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

11. Juni 2026

Fügen Sie Ihr Feedback im Freitext in Claude ein, erklären Sie, worum es in dem Text geht und welche Entscheidung Sie treffen möchten, und bitten Sie um wiederkehrende Themen mit einer jeweils zugeordneten Stimmung - nicht um einen Gesamtwert. Bei weniger als ungefähr einigen tausend Dokumenten im Monat ist das besser, als einen speziellen Stimmungs-Klassifikator einzurichten, weil Sie die Gründe statt eines Labels erhalten. Der Haken: Das Modell liefert Ihnen auch für Text, den es falsch verstanden hat, ein selbstsicheres Label. Prüfen Sie daher eine Stichprobe anhand Ihrer eigenen Einschätzung, bevor Sie eine Verteilung als Tatsache präsentieren.

Preise der Tools geprüft im August 2026.

Warum ist ein Stimmungswert allein nutzlos?

„72 % positiv“ sagt Ihnen nichts, womit Sie handeln können. Es sagt nicht, worüber sich die 28 % ärgern, ob es sich um ein oder neun Probleme handelt oder ob sich die positiven Kommentare auf das beziehen, was Sie gerade veröffentlicht haben, oder auf das, was Sie bald einstellen werden.

Was Sie stattdessen wollen, ist eine Themenliste: die fünf oder sechs Dinge, die immer wieder genannt werden, jeweils mit eigener Stimmung und ungefährer Häufigkeit. „Die Leute finden gut, wie schnell es ist, und dreißig von ihnen sind beim selben Punkt der Einarbeitung hängen geblieben“ ist ein Satz, mit dem jemand etwas anfangen kann. Eine Prozentzahl 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 unbrauchbarste Beschreibung dieses Kunden überhaupt. Wenn Sie die Stimmung mit jedem Thema statt mit jedem Dokument verknüpfen, bleibt das Signal erhalten.

Sollten Sie stattdessen ein spezielles Tool zur Stimmungsanalyse verwenden?

Bei weniger als einigen tausend Dokumenten im Monat meistens 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 0,0001 $ pro Einheit für die Stimmungsanalyse, wobei eine Einheit 100 Zeichen umfasst und jede Anfrage mit mindestens 3 Einheiten abgerechnet 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 Mio. Zeichen) kostenlos zur Verfügung. Bei den reinen Rechenkosten ist ein Klassifikator praktisch kostenlos.

Die Kosten entstehen an anderer Stelle. Sie brauchen ein AWS-Konto, Zugangsdaten, ein Skript, das die CSV-Datei durch die API schickt und die Ergebnisse wieder abruft, sowie eine Entscheidung darüber, was mit dem zurückgegebenen Label geschehen soll. Und ein Label ist alles, was Sie bekommen: ein Stimmungswert mit einem Konfidenzwert. Es wird Ihnen nicht sagen, dass sich die negativen Bewertungen um einen fehlerhaften Ablauf zum Zurücksetzen des Passworts gruppieren, denn Themen werden nicht erfasst, sofern Sie das nicht separat aufbauen.

Ein allgemeines Modell, das dieselben 2.000 Bewertungen liest, liefert Ihnen die Themen, die Stimmung je Thema, repräsentative Zitate und eine Antwort auf eine Anschlussfrage - ganz ohne Pipeline, die Sie erst bauen müssen. Bei mehreren tausend Dokumenten im Monat, einem Zeitplan, der Versorgung eines Dashboards und regelmäßigen Abläufen kippt die Rechnung, und ein ordentlicher Klassifikator oder eine Batch-API macht sich bezahlt. Darunter bauen Sie 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 Sentiment-Analyse“ auftaucht, existiert nicht mehr als eigenständiges Produkt. Medallia hat es 2022 übernommen, und monkeylearn.com leitet jetzt per 301-Weiterleitung auf medallia.com weiter. Vergewissere dich, dass jedes Tool, das dir empfohlen wird, 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 allgemeinen aus.

Sage, um welche Texte es sich handelt. „Das sind 400 Support-Tickets aus den zwei Wochen nach unserer Preisänderung“ verändert die Analyse vollständig im Vergleich zu einem unbeschrifteten Textblock.
Sage, welche Entscheidung damit unterstützt wird. Eine Analyse für eine Argumentation zur Roadmap sieht anders aus als eine Analyse für eine Churn-Nachbetrachtung. Sag, wofür sie verwendet wird.
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 überprüfen - wenn ein Zitat das Thema nicht stützt, ist das Thema falsch.
Frage, was nicht klassifiziert werden konnte. Gerade der Rest ist oft interessant: Kommentare, die zu mehrdeutig, zu kurz oder zu sarkastisch waren, um eingeordnet zu werden.

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

Der Skill, der diese Analyse durchführt

Elena - Business-Analysten-Skill für AI

$14.99diesem Skill im Vergleich zu Ein Business-Analyst berechnet 85 $ oder mehr pro Stundeeinen Business-Analysten beauftragen

Sobald Mira das Feedback in 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.

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

Skills funktionieren in jedem Claude-Tarif - Free, Pro, Max, Team und Enterprise -, benötigen aber aktivierte Codeausführung. Wenn das Skills-Menü ausgegraut ist oder fehlt, aktiviere unter Einstellungen > Funktionen die Option Codeausführung und Dateierstellung. In Team und Enterprise ist dies eine Einstellung auf Eigentümerebene in den Organisationseinstellungen, daher musst du möglicherweise nachfragen.

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

Wo geht das schief?

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

Es wird selbstbewusst falsch liegen. Ein Modell antwortet nicht mit „Ich bin mir nicht sicher, was diese Person gemeint hat.“ Es liefert ein eindeutiges Label im selben Ton, ganz unabhängig davon, ob es den Kommentar richtig verstanden hat oder nicht. Nichts in der Ausgabe unterscheidet eine solide Klassifizierung von einer Fehlinterpretation.
Sarkasmus und Untertreibungen bringen es aus dem Takt. „Super, 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 soll, zähle selbst nach oder lass das Modell die Zeilennummern ausgeben, damit du es tun kannst.
Deine Stichprobe repräsentiert wahrscheinlich nicht deine Kunden. Menschen, die Bewertungen abgeben und offene Textfragen beantworten, sind per Definition ungewöhnlich. Die Analyse beschreibt, wer geantwortet hat, und kein Tool kann das beheben.
Die Grenzen zwischen Themen sind eine Ermessensfrage. Wenn du dasselbe Feedback zweimal analysierst, erhältst du möglicherweise einmal sechs und beim nächsten Mal vier Themen, weil „langsam“ und „reagiert nicht“ vernünftigerweise ein oder zwei Themen 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. Die Abwägung zwischen der Verbesserung des Onboardings und der Auslieferung der bereits versprochenen Funktion liegt bei dir.

Überprüfe also stichprobenartig, bevor du etwas präsentierst. Nimm eine Stichprobe von Kommentaren - fünfzig reichen für ein paar hundert Dokumente völlig aus - und ordne sie selbst Kategorien zu, bevor du dir die Antwort des Modells ansiehst. Vergleiche anschließend beides. 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 auch so sagen. Wenn du und das Modell bei der Stichprobe bei mehr als einer Handvoll Kommentaren unterschiedlicher Meinung seid, präsentiere die Verteilung nicht als Erkenntnis. Mach das einmal für eine bestimmte Art von Feedback, und du weißt künftig, wie sehr du den Ergebnissen vertrauen kannst.

AI Skill · 14,99 $

Sam - Customer Support AI Skill

Wenn der Großteil deiner ungelesenen Nachrichten aus Support-Tickets besteht, kombiniere Miras Themenanalyse mit Sam. Sam erstellt die Antworten, sobald du weißt, worüber sich der Kunde tatsächlich ärgert.

Sam ansehen - Customer Support AI Skill (14,99 $) →

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

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

Das Erste ist die 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 bloß ein Artefakt davon, wie du das prompt im April zufällig formuliert hast.

Das Zweite ist, dass die vier zuvor aufgeführten Dinge - Kontext, Entscheidung, Häufigkeit sowie Zitate und nicht klassifizierbare Restkategorie - leicht in Vergessenheit geraten, wenn du es eilig hast. Genau dann fügst du 400 Tickets ein und hoffst auf das Beste.

AI Prompt Pack · 9 $

Employee Survey Prompt

Führst du vierteljährliche Pulsbefragungen durch? Damit entwirfst du die Umfrage so, dass die Freitextantworten zwischen den Quartalen vergleichbar sind - das Rohmaterial, das Mira braucht, um eine Veränderung nachzuverfolgen, statt eine zu erraten.

Employee Survey Prompt ansehen (9 $) →

Für welche Texte lohnt sich das?

Überall dort, wo große Textmengen anfallen und niemand Zeit hat, sie zu lesen: Freitextantworten aus Umfragen, Produktbewertungen, Support-Tickets, Exit-Interviews, App-Store-Kommentare, Notizen aus Verkaufsgesprächen und 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 deine Analyse abzielt.

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

Zusammenfassung:

Für allgemeine Analysen von Freitexten - Bewertungen, Tickets, Umfrageantworten und Interviewtranskripte - verwende Mira (14,99 $). Wenn es sich hauptsächlich um Support-Tickets handelt, kombiniere sie mit Sam (14,99 $). Wenn du die Umfrage entwirfst, aus der das Feedback entsteht, beginne mit dem Employee Survey Prompt (9 $). Verwandle die Themen anschließend mit Elena (14,99 $) in einen Fall. Alle funktionieren in Claude, ChatGPT und jedem AI-Chat, mit einer 30-tägigen Geld-zurück-Garantie - und bei allen musst du die Ergebnisse weiterhin stichprobenartig überprüfen.

Häufig gestellte Fragen

Can Claude do sentiment analysis on a spreadsheet of reviews?+

Yes. Paste the text or upload the file, say what the feedback is and what decision it feeds, and ask for recurring themes with sentiment attached to each theme rather than one overall score. Ask it to include a rough frequency and two verbatim quotes per theme — the quotes are how you check the work. If a quote does not support the theme it sits under, the theme is wrong.

Is Claude better than a dedicated sentiment analysis tool?+

For small and mid-sized batches, usually yes on value. A classifier like Amazon Comprehend is cheap on compute — $0.0001 per 100-character unit, billed at a 3-unit minimum, so about sixty cents for 2,000 short reviews, with 50,000 units a month free for the first year — but it returns a label and a confidence score, not the reasons behind it, and you have to build the pipeline. A general model gives you themes, quotes and follow-up questions with no setup. Past several thousand documents a month on a schedule, a dedicated classifier or batch API starts to win. Pricing checked August 2026.

How accurate is AI sentiment analysis?+

Accurate enough to be useful, and never self-aware about being wrong. The model returns a clean, confident label whether or not it understood the comment, and sarcasm, understatement and industry jargon are where it slips. Before presenting any distribution, take a sample of about fifty comments, label them yourself before looking at the model's answer, and compare. If the disagreements cluster on one theme, flag that theme as unreliable.

Why is an overall sentiment percentage not enough?+

Because it hides the reasons. '72% positive' does not tell you whether the negative 28% is one broken flow or nine unrelated gripes, and mixed feedback like 'love the product, hate the price' averages out to neutral — the least useful possible description of that customer. Attaching sentiment to each theme instead of each document keeps the information you would actually act on.

Do I need a paid Claude plan to use a sentiment analysis skill?+

No. Anthropic lists Skills as available on Free, Pro, Max, Team and Enterprise. What they need is code execution: switch on 'Code execution and file creation' under Settings > Capabilities, which is the usual reason the Skills menu appears greyed out. On Team and Enterprise an owner enables it in Organization settings. If you cannot enable it, or you are working in ChatGPT or Gemini, paste the SKILL.md contents into custom instructions instead.

How much text can I analyse at once?+

Enough that the practical limit is usually your patience, not the context window — but split very large sets into batches and give each batch the same instructions, then ask for a merged theme list at the end. Watch for one specific failure: if you analyse batches separately without fixed theme definitions, the same complaint gets a different label in each batch and your totals stop meaning anything. That consistency is the main reason to use a saved skill rather than re-typing the prompt.