Die Meinungsbewertung, auch bekannt als Sentimentanalyse, ist ein Teilgebiet der Natürlichen Sprachverarbeitung (NLP), das sich auf die Identifizierung und Extraktion von subjektiven Informationen in textuellen Materialien konzentriert. Dies kann die Bestimmung des Gesamtsentiments eines Textstücks (z.B. positiv oder negativ) sowie die Identifizierung spezifischer Emotionen oder Meinungen umfassen, die im Text ausgedrückt werden und fortgeschrittene maschinelle und tiefe Lernmethoden verwenden. Kürzlich haben transformersbasierte Sprachmodelle diese Aufgabe der menschlichen Emotionsanalyse dank des Aufmerksamheitsmechanismus und der parallelen Berechnung intuitiver gemacht. Diese Vorteile machen solche Modelle bei linguistischen Aufgaben sehr mächtig, im Gegensatz zu rekurrenten neuronalen Netzen, die viel Zeit für sequenzielle Verarbeitung benötigen und daher bei der Verarbeitung langer Texte anfällig sind. Das Ziel unseres Papers ist es, das Verhalten der neuesten transformersbasierten Sprachmodelle bei der Meinungsbewertung zu untersuchen und einen übergeordneten Vergleich zwischen ihnen durchzuführen, um ihre wesentlichen Besonderheiten hervorzuheben. Zudem zeigt unsere vergleichende Studie Anhaltspunkte und bahnt den Weg für Produktionsingenieure bezüglich des Ansatzes, auf den sie sich konzentrieren sollten, und ist für Forscher nützlich, da sie Richtlinien für zukünftige Forschungsgebiete bereitstellt.