Share on linkedin
Share on facebook
Share on twitter
Share on email

Künstliche Intelligenz in der Verlagswelt: Auf den Spuren des „selbstfahrenden Autos“

Stephan Heck

Stephan Heck

Künstliche Intelligenz wird viele, ja höchstwahrscheinlich alle Branchen verändern. Und dieser Wandel nimmt bereits deutlich an Fahrt auf. Wenn Sie an künstliche Intelligenz oder KI denken, dann kommen Ihnen vielleicht die selbstfahrenden Autos von Audi, Tesla oder Waymo in den Sinn. 

Die Möglichkeit des autonomen Fahrens ist ein leicht verständliches Beispiel für den Einsatz von künstlicher Intelligenz und übt auf mich eine große Faszination aus. Mindestens genauso faszinierend sind für mich aber die Fragen:

Was sind die selbstfahrenden Autos anderer Branchen?
Gibt es schon fertige Produkte?
Prototypen?
Konzepte?

Falls nicht, dann ist es nur noch eine Frage von Zeit und Geld. 

Einem aktuellen Bericht von Accenture zufolge ist der Informations- und Kommunikationssektor und damit die Verlagsbranche einer der größten zukünftigen Nutznießer von künstlicher Intelligenz. Da ich seit über zwölf Jahren in der Verlags- und Medienwelt zuhause bin, habe ich hier das Potenzial von künstlicher Intelligenz einmal genauer untersucht.

The impact of AI on Industry Growth (Publishing & Media)


Denn eigentlich – und so viel ist klar – müsste dieser Sektor schon längst das selbstfahrende Auto der Verlagswelt entwickelt haben; insbesondere da das traditionelle Geschäftsmodell unter großem Druck steht.



Technologische Voraussetzungen in der Verlagsbranche

Die notwendigen Technologien in der Verlagsbranche existieren bereits in Form von Natural Language Processing (NLP) und Natural Language Generation (NLG). Als Teilgebiet der künstlichen Intelligenz ermöglicht NLP den Computern das Verstehen, Interpretieren und Erzeugen von menschlicher Sprache. Es wird seit den 1940er-Jahren erforscht und hat gerade in den letzten Jahren enorme Entwicklungssprünge gemacht. Das liegt zum einen an leistungsfähigerer Hardware, zum anderen an neuen Möglichkeiten des Machine Learnings. 

Bei Sätzen und Phrasen ermittelt NLP die grammatikalische Struktur, die sogenannte Syntax. Darauf aufbauend werden einzelne Wörter und deren Einheiten bestimmt, um auf der lexikalischen Ebene die Bedeutung jedes einzelnen Begriffes zu verstehen.

Über die Struktur des Satzes, die Bedeutung der einzelnen Begriffe und deren Kontext kann die Bedeutung des gesamten Satzes abgeleitet werden. Die Aussagen menschlicher Sprache, die sogenannte Semantik, fehlerfrei zu bestimmen, ist allerdings nicht ganz einfach – diese Erfahrung haben Sie allerdings wahrscheinlich auch schon ohne Computer gemacht.

Deswegen gibt es im NLP verschiedene Verfahren, die helfen die Semantik eines Satzes zu verstehen. Hervorzuheben sind hier die Named Entity Recognition, auch Entitätenextraktion genannt, die Sentimentanalyse oder die Disambiguierung. Werden diese Techniken gemeinsam verwendet, versteht ein Computer uns Menschen ausgezeichnet.

Ein weiterer Bereich ist Natural Language Generation (NLG), welcher sich mit der Produktion von Text anhand von Daten durch Algorithmen beschäftigt. In Bereichen, wo viele Daten vorliegen, kann man nicht mehr unterscheiden, ob der Text durch den Computer oder einen Menschen erzeugt wurde. Daher wird NLG verstärkt auf Gebieten mit besonders vielen Daten eingesetzt: Börseninformationen oder auch Sport- und Wetterberichte.

Also halte ich fest: Die Grundvoraussetzungen für das selbstfahrende Auto der Verlagswelt sind gegeben.



Warum ist die Verlagsbranche noch nicht weiter?

Jedes System muss am Anfang lernen und macht daher zwangsläufig Fehler. Das müssen alle Beteiligten verstehen und akzeptieren. Leider werden aber diese Fehler von Skeptikern gerne ausgeschlachtet und das gewaltige vorhandene Potenzial so in ein schlechtes Licht gerückt.

Ich persönlich finde gerade das Zusammenspiel von Mensch und Maschine am spannendsten. So sieht das übrigens auch Dr. Benjamin Kreck, CTO Intelligent Cloud bei Microsoft Deutschland, der auf dem VDZ Tech Summit 2019 eine Zusammenarbeit von Mensch und Maschine skizzierte. Nur durch eine enge Kooperation von Journalisten und IT-Experten könne man den Herausforderungen der Digitalisierung gerecht werden, so Dr. Kreck.

Künstliche Intelligenz in der Verlagsbranche: Vortrag von Dr. Benjamin Kreck Image
Dr. Benjamin Kreck bei seinem Vortrag “Innovationen in Data & AI – Chancen und Herausforderungen für das Publishingbusiness”.

Es geht also nicht um das Ersetzen von Redakteuren, sondern um das Bereichern der journalistischen Arbeit. Ich bin überzeugt, dass NLP Journalisten einen Großteil der ungeliebten, monotonen Arbeit abnehmen kann, sodass diese sich wieder auf ihre wahre Kernkompetenz konzentrieren können: hervorragend recherchierte Inhalte zu erstellen. Denn Wetterberichte zu schreiben, macht selten Spaß, das Verlinken von Online-Artikeln untereinander noch weniger.

Technologie, die uns Menschen unterstützt und nicht ersetzt, durch diesen Ansatz lassen sich hoffentlich einige der Vorurteile und Ängste abschwächen. In den folgenden Abschnitten möchte ich nun drei wesentliche Bereiche vorstellen, in denen künstliche Intelligenz für Verlage besonders großes Potenzial hat.



1 Künstliche Intelligenz in der Themensuche

Die richtigen Themen zu finden, ist für Journalisten immer wieder eine große Herausforderung. Eine Maschine kann helfen: Sie kann zum Beispiel Muster in Daten in einem Umfang verarbeiten und interpretieren, der für Menschen einfach unmöglich zu beherrschen ist.

So kann beispielsweise durch die Named Entity Recognition ein sogenanntes Topic-Modell erstellt werden. Der Computer weiß dann, über welche Themen die Redaktion schreibt. Nun kann nahezu in Echtzeit das Internet gescannt werden. Welche Themen liegen gerade im Trend? Passen die vorgeschlagenen Themen ins Format? In diesem Fall können interessante Themenvorschläge an die Redaktion weitergegeben werden.

Ein weiterer Anwendungsfall, in dem das erstellte Topic-Modell eine tragende Rolle spielt, sind die saisonalen Themenempfehlungen. In der Regel weiß jede Redaktion aus dem Bauch heraus, wann welche Themen interessant sind. Für Diäten interessiert sich niemand im Dezember, ab Januar wird das Thema aber wieder wichtig. Algorithmen können Saisonalitäten erkennen und liefern so manch spannenden Input, welcher über das Bauchgefühl und jahrelange Erfahrung hinausgeht.



2 Künstliche Intelligenz bei der Inhaltserstellung

Auch bei der Erstellung von Inhalten kann künstliche Intelligenz Redakteure unterstützen. Und damit meine ich nicht die Textgenerierung, sondern Unterstützung beim Schreiben von Texten – ohne Einschränkung der Kreativität.

Bei der Erstellung eines Online-Artikels müssen sich Journalisten in der Regel entweder auf die im Content-Management-System verfügbare automatische Verschlagwortung verlassen oder Tags manuell hinzufügen. Es gibt jedoch intelligentere Alternativen wie Editor, eine selbstlernende Schnittstelle für die Textbearbeitung der New York Times. Dieser Editor kennzeichnet Textstellen automatisch und erstellt Anmerkungen auf der Grundlage von Informationen, die über eine Reihe von neuronalen Netzwerken gesammelt werden.


Weitere spannende Anwendungsfälle im Bereich der Inhaltserstellung sind automatische Suchmaschinenoptimierung, Vorschlagen von zugehörigen internen und externen Artikeln, automatische Übersetzung, Bilderkennung oder das Vorschlagen von Synonymen, die ein höheres Suchaufkommen vorweisen.



3 Künstliche Intelligenz bei der Distribution von Inhalten

Online-Artikel zu verlinken, macht keinen Spaß und ist außerdem sehr zeitaufwendig. Wie viele Redaktionen können es sich leisten, alle Links immer wieder zu optimieren? Links drei Jahre alten Artikeln anzupassen, sodass diese zu einem gerade publizierten Artikel weiterleiten? Eine perfekte Herausforderung für einen intelligenten Algorithmus.

Dieser sollte spezifische Ziele (z. B. Conversion zu Abonnenten) berücksichtigen und alle Links hinsichtlich dieser Ziele optimieren. Links werden also dynamisch gesetzt, und zwar so, dass eine möglichst hohe Zielerreichung entsteht und Google einen dabei trotzdem noch mag.

Auch Affiliate Links können auf die gleiche Art und Weise optimiert werden: dynamisch in jedem Artikel erzeugt, mit der Zielsetzung den Umsatz zu erhöhen.



Fazit

Dies sind nur einige von zahlreichen Beispielen, wie künstliche Intelligenz Journalisten helfen kann, effizienter zu arbeiten. Leider sind Zeitschriften- und Zeitungsverlage aufgrund der Komplexität des Themas sowie der Angst vor neuen Technologien noch oft überfordert und neigen bisher dazu zu beobachten, anstatt mutiger zu agieren.

Es geht allerdings auch anders. Denn einige Verlage setzen künstliche Intelligenz schon mit voller Kraft ein und entwickeln so einen entscheidenden Vorsprung. Diese Medienunternehmen werden überproportional von ihrer aktiven Vorreiterrolle profitieren.

Abschließend möchte ich eine Sache klarstellen: Ich glaube nicht, dass Software jemals Journalisten ersetzen kann. Warum? Ganz einfach, weil die menschliche Kreativität ein unersetzliches Puzzleteil bei der Erstellung hochwertiger Inhalte ist.

Ich denke allerdings auch, dass Redakteure keine Zeit damit verbringen müssen, Artikel untereinander zu verlinken oder geeignete Keywörter zu finden. Das kann künstliche Intelligenz besser und schneller. Und wer weiß, mit ein wenig Vorstellungskraft lässt das selbstfahrende Auto der Verlagswelt vielleicht gar nicht mehr allzu lange auf sich warten.

Mit Content Intelligence wissen Sie mehr, sind produktiver und steigern Ihren Umsatz. Möchten Sie mehr über KI im Verlagswesen erfahren? Dann vereinbaren Sie noch heute einen Gesprächstermin mit einem unserer Experten.

Der Artikel wurde ursprünglich in Wirtschaftsinformatik & Management (Springer Fachmedien) veröffentlicht.

Erhalten Sie unsere besten Insights per Mail

Durch die Angabe meiner E-Mail-Adresse akzeptiere ich die Datenschutzerklärung.