Amazon Comprehend

Gewinnen von Einblicken und Erkennen von Beziehungen in Texten

Amazon Comprehend ist ein NLP-Service (Natural Language Processing), der maschinelles Lernen nutzt, um Einsichten und Zusammenhänge im Text zu finden. Es wird keine Erfahrung in Machine Learning benötigt.

Ihre unstrukturierten Daten bergen einen Schatz an ungenutztem Potenzial. Kunden-E-Mails, Support-Tickets, Produktrezensionen, Social Media, selbst Werbetexte, gewähren Einblicke in die Kundenstimmung, die Sie für Ihre geschäftlichen Zwecke nutzen können. Die Frage ist, wie kann man an sie herankommen? Es hat sich gezeigt, dass Machine Learning in einem nahezu unbegrenzten Ausmaß besonders gut für die akkurate Erkennung bestimmter relevanter Elemente in umfangreichen Textschwaden (wie z. B. Firmennamen in analytischen Berichten) geeignet ist und die in der Sprache verborgene Stimmung (negative Rezensionen oder positive Kundeninteraktionen mit Kundendienstmitarbeitern) aufdecken kann.

Amazon Comprehend nutzt maschinelles Lernen, um Einsichten und Zusammenhänge in Ihren unstrukturierten Daten zu finden. Der Service identifiziert die Sprache des Textes, extrahiert Schlüsselwörter, Orte, Personen, Marken oder Ereignisse, erkennt, wie positiv oder negativ ein Text ist, analysiert Text mittels Tokenisierung und Parts of Speech (PoS) und organisiert automatisch die Erfassung von Textdateien geordnet nach Themen. Sie können zudem mit AutoML-Fähigkeiten in Amazon Comprehend einen benutzerdefinierten Satz von Entitäten oder Textklassifizierungsmodellen erstellen, die auf die individuellen Anforderungen Ihrer Organisation ausgerichtet sind.

Um komplexe medizinische Informationen aus unstrukturiertem Text zu extrahieren, können Sie Amazon Comprehend Medical verwenden. Der Service kann medizinische Informationen wie medizinische Zustände, Medikamente, Dosierungen, Stärken und Frequenzen aus einer Vielzahl von Quellen wie Arztbriefen, klinischen Studienberichten und Patientenakten identifizieren. Amazon Comprehend Medical identifiziert auch die Beziehung zwischen den extrahierten Medikamenten und Test-, Behandlungs- und Verfahrensinformationen zur einfacheren Analyse. So identifiziert der Service beispielsweise eine bestimmte Dosierung, Stärke und Häufigkeit, die sich auf ein bestimmtes Medikament bezieht, aus unstrukturierten klinischen Notizen.

Amazon Comprehend ist ein vollständig verwalteter Service. Es müssen also keine Server bereitgestellt oder Machine Learning-Modelle entwickelt, trainiert oder verfügbar gemacht werden. Sie zahlen nur für den tatsächlichen Gebrauch während der Nutzung. Es fallen keine Mindestgebühren oder Vorauszahlungen an.

Einführung in Amazon Comprehend

Nutzen

Erhalten Sie bessere Antworten von Ihren Texten

Organisieren Sie Dokumente nach Themenbereichen

Trainieren Sie Modelle mit Ihren eigenen Daten

Unterstützung für allgemeine und branchenspezifische Texte

Amazon Comprehend kann die Bedeutung und die Beziehungen in Texten von Kundendienst-Ereignissen, Produktprüfungen, Feeds in sozialen Medien, Nachrichtenartikeln, Dokumenten und anderen Quellen erkennen. So können Sie zum Beispiel die Funktion identifizieren, die am häufigsten erwähnt wird, wenn Kunden mit Ihrem Produkt glücklich oder unglücklich sind.

Amazon Comprehend kann eine Sammlung von Dokumenten und anderen Textdateien (z. B. Posts in sozialen Medien) analysieren und automatisch anhand relevanter Begriffe oder Themen anordnen. Sie können diese Themen dann verwenden, um Ihren Kunden personalisierte Inhalte für eine ergiebigere Suche und Navigation zur Verfügung stellen. Wenn Sie beispielsweise über eine umfangreiche Sammlung von Zeitungsartikeln verfügen, können Sie diese nach Thema sortieren, damit Ihre Website den Besuchern neue Artikel basierend auf den Themen vorschlagen kann, die sie zuvor gelesen haben.

Sie können Amazon Comprehend problemlos um die Identifizierung bestimmter Begriffe, wie z. B. Richtliniennummern oder Artikelcodes, erweitern. Zudem können Sie Comprehend auf eine Weise um die Klassifizierung von Dokumenten und Meldungen, wie z. B. Kundensupport-Anfragen nach Anfrage oder Social Media-Beiträge nach Produkt, erweitern, die für Ihr Unternehmen sinnvoll ist. Diese Anpassungen können auch ohne Fachkenntnisse im maschinellen Lernen hinzugefügt werden. Sie stellen einfach Ihre Bezeichnungen mit jeweils einem Satz von Beispielen zur Verfügung, und Comprehend kümmert sich um den Rest.

Basierend auf modernsten Maschine Learning-Modellen kann Amazon Comprehend Erkenntnisse aus unstrukturiertem Text wie Social Media-Posts, E-Mails und Websites entdecken. Amazon Comprehend Medical identifiziert auch medizinische Informationen, wie z. B. Medikamente und medizinische Beschwerden, und bestimmt deren Beziehung zueinander (z. B. Medikamentendosierung und Stärke). Amazon Comprehend Medical extrahiert beispielsweise "methicillinresistente Staphylococcus aureus", oft als "MRSA" eingegeben, und liefert Zusammenhänge, z. B. ob ein Patient positiv oder negativ getestet wurde, um den extrahierten Begriff sinnvoll zu machen.

Funktionsweise

product-page-diagram-AWS-Hera-Launch_How-It-Works@1.5x

Anwendungsfälle


Stimme der Kundenanalysen

Mit Amazon Comprehend können Sie Kundeninteraktionen in Form von Support-E-Mails, Posts in sozialen Medien, Online-Kommentaren, Telefon-Transkriptionen usw. analysieren und ermitteln, welche Faktoren die positivsten bzw. negativsten Erfahrungen verursachten. Diese Einsichten können Sie dann verwenden, um Ihre Produkte und Dienstleistungen zu verbessern.

Beispiel: Callcenter-Analyse

product-page-diagram_Amazon-Comprehend_Voice-Of-Customer

Mit Amazon Comprehend können Sie eine bessere Sucherfahrung ermöglichen, indem Sie Ihre Suchmaschine in die Lage versetzen, Schlüsselsätze, Entitäten und Stimmungen zu indizieren. Auf diese Weise können Sie bei der Suche den Fokus auf die Intention und den Kontext der Artikel anstatt auf grundlegende Schlüsselwörter legen.

Beispiel: Indizieren und Durchsuchen von Produktbewertungen

product-page-diagram_Amazon-Comprehend_Semantic-Search

Wissensmanagement und Erkennung

Sie können Amazon Comprehend verwenden, um Ihre Dokumente zur einfacheren Erkennung nach Themen zu organisieren und zu kategorisieren und dann Inhaltsempfehlungen für Leser personalisieren, indem Sie weitere Artikel zum selben Thema empfehlen.

Beispiel: Personalisieren von Inhalten auf einer Website

product-page-diagram_Amazon-Comprehend_Knowledge-Management-Discovery

Klassifizieren von Support-Tickets für eine bessere Problembehandlung

Verwenden Sie eine benutzerdefinierte Klassifizierung zur automatischen Kategorisierung eingehender Kundensupport-Dokumente, wie Online-Feedback-Formulare, Support-Tickets, Forumsbeiträge und Produktrezensionen, basierend auf deren Inhalt. Mögliche Beispiele sind: Kontoauflösungsanfragen, Abrechnungsprobleme, Adressänderung usw. Extrahieren Sie dann mithilfe benutzerdefinierter Entitäten automatisch relevante Informationen wie Artikelnummern, Stufen der Kundentreue und Produktnamen, um Dokumente schnell an das Team weiterzuleiten, das für die Lösung des Kundenproblems optimal gerüstet ist, und um die allgemeine Kundenzufriedenheit zu verbessern.

Beispiel: Abwicklung von Kundensupport-Tickets

product-page-diagram_Amazon-Comprehend_Customer-Support-Ticket-Handling

Medizinische Kohortenanalyse durchführen

In der Onkologie ist es wichtig, dass schnell die richtigen Auswahlkriterien gefunden werden, um Patienten für klinische Studien zu rekrutieren. Amazon Comprehend Medical versteht und identifiziert komplexe medizinische Informationen, die in unstrukturiertem Text enthalten sind, um die Indizierung und Suche zu erleichtern. Sie können diese Erkenntnisse nutzen, um Patienten für die entsprechende klinische Studie in einem Bruchteil der Zeit und Kosten zu identifizieren, die durch manuelle Auswahlverfahren entstehen.

Beispiel: Rekrutierung für klinische Studien

product-page-diagram-AWS-Hera-Launch_Clinical-Trial-Recruitment@1.5x

Kundenerfolg

600x400_LexisNexis

LexisNexis Legal & Professional ist ein globaler Anbieter von Informations- und Technologielösungen für Angehörige von Rechtsberufen und Geschäftsleuten, der Kunden in mehr als 175 Ländern bedient und über 2 Milliarden durchsuchbare Archive anbietet.

"Wir bieten Juristen aufschlussreiche Recherchen und Analysen, die ihnen helfen, fundierte Entscheidungen zu treffen. Deshalb sind wir immer auf der Suche nach besseren Wegen, um Erkenntnisse aus rechtlichen Dokumenten zu gewinnen. Dank Amazon Comprehend's automatischem maschinellem Lernen (ML) können wir nun genaue benutzerdefinierte Entitätserkennungsmodelle erstellen, ohne in die Komplexität von ML einzusteigen. Die Entitäten, die uns am wichtigsten sind, wie Richter und Anwälte, können aus über 200 Millionen Dokumenten mit einer Genauigkeit von über 92 % schnell ermittelt werden."

Rick McFarland, Chief Data Officer von LexisNexis


Vibes Logo

Die Vibes Mobile Engagement-Plattform ermöglicht es Marketingspezialisten, persönlich mit den heutigen, stark vernetzten mobilen Kunden zu interagieren.

„Durch mobile Benachrichtigungen kommen Marken und Kunden auf direkte, persönliche und authentische Art und Weise miteinander in Kontakt. Bei Vibes verarbeiten wir jeden Monat Milliarden von mobilen Nachrichten und es verbergen sich tiefe Einsichten in der Vielzahl an Nachrichten, die wir verarbeiten. Amazon Comprehend ermöglicht es uns, Schlüsselformulierungen schnell zu extrahieren, Stimmungen zu erkennen und Themen aus unstrukturierten Nachrichteninhalten zu modellieren. Dadurch erhalten Marketingspezialisten einen besseren Einblick in ihre Leistungen und aussagekräftige Erkenntnisse für die Schaffung positiver Kundenerfahrungen."

Brian Garofola, CTO von Vibes


600x400_Finra_Logo

FINRA ist eine gemeinnützige Organisation, die sich dem Anlegerschutz und der Marktintegrität verpflichtet hat. Sie reguliert einen zentralen Bestandteil der Sicherheitsbranche – Maklerfirmen, die mit der Öffentlichkeit in den USA Geschäfte tätigen.

"FINRA erhält Millionen von Dokumenten mit unstrukturierten Daten zur Unterstützung von Ermittlungs-, Prüfungs- und Compliance-Prozessen. Unsere Ermittler und Prüfer mussten die Dokumente Seite für Seite manuell durchgehen oder sehr gezielt suchen, um das zu finden, was sie brauchten. Mit Amazon Comprehend können wir Personen und Unternehmen schnell extrahieren, extrahierte Entitäten mit FINRA-Datensätzen abgleichen, interessante Personen markieren und Ähnlichkeiten mit anderen Dokumenten erkennen."

Dmytro Dolgopolov, Senior Director of Technology – FINRA


600x400_Vidmob_Logo

VidMob ist eine Technologieplattform, die Marketingexperten mit einem globalen Netzwerk aus Cuttern, Animatoren und Motion-Graphic-Designern zusammenbringt.

"Mithilfe von Amazon Comprehend und Amazon Transcribe ist es VidMob möglich, hochwertige Textanalysen für Machine Learning in unsere Agile Creative Suite zu integrieren. Dadurch können wir Markenkunden dabei helfen, die Leistung von Inhalten effizienter als jemals zuvor zu erfassen. Wir können Text aus Videoinhalten transkribieren und mit Comprehend schnell analysieren. Dadurch können wir unserer Entwickler-Community und unseren Kunden aussagekräftige Erkenntnisse zur Verfügung stellen, die ihnen einen strategischen Vorteil auf dem Markt verschaffen."

Alex Collmer, Gründer und CEO – VidMob

Erste Schritte mit AWS

Step 1 - Sign up for an AWS account

Registrieren Sie sich, um ein AWS-Konto zu erstellen

Sie erhalten sofort Zugriff auf das kostenlose AWS-Kontingent.
icon2

Erfahren Sie mehr in unseren 10-Minuten-Tutorials

Entdecken und lernen Sie mit einfachen Tutorials.
icon3

Beginnen Sie die Erstellung mit AWS

Entwickeln Sie mit Hilfe von schrittweisen Anleitungen, die Ihnen helfen, Ihr AWS-Projekt zu starten.

Weitere Informationen über Amazon Comprehend

Seite mit Funktionen besuchen
Bereit zum Entwickeln?
Haben Sie Fragen?
Kontakt