Generative KI kann Texte schreiben, Formulierungen verbessern und komplexe sprachliche Zusammenhänge analysieren. Doch wenn es um verbindliche Terminologie, eindeutige Regeln und zuverlässige Sprachqualität geht, reicht ihre Leistungsfähigkeit allein nicht immer aus. Auf der Congree Conference 2026 zeigte Svenja Siedle, wie sich regelbasierte Linguistik und generative KI ergänzen und welche Möglichkeiten ihre Zusammenarbeit für die professionelle Content-Erstellung eröffnet.
Was passiert, wenn klassische linguistische Verfahren und moderne Sprachmodelle zusammenarbeiten?
Dieser Frage widmete sich Svenja Siedle von Congree Language Technologies in ihrem Vortrag „Linguistik und KI aus Sicht der Linguistik“ am 15. Oktober 2026.
Um das Zusammenspiel beider Technologien zu veranschaulichen, stellte sie zwei Figuren vor: LINa und KIm. LINa repräsentiert die regelbasierte Linguistik, KIm die generative künstliche Intelligenz.
Beide haben unterschiedliche Stärken. LINa kennt sprachliche Regeln, erkennt Abweichungen und sorgt für Verlässlichkeit. KIm kann komplexe Zusammenhänge analysieren, Bedeutungen interpretieren und neue Formulierungen entwickeln.
Im Team übernehmen sie Aufgaben, bei denen regelbasierte Verfahren oder generative KI allein an Grenzen stoßen.
Die Beispiele aus dem Vortrag zeigten, wie dieses Zusammenspiel bereits in verschiedenen Bereichen der Congree-Entwicklung genutzt und weiterentwickelt wird. Sie reichten von der Terminologiearbeit über die Sprachprüfung und Textgenerierung bis zur Unterstützung bei der Regelkonfiguration.
Warum sollten Linguistik und generative KI zusammenarbeiten?
Regelbasierte Linguistik und generative KI verfolgen unterschiedliche Ansätze bei der Verarbeitung von Sprache.
Linguistische Verfahren arbeiten mit definierten Regeln und sprachlichen Strukturen. Sie können beispielsweise erkennen, ob ein Text gegen bestimmte Grammatikregeln verstößt, welche Fachbegriffe verwendet werden oder ob eine Formulierung den Vorgaben eines Styleguides entspricht.
Generative KI dagegen nutzt statistisch erlernte Zusammenhänge, um Sprache zu interpretieren und neue Inhalte zu erzeugen. Sie kann Bedeutungen aus dem Kontext erschließen und alternative Formulierungen vorschlagen.
Beide Ansätze besitzen Stärken und Einschränkungen.
Regelbasierte Verfahren sind besonders zuverlässig, wenn eine Vorgabe eindeutig definiert werden kann. Bei mehrdeutigen Formulierungen stoßen sie jedoch mitunter an Grenzen.
Generative KI kann solche Mehrdeutigkeiten häufig besser beurteilen. Ihre Ergebnisse sind allerdings nicht immer vorhersehbar und entsprechen nicht automatisch den sprachlichen Anforderungen eines Unternehmens.
Die Kombination beider Ansätze ermöglicht es, diese Unterschiede gezielt zu nutzen.
Die Linguistik erkennt mögliche Probleme und definiert die Qualitätsanforderungen. Die KI unterstützt bei Entscheidungen, für die zusätzliche Kontextinformationen erforderlich sind, oder entwickelt passende Formulierungsvorschläge. Anschließend kann die regelbasierte Sprachprüfung die Ergebnisse kontrollieren.
Wie das funktioniert, zeigte Svenja Siedle anhand konkreter Beispiele.
Wie hilft KI dabei, mehrdeutige Fachbegriffe richtig zu verwenden?
In der Terminologiearbeit reicht es nicht aus, einzelne Wörter isoliert zu betrachten. Entscheidend ist häufig der Zusammenhang, in dem sie verwendet werden.
Ein Begriff kann in einem Kontext korrekt und in einem anderen unerwünscht sein.
Svenja Siedle demonstrierte das anhand der Wörter „Meldung“ und „Fehlermeldung“.
Im Zusammenhang mit der Congree-Sprachprüfung bezeichnet „Meldung“ einen Hinweis, den das System zur Optimierung eines Textes ausgibt. In diesem Kontext ist „Meldung“ der bevorzugte Begriff.
Bei einer Software, die einen Programmfehler oder eine fehlgeschlagene Verarbeitung anzeigt, ist dagegen „Fehlermeldung“ die passende Bezeichnung.
Die beiden Wörter können also je nach Fachkontext unterschiedliche terminologische Bewertungen erhalten.
In der Terminologieprüfung spricht man hier von sogenannten POSNEG-Situationen. Eine Benennung kann gleichzeitig als bevorzugt und als unerwünscht hinterlegt sein, wenn sie zu unterschiedlichen Begriffskonzepten gehört.
Eine rein wortbasierte Prüfung kann diese Fälle nicht immer eindeutig auflösen.
Hier unterstützt generative KI, indem sie die Definitionen der betreffenden Konzepte und den Textzusammenhang berücksichtigt.
Sie kann beispielsweise erkennen, dass in einem Satz über das Fenster der Congree-Sprachprüfung tatsächlich eine „Meldung“ gemeint ist und deshalb kein terminologischer Fehler vorliegt.
Die Terminologieregeln bleiben verbindlich. Die KI hilft dabei, sie im richtigen Kontext anzuwenden.
KI-Unterstützung beim Aufbau von Terminologiedatenbanken
Auch der Aufbau und die Pflege von Terminologiebeständen lassen sich durch die Kombination von Linguistik und KI unterstützen.
Svenja Siedle stellte dafür zwei Anwendungsbereiche vor: die Erstellung fehlender Definitionen und die Entwicklung neuer Begriffskonzepte.
Definitionen automatisch erstellen und linguistisch prüfen
Viele Terminologiedatenbanken enthalten Fachbegriffe, für die noch keine Definition vorhanden ist.
Solche Definitionslücken können die Terminologiearbeit erschweren. Ohne klare Begriffsdefinitionen lässt sich nicht immer zuverlässig unterscheiden, welche Benennung in welchem Zusammenhang verwendet werden soll.
Ein von Svenja Siedle vorgestellter Ansatz verbindet deshalb KI-generierte Definitionen mit einer anschließenden linguistischen Prüfung.
Zunächst werden aus einem Terminologiebestand, beispielsweise im TBX-Format, die Einträge ohne Definition ermittelt. Anschließend erzeugt die KI unter Berücksichtigung des Fachgebiets geeignete Definitionsvorschläge.
Diese Vorschläge werden mit linguistischen Regeln geprüft und bei Bedarf überarbeitet.
Ein Beispiel aus dem Vortrag war die Definition von Congree Anywhere.
Der ursprüngliche KI-Vorschlag lautete:
„Die webbasierte Anwendung, um Texte effizient zu prüfen“
Die linguistische Prüfung erkannte dabei zwei Abweichungen von den Vorgaben für Definitionen: den bestimmten Artikel am Anfang und die Verwendung einer „um zu“-Konstruktion.
Nach der Korrektur lautete die Definition:
„Webbasierte Anwendung zur effizienten Prüfung von Texten“
Das Ergebnis ist kürzer und erfüllt die hinterlegten Definitionsregeln.
Neue Begriffskonzepte mithilfe von KI entwickeln
Ein weiterer Anwendungsfall ist der systematische Aufbau neuer Terminologiebestände.
Hier übernimmt die Linguistik zunächst die Ermittlung möglicher Termkandidaten aus vorhandenen Texten.
Dabei können beispielsweise zusammengesetzte Wörter, Fachbegriffe mit Bindestrich oder Fremdwörter erkannt und in ihre Grundform überführt werden.
Anschließend unterstützt die KI dabei, zusammengehörige Termkandidaten zu gruppieren und Begriffskonzepte zu bilden.
Sie kann zusätzliche Informationen wie Definitionen, Fachgebiete, Kontexte und grammatische Merkmale ergänzen.
Die Vorschläge werden unter Berücksichtigung eines Terminologieleitfadens erstellt, der die Anforderungen an die Konzeptbildung und die Benennung vorgibt.
So verbindet der Ansatz die systematische Erkennung sprachlicher Strukturen mit der Fähigkeit generativer KI, Zusammenhänge zwischen Begriffen zu analysieren.
Wie verbessert KI die regelbasierte Sprachprüfung?
Ein besonders anschaulicher Teil des Vortrags beschäftigte sich mit der Verbesserung von Korrekturvorschlägen.
Regelbasierte Sprachprüfungen können zuverlässig erkennen, wenn eine Formulierung gegen eine hinterlegte Vorgabe verstößt.
Nicht immer können sie jedoch eindeutig bestimmen, welche alternative Formulierung im jeweiligen Zusammenhang die beste ist.
Genau hier kann ein Sprachmodell unterstützen.
Svenja Siedle zeigte beispielsweise den englischen Satz:
„I am open for suggestions.“
Eine linguistische Regel erkennt die fragliche Präposition und stellt mögliche Alternativen bereit. Das Sprachmodell kann anschließend unter Berücksichtigung des Kontextes entscheiden, welche Variante passend ist.
Ein weiteres Beispiel betraf den deutschen Satz:
„Wenn 1000 km erreicht sind, Kraftstofffilter erneuern.“
Die linguistische Sprachprüfung erkennt, dass die Verwendung von „wenn“ nach dem geltenden Styleguide vermieden werden soll.
Als Alternativen kommen „sobald“ und „falls“ infrage.
Beide Wörter sind grammatikalisch möglich, unterscheiden sich aber in ihrer Bedeutung.
„Sobald“ beschreibt einen Zeitpunkt, zu dem eine Handlung ausgeführt werden soll. „Falls“ drückt dagegen eine Bedingung aus, deren Eintritt ungewiss ist.
Im gezeigten Wartungshinweis ist deshalb „sobald“ die passende Wahl.
Ein Sprachmodell kann diese Entscheidung anhand des Kontextes treffen.
Die Linguistik identifiziert die fragliche Stelle und gibt mögliche Alternativen vor. Die KI wählt die im Zusammenhang passende Formulierung aus.
Warum müssen auch KI-generierte Korrekturvorschläge geprüft werden?
Generative KI kann komplexe Sätze umformulieren. Dabei besteht jedoch das Risiko, dass der neue Satz gegen andere sprachliche Regeln verstößt.
Svenja Siedle zeigte deshalb einen Ansatz, bei dem KI-generierte Korrekturvorschläge erneut durch die Congree-Sprachprüfung kontrolliert werden.
Der Ablauf besteht aus mehreren Schritten.
Zunächst identifiziert die regelbasierte Linguistik die problematische Stelle. Anschließend erzeugt das Sprachmodell einen Korrekturvorschlag.
Dieser Vorschlag wird erneut gegen die aktive Regelkonfiguration geprüft.
Falls weitere Abweichungen erkannt werden, kann eine zusätzliche Korrekturschleife erfolgen.
So soll sichergestellt werden, dass die überarbeitete Formulierung nicht nur das ursprünglich erkannte Problem behebt, sondern auch andere verbindliche Sprachregeln berücksichtigt.
Ein Beispiel aus dem Vortrag war der Satz:
„Der Fehler ist einzugrenzen.“
Eine Regel sieht vor, Konstruktionen mit „sein + zu + Infinitiv“ zu vermeiden.
Ein möglicher Korrekturvorschlag lautet:
„Grenzen Sie den Fehler ein.“
Ist allerdings zusätzlich eine Regel aktiv, die direkte Anredeformen verbietet, muss der Vorschlag erneut angepasst werden.
Die Kombination aus KI und Linguistik hilft somit dabei, unterschiedliche Anforderungen an die Textqualität gleichzeitig zu berücksichtigen.
Warum benötigt die automatisierte Sprachprüfung andere Regeln?
Ein wichtiger Punkt des Vortrags war die Frage, wie sich die Anforderungen an eine Sprachprüfung verändern, wenn immer mehr Arbeitsschritte automatisiert werden.
Bei der klassischen Autorenunterstützung entscheidet ein Mensch, ob er einen Korrekturvorschlag übernimmt oder ignoriert.
Das ermöglicht es, auch Regeln einzusetzen, die in bestimmten Situationen nicht eindeutig anwendbar sind.
Svenja Siedle erläuterte dies anhand des Satzes:
„Der Fehler wurde behoben.“
Eine Regel, die Passivkonstruktionen vermeiden soll, würde diesen Satz beanstanden.
Allerdings lässt er sich nicht in jedem Fall sinnvoll ins Aktiv umformulieren. Wenn nicht bekannt ist, wer den Fehler behoben hat, müsste eine entsprechende Information ergänzt oder die Aussage verändert werden.
Ein menschlicher Autor erkennt dieses Problem und kann den Korrekturhinweis ignorieren.
In einem vollständig automatisierten Prozess fehlt diese Entscheidungsinstanz möglicherweise.
Deshalb müssen Regelkonfigurationen an den jeweiligen Anwendungsfall angepasst werden.
Für die interaktive Sprachprüfung können umfangreiche Regelsätze sinnvoll sein, weil der Autor die Hinweise bewertet.
Bei einer weitgehend automatisierten Korrektur sollten dagegen nur Regeln eingesetzt werden, deren Anwendung mit ausreichender Zuverlässigkeit zu einem brauchbaren Ergebnis führt.
Svenja Siedle sprach sich deshalb bei stärkerer Automatisierung für schlankere Regelkonfigurationen aus.
Diese Unterscheidung ist für Unternehmen wichtig, die generative KI zur Erstellung oder Überarbeitung größerer Textmengen einsetzen möchten.
Denn nicht jede Regel, die bei der manuellen Textoptimierung hilfreich ist, eignet sich gleichermaßen für einen automatisierten Prozess.
KI-gestützte Textgenerierung mit verbindlichen Sprachregeln
Neben der Überarbeitung vorhandener Texte beschäftigte sich Svenja Siedle auch mit deren automatisierter Erstellung.
Der vorgestellte Ansatz beginnt mit einem Grobentwurf, beispielsweise in Form von Stichpunkten.
Zusätzlich können Informationen über die Branche und weitere fachliche Rahmenbedingungen bereitgestellt werden.
Auf dieser Grundlage erzeugt ein Sprachmodell einen ausformulierten Text.
Anschließend wird dieser Text mithilfe der regelbasierten Sprachprüfung kontrolliert und bei Bedarf korrigiert.
Dabei werden die aktive Regelkonfiguration und die hinterlegten sprachlichen Vorgaben berücksichtigt.
So verbindet der Ansatz die Möglichkeiten generativer KI bei der Textproduktion mit den Qualitätsanforderungen professioneller Unternehmenskommunikation.
Das ist insbesondere für Unternehmen interessant, die regelmäßig größere Mengen standardisierter Inhalte erstellen müssen.
Ein Sprachmodell kann die Formulierung übernehmen. Die linguistische Prüfung unterstützt dabei, die Ergebnisse an den unternehmensspezifischen Standards auszurichten.
Wie kann KI bei der Konfiguration von Sprachregeln helfen?
Nicht nur die Erstellung und Prüfung von Texten kann durch KI unterstützt werden. Auch die Konfiguration der zugrunde liegenden Sprachregeln bietet Potenzial.
In Unternehmen werden sprachliche Anforderungen häufig in Redaktionsleitfäden oder Styleguides dokumentiert.
Diese enthalten beispielsweise Vorgaben zur Verwendung von Passivkonstruktionen, zur direkten Ansprache oder zur Formulierung von Handlungsanweisungen.
Damit solche Anforderungen automatisch geprüft werden können, müssen passende Regeln ausgewählt und konfiguriert werden.
Svenja Siedle stellte einen Ansatz vor, bei dem KI diese Zuordnung unterstützt.
Dazu werden Informationen über vorhandene Congree-Regeln verwendet, etwa Regelcodes, Meldungstexte und Anwendungsbeispiele.
Aus den Vorgaben eines Redaktionsleitfadens werden zunächst mögliche Regelkandidaten ermittelt. Anschließend bewertet ein Sprachmodell, welche dieser Regeln tatsächlich zu den Anforderungen passen.
Die Ausgabe enthält entsprechende Regelvorschläge mit Begründungen.
Zu den vorgestellten Anwendungsszenarien gehören die automatische Zuordnung kompletter Styleguides zu Congree-Regeln und eine Chatfunktion zur Unterstützung bei der Regelkonfiguration.
Damit könnte generative KI künftig nicht nur bei der Textarbeit helfen, sondern auch die Einrichtung und Pflege der sprachlichen Qualitätssicherung erleichtern.
LINa, KIm und KILIaN: Die Zukunft gehört dem Zusammenspiel
Mit LINa und KIm veranschaulichte Svenja Siedle während ihres Vortrags die unterschiedlichen Rollen von Linguistik und künstlicher Intelligenz.
LINa gibt die Impulse. Sie kennt die Regeln, erkennt Abweichungen und stellt Anforderungen an die sprachliche Qualität.
Wenn sie bei komplexen Fragestellungen nicht allein weiterkommt, unterstützt KIm mit seinen Fähigkeiten zur Interpretation und Generierung von Sprache.
Allerdings ist KIm nicht unfehlbar. Er liefert bereitwillig Antworten, die nicht immer den geltenden Vorgaben entsprechen.
Deshalb übernimmt LINa bei Bedarf auch die Rolle des Korrektivs.
Am Ende des Vortrags stellte Svenja Siedle mit KILIaN schließlich eine neue Figur vor, die beide Ansätze miteinander verbindet.
Sie steht sinnbildlich für eine Entwicklung, bei der generative KI und regelbasierte Linguistik nicht länger als getrennte Technologien betrachtet werden, sondern gemeinsam an der Qualität professioneller Texte arbeiten.
Fazit: Gute KI-Texte brauchen mehr als ein leistungsfähiges Sprachmodell
Der Vortrag von Svenja Siedle zeigte, dass sich Linguistik und generative KI in zahlreichen Bereichen sinnvoll ergänzen.
Drei Erkenntnisse sind dabei besonders wichtig:
1. Kontext entscheidet über sprachliche Korrektheit.
Ein Fachbegriff oder eine Formulierung kann in einem Zusammenhang korrekt und in einem anderen unerwünscht sein. Generative KI kann dabei helfen, solche Unterschiede zu erkennen und vorhandene Regeln kontextabhängig anzuwenden.
2. KI-generierte Texte und Korrekturvorschläge benötigen Qualitätssicherung.
Sprachmodelle können Texte erstellen und komplexe Formulierungen überarbeiten. Regelbasierte Verfahren helfen dabei, die Ergebnisse anhand verbindlicher Terminologie und sprachlicher Vorgaben zu kontrollieren.
3. Automatisierung verändert die Anforderungen an Sprachregeln.
Je weniger ein Mensch in die Textprüfung eingreift, desto wichtiger werden präzise Regelkonfigurationen und zuverlässige Korrekturverfahren.
Die Zukunft der professionellen Content-Erstellung liegt deshalb nicht darin, regelbasierte Linguistik durch generative KI zu ersetzen.
Vielmehr können beide Ansätze ihre jeweiligen Stärken einbringen.
Die Linguistik definiert und überprüft die sprachlichen Anforderungen. Die KI unterstützt bei komplexen Entscheidungen und der Formulierung von Texten. Gemeinsam schaffen sie die Grundlage für eine effizientere und besser kontrollierbare Content-Erstellung.
