Textzusammenfassung
Die automatische Erzeugung einer kürzeren Version eines Textes, die die wichtigsten Informationen beibehält.
Text Summarization erzeugt automatisch kürzere Versionen von Texten – extractive (Sätze wählen) oder abstractive (neu formulieren), heute meist mit LLMs.
Erklärung
Extractive Summarization wählt Schlüsselsätze aus. Abstractive Summarization generiert neue Formulierungen. LLMs beherrschen beide Ansätze.
Relevanz für Marketing
Summarization beschleunigt Content-Review, Meeting-Protokolle, Research-Analyse und News-Aggregation.
Beispiel
Ein Tool fasst 50-seitige Marktforschungsberichte automatisch in Exec Summaries zusammen.
Häufige Fallstricke
Halluzinierte Fakten in abstractiven Zusammenfassungen. Wichtige Details gehen verloren. Bias zur Textmitte (Lost in the Middle).
Entstehung & Geschichte
Luhn (1958) beschrieb erste automatische Zusammenfassung durch Worthäufigkeit. TextRank (2004) nutzte Graph-Algorithmen. Seq2Seq-Modelle (2015+) ermöglichten abstractive Summarization. LLMs (2022+) liefern menschennahe Qualität.
Abgrenzung & Vergleiche
Textzusammenfassung vs. Text Generation
Summarization komprimiert bestehenden Text; Text Generation erzeugt neuen Inhalt von Grund auf.
Textzusammenfassung vs. Question Answering
QA beantwortet eine spezifische Frage; Summarization gibt einen Überblick über den gesamten Inhalt.