Gemeint ist Regie

Wer wissen will, ob eine Produktion teurer war als eine andere, muss ihre Budgets übereinanderlegen können. Genau daran scheitert es zunächst: Jede Produktionsfirma gliedert ihr Budget nach eigener Logik. Dieselbe Leistung trägt mal einen Fachbegriff, mal einen Rollennamen, mal verschwindet sie in einer Sammelposition. Bevor irgendetwas vergleichbar wird, muss jede einzelne Zeile auf einen gemeinsamen Kontenrahmen übersetzt werden.

Mit klassischem Textvergleich kommt man dabei ein Stück weit – und dann nicht mehr weiter. Rund 30 Prozent der Positionen lassen sich über Namen, Schreibvarianten und Ähnlichkeitsmaße automatisch zuordnen. Der Rest scheitert nicht an Tippfehlern, sondern an Bedeutung. Deshalb steht am Ende der Kette deterministischer Verfahren ein Sprachmodell: Es bekommt nur die Fälle, die vorher keines lösen konnte.

Kette der Verfahren

exakter Treffer 12 %

Schreibvarianten 11 %

Ähnlichkeitsmaß 7 %

Rest ohne Bedeutung nicht lösbar

Sprachmodell 70 %

String-Matching allein: ~30 % der Positionen
Reihenfolge: Erst Deterministik, dann LLM
Ehrlich gesagt: der Zugewinn ist noch nicht gemessen

Wo der Textvergleich blind ist

Ein Beispiel: In einem Budget steht „Regisseur“ – gemeint ist das Regie-Konto. Fahrzeugkosten wiederum tauchen je nach Produktion unter Transport, unter Ausstattung oder beim Stab auf. Ein Mensch ordnet solche Zeilen zu, ohne nachzudenken. Ein Algorithmus, der Zeichenketten vergleicht, sieht nur Wörter, die einander nicht ähneln.

Genau diese Fälle übernimmt das Sprachmodell: den Rest, den die deterministische Kette übrig lässt und der sich nur über Bedeutung erschließt. Nebenbei fällt dabei etwas ab, das vorher niemand systematisch erfasst hat – stehen Personennamen in den Freitexten, erkennt das Modell sie und gleicht sie mit den Stammdaten ab.

Bleibt die Frage, wie viel das alles bringt. Die ehrliche Antwort: Das wird gerade erst gemessen. Um wie viele Prozentpunkte das Sprachmodell die automatische Zuordnung tatsächlich erhöht, steht noch nicht fest. Was jeder Durchlauf schon jetzt zeigt: Es trifft genau die Zeilen, an denen alle anderen Verfahren scheitern.