Künstliche Intelligenz im Journalismus ausloten

In 5 Minuten gelesen *

Künstliche Intelligenz im Journalismus

Ein Cockpit für Journalisten, das mit künstlicher Intelligenz arbeitet. Ob so eine Idee tragfähig ist und einen Markt findet, werde ich bei einem Startup-Programm des Media Lab Bayern herausfinden. Vorab habe ich mir ein Bild gemacht, was Textroboter bereits können.

 

Ich werde ihn Henri nennen. Der Textrobot soll Journalisten unterstützen, Teile ihrer Arbeit schneller und smarter zu erledigen, um mehr Zeit für Recherche zu haben.

Verschiedene Ansätze sind denkbar. Das Cockpit kann Journalisten unterstützen, Textfragmente zu schreiben, welche die Bedürfnisse verschiedener Leser adressieren. Der Robot würde dann die Teile variieren. So könnte man Inhalte auf Zielgruppen ausrichten, die sonst zu klein wären.

Henri hat bereits Kollegen, die zeigen, wo die Technik steht.

Die „Los Angeles Times“ setzt einen „Quakebot“ ein, der Daten zu Erdbeben erfasst und sofort eine Meldung veröffentlicht, wenn er das Beben für relevant hält. Die US-Nachrichtenseite ProPublica hat zur US-Wahl einen Robot eingesetzt, der Wahlprognosen und Daten zur Wahlkampffinanzierung gesammelt und alle 15 Minuten einen aktuellen Text veröffentlicht hat.

Diese Beispiele zeigen, wie Textroboter generell funktionieren. Die Programme sammeln Daten und publizieren einfache Texte. Fertig. Das ist weder sonderlich kreativ noch journalistisch.

Dennoch sprechen viele von Roboterjournalismus. Sie fokussieren darauf, dass es ein Zukunftsthema ist. So wie in den Aktienkursen vieler Technologieunternehmen die Zukunft eingespeist ist, räumt man der KI im Medienbereich große Chancen ein.

Doch der Weg dahin ist weit. Das wird klar, wenn man sich genauer ansieht, wie die Roboter arbeiten.

 

So trainiert man einen Textroboter

Ein Hackathon des Media Lab Bayern im Juni hat mir einen ersten Einblick verschafft. Zu diesem Event hatte AX Semantics, Technologiepartner des Media Lab, seine eigene Programmiersprache mitgebracht. Das Unternehmen aus Stuttgart wurde bereits mehrfach ausgezeichnet für seine Software im Bereich der Natural Language Generation (NLG) – etwa vom Bundeswirtschaftsministerium und vom Massachusetts Institute of Technology (MIT).

Die Lösung von AX Semantics ist darauf ausgelegt, ohne Fachwissen Texte für die Programmierung mit KI zu präparieren.

 

Liegen beispielsweise Daten zu Veranstaltungen vor, formuliert man zunächst Textbausteine, welche die Uhrzeit und den Ort beschreiben. Der Algorithmus führt dann Formulierungen und Daten zu verschiedenen Texten zusammen. Man kontrolliert das Ergebnis und korrigiert es wo nötig — fertig.

 

Man benötigt also Daten, Textbausteine und eine Verknüpfung. Erhält das Programm beispielsweise die Eingabe, dass eine Veranstaltung um 18 Uhr in der Berliner Allee 108 beginnt, wählt es die Formulierung: „Die Matinee in …. beginnt um …. Uhr“ – und setzt die Daten in die Leerstelle ein.

Schreibt man genügend Textbausteine, kann der Algorithmus aus weiteren Veranstaltungsdaten automatisiert viele verschiedene Textvarianten erstellen.

Dieses Verfahren haben wir beim Hackathon angewandt. Es ist tatsächlich mit überschaubarem Aufwand machbar.

Der Einsatz eines Textroboters erfordert also einige Intelligenz. Es ist nicht so, dass ein Algorithmus einfach lernt und lernt und ab einem gewissen Punkt schreibt wie Mark Twain.

 

Leseprobe: AX Semantics extrahiert beispielsweise aus den Daten von Reifen Beschreibungstexte für Webshops. Ideal für den Einsatz im E-Commerce.

 

„Die Maschine bekommt keine kreative Kombination zustande“, bestätigt Saim Alkan, Gründer von AX-Semantics.

Fairerweise muss man erwähnen, dass AX Semantics selbst nicht von Journalismus spricht, sondern von „Routine-Texten“.

 

Chancen ausloten …

Die Lösung könnte aber im Journalismus nützlich sein. Immerhin lässt sich mit dem AX Cockpit ohne Kenntnisse in KI arbeiten.

So ließe sich der Textrobot Henri in ein Cockpit integrieren, das verschiedene Services bündelt, die aufeinander aufbauen.

Zunächst könnte die Plattform Auswertungen aus Social-Medien-Kanälen bieten, die Journalisten ein aktuelles Bild der Leserinteressen liefern.

Dann werden die Daten verarbeitet. „Großes Potential liegt in der Datenaggregation“, erläutert Frank Feulner, Chief Visionary Officer bei AX Semantics. „Je passender die Daten, die zur Verfügung gestellt werden, desto besser.“ In einem Beispiel aus der Industrie erläutert Feulner, wie man Maschinendaten aus einer IoT-Plattform heranzieht und im Algorithmus von AX Smantics verarbeitet. Daraus entstehen keine statischen, sondern situationsbezogenen Inhalte in Form von Anweisungen für Maschinenbediener.

Lässt sich so eine Auswertung vielleicht im Journalismus-Cockpit nutzen, um Daten für eine Berichterstattung vorab aufzubereiten?

Und was passiert, wenn man Leser bei den Textfragmenten mitschreiben lässt? Vielleicht hilft Henri, verschiedene Handlungsstränge aufzubauen und so eine Vielzahl von Storys entstehen zu lassen.

Die Idee einer solchen KI-Plattform hat das Media Lab Bayern jedenfalls überzeugt und mir einen Platz im Media Entrepreneurship Program eingebracht.

 

… und vielleicht ein Startup gründen

In dem Startup-Programm entwickeln Teams Ideen für digitale Medienprodukte und testen, ob sie der Markt auch haben will. Dazu lernt man in drei Monaten agilen Methoden kennen. Zeitaufwand: zehn Stunden pro Woche.

 

Gefördert werden digitalen Ideen rund um Technologien wie Wearables, Augmented Reality oder Smart Home. Aber für mich spielt in der KI die Musik. Diese Technologie hat viel Potential.

Henri hat übrigens vorgeschlagen: Ich solle ihn doch „Paulchen“ oder „Statler & Waldorf“ nennen.

Woher kennt er nur diese Kinderserien aus den 70-er Jahren?

Ich glaub, er spielt auf mein Alter an.

 

Was eine KI-Lösung für Textverarbeitung leistet

 

Informieren Sie sich über den nächsten Beitrag, um 10% Rabatt auf den ersten Artikel zu erhalten

Hinterlasse jetzt einen Kommentar

Kommentar hinterlassen

E-Mail Adresse wird nicht veröffentlicht.


*