akte über einzelne Nutzer.
So fängst du an
- Kostenlos: Im Google-Unternehmensprofil nachsehen, welche Themen Google aus deinen Rezensionen bildet.
- Mit Bordmitteln: Bewertungen exportieren und von einem Sprachmodell nach festen Aspekten sortieren lassen, etwa Preis, Qualität, Service, Lieferung.
- Per Schnittstelle: Microsoft Azure Language hat Opinion Mining auch auf Deutsch eingebaut (Microsoft kündigt es zum 31.03.2029 ab), Amazon Comprehend bietet „Targeted Sentiment“ nur auf Englisch.
- Als Komplettpaket: Social-Listening-Tools wie Brandwatch, Talkwalker oder Sprinklr und Bewertungs-Tools wie ReviewTrackers oder Birdeye.
Häufige Fragen
Was ist der Unterschied zwischen Opinion Mining und Sentiment-Analyse?
Sentiment-Analyse sagt, wie die Stimmung ist. Opinion Mining sagt zusätzlich, worüber und von wem. In der Forschung werden beide Begriffe oft gleichbedeutend benutzt, in der Praxis steht Opinion Mining für die feinere Auswertung nach Aspekten.
Was ist ein Aspekt?
Ein Teil oder eine Eigenschaft dessen, was bewertet wird: beim Hotel Zimmer, Frühstück und Personal, beim Handy Akku, Kamera und Preis. Die aspektbasierte Analyse ordnet jeder Meinung einen dieser Aspekte zu.
Lohnt sich Opinion Mining für kleine Unternehmen?
Ja, sobald du regelmäßig Bewertungen oder Kommentare bekommst. Für den Anfang reichen die Themen im Google-Unternehmensprofil oder ein Sprachmodell, dem du deine exportierten Bewertungen gibst. Teure Tools brauchst du erst bei großen Mengen.
Funktioniert Opinion Mining auf Deutsch?
Ja. Microsoft Azure unterstützt Deutsch, und moderne Sprachmodelle können deutsche Texte nach Aspekten auswerten. Für die Forschung gibt es mit GermEval 2017 sogar einen deutschen Test-Datensatz zu Kommentaren über die Deutsche Bahn.
Wie zuverlässig ist Opinion Mining?
Bei klaren Produktbewertungen ziemlich gut, bei Ironie, Mischaussagen und Fachjargon deutlich schlechter. Eine allgemeingültige Trefferquote gibt es nicht. Prüf Ergebnisse stichprobenartig, bevor du Entscheidungen daraus ableitest.
