So verwenden Sie Claude für Text- und Sentimentanalyse (und wann nicht)

Füge dein Feedback im Freitext in Claude ein, erkläre, worum es in dem Text geht und welche Entscheidung du treffen möchtest, und bitte um wiederkehrende Themen mit der jeweiligen Stimmung - nicht um einen Gesamtwert. Bei weniger als ungefähr ein paar tausend Dokumenten pro Monat ist das besser, als einen spezialisierten Klassifikator für die Stimmungsanalyse einzurichten, weil du die Gründe statt eines Labels erhältst. Der Haken ist, dass das Modell dir für Text, den es falsch verstanden hat, ein selbstsicheres Label liefern wird. Prüfe daher eine Stichprobe anhand deiner eigenen Einschätzung, bevor du eine Verteilung als Tatsache präsentierst.

Preise der Tools geprüft im August 2026.

Warum ist ein Stimmungswert allein nutzlos?

„72 % positiv“ sagt dir nichts, worauf du reagieren kannst. Es sagt nicht, worüber die 28 % verärgert sind, ob es sich um ein Problem oder neun handelt oder ob sich die positiven Kommentare auf die Funktion beziehen, die du gerade veröffentlicht hast, oder auf die, die du bald abschaffen wirst.

Was du stattdessen brauchst, ist eine Themenliste: die fünf oder sechs Dinge, die immer wieder angesprochen werden, jeweils mit eigener Stimmung und ungefährer Häufigkeit. „Die Leute mögen, wie schnell es ist, und dreißig von ihnen sind an derselben Stelle im Onboarding stecken geblieben“ ist ein Satz, mit dem jemand etwas anfangen kann. Ein Prozentsatz ist es nicht.

Das ist vor allem deshalb wichtig, weil echtes Feedback selten nur eine Seite hat. „Ich liebe das Produkt, hasse aber den Preis“ ergibt im Durchschnitt eine neutrale Stimmung - die am wenigsten hilfreiche Beschreibung dieses Kunden überhaupt. Wenn du die Stimmung an jedes Thema statt an jedes Dokument knüpfst, bleibt das Signal erhalten.

Solltest du stattdessen ein spezialisiertes Tool für die Stimmungsanalyse verwenden?

Bei weniger als ein paar tausend Dokumenten pro Monat normalerweise nicht - und es lohnt sich zu verstehen, warum, denn die meisten Ratschläge zu diesem Thema sind ein Jahrzehnt alt.

Amazon Comprehend, die gängige verwaltete Option, berechnet für die Stimmungsanalyse 0,0001 $ pro Einheit, wobei eine Einheit 100 Zeichen umfasst und jede Anfrage mit mindestens 3 Einheiten berechnet wird. Eine Bewertung mit 300 Zeichen kostet 0,0003 $. Zweitausend davon kosten etwa sechzig Cent. AWS stellt neuen und bestehenden Kunden außerdem in den ersten zwölf Monaten monatlich 50.000 Einheiten (5 Millionen Zeichen) kostenlos zur Verfügung. Bei den reinen Rechenkosten ist ein Klassifikator praktisch kostenlos.

Die eigentlichen Kosten entstehen an anderer Stelle. Du brauchst ein AWS-Konto, Zugangsdaten, ein Skript, das die CSV-Datei durch die API schickt und die Ergebnisse wieder abruft, sowie eine Entscheidung darüber, was du mit dem zurückgegebenen Label machst. Und du bekommst nur ein Label: einen Stimmungswert mit einem Konfidenzwert. Es wird dir nicht sagen, dass sich die negativen Rückmeldungen um einen fehlerhaften Ablauf zum Zurücksetzen des Passworts gruppieren, denn es sucht nicht nach Themen, es sei denn, du baust das separat.

Ein allgemeines Modell, das dieselben 2.000 Bewertungen liest, liefert dir die Themen, die Stimmung pro Thema, repräsentative Zitate und eine Antwort, wenn du eine Folgefrage stellst - ohne dass du eine Pipeline erstellen musst. Ab mehreren tausend Dokumenten pro Monat, bei Ausführung nach Zeitplan und Einspeisung in ein Dashboard, kippt die Rechnung, und ein richtiger Klassifikator oder eine Batch-API macht sich bezahlt. Darunter baust du Infrastruktur, um sechzig Cent zu sparen.

Eine Warnung zu den älteren Listenartikeln, die du dazu finden wirst: MonkeyLearn, das in den meisten Übersichten zu den „besten Tools für die Sentimentanalyse“ auftaucht, existiert nicht mehr als eigenständiges Produkt. Medallia hat es 2022 übernommen, und monkeylearn.com leitet inzwischen mit einer 301-Weiterleitung zu medallia.com weiter. Prüfe, ob das empfohlene Tool noch existiert, bevor du deine Planung darauf ausrichtest.

Wie führst du die Analyse tatsächlich durch?

Vier Dinge machen den Unterschied zwischen einer nützlichen Analyse und einer generischen aus.

1. Sage, worum es sich bei dem Text handelt. „Das sind 400 Support-Tickets aus den zwei Wochen nach unserer Preisänderung“ verändert die Analyse grundlegend im Vergleich zu einem unbeschrifteten Textblock.
2. Sage, für welche Entscheidung die Analyse verwendet wird. Eine Analyse für eine Argumentation zur Roadmap sieht anders aus als eine Analyse für eine Churn-Nachbesprechung. Teile mit, um welche es geht.
3. Frage nach Häufigkeiten und Zitaten, nicht nur nach Themen. Verlange eine grobe Anzahl pro Thema und zwei wörtliche Zitate. Anhand der Zitate kannst du die Analyse prüfen - wenn ein Zitat das Thema nicht stützt, ist das Thema falsch.
4. Frage, was nicht klassifiziert werden konnte. Der Rest ist oft der interessante Teil: Kommentare, die zu mehrdeutig oder zu kurz sind oder zu viel Sarkasmus enthalten, um sie einzuordnen.

Wenn dein Feedback aus von dir entworfenen Umfragen stammt, wird die Qualität dieser Analyse bereits vor ihrer Durchführung festgelegt - genau dieser Punkt wird auch in unserem Leitfaden für HR-Generalisten behandelt und lässt sich sinnvoll mit der ausführlicheren Lektüre im Leitfaden zur Marktforschung ergänzen.

Der Skill, der diese Analyse durchführt

Elena - Business-Analyst-AI-Skill

$19dieser Skill im Vergleich zu Ein Business Analyst berechnet 85 $+/Std.einen Business Analysten beauftragen

Sobald Mira das Feedback nach Themen gruppiert hat, verwandelt Elena die priorisierte Liste in eine Entscheidungsgrundlage mit Angaben zu Auswirkungen und Aufwand sowie einer Empfehlung.

Elena ansehen →

Wie installierst du den Mira-Skill?

Mira kommt als ZIP-Datei mit einer SKILL.md Datei im Stammverzeichnis.

1. Öffne die Claude-Desktop-App, klicke in der Seitenleiste auf Anpassen und dann auf Skills.
2. Klicke auf + und lade die ZIP-Datei hoch. Claude liest die SKILL.md und fasst zusammen, was sie tut.
3. Schalte es ein. Wenn es ausgeschaltet ist, ignoriert Claude es.
4. Füge dein Feedback ein und beschreibe die Entscheidung, die du triffst.

Skills funktionieren in jedem Claude-Tarif - Free, Pro, Max, Team und Enterprise - benötigen jedoch aktivierte Codeausführung. Wenn das Skills-Menü ausgegraut ist oder fehlt, aktiviere Codeausführung und Dateierstellung unter Einstellungen > Funktionen. Bei Team und Enterprise ist das eine Einstellung auf Inhaberebene in den Organisationseinstellungen, du musst also möglicherweise nachfragen.

Wenn du die Codeausführung nicht aktivieren kannst oder in ChatGPT oder Gemini arbeitest, öffne die SKILL.md Datei öffnen, ihren Inhalt kopieren und in die benutzerdefinierten Anweisungen einfügen. Der Skill wird nicht automatisch ausgelöst, aber er prägt jede Antwort in dieser Unterhaltung.

Wo geht das schief?

Diesen Abschnitt solltest du zweimal lesen, denn der Fehler tritt unbemerkt auf.

• Es wird selbstbewusst falsch liegen. Ein Modell antwortet nicht mit „Ich bin mir nicht sicher, was diese Person gemeint hat.“ Es gibt ein eindeutiges Label im selben Ton zurück, unabhängig davon, ob es den Kommentar richtig verstanden hat. Nichts in der Ausgabe unterscheidet eine solide Klassifizierung von einer Fehlinterpretation.
• Sarkasmus und Untertreibungen bringen es aus dem Takt. „Toll, noch ein Update“ und „Es ist schon in Ordnung, denke ich“ sind genau die Kommentare, die ein Mensch sofort versteht und ein Modell glattbügelt.
• Häufigkeitsangaben sind Schätzungen, keine Zählungen. Wenn ein Modell sagt, ein Thema sei in 30 Kommentaren aufgetaucht, hat es diese nicht gezählt. Wenn die Zahl in eine Präsentationsfolie kommt, zähle selbst nach oder lass das Modell die Zeilennummern ausgeben, damit du es kannst.
• Deine Stichprobe besteht wahrscheinlich nicht aus deinen Kunden. Menschen, die Bewertungen abgeben und offene Textfragen beantworten, sind definitionsgemäß ungewöhnlich. Die Analyse beschreibt, wer geantwortet hat, und kein Tool kann das beheben.
• Die Grenzen zwischen Themen sind eine Ermessensfrage. Analysiere dasselbe Feedback zweimal, und du erhältst möglicherweise einmal sechs Themen und beim nächsten Mal vier, weil „langsam“ und „reagiert nicht“ vernünftigerweise ein Thema oder zwei sein können. Keine der beiden Antworten ist falsch; beide verändern dein Diagramm.
• Es kann dir nicht sagen, was du tun sollst. Es sagt dir, was die Menschen gesagt haben. Der Zielkonflikt zwischen der Verbesserung des Onboardings und der Auslieferung der bereits versprochenen Funktion liegt bei dir.

Prüfe also stichprobenartig, bevor du irgendetwas präsentierst. Nimm eine Stichprobe von Kommentaren - fünfzig sind bei einigen hundert Dokumenten völlig ausreichend - und ordne sie selbst Kategorien zu, bevor du dir die Antwort des Modells ansiehst; vergleiche sie anschließend. Du suchst nicht nach Perfektion, sondern danach, wo sich die Abweichungen häufen. Wenn sie sich auf ein Thema konzentrieren, ist dieses Thema unzuverlässig, und du solltest das sagen. Wenn du und das Modell bei mehr als einer Handvoll Kommentaren in der Stichprobe nicht übereinstimmen, berichte die Verteilung nicht als Erkenntnis. Mach das einmal für eine bestimmte Art von Feedback, und du wirst danach wissen, wie sehr du den Ergebnissen vertrauen kannst.

Warum einen Skill verwenden, statt den prompt jedes Mal neu zu schreiben?

Zwei Gründe, und keiner davon ist, dass der Skill intelligenter ist.

Das Erste ist Konsistenz. Der Vergleich der Stimmung in diesem Quartal mit der des letzten Quartals ist nur dann aussagekräftig, wenn beide auf dieselbe Weise ausgewertet wurden - mit denselben Themendefinitionen und denselben Anweisungen dazu, was als Beschwerde gilt. Ein gespeicherter Skill legt die Methode fest, sodass der Vergleich tatsächlich aussagekräftig ist und nicht nur ein Artefakt davon, wie du den prompt im April zufällig formuliert hast.

Das Zweite ist, dass die vier zuvor genannten Dinge - Kontext, Entscheidung, Häufigkeit und Zitate, nicht klassifizierbare Restkategorie - leicht vergessen werden, wenn du es eilig hast - genau dann, wenn du 400 Tickets einfügst und auf das Beste hoffst.

Welche Texte lohnen sich dafür?

Überall dort, wo große Textmengen anfallen und niemand Zeit hat, sie zu lesen: Freitextantworten aus Umfragen, Produktbewertungen, Support-Tickets, Exit-Interviews, Kommentare in App-Stores, Notizen aus Verkaufsgesprächen, Erwähnungen in sozialen Medien. Die Methode ändert sich dabei nicht. Was sich ändert, ist der Kontext, den du am Anfang lieferst, und die Entscheidung, auf die du die Analyse ausrichtest.

Bei allem, bei dem die Stichprobe winzig ist, solltest du besonders vorsichtig sein. Zwölf Kommentare ergeben keine Themen, sondern zwölf Meinungen, und du solltest sie selbst lesen.

Verwandte Skill-Leitfäden

• So nutzt du Claude für E-Mail-Marketing: Der Nadia-Skill-Leitfaden
• So nutzt du Claude als Social-Media-Manager: Der Maya-Skill-Leitfaden
• So nutzt du Claude als Strategen für Growth Marketing: Der Sofia-Skill-Leitfaden
• So nutzt du Claude für Marketinganalysen: Der Rafa-Skill-Leitfaden

KissMySkills ist ein Marktplatz mit 853 AI-Skills, 158 Prompt Packs, 55 Agenten & kostenlosen Tools für Claude, ChatGPT & jeden AI-Chat.