BILD: Ein „Rachebutzer“ ist kein frecher Bengel (wie KI meinte), sondern ein saurer Wein

Wie gut verstehen Sprachmodelle den Mainzer Dialekt? – Dieser Frage ist ein von der Johannes Gutenberg-Universität Mainz (JGU) geleitetes Forschungsteam erstmals nachgegangen.

Meenzerisch prägt die regionale Sprachkultur bis heute und ist durch die Büttenreden der Mainzer Fastnacht bundesweit bekannt. Die Studienergebnisse zeigen: Aktuelle KI-Modelle haben große Schwierigkeiten, den Dialekt korrekt zu verstehen.

„Sprachvarianten wie Meenzerisch sind ein wichtiger Teil kultureller Identität, verschwinden aber gleichzeitig aus dem alltäglichen Gebrauch“, erklärt Minh Duc Bui vom Institut für Informatik der JGU: „In der digitalen Sprachforschung werden regionale Dialekte bisher kaum berücksichtigt.“

Digitales Lexikon in Meenzerisch

Das Team erstellte zunächst einen neuen Datensatz zum Mainzer Dialekt. Grundlage war ein Wörterbuch aus dem Jahr 1966, das die Forscher digitalisierten. Daraus entstand ein maschinenlesbares Lexikon mit 2.351 Dialektbegriffen und ihren Definitionen im Standard-Deutschen.

Auf Basis des digitalen Lexikons konnten die Forschenden erstmals systematisch untersuchen, wie gut große Sprachmodelle mit dem Dialekt umgehen können. Getestet wurden mehrere Open-Source-Sprachmodelle unterschiedlicher Größe. Diese mussten zum einen die Bedeutung von Meenzerisch-Wörtern erklären und zum anderen aus standarddeutschen Definitionen die passenden Dialektwörter erzeugen.

„Unsere Ergebnisse fallen deutlich aus“, so Bui. „Die getesteten Modelle scheitern sowohl beim Verstehen als auch beim Produzieren des Dialekts.“

Beim Generieren von Wortdefinitionen erreichten sie im Durchschnitt eine Trefferquote von nur 4,24 Prozent. Auch die leistungsstärksten getesteten Modelle erzielten dabei nur sehr geringe Erfolge. Eine Ursache dafür könnte sein, dass Dialekte vor allem gesprochen werden und deshalb wenig Textdaten existieren.

Quelle (Text / Titelbild): Pressemeldung der Universität Mainz