NLP einfach erklärt: Wie Software Sprache im IT-Alltag versteht

NLP (Natural Language Processing) ist der Sammelbegriff für Verfahren, mit denen Computer menschliche Sprache lesen, einordnen und selbst formulieren – egal ob sie getippt, gesprochen oder in einer E-Mail steht. Wer in Outlook einen Antwortvorschlag bekommt, in Teams ein Meeting mitschreiben lässt oder im Webshop mit einem Chatbot schreibt, nutzt NLP, oft ohne es zu merken.

Für kleine IT-Teams ist das Thema handfest: Ein großer Teil der Arbeit besteht aus Lesen und Schreiben. Meldungen kommen per Mail, Telefon und Teams-Nachricht, oft unvollständig und in Umgangssprache. Sprachverarbeitung kann hier sortieren, Anleitungen finden und Verläufe zusammenfassen. Die Entscheidung, was mit einem Ticket passiert, bleibt beim Team.

Das Wichtigste in Kürze

• NLP erkennt in einer Nachricht, worum es geht, wer betroffen ist und wie dringend es klingt.
• Hinter Werkzeugen wie Microsoft 365 Copilot stecken große Sprachmodelle, eine Form von NLP. Für viele Service-Desk-Aufgaben genügen einfachere Verfahren.
• Dialekt, Umgangssprache und österreichische Begriffe wie „Jänner“ sind eine echte Hürde und gehören in jeden Test.
• Bevor ein externer KI-Dienst Tickets liest, braucht es einen Auftragsverarbeitungsvertrag und oft die Zustimmung des Betriebsrats.
• Chatbots müssen seit August 2026 erkennbar machen, dass ein KI-System antwortet.

Stand: November 2026 · Geprüft anhand von EU-KI-Verordnung, DSGVO, ArbVG (RIS), KI-Servicestelle der RTR und Microsoft Learn (Quellen am Ende des Artikels)

Was NLP aus einer Nachricht herausliest

Ein erfundenes, aber typisches Beispiel: Am Montag um 7:40 Uhr kommt diese Mail an die IT: „Griaß eich, bei uns in Linz druckt der Drucker im 2. Stock seit Freitag nix mehr. Bitte dringend, Lieferscheine!“

Eine neue Kollegin am Helpdesk würde sofort verstehen, worum es geht. Eine Software arbeitet sich in kleinen Schritten dorthin:

• Sprache und Bausteine: Der Text wird als Deutsch erkannt und in Wörter oder Wortteile zerlegt. „Griaß eich“ und „nix“ kennt ein Modell nur, wenn solche Formulierungen in seinen Trainingsdaten vorkamen.
• Was ist betroffen? „Drucker“, „Linz“ und „2. Stock“ werden als Gerät und Ort erkannt. Diese Aufgabe heißt Erkennung benannter Entitäten.
• Was will die Person? Sie meldet eine Störung und stellt keine Frage. Das Erkennen der Absicht (Intent) entscheidet, ob ein Ticket entsteht oder eine Anleitung reicht.
• Wie dringend klingt es? „Bitte dringend“ und „Lieferscheine“ deuten auf Zeitdruck hin. Die Priorität legt trotzdem das Team fest, nach Auswirkung und Dringlichkeit.

Drei Wege, wie Software Sprache verarbeitet

1. Regeln und Stichwörter: „Steht ‚Passwort‘ im Betreff, geht die Mail an die Gruppe Benutzerverwaltung.“ Einfach und nachvollziehbar, aber blind für „Ich komm nicht mehr rein“.
2. Gelernte Modelle: Ein Modell lernt aus vielen bereits zugeordneten Tickets, welche Formulierungen zu welcher Kategorie passen. Es erkennt auch Varianten, die niemand als Regel aufgeschrieben hat.
3. Große Sprachmodelle: Sie wurden mit sehr großen Textmengen vortrainiert und lösen viele Aufgaben auf Zuruf, vom Zusammenfassen bis zum Antwortentwurf. Dafür können sie auch überzeugend falsch liegen.

Datumsangaben zeigen, warum Tests mit eigenen Texten wichtig sind: Steht in einer Mail „ab 7. Jänner“, muss die Software „Jänner“ als Januar erkennen. Allgemeine Modelle sind überwiegend mit bundesdeutschen und englischen Texten trainiert.

Welche Technik für welche Aufgabe?

Nicht jede Aufgabe braucht ein großes Sprachmodell. Oft ist die einfachere Lösung billiger, schneller und leichter zu kontrollieren:

Und Microsoft 365 Copilot?

Viele österreichische Betriebe arbeiten mit Microsoft 365. Copilot nutzt große Sprachmodelle und greift über Microsoft Graph auf Mails, Dateien und Chats zu. Laut Microsoft zeigt Copilot nur Unternehmensdaten an, für die die jeweilige Person mindestens Leserechte hat. Prompts und Antworten werden nicht zum Training der Basismodelle verwendet. Daraus folgt eine praktische Aufgabe für die IT: Zu weit gefasste Freigaben in SharePoint und Teams werden durch Copilot schneller sichtbar. Vor dem Einführen lohnt deshalb ein Blick auf die Berechtigungen.

Copilot ersetzt kein Ticketsystem. Er hilft beim Schreiben und Suchen, aber Zuständigkeiten, Fristen und Nachweise brauchen einen festen Ablauf.

Fünf Situationen aus dem Service-Alltag

Die folgenden Beispiele sind angenommen, wie sie in einem Betrieb mit Standorten in Wien, Graz und Linz vorkommen könnten:

1. Montagfrüh, 40 neue Mails: Statt alles von Hand zu lesen, liegt bei jeder Meldung ein Vorschlag für Kategorie und Zuständigkeit. Das Team bestätigt oder korrigiert den Vorschlag, die Korrekturen können später in das Training einfließen.
2. Dreimal dieselbe Störung: Aus Graz kommen „VPN geht nicht“, „komm nicht ins Netz von daheim“ und „Remote-Verbindung bricht ab“. Die Software erkennt die Ähnlichkeit und schlägt vor, die Tickets zu verknüpfen.
3. Der Lehrling im Chat: Er fragt am Abend, wie er sein Kennwort ändert. Der Chatbot findet die Anleitung in der Wissensdatenbank. Findet der Bot keine passende Lösung, legt er ein Ticket mit dem Chatverlauf an.
4. Übergabe an den Dienstleister: Ein Netzwerkproblem in Wien geht an den externen Partner. Eine kurze Zusammenfassung des Verlaufs erspart Rückfragen. Personendaten, die der Partner nicht braucht, bleiben draußen.
5. Die Anfrage auf Englisch: Eine Kollegin aus dem Konzern schreibt auf Englisch. Eine Übersetzung hilft beim Verstehen, die Antwort folgt einer geprüften Vorlage.

Was ky2help^® dafür mitbringt

ky2help^® hat im Standard Schnittstellen zu E-Mail (ein- und ausgehend) und MS Teams. Der integrierte Chatbot „Apptiva Klar“ arbeitet mit natürlicher Sprachverarbeitung, sucht Antworten in der ky2help-Knowledge-Base und in Quellen, die Sie festlegen, und übergibt an Ihr Team, wenn er nicht weiterkommt. Der KI-Supportagent schlägt zu neuen Anfragen Lösungen vor. Über Self-Service-Portale finden Anwender Anleitungen selbst.

Self-Service entdecken

Checkliste vor dem Einsatz

Zehn Punkte, die ein kleines Team klären sollte, bevor Sprach-KI an echte Tickets darf:

1. Kategorien aufräumen: Höchstens so viele, wie das Team sicher unterscheiden kann.
2. Anleitungen aktualisieren: Ein Chatbot ist nur so gut wie die Artikel, auf die er zugreift. Jeder Artikel braucht eine verantwortliche Person.
3. Datenfluss klären: Wo werden die Texte verarbeitet, wie lange gespeichert, und dürfen sie zum Training verwendet werden?
4. Vertrag prüfen: Für einen externen KI-Dienst oder IT-Dienstleister braucht es einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO.
5. Betriebsrat einbinden: Nach § 96a ArbVG bedürfen Systeme, die personenbezogene Daten von Beschäftigten über allgemeine Angaben hinaus verarbeiten, der Zustimmung des Betriebsrats, sofern die Verwendung über gesetzliche oder vertragliche Pflichten hinausgeht. Auswertungen pro Person sind ein typischer Fall.
6. Chatbot kennzeichnen: Art. 50 der EU-KI-Verordnung verlangt seit 2. August 2026, dass Menschen erkennen, wenn sie mit einem KI-System schreiben. Die KI-Servicestelle der RTR erklärt die Pflichten.
7. Mit eigenen Texten testen: Einige Dutzend echte, anonymisierte Meldungen mit Dialekt, Tippfehlern und Abkürzungen zeigen mehr als jede Produktdemo.
8. Mensch entscheidet: Vorschläge ja, automatische Antworten nur bei klar umrissenen Themen.
9. Vorsicht bei Anweisungen in Mails: Liest ein Sprachmodell eingehende Mails, können darin versteckte Befehle stehen (Prompt Injection). Automatische Aktionen deshalb nur nach Freigabe.
10. Nach drei Monaten nachschauen: Wie oft wurden Vorschläge korrigiert? Steigt die Zahl, haben sich Themen oder Begriffe verändert.

Häufige Fragen

Was heißt NLP auf Deutsch?

NLP ist die Abkürzung für Natural Language Processing, auf Deutsch Verarbeitung natürlicher Sprache. Gemeint sind alle Verfahren, mit denen Software geschriebene oder gesprochene Sprache auswertet und erzeugt. Nicht zu verwechseln ist der Begriff mit dem Neuro-Linguistischen Programmieren aus der Psychologie, das dieselbe Abkürzung trägt.

Ist NLP dasselbe wie ChatGPT?

Nein. ChatGPT ist eine Anwendung, die auf großen Sprachmodellen beruht, und damit ein Beispiel für NLP. Zum Fachgebiet gehören aber auch Spamfilter, die automatische Spracherkennung in Meetings oder ein Modell, das Tickets einer Kategorie zuordnet.

Versteht NLP auch Dialekt?

Teilweise. Modelle verstehen vor allem das, was in ihren Trainingsdaten häufig vorkam, und das ist überwiegend Standardsprache. Mundartliche Formulierungen, österreichische Begriffe und Abkürzungen aus dem eigenen Betrieb sollten deshalb vor dem Einsatz mit echten, anonymisierten Meldungen getestet werden.

Was bringt NLP einem kleinen IT-Team?

Vor allem weniger Sortierarbeit. Vorschläge für Kategorie und Zuständigkeit, das Erkennen gleichartiger Meldungen und ein Chatbot für Standardfragen entlasten bei wiederkehrenden Anliegen. Voraussetzung sind klare Kategorien und aktuelle Anleitungen.

Darf ein externer KI-Dienst unsere Tickets lesen?

Ja, wenn die DSGVO eingehalten wird. Der Anbieter verarbeitet die Daten als Auftragsverarbeiter, dafür ist ein Vertrag nach Art. 28 DSGVO nötig. Zu klären sind Speicherort, Speicherdauer und ob Eingaben zum Training verwendet werden. Werden dabei Daten von Beschäftigten ausgewertet, ist nach § 96a ArbVG häufig der Betriebsrat einzubinden.

Kann ky2help® Anfragen mit NLP verarbeiten?

Ja. Der integrierte Chatbot „Apptiva Klar“ nutzt natürliche Sprachverarbeitung, beantwortet Fragen aus der Knowledge Base und legt bei Bedarf ein Ticket mit dem Chatverlauf an. Der KI-Supportagent schlägt zu eingehenden Anfragen Lösungen vor. E-Mail und MS Teams sind im Standard angebunden.

Quellen und weiterführende Artikel

Quellen

• RTR KI-Servicestelle: Transparenzpflichten nach dem AI Act
• RTR KI-Servicestelle: Überblick AI Act
• EUR-Lex: Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 50
• EUR-Lex: Datenschutz-Grundverordnung, Art. 28
• RIS: Arbeitsverfassungsgesetz, § 96a
• Microsoft Learn: Daten, Datenschutz und Sicherheit für Microsoft 365 Copilot
• Microsoft Learn: Stimmungsanalyse und Meinungserkennung
• Hugging Face LLM Course: Tokenizers
• OWASP: LLM01:2025 Prompt Injection
• Vaswani et al. (2017): Attention Is All You Need (arXiv)

Weiterlesen

• Glossar: Chatbot
• Glossar: Künstliche Intelligenz
• Glossar: Machine Learning
• Glossar: Helpdesk
• Chatbots und virtuelle Assistenten im First-Level-Support
• Microsoft 365: Leistungen von KYBERNA
• ky2help® für IT-Dienstleister und MSPs
• Self-Service-Portale in ky2help®