In unserer zunehmend technisierten Welt gewinnt die Nutzung von innovativen Technologien auch im Bildungssektor immer mehr an Bedeutung. Chatbots bieten die Möglichkeit, Wissen auf eine neue und auf den Nutzer zugeschnittene Art zu vermitteln. Ein empathisches, sachliches und didaktisches Verständnis der vom Nutzer verfassten Texte könnte den Chatbot in einer Weise unterstützen, die dem Nutzer in seinem Bildungsweg zugutekommt.

Eine Verbesserung des Textverständnisses von Chatbots kann durch die Sentimentanalyse erreicht werden, indem die in den Texten der Nutzereingaben enthaltenen Stimmungen, Meinungsäußerungen und Emotionen gezielt gesucht und extrahiert werden. Während in der Forschung für die Extraktion von Stimmungen und Emotionen englischsprachiger Texte bereits viele Untersuchungen vorliegen, gibt es bisher weniger Aktivitäten, deutschsprachige Texte auf diese Weise zu analysieren.

Es gibt verschiedene Ansätze die Sentimentanalyse umzusetzen. In dieser Masterarbeit soll die Sentimentanalyse für Chatbot-Nutzereingaben konzeptionell untersucht und mit der

Unterstützung von maschinellem Lernen prototypisch durchgeführt werden.

Dafür wurde ein Konzept entwickelt, welches die Komponenten Polarität und Emotion der Sentimenanalyse betrachtet und daraus die Zufriedenheit des Nutzers ableitet. Das Kon-

zept wurden mit Hilfe von Python-Skripten und Klassifikationsmodellen in zentralen Teilen getestet.

Technological innovation is gaining significance in our increasingly technological world. This applies to the education sector as well. Chatbots offer the possibility of imparting

knowledge in a new way that is tailored to the user’s needs. An empathetic, factual and didactic understanding of the texts written by the user would help the chatbot learn and

respond in a way that benefits the user in his educational journey.

The textual understanding of chatbots can be supported by a sentiment analysis of the users’ inputs. This type of analysis works by specifically searching for and extracting the

sentiments, opinions and emotions contained in the user’s input text.

While there are already many studies on the extraction of sentiments and emotions from English-language texts, there have been fewer activities to analyze German-language texts

in this way.

There are various approaches to implement sentiment analysis. In this master thesis, sentiment analysis for chatbot user inputs is conceptually analyzed and prototypically carried

out with the support of machine learning.

In pursuit of this objective, a concept is developed that considers the polarity and emotion components of sentiment analysis and derives user satisfaction from them. The key ele-

ments of the concept are tested with the help of Python scripts and classification models.