Die Basis: Künstliche Intelligenz (KI)

Künstliche Intelligenz ist die Grundlage von automatisierten Inhalten. Hier ein grober Überblick, wie Künstliche Intelligenz grundsätzlich funktioniert.

Künstliche Intelligenz basiert auf der Erkennung von Mustern und Gesetzmäßigkeiten. Die Basis bilden Trainingsdatensätze, von denen die Maschine lernen kann. Beispielsweise müssen einer Maschine beim Schach-Spiel Daten zugrunde liegen, welche deutlich machen, welche Spielzüge zu einem Sieg führen und welche zu einer Niederlage. Einmal gelernt, kann die Maschine in kürzerer Zeit viel mehr Daten verarbeiten, als es ein Mensch könnte. (vgl. Herberich: 2019, 63 ff.) 

Ein anderes Beispiel ist die Unterscheidung von Tierfotos. Es wird im Code nicht definiert, dass eine Katze zum Beispiel Fell und Schnurrhaare hat, sondern es werden Datensätze in Form von beschrifteten Tierfotos zugrunde gelegt. Anhand dieser Fotos wird erlernt, wie unterschiedliche Tiere und unterschiedliche Rassen aussehen und wie sich diese von anderen Tieren oder Dingen unterscheiden. Die Fehlerrate von sogenannten Machine-Learning-Algorithmen bei der Erkennung von Bildern hat sich im Laufe der Jahre verringert. Aus der Datenbank ImageNet mit mehreren Millionen Fotos mit unterschiedlichen Motiven ist sie von über 30 % im Jahr 2010 bis auf weniger als 4 % im Jahr 2016 gesunken. (vgl. Buxmann, Schmidt 2019: 8 f.)

2016 hat die Twitter-Userin Karen Zack Tierfotos neben sehr ähnlich aussehendes Essen und anderen Gegenständen gestellt und Bilder davon auf Instagram und Twitter gepostet. Dies spiegelt die Herausforderung an die künstliche Intelligenz wider, denn selbst mit menschlichem Auge ist die Unterscheidung auf dem ersten Blick nicht einfach.

Eine Steigerung dessen bilden selbstlernende Algorithmen, wie zum Beispiel künstliche neuronale Netze, die Zusammenhänge erkennen können. Beispielsweise soll vorhergesagt werden, ob der Inhalt eines Warenkorbs gekauft wird oder nicht. Die Messwerte sind der Gesamtumsatz eines Webshop-Kunden im letzten Jahr, das Verhältnis der gekauften Warenkörbe zu den stehen gelassenen Warenkörben, der Gesamtwert des aktuellen Warenkorbs, die Anzahl der Produkte im aktuellen Warenkorb und noch einige berechnete Werte mehr. Ein neuronales Netz kann den Zusammenhang zwischen Inputdaten und Outputdaten lernen und vorhersagen, ob der Kunde den Warenkorb wahrscheinlich kaufen wird oder nicht. (vgl. Bernhard, Mühling, 2020: 17 f.) Eine Möglichkeit den Umsatz zu steigern, ist übrigens die Einführung von intelligenten Empfehlungssystemen.

Die Bandbreite von automatisiertem Content

Algorithmen können in Zukunft in einer hohen Geschwindigkeit über jedes Thema und für jede Zielgruppe Textbeiträge verfassen. Die Texte lassen sich personalisieren, indem Informationen über einen Leser verwendet und in einen Text adaptiert werden. Wenn die künstliche Intelligenz Zugriff auf Facebook-Profile hätte, würden individuelle Inhalte entstehen können. Algorithmen können den Content ähnlich wie bei Werbung zielgenau ausspielen. Jeder könnte somit seinen persönlichen Content erhalten, der zu seiner Interessenslage passt. (vgl. Gentsch, 2019: 203 f.)

Um Content zu erstellen, wird das Web automatisch nach Informationen durchsucht. Die Informationen werden im Nachgang zusammengeführt. Bei Berichten im Bereich Sport, Wetter und Finanzen findet dieses Vorgehen bereits heute statt. Die Nachrichtenagentur Associated Press hat beispielsweise bereits wenige Minuten, nachdem Apple seine neuesten Quartalszahlen verkündet hat, einen automatisierten Bericht über die Finanzzahlen geschrieben. Weiterführend gibt es bereits erste kreative, automatisch geschriebene Texte. Die IBM-Erfindung Watson, ein Computersystem, hat eine ganze Ausgabe des britischen Marketing-Magazins „The Drum“ gestaltet mit Bildauswahl und Textanpassung. Der Geschmack des Lifestyle-Publikums sollte getroffen werden, daher wurde Watson mit den Daten der Gewinner des „goldenen Löwen“ vom Cannes Lions International Festival of Creativity gespeist. (vgl. Gentsch, 2019: 203)

Automatisierte Produktbeschreibungen

Die Technologie kann zudem für Produktbeschreibungen eingesetzt werden. Durch informative und umfassende Produktbeschreibungen sowie aussagekräftige Fotos, ist herauszustellen, wie das Produkt zum Beispiel beschaffen ist oder ob es Kompatibilitätsvoraussetzungen gibt. Dadurch können unter anderem Retouren reduziert werden. (vgl. Süss, 2016: 66)

Produkttexte zu schreiben kostet allerdings Zeit und Geld, denn auch sie sollen schließlich ansprechend und suchmaschinenoptimiert sein. Textroboter sind schneller und schaffen Individualität. Eine Produktbeschreibung kann in mehrere Sprachen übersetzt und zum Beispiel saisonal formuliert und nachher wieder neutralisiert werden. Strukturierte Daten bilden die Grundlage. Die Produktdaten liegen meist in Excel-Tabellen, Produktdatenblättern oder Datenbanken vor und werden über eine Programmierschnittstelle in die Software eingespielt. Über die gleiche Schnittstelle gelangen die fertigen Texte in den Shop. Laut Unaice, einem Systemhaus für automatisierten Content, können bis zu 500.000 Texte pro Stunde im gewünschten Sprachstil erstellt werden. (vgl. Naumann, 2019) 

Dies ist möglich, da Algorithmen nicht müde oder abgelenkt werden. Außerdem werden keine Rechtschreibfehler gemacht und auch Fakten, wie wichtige Produktinformationen, werden nicht vergessen. (vgl. Graefe, 2016: 23)

Die Webshops von Media Markt und Saturn haben zum Beispiel bereits mithilfe einer Software Produktbeschreibungen mit künstlicher Intelligenz eingeführt. Das Online-Team von MediaMarktSaturn soll dadurch bei der Verwaltung der großen Datenmengen entlastet werden, denn es werden insgesamt über 350.000 Produkte angeboten. Durch die Umwandlung von strukturierten Daten in Text wird ihnen viel Arbeit abgenommen. Zusätzlich vergleicht das System die Daten einer Produktkategorie und ordnet diese entsprechend ein. (vgl. Melchior, 2019)

Ausblick

Automatische Texterstellung ist in manchen Situationen sehr praktisch. Wenn allerdings aufwändige Recherchen nötig sind oder die eigene Meinung gefragt ist, stößt der Roboterjournalismus an seine Grenzen. Journalistische Profis mit Gespür und Erfahrung sind und bleiben weiterhin gefragt.

Literatur

Bernhard, M., Mühling, T. (2020): Verantwortungsvolle KI im E-Commerce, Wiesbaden: Springer Fachmedien
Buxmann, P., Schmidt, H. (2019): Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens, in: Buxmann P, Schmidt, H. (Hrsg.), Künstliche Intelligenz, Berlin: Springer-Verlag, S. 8 f.
Gentsch, P. (2019): Künstliche Intelligenz für Sales, Marketing und Service, Wiesbaden: Springer Fachmedien
Graefe, A. (2016): Guide to automated journalism, NewYork: Tow Center for Digital Journalism
Herberich, R. (2019): Künstliche Intelligenz bei Amazon Spitzentechnologie im Dienste des Kunden, in: Buxmann P, Schmidt, H. (Hrsg.), Künstliche Intelligenz, Berlin: Springer-Verlag, S. 63 ff.
Süss, Y. (2016): E-Commerce für klein- und mittelständische Unternehmen, Springer Fachmedien Wiesbaden, Wiesbaden

Internetquellen

Melchior, L (2019) Media Markt und Saturn nutzen KI für Produktbeschreibungen [Zugriff 2021-01-02]
Naumann, S. (2019): Weniger Schreibarbeit durch Textroboter, [Zugriff 2021-01-02]