«Das Wichtigste ist interner Wissensaufbau»

Michèle Widmer
Publiziert am 23.11.2023

Uli Köppen, Sie beschäftigen sich stark mit Automation und künstlicher Intelligenz. Wie nutzen Sie diese Werkzeuge selbst im Arbeitsalltag?
Ich nutze KI-Tools, um produktiver zu arbeiten, zum Beispiel für Zusammenfassungen, zur Übersetzung oder als Schreibhilfe in einer fremden Sprache. Ich lasse mir lange PDFs von synthetischen Stimmen vorlesen, wenn ich nicht mehr vor dem Bildschirm sitzen möchte. Sprachmodelle benutze ich für Gedankenanstösse oder als Suchmaschinen, wenn reine Linklisten nicht unbedingt weiterhelfen.

All diese Tools entwickeln sich rasant weiter. Wo hat Sie KI zuletzt positiv überrascht?
Eigentlich ständig. Sprachmodelle werden mit jeder Version besser, falsche Fakten weniger. Das Suchverhalten im Internet und der Zugang zu Inhalten wird sich dadurch stark verändern. Suchmaschinen, die von Sprachmodellen unterstützt werden, wie Bing oder you.com, kann man Dinge fragen wie: Ich bin in Berlin, gehe gern spazieren und brauche eine neue Winterjacke – stelle mir ein Programm für zwei Stunden zusammen. Der Output fasst dann alle Informationen zusammen, ohne dass man unbedingt weiter auf Links klicken muss.

«Der Erklärungsbedarf steigt, und wir investieren viel Energie, um interne KI-Tage, Workshops und Weiterbildungsangebote zu entwickeln»

Sie leiten seit bald vier Jahren das AI + Automation Lab des Bayerischen Rundfunks (BR). Nun ist das Thema ChatGPT in aller Munde. Was verändert sich in Ihrer Arbeit dadurch, dass KI quasi massentauglich wird?
Der Unterschied ist, dass jetzt jede und jeder selbst die Hände an KI legen kann. Wir hatten auch vor ChatGPT schon Kontakt mit KI im Alltag, etwa wenn wir Navigation beim Autofahren benutzt oder Empfehlungen beim Podcast-Hören bekommen haben. Aber erst generative KI hat ins Bewusstsein gerückt, dass man dabei mit künstlicher Intelligenz zu tun hat, und dazu beigetragen, dass jede und jeder selbst Dinge ausprobieren kann. Dadurch kommen viele mit Ideen auf uns zu, und generell steigt die Offenheit gegenüber Automatisierungsprozessen. Das kommt uns zugute, wenn wir zusammen mit Redaktionen hybride Workflows erarbeiten, bei denen Redaktionen von Algorithmen bei der Arbeit unterstützt werden. Gleichzeitig steigt der Erklärungsbedarf, und wir investieren viel Energie, um interne KI-Tage, Workshops und Weiterbildungsangebote zu entwickeln.

Ihr Lab ist als interdisziplinäres Team organisiert und umfasst Softwareentwicklerinnen, Experten im Bereich Machine-Learning, Datenjournalisten, UX-Designerinnen oder Produktmenschen. Wie würden Sie dieses Team mit Blick nach vorn ergänzen oder ausbauen?
Ich kann mir vorstellen, dass wir in den einzelnen Bereichen mehr Spezialisierungen ausbilden, und ich würde weiterhin auf interdisziplinäre Perspektiven setzen. Wir profitieren für investigative Recherchen ebenso wie bei der Produktentwicklung stark davon, dass wir uns alle aus unterschiedlichen Richtungen in den Journalismus einbringen.

Wie ist das Team in die Redaktionen integriert? Und wie gut funktioniert diese Zusammenarbeit?
Unsere Teams sind selbst als Redaktionen organisiert, und wir arbeiten mit anderen Redaktionen ebenso zusammen wie mit den Kolleginnen und Kollegen aus der Technik, der Innovation oder der juristischen Direktion. Das funktioniert sehr gut – auf diese Weise lösen sich Silos im Unternehmen auf, und neue interdisziplinäre Zusammenarbeit entsteht.

«In der Recherche experimentieren wir, inwieweit man auch sensible Daten mit Sprachmodellen untersuchen kann, wenn man die Modelle selbst hostet»

Sie arbeiten auch an automatisierten Produkten für den BR. Mit welchem haben Sie am meisten bewirkt – und warum?
Unsere Corona-Automatisierungen waren nach innen wie nach aussen sehr erfolgreich. Wir haben sehr schnell die Pandemie-Entwicklungen als Texte und Grafiken automatisiert. Dadurch konnten wir die Daten-Arbeit zentralisieren und haben die Redaktionen darum erleichtert, täglich die Daten zusammenzusammeln und zu analysieren. Diese Arbeit ist damals in vielen Redaktionen gleichzeitig passiert, daher war das ein grosser Effektivitätsgewinn. Und auch ein Qualitätsgewinn, denn die Reporterinnen und Reporter konnten sich darauf konzentrieren, Stimmen einzufangen und die Situation für die Hörerinnen und Hörer einzuordnen. Letztendlich konnten wir mit den Corona-Trends dasselbe Produkt auch für unsere Userinnen und User launchen – das erste Produkt, das für Redaktionen wie Userinnen und User gleichermassen nützlich war.

KI kann eine Chance für Recherchen und für den Journalismus generell sein. Wo und wie können diese Werkzeuge bereits eingesetzt werden?
Das ist ein sehr breites Feld: Die meisten Use Cases im Bereich der generativen KI sind im Bereich der Text- und Bild-Services. Darunter fällt etwa die Erstellung von Überschriften und Teasern, das Zusammenfassen von Texten, das Schreiben von Texten in verschiedenen Stilen sowie die Generierung von Bildern. In der investigativen Recherche experimentieren wir derzeit, inwieweit man auch sensible Daten mit Sprachmodellen untersuchen kann, wenn man die Modelle selbst hostet.

Und wo helfen die Tools bereits, um Medienschaffenden repetitive Aufgaben abzunehmen?
Man kann sie als Unterstützung zum Schreiben verwenden, beim Coden, bei der Suchmaschinen-Optimierung von Texten. Auch im Bereich der Automatisierung, die nichts mit KI zu tun hat, entsteht Content, der Redaktionen wiederkehrende Aufgaben abnimmt – wie zum Beispiel unsere Corona-Automatisierung. Das gilt für Berichterstattungsbereiche mit vielen Daten, wie Wahlen, Wetter- und Verkehrsmeldungen.

«Auch in naher Zukunft kann man im Journalismus von generativer KI erstellten Content nicht unbesehen veröffentlichen»

Ein immer wieder genanntes Manko der KI ist die fehlende Faktentreue. Wird es hierfür auch in Zukunft den Menschen brauchen?
Im Moment muss der Output aus generativer KI faktengecheckt werden. Von Version zu Version werden die sogenannten Halluzinationen von Sprachmodellen, die falschen Fakten, weniger. Aber auch in naher Zukunft kann man im Journalismus von generativer KI erstellten Content sicherlich nicht unbesehen veröffentlichen.

Wo müssen Redaktionen den Einbezug von KI in Ihrer Arbeit offenlegen: Bereits bei der automatisierten Übersetzung oder erst, wenn ein Bild KI-generiert ist?
Wenn KI zur Ideengewinnung genutzt wird, muss man das aus meiner Sicht nicht kennzeichnen. Auch leichte Produktionshilfen, wie Filter beim Videoschnitt oder Rauschunterdrückung bei der Audio-Bearbeitung, muss man nicht auszeichnen. Denn über kurz oder lang werden fast alle Tools, die wir verwenden, KI-unterstützt sein. Wenn aber Content grösstenteils KI-generiert ist, sollte das in jedem Falls transparent ausgezeichnet und die Methode für Nutzerinnen und Nutzer klar verständlich sein.

Am Journalismus.Tag23 in Winterthur haben Sie den Medienschaffenden nahegelegt, sich von Tech-Firmen möglichst unabhängig zu machen. Was sind hierfür die wichtigsten Punkte?
Mit KI, vor allem mit generativer KI, kommen zahlreiche Herausforderungen auf uns als Journalistinnen und Journalisten zu. Teilweise sind das Entwicklungen, die schon vorher da waren, aber verstärkt werden. Wie zum Beispiel die Abhängigkeit von Tech-Firmen durch lernende Algorithmen oder die Intransparenz von algorithmischen Systemen, mit denen investigative Reporterinnen und Reporter konfrontiert sind. Es gibt Methoden, die uns als Medienunternehmen resilienter dagegen werden lassen. Das Wichtigste ist interner Wissensaufbau. Denn damit können wir strategische Entscheidungen fällen, welche Software wir nutzen und wie. Und wir können damit als Reporterinnen und Reporter besser zu automatisierten Systemen recherchieren.