Computerlinguist

Was macht ein Computerlinguist?

Die Computerlinguistik ist in Deutschland ein eigenständiges Studienfach und für viele der klassische Weg in die Sprachverarbeitung – an mehreren Universitäten seit Jahrzehnten, mit einem Anteil Informatik und einem Anteil Sprachwissenschaft. Wer von dort kommt, bringt etwas mit, das ein reines Informatikstudium selten vermittelt: eine geschulte Vorstellung davon, wie Sprache aufgebaut ist, wo sie mehrdeutig wird und warum zwei Menschen denselben Satz unterschiedlich lesen.

Die Rolle hat sich in den letzten Jahren stark verändert, und dazu sollte man ehrlich sein. Vieles, was früher aufwendig von Hand gebaut wurde – Regelwerke, Wörterbücher, Grammatiken, eigene Modelle für Wortarten oder Satzstruktur – erledigen große Sprachmodelle heute nebenbei und meist besser. Wer diese Bausteine als Kern des Berufs versteht, erlebt die Entwicklung als Verlust.

An anderen Stellen ist der Bedarf dagegen eher gewachsen. Sprachmodelle liefern flüssige Ausgaben, aber niemand kann ihnen ansehen, ob sie richtig sind. Genau hier setzt die Arbeit an: Was heißt für diesen Anwendungsfall überhaupt „richtig"? Wie beschreibt man das so genau, dass mehrere Menschen unabhängig voneinander gleich beurteilen? Solche Annotationsrichtlinien zu schreiben, ist eine linguistische Aufgabe – und sie entscheidet über den Wert jeder späteren Messung.

Dazu kommen Felder, in denen Sprachwissen weiterhin schwer ersetzbar ist: Fehleranalyse, die nicht bei „das Modell lag daneben" stehen bleibt, sondern das sprachliche Muster dahinter benennt. Mehrsprachigkeit, wo Ergebnisse in großen Sprachen gut und in kleineren spürbar schlechter sind. Und Fachsprachen – Verwaltung, Medizin, Recht, Technik – mit eigener Begrifflichkeit und eigenen Konventionen.

Vom NLP Engineer trennt dich der Schwerpunkt, nicht das Thema: Der baut und betreibt die Systeme, du verantwortest die sprachliche Grundlage und die Beurteilung. In kleinen Teams fällt beides zusammen, in größeren sind es zwei Rollen, die eng zusammenarbeiten.

Was du im Praktikum machst

Häufig baust du einen beschrifteten Datensatz auf oder erweiterst einen bestehenden – und schreibst dazu die Richtlinie, nach der beschriftet wird. Dann prüfst du, wie einheitlich zwei Personen damit zu denselben Ergebnissen kommen. Die erste Runde geht fast immer auseinander, und die Überarbeitung der Richtlinie ist der eigentliche Lerneffekt.

Ein zweiter typischer Auftrag ist die Fehleranalyse: einige hundert Ausgaben eines Systems durchsehen, die Fehler nach Typ ordnen und daraus ableiten, wo eine Verbesserung am meisten bringt. Das ist geduldige Arbeit und liefert oft mehr als ein weiterer Trainingsdurchlauf.

Dazu kommen kleinere Aufgaben rund um Sprachdaten: Textbestände sichten, Fachbegriffe sammeln, Testfälle für schwierige sprachliche Konstruktionen bauen.

Was du mitbringen solltest

Sprachwissenschaftliche Grundlagen – Morphologie, Syntax, Semantik – und die Fähigkeit, sie in Anweisungen zu übersetzen, die andere anwenden können. Dazu Programmierkenntnisse, meist Python, wenigstens so weit, dass du dir Daten selbst aufbereiten und auswerten kannst.

Wichtig ist die Bereitschaft, den eigenen Beitrag nüchtern einzuordnen. Wer darauf besteht, dass Sprache nur mit linguistischem Formalismus zu behandeln sei, hat es in heutigen Teams schwer. Wer umgekehrt zeigen kann, dass eine saubere Definition eine Diskussion beendet und eine Fehleranalyse eine Entwicklungsrunde spart, wird gebraucht.

Und Sorgfalt: Diese Arbeit besteht zu großen Teilen aus Fällen, über die andere hinweglesen.

Was du verdienst

Praktika liegen bei rund 1.500 Euro brutto im Monat. Der Einstieg bewegt sich um 4.400 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.300 und 6.400 Euro. Es sind Erfahrungswerte, und die Spanne ist hier besonders breit.

Ausschlaggebend ist meist, wie technisch die Stelle zugeschnitten ist: Wer neben der linguistischen Arbeit auch selbst entwickelt und Modelle betreut, liegt näher an der Vergütung des NLP Engineers, wer rein auf Daten und Bewertung arbeitet, eher darunter.

Wie es weitergeht

Ein Weg führt in die technische Richtung zum NLP Engineer, der die Systeme selbst baut. Ein anderer führt in die Bewertung und Qualitätssicherung von Sprachmodellen – dort ist linguistisches Wissen derzeit besonders gefragt. Und wer die offenen Fragen des Fachs reizvoller findet als deren Anwendung, geht in die Promotion.