Text Generator: GPT3 oder Data to Text

Textautomatisierung mit GPT-3 und Data-to-Text – Was ist die richtige Lösung für dein Unternehmen?

Du willst Texte generieren oder wissen, wie Textgeneratoren funktionieren? Dann bist du hier genau richtig! Wir erklären dir, wie Data-to-Text- und GPT-3 Text Generatoren Texte automatisch erstellen, wie sie funktionieren und in welchen Bereichen sie Anwendung finden.

Was sind GPT-3 und Data-to-Text und wie unterscheiden sie sich?

Data-to-Text: Was ist das und wie funktioniert es?

Data-to-Text bezeichnet die automatisierte Produktion natürlichsprachiger Texte auf Basis von strukturierten Daten. Strukturierte Daten sind Eigenschaften, die zum Beispiel in tabellarischer Form vorliegen. Beispiele für strukturierte Daten sind unter anderem Produkteigenschaften aus einem PIM-System oder Spieldaten zu einem Fußballspiel – sie enthalten also Informationen, die sich in Texten nutzen lassen.

Somit hat der Anwender Kontrolle über das Textergebnis, kann jederzeit in die Texterstellung eingreifen und Updates oder Anpassungen vornehmen. Dadurch sind Text-Konsistenz, Sinnhaftigkeit und Qualität gegeben. Die Texte sind zudem personalisierbar und skalierbar. Das heißt, dass Tools auf Basis strukturierter Daten zum Beispiel Hunderte Texte zu Produkten mit variablen Details in wenigen Augenblicken erstellen.

Darüber hinaus ist die Texterstellung in mehreren Sprachen möglich. So kannst du denselben Content in Englisch UND Deutsch UND Italienisch UND vielen weiteren Sprachen generieren.

GPT-3: Was ist das und wie funktioniert es?

Das GPT in GPT-3 steht für „Generative Pre-trained Transformer“. Es handelt sich um ein Sprachmodell, das aus bestehenden Texten lernt und verschiedene Möglichkeiten zur Beendigung eines Satzes anbieten kann. Es wurde mit Hunderten von Milliarden von Wörtern trainiert, die einen bedeutenden Teil des Internets repräsentieren – einschließlich des gesamten Korpus der englischen Wikipedia, unzähliger Bücher und einer schwindelerregenden Anzahl von Webseiten.

Im Unterschied zu Data-to-Text lassen sich mit GPT-3 nur einzelne Texte erzeugen, auch wenn dies schnell möglich ist und so eine große Textmenge produziert werden kann. Dabei hat der Anwender allerdings keine Kontrolle über den erzeugten Inhalt.

Multilingualität ist bisher mit GTP-3 nicht in dem Umfang möglich, wie mit Data-to-Text. Hier erstellst du nur Texte in Englisch ODER Deutsch ODER Italienisch.

Wie unterscheiden sich die beiden Technologien? Ein Vergleich:

Unterscheidungsmerkmal

Data-to-Text

GPT-3

Einordnung

maschinelle automatisierte Produktion natürlichsprachiger Texte

Sprachproduktionssystem, Neuronale Netzwerke (“Sprachvorhersage-Modell”)

Anwendung

Für Erstellung großer Textmengen auf Basis strukturierter Datensätzen mit variablen Details

Zur Erstellung eines Grundtextes, kann Schreibprozess vereinfachen

Basiert auf

Basierend auf strukturierten Daten

Basierend auf Deep Learning

Texterstellungsprozess skalierbar?

Ja

Nein

Funktionsweise

deterministisch, auf Regeln und Logiken basierend

probabilistischer Ansatz, auf sehr großen Textmengen trainiert

Menschlicher Input

braucht Setup aus Daten und Regel Regeln, danach selbstständiges Arbeiten

generiert Texte, diese müssen allerdings auf Qualität geprüft werden 

Textgenerierung durch

Generiert Texte durch Analyse strukturierter Daten

Generiert Texte nach den aus Texten erkannten Mustern 

Sprachen

multilingual, in vielen verschiedenen Sprachen gleichzeitig möglich

immer nur eine Sprache

Personalisierte Texte möglich?

Ja

Nein

Verwendung für

Nachrichten, Reports, Produktbeschreibungen (für die es strukturierte Daten gibt)

Jede Art von Text 

(für die es ausreichende Trainingsdaten gibt)

 

Welche KI-Technologie zur Textgenerierung ist die richtige für welchen Anwendungsfall?

Wann welche Technologie vorzuziehen ist, hängt von dem vorliegenden Anwendungsfall ab. Während sich GPT-3 dafür eignet, Inspiration, oder ein Grundgerüst für einen Fließtext zu gewinnen, zum Beispiel einen Blogbeitrag, findet Data-to-Text-Software durch die Skalierbarkeit Anwendung in Unternehmen, die eine größere Menge an Texten benötigen.

Anwendungsfälle für Data-to-Text

Data-to-Text findet Anwendung in Branchen wie zum Beispiel Banken und Unternehmen aus dem Finanzsektor, dem Pharmasektor, in Medien und Verlagswesen sowie Firmen im großen Umfeld des E-Commerce.

Für E-Commerce-Unternehmen ist Data-to-Text rentabel, weil sie zum Beispiel für viele Produkte mit ähnlichen Details hochwertige Beschreibungen erstellen können – in verschiedenen Sprachen und in gleichbleibender Qualität. Das kann Zeit und Geld sparen, die SEO-Sichtbarkeit erhöhen und die Konversionsraten auf den Produktseiten steigern.

Große Textmengen manuell zu schreiben, wie etwa tausende Produktbeschreibungen für einen Online-Shop, ist nahezu unmöglich. Vor allem dann nicht, wenn diese Texte regelmäßig überarbeitet werden müssen, um sie auf dem neuesten Stand zu halten. Zum Beispiel durch saisonale Einflüsse.

Data-to-Text-Software eignet sich für diesen Anwendungsfall sehr gut. Denn sobald das Projekt eingerichtet ist, reicht es aus, die Daten zu aktualisieren. Dann wird der vorhandene Text sofort mit einem Klick aktualisiert, oder gleich neue und unique Texte generiert. Durch diese Entlastung können Texter und Redakteure mehr Zeit für kreative Tätigkeiten und konzeptionelle Arbeiten aufwenden.

Für Pharma- und Finanzunternehmen zum Beispiel ist die Software interessant, weil Texte aus Daten oder Statistiken erstellt und automatisiert werden können.

Anwendungsfälle für GPT-3

GPT-3-Tools können vor allem bei der Ideenfindung und als Inspirationsquelle hilfreich sein. Wie wertig ein Text ist und wie stark er bearbeitet werden muss, hängt meist von dem Thema ab. Je spezifischer das Thema, desto ungenauer und sinnentleerter scheint der Inhalt, wie Anwender in diesem Reddit-Thread berichten.

Das liegt daran, dass GPT-3 kein Bewusstsein und keine Allgemeinbildung besitzt. Die Technologie kann nur vorhandenes Wissen aus Datenquellen ziehen und diese in einem Text wiedergeben. Es kann die Aussagen weder bewerten noch filtern. Dadurch kann es sein, dass der Inhalt keinen Sinn ergibt oder sogar Schimpfwörter enthält und ethisch fragwürdige Aussagen liefert.

Dennoch kann sich der Einsatz von GPT-3 durchaus lohnen. Für ein Grundgerüst des Textes zum Beispiel und wenn der Anwender mit einer Schreibblockade kämpft und sich Inspiration durch den Text holt.

Auch, wenn auf Basis eines geringen Inputs automatisch ein umfassender Text generiert werden soll, kann der Einsatz von GPT-3 durchaus sinnvoll sein. Oder in Situationen, in denen es nicht effizient oder sinnvoll ist, den Menschen die Textausgabe erstellen zu lassen. Ein Beispiel hierfür ist das Beantworten von wiederkehrenden Kundenanfragen durch einen Chatbot.

Wie funktionieren GPT-3 und Data-to-Text?

Data-to-Text

Data-to-text blog

1. Der Anwender speist seine strukturierten Daten in die data-to-Text-Software ein, z. B. in Form von Excel-Tabellen. Diese Daten bilden die Basis für den Text.

2. Der Anwender definiert Regeln und Aussagen, die den Ton und den Stil der späteren Texte bestimmen. Somit behält der Anwender immer die Kontrolle über Struktur, Grammatik und Wortwahl der Texte.

3. Die Software erstellt auf Basis der Daten und Regeln skalierbare Texte 

Das sieht dann zum Beispiel so aus:

Beispiel data to text blogartikel

Dieses 90-Sekunden-Video (englischsprachig) erklärt, wie die Textgenerierung mit der Data-to-Text-Technologie funktioniert.

GPT-3

Im folgenden Beispiel wurde einer GPT-3-Software der erste Satz vorgegeben. Den Rest hat die Software generiert. Gewünscht war ein Text über mögliche Aktivitäten an heißen Tagen. Die Aussage des Textes weicht deutlich von der ursprünglichen Aussage ab:

Beispieltext GTP 3 Tool
Beispiel eines kurzen Textes, der mit einem GPT-3-Tool generiert wurde.

GPT-3 kann einen eingegebenen Text sowohl umschreiben, als auch weiterschreiben, wie in dem vorliegenden Beispiel. Das Modell hat die Eingabe analysiert und anhand eines Textprädikators vorhergesagt, wie sich der Text am wahrscheinlichsten fortsetzen könnte.

Aus dem heißen Sommertag wird somit ein Tag, an dem alle um 5 Uhr aufstehen müssen und schließlich Wolken und Regen aufziehen. Schnell wird klar, die gewünschten Sätze über mögliche Aktivitäten an einem heißen Tag sind so nicht zu generieren. Somit liegt auf der Hand, der entstandene Text kann hier nur als Grundlage für Inspiration dienen.

Vor- und Nachteile von GPT-3 und Data-to-Text

Natürlich haben beide Technologien ihre Stärken und Schwächen. Beide generieren Texte automatisch, sind aber, wie bereits erörtert, jeweils für unterschiedliche Anwendungsfälle geeignet.

Data-to-Text beruht auf strukturierten Daten in maschinenlesbarer Form. Somit bleiben das Erzählen von Geschichten sowie das Schreiben von Blogposts oder Social-Media-Beiträgen dem Menschen vorbehalten. Für eine Grundlage für die Texterstellung ist hier GPT-3 eine sinnvolle Alternative. Denn diese lassen sich nicht sinnvoll mit Hilfe einer Data-to-Text Software generieren.

Während Data-to-Text sich durch die Eingabe von Daten an der Anwender-Wirklichkeit orientiert, handelt es sich bei GPT-3 um eine neuronale Netzwerklösung, die Sprache aus Texten generiert und keinen direkten Bezug zur realen Welt hat. Das bedeutet, dass die Texte unbedingt im Nachgang bearbeitet werden müssen, um eine gewisse Qualität, insbesondere aber eine Sinnhaftigkeit der Texte zu gewährleisten.

Vorteile & Nachteile von Data to text & GPT 3

Abschließende Worte zu Textqualität und Skalierbarkeit

Kann GPT-3 Texte schreiben? Die Antwort lautet “Ja”, allerdings gibt es ein großes “Aber”!

Zwar werden die verwendeten Wörter fehlerfrei erzeugt und die Grammatikregeln richtig angewendet. Doch viel zu oft geht die Sinnhaftigkeit der Aussagen verloren, wie unsere Textbeispiele gezeigt haben. Das heißt, GPT-3 kann zwar Texte erzeugen, das Ergebnis ist aber unter Umständen von so minderer Qualität, dass durch die Überarbeitung des Textes am Ende kaum Zeit gespart wird. Und der Anwender kann dem GPT-3-Programm kein Wissen zuführen, zum Beispiel in Form von Daten, um es besser zu machen. Dies ist aber zum Beispiel eine entscheidende Anforderung für einen Einsatz in Unternehmen. Hier eignet sich Data-to-Text, da es mit firmenspezifischen Daten gefüttert wird und Texte auf deren Basis erzeugt. Das Modell ist allerdings stark von der Datenqualität abhängig und zeitintensiver, da zunächst ein initiales Projekt aufgesetzt werden muss.

AX_Website_Home_Header

Ist Textautomatisierung das Richtige für dein Unternehmen?

Jetzt im kostenlosen Beratungsgespräch herausfinden!

Step 1: Übermittle deine Kontaktinformationen.
Step 2: Wähle deinen gewünschten Termin.