Mensch – Maschine – Missverständnis?

Techgiganten wie Facebook, Google, Spotify und Netflix tun es.
Kreditkartenunternehmen, aber auch Ärzte und Medien tun es.
Artificial Intelligence (AI) ist längst überall.

AI beeinflusst unseren Medienkonsum, kennt unsere Präferenzen und empfiehlt uns Newsartikel, Bücher oder Musik. Sie informiert uns über Wichtiges und Banales. Sie lernt selbstständig und teilt uns digital mit, was wir in der analogen Welt (vermeintlich) brauchen. Ganz gleich, ob Social-Media-Timeline oder personalisierte Playlist, Fraud Detection im Zahlungsverkehr oder medizinische Behandlungsempfehlungen – dahinter stecken Algorithmen. Und das sind zunächst einmal nur Handlungsvorschriften, die für Computer in eine Programmiersprache übersetzt werden. So können Maschinen Aufgaben beliebig oft durch standardisierte Automatisierung erledigen.

Während Entwicklerinnen und Entwickler früher alles, was ein Computer leisten sollte, manuell programmieren mussten, können Algorithmen heute selbst dazulernen, indem sie Schlüsse aus Trainingsdaten, Messergebnissen und Feedback ziehen. AI beginnt also nicht erst dort, wo der Mensch nicht mehr eingreift, sondern immer dann, wenn – teils von Menschen unterstützt – selbstlernende Systeme beteiligt sind. Gerade für Medienunternehmen ergeben sich daraus neue Szenarien: sei es, dass Inhalte per lernendem Algorithmus personalisiert und maßgeschneidert ausgeliefert werden, oder, dass Chatbots und Sprachassistenten die bisher eher one-way-mediale Informationsvermittlung in einen Dialog verwandeln. Auch Prozesse in Produktion und Vertrieb werden zunehmend von AI beeinflusst, indem entsprechende Systeme Tätigkeiten automatisiert übernehmen.

Richtiger Content zur richtigen Zeit

Grundlage für den Einsatz von AI sind in jedem Fall Daten, und zwar ein großer Berg von nutzergenerierten Daten. Für Medienunternehmen ist AI eine Chance, denn sie kennen den Nutzer und können aussagekräftige Daten sammeln. Diese Daten in Kombination mit dem sogenannten „Supervised Learning“-Verfahren trainieren ein System, das in weiterer Folge personalisierte Nachrichten ausliefern kann. Der Content kann dadurch nicht nur individuell im Format an die unterschiedlichen Plattformen angepasst werden, sondern auch an die jeweilige Nutzungssituation. Sensoren speisen dabei den Algorithmus, der errechnet, in welcher Situation sich der Besitzer gerade befindet. In einem öffentlichen Verkehrsmittel möchte der Nutzer vielleicht „snacksized“ News konsumieren, auf dem heimischen Sofa einen Long-Read und im Auto einen Podcast. Personalisierung könnte sogar so weit gehen, Artikel in verschiedenen Sprachniveaus zu publizieren. AI eignet sich besonders für die Mustererkennung, Sentimentanalyse bzw. Bild-, Sprach- und Tonerkennung sowie das Clustering.

 

Ein Anwendungsbereich, in dem AI bereits gute Dienste geleistet hat, ist Datenjournalismus. Nicht zuletzt die Veröffentlichungen der Panama Papers zeigten, wie aus großen Mengen unstrukturierter Daten Geschichten und Skandale gefiltert werden können. Die Panama Papers bestanden aus 11,5 Millionen Dokumenten, undenkbar, dass die 2,6 Terabyte Daten von Hand durchsucht worden wären. Die Journalistinnen und Journalisten nutzten deshalb verschiedene Anwendungen des maschinellen Lernens, um die Dokumente lesbar zusammenzufügen, zu strukturieren und schließlich Netzwerke zwischen den beteiligten Personen und Organisationen zu visualisieren.

Wo geht die Reise hin?

Dass AI Arbeitsplätze einspart, ist mit Sicherheit eines der größten Missverständnisse. Einer der wichtigsten Aspekte für die Medienbranche ist die Frage der Skalierung, die AI erlaubt. Mit der industriellen Revolution wurde die körperliche Arbeitskraft des Menschen durch Maschinen skaliert – AI ermöglicht diesen Effekt heute bei der Wissensarbeit. Einfachere, repetitive Aufgaben wie Klassifizierung oder das Erkennen von Mustern können von AI schneller und mit höherer Genauigkeit und Verlässlichkeit umgesetzt werden, als es Menschen möglich ist. Dadurch wird mehr Zeit für intellektuell anspruchsvollere Aufgaben frei. Denn mehr denn je ist es heute nötig, dass Journalistinnen und Journalisten Informationen auf ihren Wahrheitsgehalt überprüfen. Sich tiefgründig mit Themen auseinanderzusetzen, Rechercheergebnisse intellektuell und kritisch einzuordnen und der Öffentlichkeit unabhängig „Bericht zu erstatten“ wird weiterhin die Aufgabe von Menschen sein. Eine Weiterentwicklung der AI, die AGI (Artificial General Intelligence), scheint zunächst wie aus einem Sci-Fi-Film entsprungen. Sie ist sozusagen der heilige Gral der AI-Entwicklung und soll es ermöglichen, auch intellektuelle Aufgaben zu erledigen. Diese Entwicklung geht weit über einen für bestimmte Einsatzzwecke entwickelten Algorithmus oder eine speziell trainierte AI hinaus. AGI kann Problemstellungen lösen, für die sie nicht spezifisch trainiert wurde, und könnte – mit allen einhergehenden ethischen Fragestellungen – Empfindungen ermöglichen. Google Deep Mind, das Human Brain Project oder OpenAI forschen in diesem Feld, das Ziel scheint derzeit aber schwer realisierbar.