22. Juni 2021

Wie bleiben Medienhäuser konkurrenzfähig?

Für Olaf Deininger, Journalist, Digitalexperte und Verleger, ist ganz klar: Medienhäuser dürfen sich nicht auf bestehende Technologien auszuruhen, sondern müssen immer wieder prüfen: Wie zeitgemäß sind die Systeme, die wir aktuell nutzen? Sind diese auch in ein paar Jahren noch nutzbar? Darüber und was Medienhäuser tun müssen, um weiterhin konkurrenzfähig zu bleiben, spricht er in diesem Audience Development Deep Dive.

Welikemags x SPRYLAB Podcast-Special mit Olaf Deininger
00:00 00:00

Folge 2

We Like Mags und SPRYLAB im Gespräch mit Olaf Deininger, Journalist, Digitalexperte und Verleger

Was müssen Medienschaffende wie Journalist:innen, Redakteur:innen für Kompetenzen mitbringen, die dazu führen, dass Leser:innen zu regelmäßigen Nutzer:innen werden und im Idealfall bezahlte Abos abschließen?

Gründlich recherchierte Geschichten und gute Texte sind zwar nach wie vor wichtig, jedoch spielen heute bei der Gewinnung von Kund:innen Daten eine wichtige Rolle, ebenso wie entsprechende Tools. Tools, die wichtige Infos darüber liefern, wie sich Zielgruppen und ihre Interessen identifizieren lassen, um ihnen attraktive Angebote zu machen.


Money follows Data?
 

Im zweiten Spezial von We Like Mags und Sprylab zum Thema „Audience Development“ sprechen die Moderatoren Christian Kallenberg und Benjamin Kolb mit dem Journalisten, Digitalexperten und Unternehmer Olaf Deininger. 

Deininger erzählt unter anderem davon, dass Nutzer:innen immer volatiler werden, zugleich das Medienverhalten flüchtiger und somit der Konkurrenzkampf unter den Medienunternehmen härter wird. Daher sind heutzutage KI-basierte Lösungen im Redaktionsalltag notwendig, wer als Zeitungsverlag nicht auf der Strecke bleiben will.  


Weiterführende Links

Das erwartet Sie in dieser Folge

  • 03:46 - Was kann Journalismus-as-a-Service?
  • 05:32 - Einfluss von Technologien auf den Journalismus
  • 08:44 - Keine Angst vor künstlicher Intelligenz
  • 10:53 - Wenn künstliche Intelligenz Geschichten schreibt
  • 15:00 - Künstliche Intelligenz für Audience Development
  • 19:47 - Filterblasen
  • 24:49 - Datengetriebener Journalismus
  • 26:45 - Wie der Blick in die Kristallkugel, nur besser: Predictive Analytics
  • 30:20 - Community Building: Leser:innen eine digitale Heimat bieten
  • 37:39 - Ohne Community Manager nix los?
  • 39:42 - Wie passt KI in Communities?
  • 40:42 - Olaf Deininger privat

Transkript

Christian Kallenberg [00:00:10]: 

Willkommen, liebe Hörerinnen und Hörer, zur neuen Folge des Audience Development Deep Dives von SPRYLAB Technologies und We Like Mags. Noch mal kurz worum es hier geht: Einer meiner ersten Gäste im We Like Mags Podcast war Benjamin Kolb, Geschäftsführer von SPRYLAB Technologies, mit dem ich damals unter anderem über Audience Development gesprochen hatte und der mir jetzt gegenübersitzt. Benni und ich hatten damals am Ende unseres Gesprächs das Gefühl, dass zu dem Thema eigentlich noch nicht alles gesagt war, und deswegen haben wir beschlossen, dem Thema Audience Development ein Serienspecial zu widmen, in dem wir gemeinsam Gesprächsgäste zu den verschiedensten Aspekten dieses immer wichtiger werdenden Themas interviewen. Und, Benni, ich bin wirklich, wirklich dankbar, dass du als Digitalexperte für Verlage dieses Format mit mir zusammen moderierst. Erzähle doch mal: Worüber sprechen wir heute?

Benjamin Kolb [00:00:59]: 

Ja, hallo, Christian. Unser heutiger Gast ist Olaf Deininger. Olaf Deininger ist Journalist, Autor und Digitalexperte. Und mit Olaf Deininger sprechen wir über das Thema Audience Development natürlich, aber insbesondere auch über Methoden der künstlichen Intelligenz in dem Bereich und im Speziellen auch über Communities.  

 

Christian Kallenberg [00:01:21]: 

Na dann los. Hallo, Olaf.  

 

Benjamin Kolb [00:01:24]: 

Hallo, Olaf. Freut mich sehr.  

 

Olaf Deininger [00:01:26]: 

Ja, hallo zusammen. 

 

Christian Kallenberg [00:01:28]: 

Hallihallo. Vielen Dank, dass du dir heute die Zeit nimmst. Und, Olaf, wir haben ja wirklich enorm viele Themen uns vorgenommen und wir fangen mal ganz sportlich mit dem großen Rundumschlag an: Wie muss sich denn Journalismus deiner Meinung nach verändern, um zeitgemäß zu bleiben und langfristig Bestand zu haben? 

 

Olaf Deininger [00:01:44]: 

Wow, das ist natürlich eine riesen Frage – ideale Frage zum Einstieg. Da kann man Bücher darüber schreiben. Da gibt es auch schon wahrscheinlich etliche dazu. 

 

Christian Kallenberg [00:01:55]: 

Aber nicht von dir.  

 

Olaf Deininger [00:01:58]: 

Genau. Das ist eine Frage, die sich wahrscheinlich viele Medienunternehmen – die meisten vielleicht sogar – stellen. Ich glaube, man kann sagen: Feststeht, dass sich durch Technologie und andere Faktoren, ein anderes Nutzungsverhalten von Nutzern und Lesern und so weiter, genau diese Frage noch mal mit einer viel, viel größeren Relevanz stellt als vor 5 oder als vor 10 Jahren. Wir erleben einen technologischen Übergang und das erste Thema, was mir dazu einfällt, ist natürlich: Man muss über Nutzwerte, stärkere Zielgruppenorientierung nachdenken und in dem Zusammenhang natürlich auch über neue Formate, die vielleicht bislang nicht ganz zu 100% befriedigte Nutzererwartungen dann zufriedenstellen.  

 

Christian Kallenberg [00:02:41]: 

Was für Formate könnten das sein? 

 

Olaf Deininger [00:02:42]: 

Wir sehen ja eine Medienbranche, die sich sehr stark auf Nachrichten fokussiert. Das ist auch richtig. Das ist auch Kernaufgabe von allen Medien grundsätzlich und immer. Wir sehen auf der anderen Seite aber auch, dass es bestimmte, relativ viele Informationsbedürfnisse gibt, die sich mit Nachrichten gar nicht abdecken lassen. Ein kleines Beispiel: Da, wo ich lebe, ist vielleicht ein jährliches, großes Volksfest und ich möchte dahingehen. Und dann stellt sich irgendwann die Frage: „Wo kann ich denn eigentlich dieses Jahr parken und was kostet denn so das Parkticket für den Nachmittag?“ Dann ist das meistens was, was ich möglicherweise in irgendeiner Meldung von irgendeiner Tageszeitung finde. Die ist dann versteckt so auf Zeile 230 und ich möchte nicht die ganzen Texte durchlesen, um genau diese Information zu erfahren. Und damit stellt sich aus meiner Sicht die Frage, ob diese Art von Informationen überhaupt über eine Nachricht, über einen Bericht sozusagen, abzudecken ist, oder ob es da neue Formate braucht, um den Lesern, den Nutzern genau diese Information zu geben, die sie an diesem Samstagnachmittag brauchen, nämlich: Wo parke ich? Oder: Was muss ich dafür ausgeben?  

 

Benjamin Kolb [00:03:46]: 

Du hattest ja Ende letzten Jahres einen Artikel geschrieben über das Thema Journalismus as-a-Service. Fand ich sehr spannend. Wir mit SPRYLAB kennen uns im Bereich Software-as-a-Service und mit Platform-as-a-Service und Infrastructure-as-a-Service sehr gut aus, aber was macht denn Journalismus-as-a-Service aus? Was ist das für dich? 

 

Olaf Deininger [00:04:04]: 

Wir sehen, dass sich erstens praktisch die journalistischen Tätigkeiten immer weiter ausdifferenzieren. Wenn man sich moderne News Rooms anguckt, da gibt es sozusagen ganz, ganz viele unterschiedliche Tätigkeiten, unterschiedliche Arten von Redakteuren. Früher gab es den schreibenden Redakteur, den blattmachenden Redakteur. Heute ist das nicht mehr so einfach. Da gibt es viele unterschiedliche Funktionen. „Suchmaschinenoptimierung“ wäre da ein Stichwort, „Nachrichtenrecherche“, „neue Formatentwicklung“ und so weiter. Das ist, was wir praktisch auf der einen Seite sehen, und auf der anderen Seite, sozusagen im Anbietermarkt bei den freien Autoren, bei den Plattformen, sehen wir Anbieter, die im Prinzip komplette Lösungen anbieten. Wir sehen Stichwort „Creator Economy“. Wir sehen Plattformen, die für mich als Journalist bestimmte Funktionalitäten abdecken, sodass ich heute beispielsweise innerhalb von zwei Stunden einen Newsletter konfigurieren kann und das über eine Plattform tun kann, die im Prinzip mir hilft, dafür einen Mitgliedsbeitrag beispielsweise oder eine Abo-Gebühr zu verlangen, und die direkt beim Empfänger dann auch entsprechend eintreibt. Ich muss mich gar nicht um Fakturierung, Abrechnungen und so weiter kümmern, sondern kann sofort mit meinem Newsletter inhaltlich starten und alles andere, was da dranhängt, Monetarisierung, Abrechnungen, Fakturierung und so weiter, erledigt die Plattform für mich. Das wäre zum Beispiel eine Lösung für Journalismus-as-a-Service.  

 

 

Benjamin Kolb [00:05:32]: 

Was ist denn aus deiner Sicht die Folgerung von Technologie im Zusammenhang mit Journalismus? Also was für einen Impact hat Technologie für den Journalismus, für die redaktionelle Arbeit und vor allem aber auch für das Endprodukt für den Konsumenten? 

 

Olaf Deininger [00:05:47]: 

Also ich werde mal ganz grundsätzlich sagen: Es gibt keinen Bereich der redaktionellen Prozesskette, der davon nicht in irgendeiner Weise betroffen wäre. Technologie erlaubt – fangen wir mal beim Frontend an – neue redaktionelle, inhaltliche Formate, die vorher gar nicht denkbar waren, dass ich beispielsweise irgendwelche Daten auf Karten integriere und dadurch zum Beispiel noch mal auf einem ganz anderen Level nutzbar mache. Es unterstützt redaktionelle Prozesse, indem bestimmte Tätigkeiten automatisiert oder halb-automatisiert werden. Ein schönes Beispiel ist da eine Anwendung, die automatisch und ständig die Wettervorhersage von einer Lokalredaktion im Blick hat und die Redakteure vorher informiert, wenn sich beispielsweise ein Unwetter zusammenbraut, und die Redaktion schon mal dafür sensibilisiert, dass es möglicherweise oder mit großer Wahrscheinlichkeit demnächst Berichterstattung geben muss, wie die Feuerwehr ausrückt, um vollgelaufene Keller auszupumpen und solche Dinge. Das heißt, wir können bis zur Recherche – das wäre noch vielleicht ein weiterer Bereich, dass mir KI-Lösungen systematisch Vorrecherchen erstellen, erste grobe Texte erstellen und mich als Redakteur oder als Autor an der Stelle entlasten, wenn es darum geht, erste Rechercheschritte zu machen. Und ich glaube, ich könnte die Aufzählung jetzt beliebig erweitern. Wichtig sind sozusagen vielleicht die drei Punkte. Es entsteht die Möglichkeit, neue zielgruppenrelevante Formate zu entwickeln, es entsteht eine starke prozessuale Unterstützung, und drittens, es entsteht eine Unterstützung im Bereich Recherche. 

 

Benjamin Kolb [00:07:28]: 

Und das sind ja so die Punkte, wo wir, denke ich mal, auch so ein bisschen die gemeinsame Vision haben, dass man eigentlich durch Technologie dem Journalisten oder dem Redakteur auch wieder die Hürden abbauen kann und damit eine gewisse Freiheit zurückgeben kann, die eigentlich durch Technologie erst aufgebaut wurden, wo wir im Prinzip das Phänomen haben, dass sich jetzt Redakteure mit Suchmaschinenoptimierung beschäftigen müssen und anderen digitalen Hürden eigentlich in ihrer Arbeitskette. Siehst du das genauso, dass da die Technologie so den Journalismus wieder zurückbringen kann auf das eigentliche Tun, also kreative Arbeit? 

 

Olaf Deininger [00:07:58]: 

Absolut. Ich kenne Häuser, da beschäftigen sich hochqualifizierte Redakteure damit, im Fachbereich Pressemeldungen umzuschreiben, in den Konjunktiv zu setzen und einzukürzen für Printstrecken, die teilweise 20, 30 Seiten lang sind. Das ist für mich so eine Tätigkeit, da nutze ich ja die Fähigkeiten von meinen Redakteuren nicht wirklich optimal aus. Das sind Tätigkeiten, die kann ich heute relativ gut, zumindest teilweise, über Technologie abbilden. Und wenn ich das mache, dann schaffe ich Ressourcen, dass meine hochqualifizierten Redakteure sich mit dem beschäftigen, wo sie eigentlich am besten sind, nämlich Gespräche führen, Hintergrundrecherchen zu machen, Dinge zu bewerten. Alles andere als Pressemeldungen einzukürzen.  

 

Christian Kallenberg [00:08:44]: 

Olaf, du hattest ja gerade eben auch schon ausgeführt, dass KI dafür dienen kann, Texte grob vorzuformulieren. Das ist natürlich immer so ein bisschen das Schreckgespenst, das viele altgediente Journalisten haben. Was ist da die Argumentation? Warum muss man keine Angst vor KI haben? 

 

Olaf Deininger [00:09:00]: 

Also grundsätzlich an einem Punkt würde ich widersprechen. Technologie inhärent ist immer ein Dualismus. Natürlich ist jede Technologie auch irgendeine Art von Rationalisierungstechnologie oder beinhaltet die Möglichkeit, Dinge zu rationalisieren. Also ich habe in den 90er Jahren gesehen, wie die ganze Druckvorstufe verschwunden ist. Also ich kann mich noch an große Druckereien, an Fußballplatz-große Hallen erinnern, wo lauter Leuchttische waren, wo Druckvorlagen montiert wurden, bei Tusch-Druck in Wien zum Beispiel. Das gibt es heute alles nicht mehr. Da hat Technologie dafür gesorgt, dass sich nicht nur eine Branche komplett verändert hat, sondern dass ein ganzer Bereich, eben Druckvorstufe, weggefallen ist. Das ist die eine Seite von Technologie, die es immer gibt und die sich auch nicht vermeiden lässt. Die andere Seite von Technologie ist dann aber auch tatsächlich das, dass sie Dinge produktiver machen kann, dass sie dafür sorgen kann, dass Menschen, wie ich es gerade beschrieben habe am Beispiel von den Pressemeldungen, von nur wenig qualifizierten Tätigkeiten entlastet werden. Insofern, diesen Dualismus muss man halt entsprechend richtig aussteuern. Insofern würde ich an die Kollegen die Botschaft geben, dass, wie immer bei Technologie, auch beinhaltet ist, dass man bereit sein muss, was dazuzulernen. Man muss diese Technologie durchdringen, verstehen, beherrschen, um sie dann optimal in seinem Sinne einsetzen zu können. Und am Ende, also Bottom Line, glaube ich, dass im Augenblick in der Phase, wo wir medial sind, die Chancen, die durch KI entstehen für Medien und für Journalisten, eigentlich viel größer sind als die Gefahren. Ich könnte mir gut vorstellen – da komme ich auf den Anfang noch mal ganz kurz zurück – dass die Redakteure, die sich jetzt mit Pressemeldungen beschäftigen, sehr erfreut wären, wenn ein Algorithmus einen Großteil dieser Tätigkeit ihnen abnehmen würde, sodass sie sich um wirklich journalistische Sachen kümmern können. Insofern besteht aus meiner Sicht als Fazit nicht so eine wahnsinnig große Gefahr, sondern einfach mehr Chancen. 

 

Benjamin Kolb [00:10:53]: 

Bleiben wir vielleicht noch mal bei dem Thema Texte und KI oder Textgenerierung und KI. Ich kenne ja viele so aus dem Bereich der datengenerierten Texte, das heißt, so für Sportmeldungen, Sportticker, Börsenticker und dergleichen, wo man aus vielen Daten und gewissen Textbausteinen schon sehr interessante Texte machen kann, die ein Leser jetzt nicht unbedingt unterscheiden kann von einem Text, der von einem Redakteur geschrieben wurde. Jetzt stellt sich aber die Frage: Geht das schon weiter heutzutage? Also hast du ein bisschen einen Eindruck, wo wir da im Moment stehen? Können richtige Prosatexte bereits erzeugt werden? Deine Meinung zu dem Thema. 

 

Olaf Deininger [00:11:29]: 

Also wo KI, glaube ich, sehr nützlich sein kann, das nutze ich ab und zu selber, ist im Bereich Vorrecherche, was ich schon gesagt habe. Also es gibt ein schönes Tool, das heißt „AI Writer“. Ich glaube, das ist von der Hochschule in Nürnberg. Ich müsste noch mal nachgucken. Man kann da drei, vier Stichworte eingeben und dann macht das mal so eine Basisrecherche. Und meine Erfahrung ist, wenn man es einsetzt, dass nicht immer, aber in Zweidrittel der Fälle kriegt man schon mal so einen ganz guten Eindruck und hat sich vielleicht so eine Viertelstunde Zeit gespart. Das ist eine ganz praktische und funktionierende und gute Anwendung. Das ist relativ preiswert und da macht es durchaus Sinn, das als ersten Schritt mal durchlaufen zu lassen, wenn man sich neu mit einem Thema beschäftigt. Es gibt ein zweites Tool, das hat Schickler, die Unternehmensberatung, entwickelt, das kann sehr gut Texte kürzen. Man kann über so einen Schieberegler eingeben, wie viel Prozent gekürzt werden soll. Die haben dabei so bestimmte Entdeckungen gemacht, dass zum Beispiel der erste Satz in einer Meldung eigentlich extrem wichtig ist, das heißt, du kannst so eine kleine Checkbox setzen, dass der erste Satz in jedem Fall von der Kürzung ausgenommen sein soll, und solche Dinge. Ich glaube auch, das kann extrem praktisch sein, mit so einem Ding zu arbeiten. Dass der Redakteur dann noch mal drübergehen muss und vielleicht noch mal einen Blick darauf werfen muss, liegt so ein bisschen in der Natur der Sache, aber er hat dann schon mal einen Arbeitsschritt zumindest teilweise erledigt. Was Textgenerierung selber angeht, das ist noch ein Feld, was relativ noch in den Kinderschuhen steckt. Jetzt komme ich zu dem Beispiel von Daniel Kehlmann. Daniel Kehlmann ist ein relativ bekannter Autor in Deutschland aus dem Bereich Belletristik. Sein berühmtestes oder sein bekanntestes Werk ist „Die Vermessung der Welt“, wo er das Leben von Alexander von Humboldt unter anderem beschreibt. Und er hat mit einer KI experimentieren können, die hieß „Control“, und das sollte so ein bisschen ein Ping-Pong-Spiel sein, dass er den ersten Satz schreibt, erstellt, die KI macht dann den zweiten, er den dritten, KI den vierten und so weiter. Und er hat damit so eine gewisse Zeit experimentiert. Praktisch der Kontext war, Kurzgeschichten zu erstellen, und sein Fazit ist, dass es spätestens so nach einer Seite DIN A4 Text irgendwie so ein bisschen grotesk wird und dann oft scheitert, weil die KI so quasi den Kontext verliert. Das ist ein gutes Beispiel dafür, um zu zeigen, wo im Bereich Produktion von literarischen Texten die Technologie gerade steht. Aber auch das ist alles eine Technologie, die am Anfang steht, und ich glaube, wir werden da in den nächsten ein, zwei, drei Jahren sehen, dass da enorme Fortschritte passieren, speziell bei Dingen, die sich gut strukturieren lassen, wie zum Beispiel Börsenergebnisse, Börsenentwicklungen, aber auch Ergebnisse von Fußballspielen oder Sport generell. Da macht es natürlich Sinn, dass ich gucke, dass ich Dinge automatisieren kann – Spielbesprechungen, Besprechungen oder Texte zum Thema Spielergebnisse – und vielleicht auf die Art in die Lage komme, dass ich lokale Sportereignisse medial darstellen kann zu Kosten, die realisierbar sind, während hingegen, wenn ich dafür Autoren oder Redakteure bezahlen müsste, ich das als Verleger gar nicht mehr finanzieren könnte. Also auch da entstehen aus meiner Sicht dann Möglichkeiten, Inhalte zu erstellen und auszuliefern, die, wenn wir sie sozusagen mit der Hand am Arm machen würden, wirtschaftlich gar nicht mehr darstellbar wären.  

 

Benjamin Kolb [00:15:00]: 

Um den Bereich von der Textgenerierung mal ein bisschen zu verlassen: Wir haben für unsere Kunden oder beziehungsweise für unsere Produkte die Möglichkeiten der Bereiche für künstliche Intelligenz mal aufgeteilt entlang der Wertschöpfungskette des Publizierens, also von der Themenfindung her, Topic Discovery, was kann man mit News oder saisonalen Themen anfangen, über das, worüber wir gerade gesprochen haben, also die Unterstützung des eigentlichen Journalisten oder des Redakteurs, sei es eine SE-Optimierung oder Textgenerierung, bis eben hinten raus zur, was wir nennen „Performance-Steigerung“, was aber eigentlich so die Themen des Audience Developments sind. Also wie kann ich mit meinem Content mehr Zielgruppe in mein Geschäftsmodell bringen? Wie kann ich mehr Subscriber gewinnen? Wie kann ich auch Churn-Prevention machen? Was sind so für dich da die Anwendungsgebiete von KI, die du als potentiell vielversprechend einstufst so in den kommenden Jahren für die Publizisten? 

 

Olaf Deininger [00:15:59]: 

Das ist auch aus meiner Sicht ein sehr umfassender Bereich. Es fängt vielleicht damit an, dass KI uns Möglichkeiten gibt zu einer völlig neuen Art von Themenfindung, Themengenerierung zu kommen, weil wir neue Möglichkeiten haben, Interessensverläufe auszuwerten und auf die Art möglicherweise Muster entdecken, was das Interesse an Inhalten angeht, die wir sonst mit den klassischen Methoden gar nicht entdecken würden. Das wäre so ein großer Bereich, den wir sicher noch sehen werden. Einen zweiten Bereich hast du schon gesagt. Im Prinzip die ganzen Dinge, wo es darum geht, Inhalte, Bilder und so weiter zu verschlagworten. Kann ich überlegen, ob ich die nicht weitgehend automatisieren kann. Bilderkennung ist ja sozusagen ein relativ gut entwickelter Bereich. Manche Leute sagen, Wiedererkennung sei quasi schon Commodity, also Handelsware, Standardprodukt. Auch da könnte man stärker darüber nachdenken, dass Metadaten, Verschlagwortung automatisch erzeugt wird. Ein Beispiel auch, was du gesagt hast: Suchmaschinenoptimierung ist ja auch aus meiner Sicht zum Großteil eine regelbasierte Disziplin. Und immer wenn es regelbasiert ist, habe ich zumindest optional die Möglichkeit, das möglicherweise zu automatisieren, und kann auch da wieder die Kollegen entlasten, indem sich Inhalte auf Webseiten zumindest als Vorschlag für den Redakteur dann erst mal vielleicht automatisch teilweise oder komplett suchmaschinenoptimieren. Der Redakteur muss darauf achten, dass es keine Anti-Leser-Suchmaschinenoptimerung wird, sondern muss immer wieder gucken, dass es sozusagen auch für den Menschen, der es liest, auch noch gut und funktional und mit einer guten Erfahrung verbunden ist. Aber auch da kann ich mir vorstellen, dass es bestimmte Automatismen gibt, die die Tätigkeit vom Redakteur da unterstützen. 

 

Benjamin Kolb [00:17:47]: 

Jetzt gibt es ja ziemlich viel auch in dem Bereich des Audience Developments, was so in Richtung Personalisierung, automatisiertes A/B-Testing, Optimierung von irgendwelchen Paywalls und so weiter geht. Sind das für dich Wege, die so in die richtige Richtung führen, wo man KI für einsetzen sollte, um das zu automatisieren, oder siehst du da auch Gefahr? 

 

Olaf Deininger [00:18:06]: 

Also es gibt da so einen großen Bereich, den wir in unterschiedlichen Branchen sehen, wo KI mittlerweile teilweise schon relativ präzise Vorhersagesysteme in der Lage ist zu realisieren. So kann ich an das Thema rangehen, dass ich von einer KI beispielsweise gucken lasse: In welchen Nutzersegmenten ist die Wahrscheinlichkeit am größten, dass ein digitales Abonnement abgeschlossen wird? Und dann kann ich im zweiten Schritt hergehen und sagen: „Okay, dieses Potential bearbeite ich vielleicht mal besonders oder auf dieses Potential richte ich ein besonderes Augenmerk mit meinen Vertriebs- oder Marketingmaßnahmen.“ Da kann das hilfreich sein und sozusagen auch im umgekehrten Blick. Ich kann mir über solche Vorhersagesysteme anzeigen lassen, bei welchen Abonnenten die Wahrscheinlichkeit einer Kündigung besonders hoch ist, und dann kann ich mir auch im zweiten Schritt überlegen: „Was kann ich denn unternehmen, dass die dann doch nicht kündigen?“ Kleines, simples Beispiel: Es wird gesagt, dass Netflix festgestellt hat, dass die Kündigungswahrscheinlichkeit bei Netflix-Nutzern, die weniger als 15 Stunden im Monat Netflix nutzen, überdurchschnittlich ansteigt. Jetzt kann ich mir, und das hat Netflix auch getan, überlegen: „Was mache ich denn bei denen, die so um die Schwelle herum sind und fallend? Was könnte ich denn machen, damit deren Netflix-Nutzung über diese magische Schwelle geht?“ Das hat dann bei Netflix dazu geführt, dass sie ihr Empfehlungssystem entsprechend optimiert haben. Und bei solchen Dingen kann ich heute schon KI einsetzen und kann vielleicht meinen Vertrieb, Marketing, meine Prozesse und so weiter optimieren.  

 

Benjamin Kolb [00:19:47]: 

Genau, du hast jetzt vier von so Methoden der KI gesprochen, die so im Bereich der Statistik liegen, also Wahrscheinlichkeiten, Muster, Bezüge, Klassifikationen. Das sind ja so die typischen, eigentlich so mathematischen Basics in der künstlichen Intelligenz. Jetzt gibt es ja aber auch so Deep-Learning-Systeme, wo am Ende der Mensch die Entscheidungsfindung gar nicht mehr so richtig nachvollziehen kann, warum die Maschine solche Ergebnisse bringt. Da gibt es ja auch viele, die eben mit KI auch jetzt ein bisschen die Sorge verbinden, dass Maschinen Entscheidungen fällen, die der Mensch so nicht fällen würde und die auch gar nicht nachvollziehbar sind. Da hattest du ja auch jetzt kürzlich erst über ein Buch geschrieben „Jeder Mensch“ von Ferdinand von Schirach. Wie siehst du das denn, wo du gerade gesprochen hast über Recommender Systeme, also Vorschlagswesen? Da ist ja auch immer die Gefahr dabei, dass man so in seiner Informations-Bubble bleibt, dass im Prinzip bestimmte Meinungen, die da sind, oder bestimmte Artikel, die gut funktionieren, überbetont werden und dadurch, auch wenn sie vielleicht gar nicht so wahr sind und dadurch im Prinzip so alternative Wahrheiten entstehen, weil sie einfach unglaublich schnell überall verbreitet werden. Wie siehst du das denn, die Herausforderung dieser künstlichen Intelligenzmethoden? 

 

Olaf Deininger [00:20:55]: 

Diese Problematik, dass wir möglicherweise durch Algorithmen, die unsere Medienlandschaft prägen und die immer stärker – Medien beeinflussen ja uns auch immer stärker. „Medien“ hat sich auch vom Begriff her ziemlich stark ausgeweitet. Mit „Medien“ ist ja nicht mehr nur die Tageszeitung, die ich vielleicht noch bekomme, gemeint, sondern im Prinzip beinahe alles, was wir sozusagen auf Bildschirmen zu uns nehmen. Und da ist die Frage sozusagen nach der Bubble tatsächlich extrem relevant. Und die haben wir auch gesellschaftlich noch nicht wirklich durchdrungen und noch nicht wirklich gelöst, was denn mit einer Gesellschaft passiert, wenn denn Menschen sozusagen immer nur ein Ausschnitt der Realität zurückgespielt wird. Damit wir dieses Problem aber lösen können – ich weiß, wir kommen da in einen ganz, ganz abstrakten Bereich, aber es geht halt bei diesem Thema aus meiner Sicht leider nicht einfach – aus dem Grund müssen wir gesellschaftlich verstehen, um was es sich bei KI handelt, und zwar vorurteilsfrei, und zwar ohne diesen ganzen komischen Hype um natürliche gegen künstliche Intelligenz. Und wenn wir verstanden haben, was künstliche Intelligenz wirklich ist, dann müssen wir uns überlegen: Wie müssen die Algorithmen sein, dass wir nicht eine Gesellschaft schaffen, wo der Einzelne sich immer stärker in einer ganz individuellen Medienblase befindet und sozusagen damit automatisch die Gemeinsamkeit in einer Gesellschaft immer geringer wird und damit sozusagen die Bruchlinien immer größer. Und damit ich sowas regeln kann, damit wir uns mit sowas auseinandersetzen können, brauchen wir eine realistische Vorstellung von künstlicher Intelligenz, und da sind wir im Diskurs aus meiner Sicht im Augenblick leider noch ein bisschen weit davon entfernt. Und darum fand ich Ferdinand von Schirach klasse, dass er erkannt hat, wie weitgehend Algorithmen der KI in unsere Gesellschaft eingreifen, und zwar nicht als Risikoklassen auf einem Level von Katastrophen, sondern ganz subkutan in ganz vielen kleinen Schritten. Und er fordert in seinem Büchlein, dass sich Politik damit auseinandersetzt, und das ist aus meiner Sicht an der Stelle wirklich überfällig. 

 

 

Christian Kallenberg [00:22:55]: 

Olaf, jetzt haben wir die Herausforderungen der KI gerade ein bisschen besprochen, aber lass uns doch noch mal ganz kurz bei einem Praxisbeispiel bleiben. Aus deiner Erfahrung heraus: Wer von den großen oder kleinen Verlagen in Deutschland oder international setzt KI denn wirklich beispielhaft ein?  

 

Olaf Deininger [00:23:16]: 

Also ich möchte jetzt nicht behaupten, dass ich einen optimalen Überblick habe über jetzt alle KI-Projekte, die in deutschen Medien oder Verlagen stattfinden. Ich glaube wirklich, da gibt es kaum jemanden, der tatsächlich diesen Überblick hat. Was ich aber weiß, ist, es gibt eine ganze Reihe von Content-Management-Systemen, die ganz interessante KI-Features haben. Es gibt eine Reihe von Tageszeitungsverlagen, die im Bereich Vermeidung von Churn unterwegs sind, so wie wir es beschrieben haben, es gibt eine Reihe von Medienunternehmen, die im Bereich Identifikation von Zielgruppenpotenzial mit besonders hoher Bereitschaft ein Digital-Abo abzuschließen dran sind. Da gibt es ganz viele unterschiedliche Projekte, unterschiedliche Stände, es gibt aber auch auf der anderen Seite, muss man leider sagen, vor allem im Fachverlagsbereich ganz viele Häuser, die das irgendwie für Science Fiction halten und die vor ein paar Jahren, muss ich leider sagen, falsch abgebogen sind und heute gar nicht in die Möglichkeit kommen, KI-Anwendungen auch nur auszuprobieren, weil die einfach beispielsweise die dafür notwendigen, verfügbaren digitalen Daten über ihre Abonnenten, Kunden oder Leads gar nicht zur Verfügung haben. Und ohne digitale Daten kann ich natürlich auch mit KI zumindest eigentlich relativ wenig machen. Wie es im Bereich Content-Management-Systeme aussieht, kann ich leider auch nur zum Teil beurteilen, aber da ist anzunehmen, dass es halt auch noch viele Content-Management-Systeme gibt, die sozusagen so in die Jahre gekommen sind, dass die dafür auch noch nicht so richtig aufgestellt sind.  

 

Benjamin Kolb [00:24:49]: 

Wenn man sich so ein bisschen die Verlagslandschaft anschaut, dann gibt es ja die großen Player, Konzerne, die im Prinzip natürlich auch mit eigenen IT-Abteilungen sowas sehr gut anpacken können. Was würdest du denn, sage wir mal, so einem mittelgroßen Verlag oder auch einem regionalen Zeitungsverlag raten, wie sie das Thema am besten angehen? 

 

Olaf Deininger [00:25:09]: 

Also das Stichwort wäre aus meiner Sicht praktisch „das datengetriebene Medienunternehmen“Viele Verlage haben, was ihre Abonnenten angeht, lediglich Name, Adresse und Bankverbindung. Und das wäre der erste Schritt, wo ich ansetzen würde, dass ich mir überlegen würde: Wie kann ich zu vernünftigen Kundendaten kommen? Wie kann ich die differenzieren? Wie kann ich die weiterentwickeln? Wie kann ich einen Pfad definieren, dass ich die Kundendaten immer weiter qualifiziere? Weil das ist genau das, was wir auch aus der Werbewirtschaft und der Werbeindustrie und von den Werbetreibenden wissen, dass die künftig auch immer stärker qualifizierte, differenzierte, digitale Daten über Zielgruppen haben möchten. Und ein zweiter großer Bereich: Wenn wir über Medienunternehmen reden, reden wir immer natürlich auch über Inhalte. Und das ist der zweite Punkt. Ich würde mich – und das ist auch ein ganz einfacher erster Schritt – damit beschäftigen: Wie ist denn generell mein Content Management inklusive auch digitales Asset Management und so weiter aufgestellt? Habe ich da noch zeitgemäße Systeme? Wie könnten die Anforderungen an die Systeme heute und aber auch in ein paar Jahren aussehen? Und dann würde ich mich damit beschäftigen, ob das, was ich habe, noch ausreichend ist, ob ich es weiterentwickeln muss, wie auch da ein Pfad in die Zukunft aussehen kann und wie ich sozusagen auch da immer stärker meine Daten digital halte in einer vernünftigen Granularität und mit einer vernünftigen Ausstattung von Metadaten, sodass ich künftig da immer mehr auch automatisch möglicherweise damit machen kann. 

 

Benjamin Kolb [00:26:45]: 

Nehmen wir mal an, das Unternehmen wäre jetzt soweit, hätte alle Daten. Wie viele Zwischenschritte gibt es denn noch, bevor es Sinn macht, bei deinem Webinar zu Predictive Analytics teilzunehmen?  

 

Olaf Deininger [00:26:55]: 

Also dieses Webinar kann man voraussetzungslos machen. Ich gebe ja keine Anleitung, wie man sowas programmiert oder codiert, sondern das Ziel von diesem Webinar ist, dass ich den Teilnehmern so einen Eindruck gebe, um was es sich dabei handelt, dass sie sozusagen eine differenzierte Vorstellung von diesem Thema kriegen eher auf einer konzeptionellen Ebene, um dann in ihrem Haus zu überlegen: „Wo könnte das für uns relevant sein? Und mit wem könnten wir mal sprechen? Wer wäre da ein interessanter Ansprechpartner? Wie könnten wir das Thema sozusagen in unserem Haus adaptieren?“ Oder „adoptieren“ wäre vielleicht auch kein schlechter Begriff. Das heißt, es ist eigentlich in dieses Thema so ein bisschen ein Einsteiger-Webinar, was vermitteln soll, was man im Bereich digitale, aber auch Print-Abos und Churn damit machen kann und wie das grundsätzlich funktioniert.  

 

Benjamin Kolb [00:27:46]: 

Was stellst du so einem Unternehmen, also so einem mittelgroßen Verlag, der jetzt seine Daten hat, damit sozusagen in Aussicht, dass er Predictive Analytics einsetzt?  

 

Olaf Deininger [00:27:55]: 

Also Marketing und Vertrieb sind ja immer mit Kosten verbunden und wir kennen ja viele Branchen – oder das gilt eigentlich für jede Branche. Wenn ich praktisch meine Vertriebsmaßnahmen den Leuten nahebringe, die sowieso kein Produkt kaufen oder kein Abo abschließen, dann ist das eigentlich verbranntes Geld. Das heißt, meine Marketing- oder Vertriebsinvestitionen sind da am wirksamsten, wo es dann auch zu einem Abschluss kommt. Und ich habe ja auch nicht unendlich Vertriebsmittel. Und wenn mir sozusagen ein Vorhersagesystem hilft, mich auf die Leute zu konzentrieren, wo ich die höchste Konversionsrate habe, dann ist das eine Kostenersparnis, die sich kaufmännisch auch sehr stark auswirkt. Und in die andere Richtung natürlich auch. Ich habe ja auch die Kosten, die entstehen, um ein Abo zu generieren. Das haben viele Verlage auch schon in der Vergangenheit ganz gut analysiert und haben da entsprechende Zahlen. Das heißt, ich habe immer ein Investment, was ich reinstecken muss, damit ein Abo zustande kommt. Wenn jetzt jemand kündigt, dann ist dieses Investment weg. Wenn ich vorher sozusagen über KI analysieren kann, welche Faktoren zu einer Kündigung führen, dann habe ich vielleicht die Option, dass ich die Faktoren abstelle. Machen wir ein ganz, ganz simples Beispiel: Tageszeitungsverlage haben festgestellt, dass ein sehr, sehr starker Kündigungstreiber eine schlechte Zustellung ist. Jetzt kann man sagen, da könnte man auch ohne KI drauf kommen, aber es ist ein wunderschönes, plakatives Beispiel, was deutlich macht, dass ich einen Faktor, der im Prinzip für Probleme sorgt, abstellen kann, indem ich mir die Leute anzeigen lasse, die vielleicht sich im letzten Vierteljahr dreimal über eine nicht erfolgte Zustellung von meiner Zeitung beschwert haben, und dann kann ich da mal gucken, wo die Ursachen liegen. Vielleicht liegen die Ursachen an der Lage, vielleicht liegen die Ursachen am Zusteller meistens, vielleicht kann ich das Problem beheben, wenn ich den Zusteller ändere. Und sobald ich sozusagen diese Daten dann auch zur Verfügung habe, kann ich handeln. Wenn ich aber sozusagen das Problem nur ganz abstrakt erfahre, dass ich von meinem Call Center vielleicht nur einmal im Monat eine Zahl kriege, dass sich wieder 18 Leute beschwert haben, dass die Zustellung nicht erfolgt ist, dann habe ich gar keine Möglichkeit, daran irgendwas zu ändern. Das wäre aus meiner Sicht auch so ein Punkt, wo sich Prozesse optimieren lassen, sich Aufwände reduzieren lassen und sich Investitionen schützen lassen. 

 

Christian Kallenberg [00:30:20]: 

Du rätst Verlagen ja unter anderem auch noch, nicht nur zu Predictive Analytics, sondern auch dazu, eigene Communities aufzubauen. Jetzt würde mich natürlich interessieren als Verlag: Warum soll ich das dann überhaupt machen? Was bringt das? Das kostet doch vor allen Dingen Geld, oder? 

 

Olaf Deininger [00:30:37]: 

Absolut. Vieles, was man macht, ist mit Kosten und Investitionen verbunden. Ansatz ist, dass wir ja an ganz, ganz vielen Stellen sehen, dass der Leser und der Nutzer immer volatiler wird. Das ist die eine Entwicklung. Gleichzeitig sehen wird, dass das Überangebot an Medien oder dass das Angebot an Medien ständig zunimmt. Das heißt sozusagen, der Nutzer wird flüchtiger, das Angebot wird größer, damit wird auch der Wettbewerb immer härter. Gleichzeitig sehen wird, das ist der vierte Faktor, dass Vertriebsdruck immer weniger funktioniert. Also früher hat man halt, so in den 50er oder 60er oder 70er Jahren, praktisch dann die Marketingetats hochgefahren, hat praktisch Marktdruck aufgebaut und hat es darüber kompensiert oder ganz gut steuern können. Und das ist ja auch was, was immer weniger funktioniert. Ich kann ja ein Produkt heute nicht mehr erfolgreich vermarkten dadurch, indem ich einfach ganz, ganz viel Werbedruck entwickle. Es ist zwar immer noch ein Faktor, aber nicht mehr so wirksam, wie wir das vor 20 Jahren gesehen haben. Medienunternehmen stehen vor der Herausforderung, dass sie sich überlegen müssen: Wie binden wir unsere Nutzer und unsere Leser vielleicht über die Medien, die wir schon seit einiger Zeit produzieren, hinaus? Und da könnte natürlich eine Community eine prima Lösung sein, weil viele Menschen sind auf der Suche, auch im Fachbereich, nach einer digitalen Heimat. Viele Leser, viele Nutzer sind interessiert, sich mit anderen Lesern, Nutzern, Experten und so weiter auszutauschen, auch mit den Redakteuren. Und jetzt sind wir in der Situation, dass wir dafür die technischen Möglichkeiten haben. Entweder ich kann so ein Thema über Plattformen lösen. Eine ganz simple Lösung wäre beispielsweise eine Facebook-Gruppe, ich kann aber auch einen Schritt weitergehen und kann sagen: „Ich baue dieses Haus nicht auf fremdem Grundstück, wo dann vielleicht Facebook irgendwann auf die Idee kommt, da eine vierspurige Straße durchzubauen, sondern ich baue mein Haus auf eigenem Grundstück und etabliere vielleicht auch über eine White-Label-Plattformlösung eine eigene Community in meinem eigenen Branding und versuche, darüber diese vier Tendenzen, die ich anfangs beschrieben habe, dann entsprechend auszugleichen, schaffe noch mal eine zusätzliche Plattform, wie ich Nutzer oder Leser an mein Medium mit einem weiteren Mehrwert binden kann.“ Und wenn man sich anguckt, was diese Plattformlösungen, diese White-Label-Lösungen mittlerweile kosten, dann sind wir so wie bei WordPress auch auf ganz niedrigem Level. Das ist heute im Prinzip auch keine Raketenwissenschaft mehr, sondern Commodity. Und damit ist die Investition, die dafür nötig ist, um meinem Online-Medium eine Online-Community zu bauen, auch nicht mehr so wahnsinnig hoch und damit aus meiner Sicht ein probates Mittel, um diese Volatilität aufzufangen. 

 

Benjamin Kolb [00:33:20]: 

Ja, das ist ja ein ganz spannendes Gebiet eigentlich, also eigene Plattform versus fremde Plattform. Eine Grundlage sind ja die Daten, die man dann hat, wenn man eine eigene Plattform hat. Das ist ja schon mal ein großer Vorteil, dass man direkt die Nutzerdaten hat und eben weiß, wie das Nutzungsverhalten auch auf der Plattform ist. Ich glaube auch, dass wenn man jetzt so auf den privaten Plattformen anderer unterwegs ist, dass man natürlich dort den Vorteil hat, dass die schon Mechanismen haben, um Kunden für meine Plattform zu gewinnen. Die sind ja auf Facebook alle schon miteinander vernetzt, das heißt, da ist es dann einfacher oder die Hürde ist geringer, dass ich neue Mitglieder bekomme, wenn ich ein spannendes Thema habe. Das ist schon eine Abwägung, die man natürlich treffen muss. Jetzt haben wir vor ein paar Tagen gelesen, dass – apropos fremde Plattform – Axel Springer sich auch entschieden hat, auf Facebook News komplett zu setzen überraschenderweise. Wie siehst du denn die Nutzung von fremden Plattformen für Medienunternehmen? Ist das eher was, was sie nicht machen sollten, weil sie damit ihre ganze Datenlandschaft aus der Hand geben, oder wie ist deine Meinung dazu? 

 

Olaf Deininger [00:34:17]: 

Also auch da ist wieder nur leider eine ganz differenzierte Antwort möglich. Es gibt ja eine Reihe von Plattformen, die in ihrem Traffic einen ganz hohen Anteil von Social-Media-Reichweite haben. Teilweise bis zu 30, 40, 50 Prozent über ihrer Reichweite, die sie ja dann praktisch in Werbemarkt monetarisieren, sind generiert durch Social-Media-Plattformen. Für die hat natürlich eine Kooperation mit den entsprechenden Plattformen eine extrem hohe Relevanz. Und wir haben ja auch in der Vergangenheit öfter mal gesehen, wenn dann ohne Ankündigung Facebook plötzlich seinen Algorithmus ändert, dann sind schnell mal 10 Prozent der Reichweite weg, was dann wiederum im Bereich Werbemarkt, Inventar und so weiter ein Problem sein kann, weil die Kunden anrufen und sagen: „Sag mal, es kommt gar keine Reichweite mehr von euch. Oder die Reichweite, die von euch kommt, die wir fest vertrieblich eingeplant haben, die ist um 10 Prozent gefallen. Woran liegt denn das?“ Das heißt im Prinzip: Einerseits stellen diese Plattformen für Medienunternehmen einen Teil der Lösung dar, andererseits sind sie natürlich aber auch Teil des Problems, weil sie, wie beschrieben, über Nacht die Regeln ändern können und das negative Auswirkungen für das Mediengeschäft der Medienunternehmen hat. Das ist so die eine Betrachtung, die man machen kann. Es gibt noch eine andere Betrachtung. Wenn ich vielleicht ein kleines Fachmagazin bin und sage: „Ich möchte mal so erste Erfahrungen machen, wie es ist, eine Online-Community aufzubauen“, dann kann natürlich eine Facebook-Gruppe, die ich innerhalb von einer Dreiviertelstunde konfiguriere, eine sehr schöne Lösung sein. Wenig Investitionen, geringe Time-to-Market, schnell zu realisieren, schnell zu administrieren. Damit bin ich sozusagen, wenn man so sagen will, schnell im Spiel eigentlich und damit wäre das wieder Teil der Lösung. Es gibt aber auch da leider wieder das Gegenbeispiel. New York Times hat eine Cooking-Community aufgebaut auf der eigenen Webseite als Sub-Domain, hat vorgelagert eine Facebook-Cooking-Community gehabt, die, ich glaube, mit über 70.000 Mitgliedern dann vor ein paar Monaten die Form angenommen hat auch mit vielen Diskussionen, Auseinandersetzungen, negativer Kommunikation, dass New York Times angekündigt hat, dass sie sich aus dieser Facebook-Gruppe zurückziehen, man die sozusagen auswildern wird, nicht mehr mit eigenen Moderatoren betreuen kann, weil um die sauber zu betreuen, bräuchte sie mehr Moderatoren. Diese Investition wollen sie nicht machen, insofern ziehen sie sich aus der Plattform zurück. Also im Prinzip die ist hier so ein bisschen an der Größe gescheitert. Das ist sozusagen dann da an der Stelle die Rückseite der Medaille. Bottom Line – was kann man sagen? Ich glaube, erstens mit dem Thema Community muss jedes Medienunternehmen seine eigenen Erfahrungen machen. Es gibt Tools, mit denen man die ohne großes Risiko machen kann. Würde ich jedem empfehlen, um dann sozusagen auf Basis dieses akkumulierten Wissens dann später zu entscheiden: In welchem Maße steigen wir da ein, investieren wir? Ich kenne im Augenblick viele Medienunternehmen, die im Prinzip ihre vorhandenen Online-Communities kostenpflichtig machen wollen. Auch da entsteht dann die Möglichkeit der Monetarisierung und es gibt ja auch da schon Plattformlösungen, wo ich nicht nur eine eigene Community aufbauen kann mit eigenen Funktionalitäten, die ich im eigenen Branding gestalten kann, sondern wo auch im Prinzip die Monetarisierungs-Tools gleich mit dranhängen. 

 

Christian Kallenberg [00:37:39]: 

Aber aus deiner Expertise heraus: Wer kümmert sich um die Communities? Brauche ich dafür als mittelständischer Verlag einen eigenen Community-Manager oder ist das irgendwas, was die Redaktion mitmacht? 

 

Olaf Deininger [00:37:51]: 

Ich kenne Redaktionen und Redakteure und Kollegen, die haben extrem viel Spaß daran, sich mit ihren Lesern auszutauschen, mit denen zu diskutieren, denen Fragen zu stellen, Thesen in den Raum zu stellen, die diskutieren zu lassen. Ich kenne da auch Plattformen, die laufen aus der Redaktion raus als – ich will nicht sagen „Spaßprojekt“, aber beinahe als Spaßprojekt. Natürlich ist es Arbeit, die ohne separaten Moderator da funktioniert und allen Beteiligten auch sehr viel Freude bringt. Ich kenne umgekehrt aber auch Redaktionen, wo Redakteure drinnen sind, die an sowas überhaupt keinen Spaß haben, und wenn man die dann verdonnert dazu, dass die Freitagnachmittag Community-Dienst haben drei Stunden – ich will jetzt nicht ein allzu negatives Bild zeichnen – dann stellt man vielleicht fest, dass das Engagement in der Community vielleicht maximal durchschnittlich ist, was dann wiederum, wenn ich so eine Konstellation habe, das nahelegt, dass man einen Moderator installiert, der sich dann auch schließlich um diese Community kümmert. Hängt natürlich auch von der Größe der Community ab. Was aus meiner Sicht ganz charmant ist, ist wenn die Redaktion selber Spaß daran hat und Spaß entwickelt, sich mit ihren Lesern auszutauschen. Ich finde, das gehört zur redaktionellen Tätigkeit dazu. Es ist ganz normal. Es ist eigentlich keiner Rede wert. Es ist selbstverständlich. Ich weiß aber auch, dass es Kollegen und Redaktionen gibt, die sehen das ganz anders. Mag legitim sein. Ich finde für die Zukunft: Wir als Journalisten und Redakteure können uns gar nicht intensiv genug mit unseren Lesern, Nutzern, mit unserer Zielgruppe auseinandersetzen, weil wir da am ehesten die Möglichkeit schaffen, was dazuzulernen, zu lernen, wo deren Pain Points sind, was die interessiert, wo sie hinwollen, wie wir unser Informationsangebot noch weiter optimieren können, dass es noch relevanter wird für unsere Zielgruppen.  

 

Benjamin Kolb [00:39:42]: 

Was sind denn deine Erfahrungen von Methoden der künstlichen Intelligenz im Bereich der Communities? Also zum Beispiel Erkennung von Trollen und negativen Posts, Sentiment-Analyse? Hast du da auch Erfahrungen, die du weitergeben kannst an Verlage, die eine Community starten, um vielleicht das Leben der Moderatoren zu vereinfachen?  

 

Olaf Deininger [00:40:00]: 

Also was mir auffällt, ist – eigentlich schon seit 10 Jahren: Die Angst vor Trollen wird regelmäßig überschätzt. Was jetzt Technologie angeht, muss ich leider sagen, da ist meine Erfahrung sehr begrenzt. Mir würde jetzt spontan ganz ehrlich auch keine wirkliche Anwendung einfallen, die man an der Stelle so empfehlen könnte. Man kann die ganzen Techniken, die wir hier sozusagen aus dem Bereich Vorhersagesysteme, Mustererkennung und so weiter gehabt haben, die kann man da mit Sicherheit übertragen, aber ich glaube, das ist ein Bereich, da geht das erst so richtig los. Und viele Dinge, wie Facebook das handhabt, kennen wir nicht oder noch nicht oder nur teilweise oder die sind so, dass sie vielleicht auch gar nicht empfehlenswert sind.  

 

Christian Kallenberg [00:40:42]: 

Olaf, lass uns noch mal beim Spaß bei der Arbeit bleiben. Du hast deine Karriere im Journalismus damit begonnen, dich zu verschulden. Ist das richtig? 

 

Olaf Deininger [00:40:52]: 

Ja, das kann man sagen. Ist lange, lange, lange her. Es war aus heutiger Sicht ein extrem überschaubarer Betrag, aber die erste Druckrechnung meiner ersten Schülerzeitung habe ich selber bezahlt. Und weil man sozusagen als junger Mensch, als Teenager, vielleicht nicht unbedingt automatisch zur preiswertesten Druckerei ging und vielleicht auch damals noch gar nicht so die Preise abschätzen konnte, lag dann zum Schluss eine Rechnung auf dem Tisch, die mein Taschengeldbudget ziemlich stark überschritten hat und die ich dann irgendwie mit familiärer Hilfe trotzdem bezahlt habe.  

 

Christian Kallenberg [00:41:29]: 

Mittlerweile kennst du dich im Journalismus gut aus und du hast ja noch ein zweites Seitenprojekt, das Thema Food. Ich habe schon festgestellt, Benni, irgendwie ist das Thema Food hier in diesem Podcast bei allen Gästen, außer bei mir – ich esse nur gerne – stark besetzt. Benni, du bist Hobbykoch, Olaf ist auch Hobbykoch, beziehungsweise sogar Hauptverantwortlicher, was das Thema Food zu Hause angeht. Olaf, was ist jetzt dein Lieblingsrezept in der heimischen Verlagskantine?  

 

Olaf Deininger [00:41:57]: 

Also es ist richtig. In dem Haushalt mit meiner Frau zusammen, da bin ich im Prinzip für die warmen Speisen zuständig. Und wenn ich nicht für selbiges sorge, dann gibt es keine warmen Speisen. Insofern stehe ich jeden Tag, wie jeder Hausmann, sozusagen vor der Frage: Was koche ich heute? Und aus dem Grund liebe ich Rezepte, die mit minimalem Zeit- und Ressourcenaufwand einen maximalen Effekt erzeugen. Und ich gucke halt natürlich auch, wie jeder Hausmann, dass die Angebotsbreite möglichst groß ist, um keiner einseitigen Ernährung Vorschub zu leisten. Insofern – was mache ich relativ häufig? Salade niçoise ist zurzeit, vor allem wenn es nicht den ganzen Tag regnet, sondern wenn es draußen warm ist und frühlingshaft ist, sowas, was ich im Augenblick relativ häufig mache, aber auch Shakshuka zum Beispiel mache ich in letzter Zeit relativ häufig.  

 

Christian Kallenberg [00:42:50]: 

Was ist das? 

 

Olaf Deininger [00:42:51]: 

Shakshuka ist so eine israelisches Gericht oder ein Gericht aus der Levante. Das ist im Prinzip Paprika mit Tomaten gut geschmort zu so einer guten Soße, mit relativ viel Kreuzkümmel angereichert, und da im Prinzip ein Ei reingeschlagen, aber so, dass nur das Eiweiß stockt, das Eigelb noch flüssig ist. Und das dann sozusagen in der Konsistenz servieren. Das ist ein ganz tolles Gericht. Mit Weißbrot oder mit Fladenbrot ist es super.  

 

Benjamin Kolb [00:43:21]: 

Klingt hervorragend.  

 

Christian Kallenberg [00:43:22]: 

Ich weiß, wir könnten jetzt noch echt lange weiterreden, aber ich habe Hunger. Das heißt, ihr habt mir jetzt den Mund wässrig gemacht. Olaf, vielen, vielen Dank für deine Zeit. Vielleicht können wir dein Rezept noch in die Shownotes posten, damit die Leute auch was Praktisches mitnehmen. Nein, Spaß. 

 

Olaf Deininger [00:43:36]: 

Nein, das können wir gerne machen.  

 

Christian Kallenberg [00:43:37]: 

Sehr gut. Und natürlich vielleicht auch noch ein, zwei andere Links von guten Beispielen, die du genannt hast. Und ansonsten würde ich sagen: Benni, gute Folge bisher?  

 

Benjamin Kolb [00:43:46]: 

Ja. Olaf, vielen Dank. 

 

Christian Kallenberg [00:43:48]: 

Und wenn Sie, liebe Hörerinnen und Hörer, Feedback haben zu dieser Folge oder Wünsche haben, was wir in einer der nächsten Folgen mal besprechen sollten, schicken Sie uns gerne eine Mail an podcast@welikemags.com. Wir melden uns. Vielen Dank für das Zuhören und bis zum nächsten Mal.  

Unsere besten Insights per Mail

Mit unserem Newsletter informieren Sie sich monatlich über aktuelle Trends rund um die Themen Digital Publishing und Audience Development.

Folgen zu ähnlichen Themen entdecken