Die rasche Zunahme der Generierung von Textinhalten aus Quellen wie WhatsApp, Instagram und Amazon erzeugt täglich riesige Datenmengen. Die Interpretation dieser Daten kann Unternehmern helfen, die öffentliche Wahrnehmung ihrer Produkte oder Dienstleistungen zu verstehen und fundierte Entscheidungen zu treffen. Aufgrund der großen Textmengen ist die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), ein wesentlicher Aspekt der Stimmungsanalyse (Sentiment Analysis, SA), für die Interpretation von Inhalten unerlässlich. Diese Forschungsarbeit konzentriert sich auf die Entwicklung eines Modells zur Zusammenfassung von Kundenrezensionen (Consumer Review Summarization, CRS), das NLP-Techniken und Long Short-Term Memory (LSTM) verwendet, um Daten zusammenzufassen und Unternehmen wichtige Einblicke in das Verhalten und die Präferenzen der Verbraucher zu geben. Die Wirksamkeit des CRS-Modells beruht auf dem SA-Modell und besteht aus zwei Phasen: SADL und CRS. Die SADL-Phase umfasst die Vorverarbeitung der Rezensionen, die Merkmalsextraktion und die Klassifizierung der Stimmung, während die CRS-Phase eine automatische Zusammenfassung auf der Grundlage der SADL-Ergebnisse vornimmt.