Was ist Text Mining?
Wann hast du zuletzt 5.000 Kundenbewertungen gelesen? Eben. Text Mining macht das für dich. IBM beschreibt es so: Unstrukturierter Text wird in ein strukturiertes Format umgewandelt, um Muster und neue Erkenntnisse zu finden.
Aus Freitext wird also eine Tabelle. Statt „Lieferung kam zu spät, aber der Support war super“ steht dann: Thema Lieferung negativ, Thema Support positiv. Das lässt sich zählen, vergleichen und über die Zeit verfolgen.
Der Weg dorthin hat meist diese Schritte:
- Sammeln: Texte aus Exporten, Umfragen oder Support-Systemen zusammenziehen.
- Aufbereiten: Dubletten, Signaturen und persönliche Daten entfernen.
- Analysieren: Themen, Stimmungen und Namen erkennen, etwa per Sentiment-Analyse oder Topic Modeling, das Texte nach ähnlichen Wörtern gruppiert.
- Auswerten: Ergebnisse lesen, Stichproben prüfen, Maßnahmen ableiten.
Wofür du Text Mining im Marketing nutzt
Quelle
Das findest du
Bewertungen
Stärken, Schwächen, Wünsche
Support-Tickets
Häufige Probleme
Umfragen
Offene Antworten geordnet
Wettbewerb
Was deren Kunden stört
Social Media
Themen und Stimmung
Das ist längst Alltag. Laut Statistischem Bundesamt nutzten 2025 in Deutschland 26 % der Unternehmen ab zehn Beschäftigten KI. Von diesen setzten 52 % Text Mining ein. Rechnerisch sind das rund 13,5 % aller Unternehmen dieser Größe (eigene Rechnung).
Studie · Mundpflege
Kundenbedürfnisse aus Amazon-Bewertungen
91
Bedürfnisse aus Bewertungen
86
aus Tiefeninterviews
Die Bewertungen deckten 97 % der 94 bekannten Bedürfnisse ab.
Timoshenko und Hauser, Marketing Science 2019. Maschinelles Lernen filterte vor, die Einordnung machten Menschen. US-Daten, eine Produktkategorie.
Für dich heißt das: Vor der nächsten teuren Befragung lohnt der Blick in die Texte, die du längst hast.
Was ist erlaubt?
Teile die Frage in zwei Fälle auf:
Eigene Daten wie Tickets oder Umfragen sind urheberrechtlich meist unkritisch. Sie enthalten aber oft Namen, E-Mail-Adressen und mehr. Dann gilt die DSGVO, also vorher pseudonymisieren oder anonymisieren und prüfen, wohin die Daten gehen.
Fremde Daten fallen unter § 44b UrhG. Text und Data Mining ist erlaubt, wenn das Werk rechtmäßig zugänglich ist und der Rechteinhaber sich die Nutzung nicht vorbehalten hat. Bei Online-Inhalten muss der Vorbehalt maschinenlesbar sein. Kopien löschst du, wenn du sie nicht mehr brauchst. Viele Plattformen untersagen Scraping, das automatische Einsammeln, zusätzlich in ihren Nutzungsbedingungen.
Was „maschinenlesbar“ genau heißt, ist offen. Das OLG Hamburg hielt im Fall Kneschke gegen LAION (10.12.2025, Az. 5 U 104/24) einen Vorbehalt in natürlicher Sprache für einen Download aus dem Jahr 2021 nicht für ausreichend. Der Bundesgerichtshof will am 17.12.2026 verkünden (Az. I ZR 281/25). Gängige Wege für deine eigene Website sind robots.txt und das TDM Reservation Protocol, gerichtlich als ausreichend bestätigt ist bisher keiner.
Häufige Fehler
Fehler 1 · Häufig mit wichtig verwechseln
Die Mundpflege-Studie zeigt es: Wer nur oft genannte Bedürfnisse betrachtet, verpasst 72 % der verborgenen Chancen. Die spannende Produktidee steckt manchmal in einem einzigen Satz.
Fehler 2 · Durchschnitte blind glauben
Googles Natural Language API warnt selbst: Ein Stimmungswert nahe null kann neutral heißen, aber auch gemischt. Ein Durchschnitt verdeckt also, dass die Hälfte dich liebt und die andere Hälfte nicht.
Fehler 3 · „Öffentlich“ für „frei nutzbar“ halten
Dass eine Bewertung im Netz steht, heißt nicht, dass du sie massenhaft abziehen darfst. Prüf Nutzungsbedingungen und Nutzungsvorbehalte, bevor du loslegst.
Fehler 4 · Datenschutz vergessen
§ 44b regelt nur das Urheberrecht. Für Support-Tickets mit Kundennamen gilt die DSGVO daneben. Kläre das, bevor du Exporte in ein externes Tool lädst.
Womit du anfangen kannst
Für den Einstieg brauchst du keine Data-Science-Abteilung:
- Sprachmodelle: Für ein paar hundert Texte reichen Claude oder ChatGPT, wenn die Daten vorher bereinigt sind.
- Cloud-Dienste: Google Cloud Natural Language und Amazon Comprehend erkennen Stimmung und Entitäten per Schnittstelle.
- Open Source: spaCy mit deutschen Modellen, wenn jemand programmieren kann.
Häufige Fragen
Was ist der Unterschied zwischen Text Mining und Data Mining?
Data Mining sucht Muster in großen Datenmengen, Text Mining ist laut IBM ein Teilgebiet davon und auf Text spezialisiert. Der Text wird dafür erst in eine auswertbare Form gebracht. Natural Language Processing liefert die Werkzeuge dazu.
Darf ich Texte von fremden Websites auswerten?
Reicht ein Satz im Impressum als Opt-out?
Darauf solltest du dich nicht verlassen. Das OLG Hamburg hielt so einen Vorbehalt für 2021 nicht für ausreichend, der Bundesgerichtshof entscheidet voraussichtlich im Dezember 2026. Ergänze deshalb maschinenlesbare Signale wie robots.txt oder das TDM Reservation Protocol.
Geht Text Mining ohne Programmierkenntnisse?
Ja. Für kleinere Mengen genügt ein Sprachmodell mit gutem Prompt. Achte darauf, keine personenbezogenen Daten hochzuladen, und prüfe Stichproben. Für große Mengen und wiederkehrende Auswertungen lohnt sich eine feste Lösung.
Darf ich meine Kundenbewertungen auswerten?
Eigene Bewertungen und Tickets auszuwerten, ist meist unkritisch, wenn du den Datenschutz einhältst. Entferne Namen und Kontaktdaten, bevor du Texte in externe Tools gibst, und prüfe den Auftragsverarbeitungsvertrag.
Quellen
- IBM: What is text mining?
- § 44b UrhG: Text und Data Mining
- Statistisches Bundesamt: KI in Unternehmen
- Timoshenko und Hauser: Identifying Customer Needs from User-Generated Content (2019)
- Google Cloud: Natural Language Basics
- Bundesgerichtshof: Termin I ZR 281/25
- W3C Community Group: TDM Reservation Protocol
