Computerlinguistik (Computer Linguistics)

Computerlinguistik ist die interdisziplinäre Wissenschaft an der Schnittstelle von Linguistik, Informatik und Mathematik, die sich mit der maschinellen Verarbeitung natürlicher Sprache beschäftigt. Sie untersucht, wie sprachliche Strukturen formal modelliert und algorithmisch verarbeitet werden können, und entwickelt Verfahren für Aufgaben wie Spracherkennung, maschinelle Übersetzung, Informationsextraktion, Dialogsysteme, Textzusammenfassung und sprachbasierte Suche. International wird das Fach auch als Natural Language Processing (NLP) oder Computational Linguistics bezeichnet. Das Studium kombiniert linguistische Grundlagen (Phonetik, Morphologie, Syntax, Semantik, Pragmatik) mit Informatik (Programmierung, Algorithmen und Datenstrukturen, Datenbanken, formale Sprachen) und mathematisch-statistischen Methoden (lineare Algebra, Wahrscheinlichkeitsrechnung, Statistik, maschinelles Lernen). Typische Module sind Grundlagen der Computerlinguistik, Maschinelle Sprachverarbeitung, Korpuslinguistik, Statistische Verfahren der Sprachverarbeitung, Parsing, Semantische Repräsentationen sowie zunehmend Deep Learning für NLP und große Sprachmodelle. Studiengänge gibt es als B.Sc./B.A. und M.Sc./M.A., teils eigenständig (z. B. Stuttgart, Heidelberg, Saarbrücken, Tübingen, München, Potsdam), teils als Vertiefung in Linguistik- oder Informatik-Studiengängen. Absolventinnen und Absolventen arbeiten in Forschung und Entwicklung bei Tech-Unternehmen (Sprachassistenten, Suchmaschinen, Übersetzungssysteme), in der Softwareindustrie, bei Verlagen und Medien (Textanalyse, Redaktionssysteme), in der Sprachtechnologie-Branche, bei Sicherheitsbehörden, in der akademischen Forschung sowie in Beratungs- und Datenanalyseunternehmen. Gegenüber der reinen Linguistik ist das Fach stark technisch geprägt; gegenüber der Informatik bringt es ein tieferes Verständnis sprachlicher Strukturen mit. Der Boom großer Sprachmodelle seit 2018/2022 hat das Fach inhaltlich verschoben: klassische regelbasierte und statistische Verfahren bleiben Grundlage, im Zentrum stehen aber zunehmend neuronale Architekturen, Transformer-Modelle und Fragen der Bewertung, Robustheit und gesellschaftlichen Wirkung von Sprachtechnologie.