Geht es um Automatisierung und Künstliche Intelligenz (KI) im Journalismus, ist meist die Rede vom sogenannten „Roboterjournalismus“: Gemeint sind Softwaresysteme, die auf der Grundlage strukturierter Daten automatisch etwa Sport- oder Finanzberichte generieren, die von Texten, die von Menschen stammen, nicht zu unterscheiden sind. Dies ist eines der faszinierendsten Beispiele für Automatisierung und KI im Journalismus. KI spielt aber längst in allen Phasen journalistischer Aussagenentstehung eine große Rolle. Ein aktuelles Beispiel dafür ist das von der Nachrichtenagentur Reuters entwickelte Tool Lynx Insight. Die Agentur versteht es als Schritt zum „cybernetic newsroom“ – eine Redaktion, in der Maschinen und Menschen vernetzt das tun, was sie am besten können: Maschinen durchkämmen riesige Datenmengen, und Menschen beurteilen die Relevanz und beleuchten Hintergründe. Algorithmen sollen Journalisten also nicht ersetzen, sondern sie bei ihrer Arbeit unterstützen und Daten im Hinblick auf Trends, Anomalien und Zusammenhänge auswerten, um mögliche „Geschichten“ auszumachen und Textbestandteile automatisch zu generieren.

Automatisierung hilft bei Themenfindung und Recherche

Die beschriebene Entwicklung macht deutlich, dass Automatisierung und KI bereits vor der Erstellung von journalistischen Inhalten bei der Recherche und dem Finden von Geschichten zum Einsatz kommen – also bei der journalistischen Beobachtung der Gesellschaft. Die Umwelt der Journalismus hat sich in den vergangenen zwei Jahrzehnten radikal verändert. Entstanden ist eine (Medien-)Umgebung, in der jeder zum „Sender“ werden kann, in der das Publikum sich jederzeit in die Debatte einschalten kann und in der es zahlreiche neue Anbieter von Informationen gibt. Dies können algorithmisch operierende Informationsintermediäre wie Suchmaschinen sein oder Social Bots. Sie alle erzeugen, selektieren und distribuieren Inhalte und beteiligen sich so an der Herstellung von Öffentlichkeit – inklusive Phänomenen wie Hate Speech, Cyber-Propaganda und Fake News.

Einerseits müssen wir nun also bei Kommunikationsprozessen nicht mehr nur mit Menschen rechnen, sondern zunehmend mit Algorithmen. Andererseits sind digitale Medien und ihre Infrastrukturen nicht nur Mittel der Kommunikation, sondern immer auch der Datengenerierung. Es entsteht also eine (Medien-)Umgebung, in der alle möglichen Prozesse auf Software und Daten basieren, in der immer ausgefeiltere Technologien entwickelt werden, um diese Daten zu verarbeiten und etwa mit Hilfe von Natural Language Processing (NLP) auch zu „verstehen“. Daten werden mehr und mehr Teil von Kommunikationsprozessen und (politischen, wirtschaftlichen, journalistischen etc.) Entscheidungen. Diese Entwicklung betrifft nicht nur den Journalismus, sondern die Gesellschaft insgesamt. Wir sprechen daher zum Beispiel von der „Gesellschaft der Daten“ oder der „datafizierten Gesellschaft“.

KI verändert die Nachrichtenwelt

Daraus ergeben sich gravierende Folgen für den Journalismus in Zeiten Künstlicher Intelligenz: Erstens erweitert die Datafizierung in nahezu allen gesellschaftlichen Bereichen die Möglichkeiten der Beobachtung und Beschreibung durch den Journalismus. Ein Beispiel dafür ist der Datenjournalismus. Aber auch andere gesellschaftliche Akteure in Politik, Wirtschaft, Bildung etc. versuchen, sich Big Data zunutze zu machen. Zweitens ist Journalismus reflexiv an den Wandel der (Medien-)Umgebung gekoppelt. Mit dem Medienwandel ändern sich auch die Medien und Formen des Journalismus. Drittens werden unter den gewandelten gesellschaftlichen Medien- und Kommunikationsbedingungen Leistungen von Algorithmen und Softwaresystemen erbracht, die wie der klassische Journalismus Inhalte selektieren, hierarchisieren, automatisch generieren und in den öffentlichen Diskurs einspeisen.

Dabei entstehen unübersichtliche Kommunikationsbedingungen. Der Journalismus muss wie die gesamte Gesellschaft mit einem Überfluss an nicht mehr überschaubaren Inhalten und Quellen zurechtkommen, um seiner Funktion gerecht zu werden – also beobachten, was ist, und berichten, was der Fall ist, inklusive der darüber herrschenden unterschiedlichen Meinungen.

Auf welche Weise auf KI basierende Softwaresysteme im Journalismus zum Einsatz kommen, lässt sich anhand der Nachrichtenproduktion zeigen: Journalismus entsteht in einem zirkulären Prozess zwischen der Herstellung eines journalistischen Angebots und seiner Nutzung. Bestandteile dieses Nachrichtenzyklus sind die Beobachtung der Welt (z. B. Recherche und Themenfindung), die Produktion und Distribution von Inhalten für verschiedene Medien oder Kanäle und die Nutzung dieser Inhalte durch ein Publikum – inklusive des Monitorings der (digitalen) Spuren, die dieses Publikum dabei hinterlässt (Click-Zahlen, Nutzerkommentare etc.). Alle diese Phasen sind zunehmend datafiziert: Bei der Recherche bzw. Verifikation von Inhalten und Quellen, bei der (automatisierten) Inhalteproduktion und in Bezug auf die Nutzung müssen Daten analysiert und aufbereitet werden.

Rund um die genannten Einsatzfelder bilden sich  – als In-House-Entwicklungen, als experimentelle Hacks bei Hackathons, als Neuentwicklungen in Start-ups und etablierten Unternehmen – kontinuierlich unzählige Tools und (KI-basierte) Softwarelösungen. Gleichzeitig etablieren sich immer mehr Dienstleister wie die Datenagentur Vigilant, die als eine Plattform öffentlich zugängliche Daten bündelt, Echtzeitsuche und das Monitoring großer Datenbestände erlaubt und Redaktionen über neue Daten informiert.

Automatisierte News-Prozesse

Die wachsende Bedeutung automatisierter Inhalteproduktion lässt sich an Nachrichtenagenturen verdeutlichen, die als die großen Player ganz entscheidend zur Entwicklung und Verbreitung von KI-Technologien beitragen. Associated Press zum Beispiel produziert mit Hilfe der Technologie Automated Insights im großen Stil Unternehmens- und Sportberichte. Reuters generiert vor allem automatisiert Finanznachrichten. Andere bieten automatisierte Lösungen für den Ausbau von regionalen oder personalisierten Angeboten an (z. B. Urbs.Media). Gearbeitet wird auch an KI-basierten Verfahren zum „Verstehen“ von Inhalten wie etwa Nutzerkommentaren. Ein Beispiel ist die Applikation Perspective, die Kommentare nach deren Grad von „toxicity“ („Giftigkeit“) einstuft. Das Tool Juicer des BBC News Lab wertet journalistische Inhalte mit NLP-Verfahren aus, um Organisationen, Orte, Menschen oder Dinge zu identifizieren und das Auffinden verwandter Beiträge zu erleichtern. Ähnlich macht es auch das System Croma, das es Redaktionen mit Hilfe von maschinellem Lernen ermöglichen soll, das eigene Nachrichtenarchiv effektiver zu nutzen.

Auch der Journalismus selbst lässt sich mittlerweile automatisiert beobachten, zum Beispiel durch Bots, die als eine Art „Watchdog“ agieren: Die Software NewsDiff trackt Änderungen in veröffentlichten Nachrichten und erlaubt so einen Versionsvergleich. Der Bot @NYTAnon überprüft Artikel der New York Times auf unspezifisch benannte Quellen. Er sucht nach Phrasen wie „sources say“ oder „requested anonymity” und twittert ein Bild der entsprechenden Passage samt Link zum Beitrag. Journalismus ist für Automatisierung und KI ein besonderer „Anwendungsfall“: Er ist offen für alle Themen, die in der Gesellschaft vorkommen, muss in der Lage sein, auch neue, datengetriebene und nicht-menschliche Quellen routiniert nutzen, bearbeiten und verifizieren zu können, und erzeugt selbst Inhalte und Daten.

(Daten-)Transparenz und Verantwortung

Trotz des aktuellen Booms sollte man die „Intelligenz“ von KI nicht überschätzen und Automatisierung nicht mit KI gleichsetzen. In vielen Fällen sind beispielsweise Bots einfache Software-Skripte, die Sensordaten oder öffentlich verfügbare Daten zu einfachen Texten fügen. Dennoch bedeuten solche Technologien im journalistischen Arbeitsalltag, dass Implementierung und Anwendung verantwortungsvoll erfolgen müssen. Dies erfordert wegen der besonderen gesellschaftlichen Funktion des Journalismus unter Umständen auch rechtlichen Regulierungsbedarf. KI-basierte Softwaresysteme im Journalismus greifen unter Umständen in die DNA unserer gesellschaftlichen Kommunikationsbedingungen ein und bedürfen eines „human in the loop“. Wir sollten technologischen Lösungen, die für die Herstellung von Öffentlichkeit und Meinungsbildung relevant sind, so wertschätzend-kritisch begegnen wie dem Journalismus selbst und auch im Hinblick auf die „nicht-menschlichen Mitarbeiter“ (Daten-)Transparenz und Verantwortung (Accountability) einfordern.

Grafik von rose pistola
unter Verwendung von: iStock.com/Dilen_ua, meow_meow/Shutterstock.com
Porträt Wiebke Loosen: Hans-Bredow-Institut