💬 NLP

Representing data in words: A context engineering approach

Die Studie stellt „Wordalisations" als einen Kontext-Engineering-Ansatz vor, der numerische Daten in stilistisch natürliche und genaue Texte übersetzt, und validiert deren Wirksamkeit durch menschliche und KI-basierte Bewertungen in drei Anwendungsbereichen.

Ursprüngliche Autoren: Amandine M. Caut, Amy Rouillard, Beimnet Zenebe, Matthias Green, Ágúst Pálmason Morthens, David J. T. Sumpter

Veröffentlicht 2026-03-16

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Amandine M. Caut, Amy Rouillard, Beimnet Zenebe, Matthias Green, Ágúst Pálmason Morthens, David J. T. Sumpter

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Wortalisierung: Wie man Daten in eine gute Geschichte verwandelt

Stellen Sie sich vor, Sie haben einen riesigen Stapel mit trockenen Zahlen, Tabellen und Statistiken vor sich. Das ist wie ein Haufen roher Zutaten: Mehl, Eier, Zucker und Milch. Für einen Laien ist das wenig aussagekräftig. Ein Data Scientist könnte daraus ein komplexes Diagramm backen (eine Visualisierung), aber was, wenn Sie jemandem einfach nur erzählen wollen, was diese Zahlen bedeuten, ohne dass er Mathe studieren muss?

Genau hier kommt die Idee der „Wortalisierung" (im Englischen: Wordalisation) aus dem Papier von Amandine Caut und ihrem Team ins Spiel.

Das Grundkonzept: Vom Zahlenhaufen zur Geschichte

Die Autoren sagen: „Warum sollen wir uns nur auf Grafiken verlassen? Wir können Daten auch in Worte verwandeln, die sich natürlich anhören."

Stellen Sie sich den Prozess wie das Kochen eines Gerichts vor:

Die Rohdaten (Die Zutaten): Das sind die nackten Zahlen (z. B. wie viele Tore Harry Kane geschossen hat).
Der Statistiker (Der Koch): Erst wird gerechnet. Die Zahlen werden verglichen und in eine Art „Bewertung" umgewandelt (z. B. „Er ist 2 Standardabweichungen besser als der Durchschnitt"). Das ist noch sehr technisch und langweilig.
Der Geschichtenerzähler (Der LLM): Hier kommt die große Magie ins Spiel. Ein KI-Modell (ein großes Sprachmodell) nimmt diese trockene Bewertung und verwandelt sie in einen flüssigen, interessanten Text.

Das Ziel ist es, aus einer Tabelle wie dieser:

Tore: 2.041, Vorlagen: -0.717

einen Satz wie diesen zu machen:

„Harry Kane ist ein außergewöhnlicher Torschütze, der sich ständig hochqualifizierte Chancen schafft. Seine Zahlen zeigen, dass er klinisch fertig macht, aber bei der Unterstützung seiner Teamkollegen eher im Hintergrund bleibt."

Wie funktioniert das? (Die vier Schritte des „Context Engineering")

Die Autoren nennen ihren Ansatz nicht nur „Prompting" (also das Eingeben von Befehlen), sondern „Context Engineering" (Kontext-Engineering). Das ist wie das Anlegen eines perfekten Kostüms für den KI-Schauspieler, damit er die Rolle perfekt spielt.

Sie geben der KI vier Anweisungen, ähnlich wie ein Regisseur einem Schauspieler:

„Wer bist du?" (Die Rolle):
- Beispiel: „Du bist ein englischer Fußball-Scout."
- Analogie: Der Schauspieler zieht die Uniform an. Er weiß jetzt, in welchem Tonfall er sprechen muss (professionell, aber verständlich).
„Was weißt du?" (Das Wissen):
- Beispiel: Die KI bekommt Fragen und Antworten über Fußball geliefert. „Was bedeutet es, wenn ein Stürmer viele Tore schießt?"
- Analogie: Der Schauspieler bekommt das Drehbuch und Hintergrundwissen, damit er nicht ins Leere redet. Er lernt die Fachbegriffe und deren Bedeutung.
„Welche Daten nutzt du?" (Die Fakten):
- Beispiel: Hier wird die trockene statistische Bewertung („Harry ist bei den Toren 'außergewöhnlich', bei den Vorlagen 'unterdurchschnittlich'") an die KI übergeben.
- Analogie: Der Regisseur gibt dem Schauspieler die konkreten Fakten für die heutige Szene.
„Wie antwortest du?" (Der Stil):
- Beispiel: „Schreibe einen kurzen, prägnanten Text mit genau vier Sätzen. Beginne mit einem Überblick, dann die Stärken, dann die Schwächen."
- Analogie: Der Regisseur sagt: „Spiele die Szene emotional, aber nicht übertrieben, und halte dich an das Skript."

Wo wurde das getestet?

Die Forscher haben ihre Methode an drei ganz unterschiedlichen Orten ausprobiert, um zu zeigen, wie vielseitig sie ist:

Fußball-Scouting: Wie gut ist ein Spieler wirklich im Vergleich zu anderen?
Persönlichkeitstests: Was sagen die Ergebnisse eines Persönlichkeitstests über eine Person aus?
Weltumfragen: Wie sehen die Werte und Meinungen in verschiedenen Ländern aus?

Was haben sie herausgefunden?

Um zu testen, ob die KI nicht nur „Quatsch" redet (Halluzinationen), haben sie zwei Dinge getan:

Die KI gegen die KI: Eine andere KI hat die Texte geprüft. Das Ergebnis war klar: Wenn die KI nur die nackten Zahlen bekam, machte sie viele Fehler. Wenn sie die „Wortalisierung" bekam, waren die Texte viel genauer.
Menschen als Richter: Echte Menschen haben die Texte gelesen.
- Ergebnis: Die „Wortalisierungen" waren den reinen Zahlenangaben und den Texten ohne Datenüberlegen. Sie waren interessanter zu lesen (höhere „Engagement"-Bewertung), aber genauso wahrheitsgetreu.

Ein wichtiger Unterschied: Die KI, die die Texte prüfte, fand bei den Fußball-Texten manchmal kleine Ungenauigkeiten. Aber die Menschen sagten: „Das ist doch gar nicht schlimm! Der Text liest sich einfach viel besser und ist weniger steif." Das zeigt, dass die KI manchmal zu streng urteilt, wenn es um Sprache geht.

Warum ist das wichtig?

Die Autoren sagen: Wir sollten aufhören, nur auf harte Zahlen-Benchmarks zu schauen (wie bei Schach oder Mathe). Bei Texten geht es darum, Verständlichkeit und Vertrauen zu schaffen.

Statt die KI zu trainieren (was teuer und aufwendig ist), nutzen sie einfach geschickte Anweisungen (Prompts), um die KI zu einem guten Journalisten zu machen. Sie betonen, dass man immer offenlegen muss, wie die Daten in Worte verwandelt wurden (Transparenz), genau wie ein Journalist seine Quellen nennt.

Fazit:
Die „Wortalisierung" ist wie ein Dolmetscher zwischen der kalten Welt der Daten und der warmen Welt der menschlichen Sprache. Sie macht komplexe Informationen so leicht verdaulich wie ein gut geschriebener Zeitungsartikel, ohne dabei die Wahrheit zu verzerren. Es ist ein Werkzeug, um Daten nicht nur zu sehen, sondern sie wirklich zu verstehen.

1. Problemstellung

Große Sprachmodelle (LLMs) zeigen zwar beeindruckende Fähigkeiten im allgemeinen Sprachverständnis und in der Logik, scheitern jedoch oft daran, numerische Daten zuverlässig und treu in Text zu übersetzen. Das Hauptproblem liegt darin, dass LLMs Zahlen häufig als reine Text-Token und nicht als quantitative Informationen behandeln, was zu Fehlinterpretationen und Halluzinationen führt.
Zudem fehlen für die spezifische Aufgabe der „Data-to-Text"-Generierung standardisierte Benchmarks, da die Ziele und Bewertungskriterien je nach Anwendungskontext (z. B. Sport, Psychologie, Soziologie) stark variieren. Herkömmliche Methoden basieren oft auf aufwendigem Fine-Tuning oder reinen statistischen Beschreibungen, die entweder zu teuer in der Entwicklung oder für Laien zu trocken und schwer verständlich sind.

2. Methodik: „Wordalisations" und Context Engineering

Die Autoren stellen eine neue Methodik namens Wordalisations vor. Dieser Ansatz zielt darauf ab, aus Rohdaten stilistisch natürliche, aber datentreue Narrative zu generieren. Statt das Modell neu zu trainieren, nutzen die Autoren Context Engineering (eine Erweiterung des Prompt Engineering), um dem LLM den richtigen Kontext, die Werkzeuge und Anweisungen zu geben.

Der Workflow besteht aus vier Hauptphasen (siehe Abb. 1 im Paper):

Statistisches Modell: Aus den Rohdaten werden informative Statistiken berechnet. Im Paper wird hierfür der Z-Score verwendet, um einzelne Entitäten (z. B. Spieler, Personen, Länder) im Verhältnis zur Gesamtbevölkerung zu standardisieren:
$z_{i,j} = \frac{x_{i,j} - \mu_j}{\sigma_j}$
Dabei steht $\mu_j$ für den Mittelwert und $\sigma_j$ für die Standardabweichung des Merkmals $j$ .
Normatives Modell: Die Z-Scores werden in einen synthetischen Text umgewandelt, der qualitative Beschreibungen liefert (z. B. „außergewöhnlich", „durchschnittlich", „unterdurchschnittlich"). Dies geschieht durch Schwellenwert-Regeln (z. B. $z > 1,5$ = „außergewöhnlich"). Dieser Schritt erfolgt ohne LLM, rein regelbasiert, um eine faktisch korrekte, aber formelhafte Basis zu schaffen.
Prompt-Engineering (Die vier Schritte): Der synthetische Text wird als Teil eines komplexen Prompts an das LLM übergeben. Der Prompt folgt vier Schritten:
- „Tell it who it is": Festlegung der Rolle (System-Prompt), z. B. „Du bist ein Fußball-Scout".
- „Tell it what it knows": Bereitstellung von Frage-Antwort-Paaren (Few-Shot), die Domänenwissen und die Grenzen der Daten erklären (z. B. was ein „Tor" im Fußball bedeutet).
- „Tell it what data to use": Einbindung der synthetischen Textbeschreibung (aus dem normativen Modell) als Datenquelle.
- „Tell it how to answer": Spezifikation des Ausgabeformats (z. B. „4 Sätze", „Fokus auf Stärken/Schwächen") sowie Few-Shot-Beispiele für den gewünschten Stil.
Generierung: Das LLM generiert basierend auf diesem Kontext den finalen, fließenden Text (die Wordalisation).

3. Anwendungsbereiche

Die Methode wurde in drei verschiedenen Domänen getestet, um ihre Vielseitigkeit zu demonstrieren:

Fußball-Scouting: Analyse von Spielern (z. B. Harry Kane) basierend auf Leistungsdaten (Ziele, Pässe, Duellgewinne).
Persönlichkeitstests: Interpretation von Ergebnissen des „Big Five"-Personality-Tests.
Internationale Umfragedaten: Analyse von Daten des „World Values Survey" (z. B. für Länder wie Malaysia oder Andorra).

4. Ergebnisse und Evaluation

Da keine standardisierten Benchmarks existierten, nutzten die Autoren einen hybriden Evaluierungsansatz:

LLM-as-a-Judge: Ein weiteres LLM („gemini-2.0-flash") wurde eingesetzt, um die Genauigkeit zu prüfen.
- Ergebnis: Wordalisations führten zu signifikant weniger Halluzinationen (nur 18 % Fehler) im Vergleich zu reinen statistischen Texten (50 %) oder Kontrolltexten ohne Daten (91 %).
- Rekonstruktionsfähigkeit: Die Fähigkeit, aus dem generierten Text die ursprünglichen statistischen Kategorien (z. B. „außergewöhnlich") zurückzugewinnen, war bei Wordalisations hoch, insbesondere bei den Umfragen und Persönlichkeitstests. Bei komplexeren Fußball-Scouting-Texten war die Rekonstruktion schwieriger, da hier mehr Beobachtungen verdichtet wurden.
Human-as-a-Judge: Menschliche Bewerter (121 Antworten) verglichen Wordalisations mit Kontroll- und statistischen Texten.
- Ergebnis: Wordalisations wurden in Bezug auf Engagement (Spannendheit) signifikant höher bewertet als reine statistische Beschreibungen, während die Treue (Faithfulness) und Nützlichkeit auf gleich hohem Niveau blieben.
- Diskrepanz: Während das LLM als Richter bei komplexen Fußball-Texten Fehler fand, bewerteten Menschen diese Texte als weniger formelhaft und variierter, ohne sie als ungenau zu empfinden. Dies deutet darauf hin, dass LLM-basierte Richter bei kreativer Textgenerierung zu streng sein können.

5. Hauptbeiträge und Signifikanz

Neue Methodik: Einführung von „Wordalisations" als Brücke zwischen rohen Daten und verständlichen Narrativen, die sowohl informativ als auch ansprechend sind.
Kontext-Engineering statt Fine-Tuning: Demonstration, dass durch sorgfältiges Prompt-Design (insbesondere die Kombination aus normativen Modellen und Few-Shot-Learning) hochwertige Ergebnisse erzielt werden können, ohne teures Modell-Fine-Tuning. Dies ist ressourceneffizienter und flexibler.
Transparenz und Dokumentation: Die Autoren betonen die Notwendigkeit von Model Cards. Da absolute Genauigkeit bei der Textgenerierung aus Daten oft subjektiv ist, soll der Fokus auf der transparenten Dokumentation der zugrunde liegenden Modelle (statistisch und normativ) und ihrer Grenzen liegen, ähnlich wie in der Datenjournalistik.
Praktische Umsetzung: Bereitstellung einer öffentlichen Streamlit-App und des gesamten Quellcodes, um Reproduzierbarkeit und Weiterentwicklung zu fördern.

Fazit:
Das Paper zeigt, dass LLMs durch gezieltes Context Engineering zuverlässig genutzt werden können, um Daten in verständliche Geschichten zu verwandeln. Der Schlüssel liegt nicht in der Verbesserung des Modells selbst, sondern in der Strukturierung des Eingabekontexts, der das Modell anweist, Daten korrekt zu interpretieren und in einen angemessenen Stil zu übersetzen. Dies macht Daten für ein breiteres Publikum zugänglicher und unterstützt datengestütztes Storytelling.