Eine Informationsextraktions‑Technik, die Textstellen lokalisiert, die auf Entitäten verweisen (z. B. Personen, Orte, Organisationen, Daten, Geldbeträge), und jeder Textstelle eine Typenbezeichnung zuweist; eingesetzt werden Regelmuster, statistische Modelle oder maschinelles Lernen; ausgegebene markierte Textspannen bedürfen häufig weiterer Disambiguierung oder Verlinkung zu kanonischen Identifikatoren.

Prinzip

NER führt eine oberflächenhafte Klassifikation durch: Es identifiziert Erwähnungen im Text und weist Typen anhand lexikalischer, syntaktischer und kontextueller Hinweise zu, löst jedoch Identitäts‑Ambiguitäten (Entity Linking) oder Koreferenz nicht von sich aus ohne zusätzliche Verarbeitung.

Demonstration

Illustratives Szenario → Verarbeitung von Abstracts: Das System markiert ‚Marie Curie‘ als PERSON, ‚Paris‘ als LOCATION und ‚Institut du Radium‘ als ORGANIZATION. Aktion → markierte Textspannen werden zur Indexierung verwendet und erzeugen Kandidatenlinks zu Autoritätsdaten; mehrdeutige Fälle werden zur Disambiguierung gekennzeichnet. Folge → verbesserte facettierte Suche und Metadatenerzeugung, mit bekannten Grenzen bei mehrdeutigen oder fehlenden Labels.

Fehlanwendung

NER‑Labels als autoritative Identitäten zu behandeln (z. B. anzunehmen, jedes als LOCATION markierte ‚Washington‘ beziehe sich auf dieselbe geografische Entität). Der semantische Fehler besteht darin, Oberflächenklassifikation mit disambiguierter Entitätsidentität gleichzusetzen.

Konsequenz

NER ermöglicht strukturierte Indexierung, entity‑zentrierte Suche und nachgelagerte Analysen; Fehlklassifikationen oder unverarbeitete Mehrdeutigkeiten verfälschen Statistiken, verringern die Retrieval‑Präzision und können automatisierte Workflows irreführen.

Umkehrung

In fachspezifischen Korpora (biomedizinisch, rechtlich, historisch) versagen generische NER‑Modelle häufig, weil Entitätstypen und Oberflächenformen abweichen; erfolgreiche Anwendung erfordert deshalb Schema‑Abstimmung, Domänenanpassung oder eigene Annotation. Ebenso benötigen Sprachen mit begrenzten Ressourcen oder komplexer Tokenisierung angepasste Modelle.

Abgrenzung

Eindeutig innerhalb: Identifikation und Typisierung von Erwähnungen in Klartext mit groben Entitätstypen. Grenzfall: verschachtelte oder überlappende Entitäten, bei denen Annotationsschemata variieren. Eindeutig außerhalb: Entity Linking/Disambiguation und Koreferenzauflösung, die getrennte, aber komplementäre Aufgaben sind.

Semantische Spannung

Präzision ↔ Recall — restriktivere Modelle reduzieren False Positives, verpassen aber legitime Erwähnungen; permissivere Modelle erhöhen Abdeckung auf Kosten mehr störender Labels.

Synthese

NER ist ein oberflächliches Labeling‑Verfahren, das Entitäts‑Erwähnungen maschinenverarbeitbar macht; für zuverlässige kanonische Entitätsrepräsentationen sollte es mit Disambiguierung, Linking und provenance‑bewährter Validierung kombiniert werden.