Lernprogramm für natürliche Sprachverarbeitung
Ein sechsmonatiges intensives Programm, das linguistische Grundlagen mit maschinellem Lernen verbindet. Unser Ansatz basiert auf praktischen Projekten und echter Arbeit mit Sprachmodellen – nicht nur Theorie, sondern echte Anwendungen.
Jetzt informieren
Wie Sprache zur Rechenaufgabe wird
Sprache ist chaotisch. Menschen verstehen sich trotz Tippfehlern, Dialekten und unvollständigen Sätzen. Computer haben es da schwerer – sie brauchen Struktur. Genau daran arbeiten wir: Wie bringen wir Maschinen bei, menschliche Sprache nicht nur zu verarbeiten, sondern zu verstehen?
In unserem Programm lernen Sie, wie aus Wörtern Vektoren werden, wie Algorithmen Bedeutungen erkennen und warum ein Satz manchmal mehr bedeutet als die Summe seiner Teile. Das klingt abstrakt? Wir zeigen es Ihnen an konkreten Beispielen wie Chatbots, Übersetzungssystemen und Textanalyse-Tools, die tatsächlich funktionieren.
Die ersten Wochen können überwältigend sein – plötzlich reden alle von Tokenisierung, Embeddings und neuronalen Netzen. Aber dann kommt der Moment, wo Ihr erstes Modell einen Satz klassifiziert. Und plötzlich macht alles Sinn.
Lennart Hoffmann
Absolvent 2024
Ich hatte Linguistik studiert und wollte schon immer verstehen, wie Siri und Co. funktionieren. Das Programm hat mir gezeigt, dass es nicht nur um Programmierung geht – sondern darum, wie Sprache strukturiert ist. Die Projekte waren anspruchsvoll, besonders wenn man wie ich aus einem geisteswissenschaftlichen Hintergrund kommt. Aber die Dozenten haben sich Zeit genommen, und nach drei Monaten hatte ich mein erstes funktionierendes Sentiment-Analyse-Tool gebaut. Heute arbeite ich an Sprachassistenten für ein Softwareunternehmen in Berlin.
Was Sie hier tatsächlich lernen
Keine leeren Versprechen. Das sind die konkreten Fähigkeiten, die Sie sich in sechs Monaten aneignen – durch Übung, Projekte und manchmal auch durch Frustration.
Textverarbeitung
Von der Rohtext-Bereinigung bis zur Tokenisierung. Sie lernen, wie man Texte in verwendbare Datenstrukturen umwandelt und welche Herausforderungen verschiedene Sprachen mit sich bringen.
Sprachmodelle trainieren
Sie arbeiten mit vortrainierten Modellen wie BERT und GPT, passen sie an spezifische Aufgaben an und verstehen, wann ein Modell überfittet und wann es tatsächlich generalisiert.
Semantische Analyse
Wie erkennt ein Algorithmus, ob ein Kommentar sarkastisch ist? Sie lernen die Grenzen aktueller Methoden kennen und entwickeln Strategien für kontextbezogene Textinterpretation.
Informationsextraktion
Named Entity Recognition, Beziehungserkennung und automatische Zusammenfassungen. Sie bauen Systeme, die relevante Informationen aus großen Textmengen filtern können.
Dialogsysteme
Von regelbasierten Chatbots bis zu modernen Conversational AI-Ansätzen. Sie lernen, wie man Dialoge modelliert und warum manche Bots hilfreicher sind als andere.
Ethik und Bias
Sprachmodelle übernehmen Vorurteile aus Trainingsdaten. Wir diskutieren, wie man das erkennt, misst und in der Praxis damit umgeht – ein Thema, das oft unterschätzt wird.
Wer sollte hier mitmachen?
Dieses Programm ist nicht für jeden. Es richtet sich an Menschen, die bereits Programmiererfahrung haben – zumindest in Python – und bereit sind, sich intensiv mit Mathematik und Statistik auseinanderzusetzen. Wir erwarten keine Doktortitel, aber Sie sollten nicht vor linearer Algebra zurückschrecken.
Besonders gut passt es für Linguisten, die technisch arbeiten wollen, oder für Softwareentwickler, die sich auf KI spezialisieren möchten. Auch Menschen aus der Datenanalyse finden hier oft ihren Weg. Der gemeinsame Nenner? Neugierde darauf, wie Sprache und Maschinen zusammenfinden können.
Die Gruppe ist bewusst klein gehalten – maximal zwölf Teilnehmer pro Durchgang. So bleibt genug Raum für Fragen, individuelle Projekte und intensive Diskussionen über Ansätze, die funktionieren oder eben nicht.
Astrid Lindqvist
Absolventin 2024
Nach meinem Sprachwissenschaftsstudium wollte ich mehr als nur Theorien analysieren. Hier habe ich gelernt, wie ich mein linguistisches Wissen praktisch einsetzen kann.
Pawel Kowalczyk
Absolvent 2024
Als Backend-Entwickler kannte ich mich mit APIs aus, aber NLP war neu für mich. Die Projekte haben mir gezeigt, wie man Sprachverarbeitung in bestehende Systeme integriert.