Code
Sentiment-Analyse für Kundenfeedbacks eines Mittelständlers im Maschinenbau
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen anonymisierten Datensatz mit 5.000 Kundenkommentaren aus drei Jahren. Erstelle ein Python-Skript, das eine mehrklassige Sentiment-Analyse durchführt (positiv, neutral, negativ, kritisch-eskaliert) und gleichzeitig die wichtigsten Themencluster identifiziert. Trainiere dafür ein klassisches Machine-Learning-Modell (zum Beispiel Support Vector Machine oder Random Forest) und vergleiche es mit einem vortrainierten Transformer-Modell (zum Beispiel ein deutschsprachiges BERT-Modell). Dokumentiere, welches Modell bei welchen Textarten besser abschneidet und warum. Die Geschäftsführung will am Ende wissen: Welche drei Produkte generieren die meisten negativen Kommentare? Welche Servicezeitpunkte sind kritisch? Und wie zuverlässig ist das Modell insgesamt?
Das Briefing
Was Du tust und was Du zeigst.
Wie kann ein mittelständischer Maschinenbauer unstrukturierte Kundenfeedbacks automatisiert analysieren, um frühzeitig Produktmängel und Abwanderungsrisiken zu erkennen?
Earning criteria — what you'll demonstrate
- Anwendung von Textklassifizierungsverfahren auf reale betriebliche Daten
- Vergleichende Evaluation von klassischen und modernen Sprachmodellen (LLMs und Transformer)
- Übersetzung von Modellergebnissen in geschäftsrelevante Kennzahlen und Handlungsempfehlungen
- Praktische Erfahrung mit der Datenbereinigung und -aufbereitung unstrukturierter deutscher Texte
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Data Scientist
Diese Challenge vermittelt die praktische Erfahrung, unstrukturierte betriebliche Daten in produktive Modelle zu überführen — eine Kernaufgabe von Data Scientists in industriellen Umgebungen. Die Arbeit mit deutschen Texten und der direkte Modellvergleich spiegeln reale Anforderungen wider.
Dieses Projekt schärft
- natural-language-processing
- machine-learning
- model-evaluation
Marketing Data Scientist
Die Analyse von Kundenstimmen und die Übersetzung in geschäftliche Kennzahlen ist zentral für Marketing Data Scientists, die Voice-of-Customer-Programme aufbauen. Die hier erworbene Erfahrung mit Sentiment-Analysen ist direkt auf Markenmonitoring und Kundenfeedback-Systeme übertragbar.
Dieses Projekt schärft
- natural-language-processing
- text-classification
- data-visualization
BI Consultant
BI Consultants müssen häufig unstrukturierte Datenquellen in bestehende Berichtsstrukturen integrieren. Diese Challenge lehrt, wie Textanalysen als Datenquelle für Dashboards aufbereitet und an Führungskräfte kommuniziert werden.
Dieses Projekt schärft
- data-visualization
- text-classification
- model-evaluation
Noch eine Sache