Eine automatisch erfasste Kennung weicht nur in einem Zeichen vom Original ab. Ist das ein kleiner Tippfehler oder bereits ein anderer Datensatz? Die Levenshtein-Distanz bei KI kann den Zeichenabstand sichtbar machen. Welche Bedeutung der Unterschied hat, entscheidet sie jedoch nicht.
Dieser Beitrag richtet sich an Berufstätige, die digital erfasste Texte und KI-gestützte Arbeitsabläufe nachvollziehbar prüfen möchten. Eine fiktive Büroübung erklärt Einfügen, Löschen und Ersetzen. Sie zeigt außerdem, warum eine kleine Distanz weder eine korrekte Erfassung noch eine sichere automatische Zusammenführung beweist. Dafür brauchst Du keine Programmierkenntnisse.
Was die Levenshtein-Distanz zählt
Das Dictionary of Algorithms and Data Structures des NIST beschreibt die Levenshtein-Distanz als kleinste Anzahl von Einfügungen, Löschungen und Ersetzungen, die eine Zeichenfolge in eine andere verwandeln. In unserer Übung kostet jede dieser Operationen einen Schritt. Verglichen werden einzelne Zeichen in ihrer Reihenfolge.
Das Wort „kleinste“ ist wichtig. Man könnte einen Text vollständig löschen und neu schreiben. Für den Abstand zählt aber ein kürzester zulässiger Änderungsweg. Sind beide Zeichenfolgen identisch, werden keine Änderungen benötigt: Die Distanz beträgt null.
Die Berechnung selbst ist ein klassisches Vergleichsverfahren, kein Beweis für künstliche Intelligenz. Sie kann bei der Kontrolle von Ausgaben eines KI-Systems helfen, ersetzt aber nicht die Prüfung des zugrunde liegenden Dokuments oder der fachlichen Zuordnung.
Unsere Übung: Vier Lesarten einer Kennung
Ein erfundenes Büro digitalisiert Papierunterlagen. Auf dem Original steht die fiktive Kennung AB12. Eine Fachperson hat diese Referenz für die Lernübung geprüft. Wir vergleichen nun verschiedene automatisch erfasste Ergebnisse damit. Es handelt sich nicht um reale Kundendaten oder gültige Produktnummern.
Im Übungsblatt stehen Original und erfasster Text immer nebeneinander. Ohne diese Gegenüberstellung wäre eine Zahl wie „Distanz 1“ schwer zu kontrollieren. Auch die erlaubten Operationen und ihre Kosten gehören ausdrücklich zur Beschreibung des Vergleichs.
Ersetzen: AB12 wird zu AB13
Nur das letzte Zeichen unterscheidet sich. Die Ziffer 2 lässt sich durch 3 ersetzen. Das benötigt einen Schritt; die Distanz ist eins. Null Schritte können nicht genügen, weil die Zeichenfolgen nicht gleich sind. Damit ist der einzelne Austausch ein kürzester Änderungsweg.
Unsere Fachperson schreibt dazu nicht bloß „geringe Abweichung“, sondern „letzte Ziffer abweichend“. Diese Beschreibung zeigt, was konkret geprüft werden muss. Aus dem Abstand allein ergibt sich nicht, ob die Erfassung falsch ist oder eine andere Unterlage tatsächlich AB13 enthält.
Löschen: AB12 wird zu A12
Hier fehlt das B. Vom Original zum Ergebnis genügt eine Löschung. Auch diese Distanz beträgt eins. In der umgekehrten Richtung wäre eine Einfügung erforderlich. Bei unseren gleichen Kosten für Einfügen und Löschen bleibt der Zahlenabstand derselbe.
Der gleiche Distanzwert bedeutet also nicht den gleichen Fehler. Ein fehlendes Zeichen und eine ausgetauschte Ziffer verlangen unterschiedliche Sichtprüfungen am Original. Eine Übersicht sollte diese Fälle nicht nur zu einer einzigen Spalte „ein Fehler“ verdichten.
Einfügen: AB12 wird zu AB012
Zwischen B und 1 steht nun eine zusätzliche Null. Eine Einfügung genügt; die Distanz ist erneut eins. Das Büro muss klären, ob die Null im Papieroriginal vorhanden war oder bei der Erfassung hinzukam. Die Rechnung kann diese Herkunftsfrage nicht beantworten.
Die drei Beispiele illustrieren unterschiedliche Operationen mit demselben Abstand. Das ist gerade für die Kommunikation hilfreich: Wer ein Erfassungsproblem meldet, kann die abweichende Stelle benennen, ohne aus einer kleinen Kennzahl eine pauschale Qualitätszusage abzuleiten.
Ein Zeichentausch ist nicht automatisch ein Schritt
Vergleichen wir AB12 mit BA12, sind die ersten beiden Zeichen vertauscht. In unserer festgelegten Levenshtein-Variante zählt das Vertauschen benachbarter Zeichen nicht als eigene Operation. Zwei Ersetzungen reichen aus: A wird B und B wird A. Alternativ lässt sich ein Zeichen löschen und an anderer Stelle einfügen.
Die Distanz beträgt zwei. Ein einzelnes Einfügen oder Löschen würde die Länge verändern; eine einzelne Ersetzung könnte nicht beide abweichenden Positionen korrigieren. Deshalb kann ein Schritt hier nicht genügen. Falls eine Software für diesen Fall eins meldet, sollte geprüft werden, ob sie eine andere Vergleichsvariante verwendet.
Die offizielle RapidFuzz-Dokumentation nennt für die gleichgewichtete Levenshtein-Distanz die Kostenfolge (1, 1, 1) für Einfügen, Löschen und Ersetzen. Sie erlaubt auch andere Gewichte. Dokumentiere deshalb Funktion und Einstellungen, wenn zwei Werkzeuge verglichen werden; der Methodenname allein reicht nicht.
Geringe Distanz bedeutet nicht dieselbe Identität
Für die Übung nehmen wir an, dass das Büro zwei verschiedene Unterlagen mit den Kennungen AB12 und AB13 besitzt. Beide wurden korrekt gelesen. Obwohl die Distanz eins ist, dürfen die Unterlagen nach unserer fachlichen Regel nicht zusammengeführt werden: Die letzte Ziffer unterscheidet zwei eigenständige Vorgänge.
Nun liegt eine fehlerhafte Erfassung vor: Die Unterlage AB12 wurde als AB13 gelesen. Der Abstand ist wieder eins. Diesmal muss die erfasste Kennung nach der Originalprüfung korrigiert werden. Derselbe Zahlenwert beschreibt also einmal zwei gültige unterschiedliche Vorgänge und einmal einen Erfassungsfehler.
Unser Büro nutzt den Abstand daher höchstens als Hinweis für eine Sichtprüfung. Die Entscheidung berücksichtigt das Original und die geltende Kennungsregel. Ein automatisch vorgeschlagener Treffer bleibt ein Kandidat, bis die zuständige Person ihn fachlich bestätigt. Das ist eine eigene Arbeitsregel des Lernfalls, keine universelle Freigabegrenze.
Vorverarbeitung verändert die Frage
Ein weiterer Vergleich lautet AB12 gegen ab12. Ohne Vorverarbeitung unterscheiden sich die beiden Buchstaben; die Distanz beträgt zwei. Wandeln wir für unsere Übung beide Texte zuerst in Großbuchstaben um, sind die verarbeiteten Zeichenfolgen identisch und ihre Distanz ist null.
Das kann nur dann zur Aufgabenstellung passen, wenn Groß- und Kleinschreibung fachlich keinen Unterschied machen soll. Andernfalls beseitigt die Vorbereitung gerade eine relevante Abweichung. Bewahre deshalb Original und Vergleichsfassung getrennt auf, statt den ursprünglichen Text stillschweigend zu überschreiben.
RapidFuzz beschreibt die Vorverarbeitung über einen optionalen Processor; bei der dokumentierten Standardfunktion ist dieser deaktiviert. Für ein nachvollziehbares Protokoll sollten solche Regeln ausdrücklich genannt werden. „Die Software bereinigt das schon“ ist keine prüfbare Beschreibung.
Keine Prozentzahl ohne genaue Definition
Die bisherige Distanz ist eine Anzahl von Änderungsoperationen, kein Prozentsatz fehlerfreier Dokumente. RapidFuzz bietet daneben normalisierte Distanz und normalisierte Ähnlichkeit. Deren Berechnung hängt unter anderem von den Längen und Operationsgewichten ab; Ähnlichkeit und Distanz haben außerdem unterschiedliche Bewertungsrichtungen.
In unserem Übungsblatt bleiben wir bewusst bei der einfachen Anzahl. Eine zusätzliche Prozentanzeige würde die Frage nach der richtigen Kennung nicht lösen. Bevor verschiedene Berichte zusammengeführt werden, müssen sie dieselbe Größe unter denselben Vergleichsregeln meinen.
FAQ: Levenshtein-Distanz bei KI
Ist ein Wert von null ein Beleg für sachliche Richtigkeit?
Nein. Er zeigt Übereinstimmung der verglichenen Zeichenfolgen nach den verwendeten Regeln. Schon die Referenz könnte falsch gewählt sein.
Kann eine Distanz von eins eine wichtige Abweichung bedeuten?
Ja. In unserem Beispiel unterscheidet eine einzelne Ziffer zwei Vorgänge. Die fachliche Bedeutung ist nicht gleich dem Zeichenabstand.
Brauche ich einen universellen Grenzwert?
Nein. Für die Lernübung gibt es keinen automatischen Freigabewert. Welche Prüfung erforderlich ist, hängt von Aufgabe, Daten und möglichen Fehlerfolgen ab.
Fazit: Den Änderungsweg hinter der Zahl ansehen
Levenshtein-Distanz hilft, Unterschiede zwischen Zeichenfolgen konkret zu beschreiben. Einfügen, Löschen und Ersetzen können denselben Abstand erzeugen, aber unterschiedliche Ursachen haben. Dokumentiere deshalb auch Original, Vergleichsfassung, Einstellungen und fachliche Prüfung.
Du möchtest KI-Ergebnisse im beruflichen Alltag fundierter beurteilen? Informiere Dich über KI-Grundlagenkompetenzen für die digitale Arbeitswelt und kläre Deinen Lernbedarf über den Kontakt zu GrandEdu Media. Diese eigenständige Übung ist keine Zusage zu einer bestimmten Softwarelektion oder Prüfungsaufgabe.