> For the complete documentation index, see [llms.txt](https://docs.ngsurvey.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.ngsurvey.com/de/ki-suite/artemis-ki-agent/datenanalyse-und-berichterstellung/analyse-offener-texte.md).

# Analyse offener Texte

Offene Antworten enthalten oft die wertvollsten Erkenntnisse, aber auch die größte Komplexität. Artemis verwendet KI-gestützte semantische Analyse, um qualitative Rückmeldungen in großem Umfang zu interpretieren, zusammenzufassen und zu strukturieren.

Anstatt Hunderte oder Tausende von Kommentaren manuell zu lesen, können Nutzer strukturierte Erkenntnisse direkt anfordern.

Artemis kann:

* Wiederkehrende Themen zusammenfassen
* Positive, negative und gemischte Stimmung erkennen
* Kommentare nach Bedeutung clustern
* Aufkommende Bedenken hervorheben
* Repräsentative Zitate extrahieren
* Ergebnisse offener Texte zusammen mit anderen Umfrageantworten gruppieren

### 🔎 Themenentdeckung & Zusammenfassungen

* „Fasse die Hauptthemen aus der Comment Question zusammen.“
* „Worüber sprechen Kunden am meisten basierend auf der Comment Question?“
* „Gib einen Überblick über die jüngsten Kommentare basierend auf der Comment Question.“
* „Identifiziere die Top 5 der wiederkehrenden Feedback-Themen aus der Comment Question.“
* „Gib die Hauptthemen der Comment Question an und gruppiere sie nach der Country Question“

Ausgaben können strukturierte Zusammenfassungen, kategorisierte Themen und prägnante narrative Übersichten enthalten.

### 😊 Sentiment-Analyse

* „Analysiere die Stimmung in den jüngsten Kommentaren basierend auf der Comment Question.“
* „Zeige die Verteilung von positiven vs. negativen Rückmeldungen basierend auf der Comment Question.“
* „Hebe die kritischsten Kommentare basierend auf der Comment Question hervor.“
* „Identifiziere stark positive Testimonials basierend auf der Testimonial Question.“

Artemis liefert Stimmungsauflistungen und kontextuelle Interpretationen, nicht nur rohe Kennzeichnungen.

### 🧩 Kommentar-Clustering

* „Clustere Kommentare nach Thema.“
* „Gruppiere ähnliches Feedback zusammen.“
* „Identifiziere Muster bei servicebezogenen Beschwerden.“
* „Segmentiere Kommentare in zentrale Diskussionskategorien.“

Dies hilft, unstrukturierte Rückmeldungen in umsetzbare Erkenntnisgruppen zu verwandeln.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.ngsurvey.com/de/ki-suite/artemis-ki-agent/datenanalyse-und-berichterstellung/analyse-offener-texte.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.