In einer gemeinsamen Mitteilung haben OpenAI und News Corp eine mehrjährige globale Partnerschaft bekannt gegeben. Durch die Partnerschaft erhält OpenAI die Erlaubnis, Inhalte von News Corp in seinen Antworten auf Nutzerfragen anzuzeigen und seine Produkte zu verbessern. Das Ziel dieser Zusammenarbeit sei es, den Nutzer:innen fundierte Entscheidungen auf Basis zuverlässiger Informationen und Nachrichtenquellen zu ermöglichen. OpenAI wird Zugang zu aktuellen und archivierten Inhalten von News Corp's bedeutenden Publikationen wie The Wall Street Journal, Barron’s, MarketWatch, Investor’s Business Daily, The Times, The Sun, The Australian und vielen weiteren erhalten. Inhalte aus anderen Geschäftsfeldern von News Corp sind von der Vereinbarung ausgenommen. Neben der Bereitstellung von Inhalten wird News Corp auch seine journalistische Expertise einbringen, um sicherzustellen, dass die höchsten journalistischen Standards in den Angeboten von OpenAI präsent sind. Robert Thomson, CEO von News Corp, bezeichnete die Vereinbarung als historisch und betonte ihre Bedeutung für Wahrhaftigkeit, Tugend und Wert im digitalen Zeitalter. „Wir sind erfreut, in Sam Altman und seinem talentierten Team prinzipientreue Partner gefunden zu haben, die die kommerzielle und soziale Bedeutung von Journalist:innen und Journalismus verstehen. Diese wegweisende Übereinkunft markiert nicht das Ende, sondern den Beginn einer vielversprechenden Partnerschaft.“ Sam Altman, CEO von OpenAI, erklärte, dass die Partnerschaft ein stolzer Moment für Journalismus und Technologie sei. „Wir schätzen die führende Berichterstattung von News Corp und sind begeistert, unseren Nutzer:innen Zugang zu hochwertigem Journalismus zu verschaffen. Gemeinsam legen wir das Fundament für eine Zukunft, in der KI die Standards des Weltklasse-Journalismus respektiert, verbessert und aufrechterhält.“

Prompt Engineers für KI-Systeme waren im vergangenen Jahr stark nachgefragt. Teilweise wurden Gehälter bis über 300.000 Dollar im Jahr aufgerufen, um die Besten der Besten zu bekommen. Doch meine Message ist: Jeder kann Prompt Engineer sein. Wer schon länger meinem Newsletter folgt, kennt die Grundlagen des Prompting. Doch manchmal kann es dennoch passieren, dass man sich unsicher ist, wie ein Prompt am besten aussehen sollte. Nicht zu kurz, nicht zu lang. Nicht zu wenige Infos, nicht zu viele. Wie detailliert muss der Prompt also sein? Das ist eine Frage der Übung und des Ausprobierens. Doch auch die KI selbst kann uns helfen, die Anweisungen an sie bestmöglich zu formulieren. Zum Beispiel mit diesem Prompt: “Ich werde dir einen Prompt geben und dein Ziel wird es sein, diesen zu verbessern, indem du mir Fragen stellst. Sobald ich die Fragen beantwortet habe, schreibe den neuen Prompt und stelle mir neue Fragen. Okay?” Schritt für Schritt wollen wir uns den perfekten Prompt bzw. die Informationen, die die KI benötigt, erarbeiten. Ich starte mir diesem kurzen Prompt: “Fasse mir die unterschiedlichen Standpunkte beim Verbot von Verbrennermotoren in Europa zusammen.” Von der KI erhalte ich folgende Nachfragen: “Okay, um den Prompt detaillierter und spezifischer zu gestalten, habe ich einige Fragen: Möchtest du, dass der Fokus auf bestimmten Ländern in Europa liegt? Wenn ja, welche Länder interessieren dich besonders? Soll der Prompt die Standpunkte von politischen Parteien, Umweltorganisationen, Industrievertretern und der Bevölkerung beinhalten? Möchtest du historische Kontexte oder aktuelle Entwicklungen berücksichtigt haben? Gibt es bestimmte Quellen oder Arten von Quellen, die du bevorzugst, wie z. B. wissenschaftliche Studien, Nachrichtenartikel oder offizielle Stellungnahmen? Soll der Prompt auch mögliche Auswirkungen eines Verbots von Verbrennermotoren auf Wirtschaft, Umwelt und Gesellschaft ansprechen? Wie ausführlich soll die Zusammenfassung sein? Möchtest du eine kurze Übersicht oder eine detaillierte Analyse? Sobald ich deine Antworten habe, kann ich den Prompt verbessern.” Ich beantworte die Fragen so gut es geht: “1. Es soll ein grober Überblick über Europa sein, mit einem Fokus auf Deutschland. 2. Ja, das sind bereits gute Gruppen. 3. Ich möchte die aktuellen Situationen und Standpunkte kennen, historische Hintergründe können als Erklärung nützlich sein. 4. Ich bevorzuge seriöse Quellen, wie Studien, journalistische Texte und Stellungsnahmen. 5. Ja. 6. Ich möchte eine möglichst ausführliche Zusammenfassung.” Nun erhalte ich einen neuen Prompt von der KI: “Bitte fasse die unterschiedlichen Standpunkte zum Verbot von Verbrennermotoren in Europa zusammen, mit einem speziellen Fokus auf Deutschland. Berücksichtige dabei die Meinungen von politischen Parteien, Umweltorganisationen, Industrievertretern und der allgemeinen Bevölkerung. Achte besonders auf aktuelle Situationen und Standpunkte, und ziehe historische Hintergründe zur Erklärung hinzu, wo sie relevant sind. Nutze seriöse Quellen wie wissenschaftliche Studien, journalistische Artikel und offizielle Stellungnahmen. Diskutiere auch die möglichen Auswirkungen eines Verbots von Verbrennermotoren auf die Wirtschaft, Umwelt und Gesellschaft. Die Zusammenfassung sollte möglichst ausführlich sein.” Außerdem stellt die KI mir weitere Fragen, um den Prompt weiter zu verbessern: ”Gibt es spezifische politische Parteien oder Umweltorganisationen, deren Standpunkte besonders wichtig sind? Soll der Einfluss internationaler Akteure, wie der EU oder globaler Umweltabkommen, ebenfalls berücksichtigt werden? Gibt es besondere wirtschaftliche Sektoren oder gesellschaftliche Gruppen, deren Standpunkte du detaillierter beleuchtet haben möchtest? Möchtest du, dass spezifische Fallstudien oder Beispiele in die Analyse einfließen?” So geht das nun weiter, bis entweder die KI keine Verbesserungsmöglichkeiten mehr sieht, oder du zufrieden mit dem Prompt bist. 

OpenAI hat am Montag sein neues Flaggschiff-Modell vorgestellt, das sie GPT-4o nennen – das „o“ steht für „omni“, was auf die Fähigkeit des Modells hinweist, Text, Sprache und Video zu verarbeiten. GPT-4o wird in den nächsten Wochen schrittweise in den Produkten des Unternehmens eingeführt. Laut OpenAI-CTO Mira Murati bietet GPT-4o eine Intelligenz auf dem Niveau des aktuellen Modells GPT-4, verbessert jedoch die Fähigkeiten von GPT-4 in mehreren Modalitäten und Medien. „GPT-4o kann in Sprache, Text und Bild logisch schlussfolgern“, sagte Murati während einer Live-Präsentation in den Büros von OpenAI in San Francisco. „Und das ist unglaublich wichtig, weil wir die Zukunft der Interaktion zwischen uns und Maschinen gestalten.“ Die Neuerungen von GPT-4o im Überblick GPT-4o verbessert das Erlebnis im KI-gestützten Chatbot ChatGPT erheblich. Die Plattform bot schon lange einen Sprachmodus, der die Antworten des Chatbots mittels eines Text-zu-Sprache-Modells transkribierte. GPT-4o verstärkt dies jedoch, indem es den Nutzer:innen ermöglicht, mit ChatGPT mehr wie mit einem Assistenten zu interagieren. Nutzer:innen können ChatGPT beispielsweise eine Frage stellen und ChatGPT während der Antwort unterbrechen. Das Modell liefert laut OpenAI „in Echtzeit“ Reaktionsfähigkeit und kann sogar auf Nuancen in der Stimme einer/s Nutzer:in reagieren, indem es Stimmen in „einer Reihe verschiedener emotionaler Stile“ (einschließlich Gesang) generiert. GPT-4o verbessert auch die visuellen Fähigkeiten von ChatGPT. Angesichts eines Live-Videos oder eines Desktop-Bildschirms kann ChatGPT jetzt schnell dazugehörige Fragen beantworten, von Themen wie „Was passiert in diesem Softwarecode?“ bis hin zu „Welche Marke zeigt das Hemd dieser Person?“. Diese Funktionen werden sich in Zukunft weiterentwickeln. Während GPT-4o heute ein Bild eines Menüs in einer anderen Sprache betrachten und übersetzen kann, könnte das Modell in Zukunft ChatGPT ermöglichen, beispielsweise ein Live-Sportspiel „anzusehen“ und die Regeln zu erklären. Auch das Übersetzen von rund 50 Sprachen ist in Echtzeit möglich. Ankündigungen bei Google Auf der Google I/O 2024 wurden zahlreiche neue KI-Produkte und -Dienste vorgestellt, die sich auf verschiedene Anwendungen und Bereiche erstrecken. Hier sind die Hauptneuerungen: Video-KI Veo: Diese KI kann Full-HD-Videos (1080p) generieren, die länger als eine Minute sind. Veo versteht Kameraeinstellungen und erzeugt konsistente und kohärente Videos. Erste Künstler können Veo über VideoFX testen. Project Astra: Google bündelt hier seine Arbeit an KI-Agenten, die die Welt verstehen, sich Dinge merken und handeln können. Diese Agenten basieren auf Gemini und sind für verschiedene Aufgaben spezialisiert. Sie sollen zukünftig über Smartphones oder Brillen zugänglich sein. Sie können sehen und hören und in Echzeit Fragen zur Umgebung beantworten, ähnlich wie der neue Sprachassistent von OpenAI. AI Overview: AI kommt noch stärker in die Google-Suche. Diese Funktion bietet automatisch generierte Zusammenfassungen oberhalb der Google Suchergebnisse an. Die Funktion kombiniert die Fähigkeiten des Gemini-Modells mit Googles Suchsystemen und soll bis Ende des Jahres aus der Testphase in den normalen Betrieb übergehen. Lyria: Eine generative Musik-KI, die künftig alle Musikdienste in der Music AI Sandbox zusammenführen wird. SynthID: Ein digitales Wasserzeichen, das in Bilder, Audio, Text und Video eingebettet werden kann. Visuelle Suche: Eine Erweiterung von Google Lens, bei der man Fragen zu einem Video stellen kann, indem man ein Element umkreist. Diese Funktion ist vergleichbar mit neuen Funktionen von OpenAIs ChatGPT, bei denen man über die Kamera und per Sprache interagieren kann. Insgesamt zeigt Google auf der I/O 2024 einen starken Fokus auf die Integration von KI in verschiedene Produkte und Dienste, um Nutzern effizientere und vielseitigere Werkzeuge zur Verfügung zu stellen. Verfügbarkeit und Zugänglichkeit GPT-4o ist ab sofort in der kostenlosen Stufe von ChatGPT und für Abonnent:innen der Premium-ChatGPT Plus- und Team-Pläne mit „5-fach höheren“ Nachrichtenlimits verfügbar. (OpenAI merkt an, dass ChatGPT automatisch auf GPT-3.5, ein älteres und weniger leistungsfähiges Modell, umschaltet, wenn Nutzer:innen das Nachrichtenlimit erreichen.) Das verbesserte ChatGPT-Spracherlebnis, das von GPT-4o unterstützt wird, wird in etwa einem Monat in der Alpha-Version für Plus-Nutzer:innen verfügbar sein. Viele Expert:innen argumentieren, dass OpenAI in dieser Woche das KI-Rennen gewonnen hat, denn die meisten vorgestellten Produkte von Google sollen erst im Laufe des Jahres verfügbar sein, während die neuen ChatGPT-Features bereits heute oder in den kommenden Wochen veröffentlicht werden. Relevanz für den Journalismus Für Journalist:innen bietet GPT-4o eine Reihe spannender Möglichkeiten. Die Fähigkeit, Sprach-, Text- und Bildinhalte nahtlos zu verarbeiten, kann die Recherchearbeit erheblich beschleunigen. Reporter:innen könnten beispielsweise Sprachaufnahmen direkt transkribieren und analysieren lassen, während sie gleichzeitig relevante Bilder interpretieren und beschreiben lassen. Die Multimodalität ermöglicht es auch, komplexe Geschichten, die verschiedene Medienformate umfassen, effizienter zu erstellen und zu überprüfen. Die verbesserte Sprachfunktion könnte zudem die Interaktion mit digitalen Assistenten revolutionieren, indem sie eine natürlichere und flüssigere Kommunikation ermöglicht. Dies kann besonders nützlich sein, um schnell Informationen zu sammeln, Fakten zu überprüfen oder Inhalte zu redigieren, während man unterwegs ist. Schließlich eröffnet die Multilingualität von GPT-4o neue Perspektiven für den internationalen Journalismus. Mit der Fähigkeit, in etwa 50 Sprachen effizient zu arbeiten, können Journalist:innen Inhalte in verschiedenen Sprachen schneller übersetzen und analysieren, was die Berichterstattung über globale Ereignisse erleichtert. Bemerkenswert ist, das OpenAI viele nützliche Funktionen bald allen Nutzer:innen zugänglich machen wird, also auch den Personen ohne Plus-Abonnement. Dann wird es für alle möglich sein, auf das Internet zuzugreifen, Daten zu analysieren und Grafiken zu erstellen oder Fotos und Dateien hochzuladen und zu analysieren. Außerdem wird OpenAI GPTs und den dazugehörigen Store für alle zugänglich machen. Sobald alle Funktionen zugänglich sind, werde ich hier einen Praxistext veröffentlichen. Mit dem Zugang zu GPTs für alle werde ich mich in Zukunft außerdem stärker mit GPTs für Journalist:innen beschäftigen. 

Im Superwahljahr herrscht ständig irgendwo Wahlkampf. Dabei wird man mit unzähligen Aussagen konfrontiert, die mal mehr, mal weniger präzise sind. Häufig werden Fakten verzerrt, fehlerhaft wiedergegeben oder gar verfälscht. Populisten neigen dazu, die Welt nach ihrem Geschmack zu vereinfachen. Für die Wählerinnen und Wähler ist es oft schwierig, die falschen Aussagen zu erkennen, denn nicht jeder kann jede Studie weltweit kennen. Daher brauchen wir Unterstützung! Und siehe da, die Künstliche Intelligenz (KI) kommt ins Spiel. In der vergangenen Woche haben wir bereits einfache Methoden für Faktenchecks betrachtet. Diese Woche möchte ich eine spezielle Methode vorstellen, die ich bei Mister SEO gefunden habe: die „Chain-of-Verification“. Diese Methode dient nicht nur der Überprüfung von Fakten und Aussagen, sondern auch der Verifizierung eigener Fehlinformationen, also der falschen und erfundenen Informationen der KI. Die Methode beruht darauf, dass KI-Systeme zuverlässiger funktionieren, wenn sie schrittweise vorgehen. Die „Chain of Verification“-Methode umfasst einen vierstufigen Prozess, der darauf abzielt, genauere und verifizierte Antworten zu erhalten. Der Prozess der Antwortgenerierung wird in diese vier Schritte untergliedert: Entwurf einer ersten Antwort: Das KI-Modell erstellt eine vorläufige Antwort auf die Benutzer:innenanfragen. Planung von Verifikationsfragen: Das KI-Modell generiert Fragen, um die Richtigkeit der Entwurfsantwort zu überprüfen. Beantwortung der Verifikationsfragen: Das KI-Modell beantwortet die Verifikationsfragen unabhängig voneinander, um voreingenommene Antworten und den Einfluss anderer Informationen zu vermeiden. Erstellung der endgültigen verifizierten Antwort: Basierend auf den Antworten auf die Verifikationsfragen wird eine überarbeitete und verifizierte Antwort generiert. Mister SEO gibt folgendes einfache Beispiel, um die Methode zu testen. Wir geben der KI eine einfache Frage: “Welche deutschen Bundeskanzler wurden in Berlin geboren?” ChatGPT gibt folgende Antwort: “In Berlin geboren wurden die Bundeskanzler Willy Brandt und Angela Merkel. Brandt kam 1913 zur Welt, Merkel 1954.” Ich erkenne bereits den ersten Fehler, denn Angela Merkel ist auf jeden Fall in Hamburg geboren. Mal schauen, ob auch die KI den Fehler finden wird. Dazu nutzen wir nun einen Start-Prompt für die “Chain-of-Verification”-Methode: “Du bist ein Faktenchecker. Nutze den 'Chain of Verification'-Ansatz, um Halluzinationen in Antworten zu reduzieren. Beginne mit einer der folgenden Aussage, die Halluzinationen enthalten kann. Stelle dann Verifikationsfragen, um Fakten zu überprüfen. Nutze Methoden wie Joint, 2-Step, Factored und Factor+Revise, um Antworten zu verifizieren. Erstelle abschließend eine verifizierte Antwort unter Berücksichtigung entdeckter Inkonsistenzen. Hier die Aussage: [AUSSAGE].” Als Aussage kopiere ich nun das Ergebnis der letzten Anfrage rein: “In Berlin geboren wurden die Bundeskanzler Willy Brandt und Angela Merkel.” Die ausführliche und korrekte Antwort: “Um die Aussage "In Berlin geboren wurden die Bundeskanzler Willy Brandt und Angela Merkel" zu überprüfen, werde ich den 'Chain of Verification'-Ansatz verwenden. Ich werde mehrere Verifikationsfragen stellen und Antworten durch unterschiedliche Methoden überprüfen. Schritt 1: Grundlegende Verifikation Verifikationsfrage 1: Wo wurde Willy Brandt geboren? Verifikationsfrage 2: Wo wurde Angela Merkel geboren? Schritt 2: Anwendung der Verification Methods Methode: Joint Ich suche gemeinsam nach den Geburtsorten von Willy Brandt und Angela Merkel, um zu sehen, ob Berlin als Geburtsort für beide erwähnt wird. Methode: 2-Step Zuerst prüfe ich, ob Willy Brandt in Berlin geboren wurde. Anschließend prüfe ich separat, ob Angela Merkel in Berlin geboren wurde. Methode: Factored Ich prüfe getrennt die Fakten: Zuerst den Geburtsort von Willy Brandt und dann den Geburtsort von Angela Merkel, um unabhängige Bestätigungen zu erhalten. Methode: Factor+Revise Nachdem ich die Geburtsorte separat geprüft habe, revidiere ich die gesamte Aussage basierend auf den gefundenen Fakten. Schritt 3: Durchführung der Recherche Ich werde nun die notwendigen Informationen suchen, um die Geburtsorte von Willy Brandt und Angela Merkel zu überprüfen. Ergebnisse der Recherche Willy Brandt Willy Brandt wurde nicht in Berlin geboren, sondern in Lübeck. Angela Merkel Angela Merkel wurde ebenfalls nicht in Berlin geboren, sondern in Hamburg. Zusammenfassung und verifizierte Antwort Die ursprüngliche Aussage, dass Willy Brandt und Angela Merkel in Berlin geboren wurden, ist nicht korrekt. Willy Brandt wurde in Lübeck geboren und Angela Merkel in Hamburg. Diese Informationen wurden durch separate Recherchen bestätigt, wobei jede Person individuell betrachtet wurde, um Genauigkeit zu gewährleisten. Die revidierte und verifizierte Aussage lautet daher: "Weder Willy Brandt noch Angela Merkel wurden in Berlin geboren. Willy Brandt kam in Lübeck zur Welt und Angela Merkel in Hamburg."

OpenAI, die Firma hinter ChatGPT, hat eine neue journalistische Kooperation angekündigt. Diesmal mit der Financial Times (FT). Die Kooperation ermöglicht es, dass Inhalte der FT in ChatGPT integriert werden, was bedeutet, dass Nutzer:innen von ChatGPT in ihren Antworten auf relevante Anfragen ausgewählte Zusammenfassungen, Zitate und Verlinkungen zu Artikeln der FT erhalten können. Diese Integration erlaubt es ChatGPT, eine höhere Nützlichkeit und Informationsqualität anzubieten, indem die Antworten mit fundiertem und faktengestütztem Journalismus untermauert werden. Ein weiterer Aspekt der Zusammenarbeit besteht darin, dass die FT zu einem Kunden von ChatGPT Enterprise geworden ist, also alle FT-Mitarbeiter:innen Zugang zu den KI-Werkzeugen von OpenAI haben, was die kreativen und produktiven Kapazitäten der Teams steigern soll. Die FT setzt hierbei auf eine breite Einführung der Technologie innerhalb ihrer Belegschaft, um sicherzustellen, dass die Teams im Umgang mit den neuesten technologischen Entwicklungen versiert sind. Die Kooperation wird auch genutzt, um neue KI-Produkte und Funktionen speziell für die Leser:innen der FT zu entwickeln. Diese Entwicklungen sollen auf den Erkenntnissen über die Bedürfnisse und Interessen der Leser:innen basieren und gleichzeitig die Reichweite der journalistischen Arbeit der FT erweitern. Wichtig ist hierbei der Aspekt der Transparenz, der korrekten Zuschreibung und der angemessenen Vergütung für die Nutzung journalistischer Inhalte durch KI-Plattformen, eine Haltung.

Die Frage, die ich am häufigsten bei meinen KI-Schulungen und Vorträgen bekomme, ist: “Aber können wir den Informationen der KI trauen?”. Das ist eine gute Frage, denn in der Vergangenheit produzierte die KI immer wieder Falschinformationen, sogenannte Halluzinationen. Und auch wenn dies meiner Beobachtung nach in den vergangenen Monaten nachgelassen hat, ist die Gefahr immer noch da. Gleichzeitig kann die KI uns im Medienalltag aber auch dabei helfen, Falschinformationen aufzudecken und Informationen zu korrigieren. Dies ist möglich mit einer Vielzahl von Informationen, z.B. Zitate, Statistiken, Fakten, usw. KI hilft uns als Assistent dabei diese Informationen zu überprüfen. Am Anfang jedes Einsatzes von KI steht ein guter Prompt. Ich wähle in diesem Fall diesen: “Ich bin Journalist und arbeite mit Zitaten, Statistiken und Fakten. Teil meines Jobs ist es auch, Informationen auf ihre Richtigkeit zu überprüfen. Du bist mein Assistent dabei. Überprüfe die Informationen, die ich dir gebe. Dabei geht es darum zu überprüfen, ob die Informationen wirklich stimmen, und wenn ja, ob sie zu 100 Prozent deckungsgleich mit dem Original sind. Bitte gib mir zu jeder Information an, ob diese echt ist oder nicht. Dann gib ebenfalls an, ob diese zu 100 Prozent stimmt, oder leicht verändert wurde. Dann gib mir auch Quellen, die die Echtheit belegen.” Nun habe ich mir einen eigenen kleinen Bot gebaut, dem ich jede beliebige Information geben kann. Ich starte mit einem Test zu Zitaten. Wurden folgende Zitate wirklich genau so von den entsprechenden Personen getätigt? Als erstes nehme ich ein Zitat von Frank Beckenbauer und verändere dieses zum Test leicht. Original: "Ich bin immer noch am Überlegen, welche Sportart meine Mannschaft an diesem Abend ausgeübt hat. Fußball war's mit Sicherheit nicht." Meine Version: "Ich bin immer noch am Überlegen, welche Sportart mein Team an diesem Abend ausgeübt hat. Fußball war's mit Sicherheit nicht." Ich gebe der KI nun folgenden Auftrag: “Ist dieses Zitat von Frank Beckenbauer echt? ‘Ich bin immer noch am Überlegen, welche Sportart mein Team an diesem Abend ausgeübt hat. Fußball war's mit Sicherheit nicht.’” Ich erhalte folgende richtige Antwort: Ja, das Zitat ist echt und stammt von Franz Beckenbauer. Allerdings wurde es leicht verändert. Das korrekte Zitat lautet: "Ich bin immer noch am Überlegen, welche Sportart meine Mannschaft an diesem Abend ausgeübt hat. Fußball war’s mit Sicherheit nicht." Die Quellen bestätigen die Echtheit des Zitats. Es wurde nach einer Niederlage des FC Bayern München geäußert . Nun teste ich es mit Statistiken bzw. Daten. Der Temperaturrekord in China liegt bei 52,2 Grad Celsius. Ich möchte der KI aber verklickern, dass dieser bei 53,3 Grad liegt. Mal schauen, ob der Fehler auffällt: “Stimmt diese Information? Der Hitzerekord in China liegt bei 53,3 Grad Celsius.” Die Antwort: Die Information ist nicht korrekt. Der Hitzerekord in China liegt bei 52,2 Grad Celsius, nicht bei 53,3 Grad. Dieser Rekord wurde in der abgelegenen Gemeinde Sanbao im Nordwesten Chinas gemessen . Der bisherige Höchstwert in der Volksrepublik wurde 2015 mit 50,3 Grad gemessen . Die Quellen bestätigen die Echtheit dieser Information. Zuletzt frage ich noch Informationen bzw. Fakten ab. Schauspieler Elyas M’Barek lebt seit 2022 in New York. Der KI gebe ich allerdings die Information, dass es stattdessen London ist: “Stimmt die folgende Information? Schauspieler Elyas M'Barek lebt seit 2022 in London.” Die Antwort: Die Information ist nicht korrekt. Schauspieler Elyas M’Barek lebt seit 2022 nicht in London, sondern in New York. Er zog kurz nach der Hochzeit mit seiner Frau Jessica in eine Wohnung im New Yorker Stadtteil Brooklyn . Die Quellen bestätigen die Echtheit dieser Information. In diesen drei Fällen hat der Faktencheck also sehr gut funktioniert. Zugegeben - das waren keine besonders herausfordernden Daten und Informationen, dennoch zeigen sie, was mit KI möglich ist. Teste gerne einmal selbst, ob es auch bei dir klappt mit Informationen deiner täglichen journalistischen Arbeit. Für den Test habe ich übrigens die kostenfreie Version von Microsoft Copilot genutzt. Warum? Zum einen hat Copilot meiner Meinung nach aktuell die beste Vernetzung zum Internet. Die ist nötig, um die Fakten und Informationen in Echtzeit mit Quellen im Internet abzugleichen. Ohne die Internetverbindung besteht die Gefahr neuer Halluzinationen, da jedes KI-Tool nicht mit tagesaktuellen Daten arbeitet. Zum anderen gibt mir Copilot direkt zahlreiche Links zu Originalquellen, sodass ich die Infos direkt selbst noch einmal überprüfen kann.

Die ARD hat Prinzipien zum Umgang mit Künstlicher Intelligenz (KI) veröffentlicht, auf die sich alle Anstalten als Basis geeinigt haben. Der aktuelle ARD-Vorsitzende und SWR-Intendant Kai Gniffke schrieb auf LinkedIn : “Generative KI bietet vielfältige Chancen, etwa um große Datenmengen zu recherchieren oder Arbeitsabläufe effizienter zu machen. Dabei ist mir aber eines besonders wichtig: Die Mitarbeitenden der ARD bleiben unersetzlich.” Hier ist eine Zusammenfassung der wichtigsten Punkte: Qualität und Journalismus: Alle KI-unterstützten Inhalte müssen den journalistischen Grundsätzen und Qualitätsrichtlinien der ARD entsprechen. Es findet eine gründliche Quellen- und Faktenkontrolle statt, gefolgt von einer redaktionellen Prüfung. Transparenz und Sorgfalt: Die ARD verpflichtet sich, transparent zu machen, wo und wie KI-Technologien eingesetzt werden, um die Glaubwürdigkeit und Genauigkeit ihrer Inhalte zu gewährleisten. Es wird darauf geachtet, dass durch den Einsatz von KI keine Benachteiligung von Menschen oder Gruppen entsteht. Rechtliche und ethische Rahmenbedingungen: Der Einsatz von KI folgt klaren rechtlichen Vorgaben, insbesondere in Bezug auf Datenschutz und Informationssicherheit. Auch die Kooperation mit externen Partnern wird streng überwacht. Interdisziplinäre Ansätze: Bei der Anwendung von KI setzt die ARD auf eine Kombination aus redaktionellen, technischen und rechtlichen Kompetenzen. Durch Tests und Pilotprojekte wird sichergestellt, dass die Standards auch bei der Nutzung von KI hoch bleiben. Kooperation und Wissensaustausch: Die ARD arbeitet mit Universitäten, Forschungseinrichtungen und anderen Medienhäusern zusammen, um sowohl ihre Werte als auch die Bedürfnisse in die Entwicklung von KI einzubringen und gleichzeitig vom Wissen der Partner zu profitieren. 

In den letzten Wochen hatte ich die Gelegenheit, die Süddeutsche Zeitung bei der Durchführung eines KI-Workshops für ihre Führungskräftetagung zu beraten. Während dieser Zeit kam ich mit vielen KI-interessierten Journalist:innen in München in Kontakt und konnte zahlreiche Inspirationen aus diesem Austausch gewinnen. Ein besonders prägnantes Thema brachte Dirk von Gehlen, Direktor des Think Tanks am SZ-Institut, auf: das Gendern mit KI . Dieses Thema, das gesellschaftliche Debatten auslöst, besonders nach Entscheidungen wie dem Verbot des Genderns an öffentlichen Einrichtungen in Bayern, steht im Fokus vieler Diskussionen. Viele Medienunternehmen stehen vor der Frage, ob und wie sie in ihren Beiträgen gendern sollen – ob mit Sternchen, Doppelpunkt, Binnen-I oder durch parallele Nutzung männlicher und weiblicher Formen. Diese Überlegungen werden oft nur aus der Perspektive der Sender:innen, der Medienunternehmen, angestellt. Es wäre jedoch sinnvoll, diese Diskussion aus der Sicht der Empfänger:innen zu führen und es den Lesenden zu überlassen, ob und wie sie gegenderte Texte erhalten möchten. Man könnte sich einen Schalter vorstellen, den die Nutzenden selbst aktivieren oder deaktivieren können. Dass dies technisch umsetzbar ist, beweisen bereits vorhandene KI-Anwendungen. Jeder Text kann problemlos in verschiedenen gegenderten Versionen erstellt werden. Die KI versteht das Konzept des Genderns und kann Texte entsprechend anpassen. Hier einige einfache Befehle: “Schreibe den Text vollständig im generischen Maskulinum.” “Schreibe den Text gegendert mit Doppelpunkt / Sternchen / Binnen-I / Unterstrich.” “Gendere den Text durch Doppelnennung männlicher und weiblicher Formen, z.B.: Schülerinnen und Schüler, Kolleginnen und Kollegen.” “Verwende wo möglich genderneutrale Begriffe wie Studierende statt Studenten; Nutzende statt Nutzer; angeklagte Person statt Angeklagter.” Obwohl diese Lösung für Verfechter einer umfassenden Gendersprache nicht ausreichen mag, kann ein Empfänger-zentrierter Ansatz helfen, Konflikte zu entschärfen und hitzige Diskussionen zu vermeiden. Ich habe diese Methode anhand eines Nachrichtentextes ohne Gendern erfolgreich getestet. 

ntv hat in Kooperation mit der Deutschen Presse-Agentur (dpa) ein innovatives Redaktionstool entwickelt, das darauf abzielt, die Effizienz und Qualität journalistischer Arbeit zu steigern. Dieses Tool nutzt maschinelles Lernen und KI, um Journalist:innen bei der Auswahl und Bearbeitung von Nachrichten zu unterstützen. Das KI-Tool analysiert Agenturmeldungen im dpa-Feed und bietet intuitive Vorschläge für Textelemente, Themenvorschläge sowie eine verbesserte Gewichtung der Nachrichtenrelevanz. Das KI-Tool zielt darauf ab, repetitive Aufgaben zu reduzieren und die Arbeitsabläufe zu optimieren, indem es hilft, relevante Informationen schneller zu identifizieren und aufzubereiten. Dies ermöglicht es Journalist:innen, sich auf die Recherche und das Verfassen von exklusiven Geschichten und Hintergrundberichten zu konzentrieren. Ein wichtiger Aspekt ist, dass die endgültige Entscheidung über die Veröffentlichung von Inhalten weiterhin bei den menschlichen Redakteur:innen liegt, was sicherstellt, dass die maschinelle Unterstützung die journalistische Integrität nicht untergräbt. Die Entwicklung des Tools wurde durch die Google News Initiative unterstützt und von ML6, einem globalen Tech-Unternehmen, umgesetzt. Die Integration in den digitalen Newsroom erfolgte durch den langjährigen ntv-Partner ethinking, der auch User-Befragungen und UX-Tests leitete. Das Tool ist nicht nur für ntv gedacht, sondern soll in Zukunft auch auf andere Nachrichten-Agenturen und Marken von RTL News und Gruner + Jahr ausgeweitet werden. Dieses Projekt illustriert, wie Kooperationen zwischen Technologieanbietern und Medienhäusern zu Innovationen führen können, die sowohl die mediale Berichterstattung als auch das Medienökosystem insgesamt voranbringen. Astrid Maier von der dpa betont die Win-Win-Situation, die sich aus solchen Kooperationen ergibt, sowohl in Bezug auf die Anpassung der Datenlieferung für eine effiziente maschinelle Auswertung als auch in Bezug auf den technologischen Fortschritt für die Medienindustrie. Die Einführung des KI-assistierten Newsdesks bei ntv markiert einen wichtigen Schritt in der Evolution des Journalismus, wo Technologie genutzt wird, um die redaktionelle Arbeit zu unterstützen, ohne dabei die redaktionelle Entscheidungsgewalt zu ersetzen. Dieses Gleichgewicht zwischen menschlicher Urteilskraft und maschineller Effizienz könnte das Modell für den zukünftigen Journalismus darstellen.

Immer mehr Medienhäuser in Deutschland und weltweit integrieren Künstliche Intelligenz in ihre Arbeitsabläufe. Sie werden aktuell oft in der Recherche genutzt. Diese Entwicklungen bietet einerseits die Chance auf eine gesteigerte Effizienz und verbesserte Qualität in der Erstellung journalistischer Inhalte. Andererseits stehen Verlage und Medienunternehmen vor neuen Herausforderungen, insbesondere im Hinblick auf die Zahlungsbereitschaft ihrer Kundschaft. Die Skepsis der Nutzer:innen gegenüber KI in der Nachrichtenproduktion ist tief verwurzelt, wie eine Studie des Brand Science Institute aufzeigt. Besonders alarmierend ist der Befund, dass diese Skepsis zu einer signifikanten Verringerung der Zahlungsbereitschaft führt. So zeigt die Studie, dass die Zahlungsbereitschaft generell um 30% sinkt, wenn KI in der Recherche, Aufbereitung oder Erstellung von Nachrichten verwendet wird. Diese Abnahme der Zahlungsbereitschaft kann sogar auf bis zu 33% steigen, je nachdem, wie intensiv KI eingesetzt wird und wer sie bedient. Diese Ergebnisse sind umso bemerkenswerter, als sie auf eine durchgängige Zurückhaltung hinweisen, unabhängig davon, ob die Nutzer:innen selbst Erfahrungen mit KI gemacht haben oder nicht. Diese Haltung deutet darauf hin, dass es grundlegende Vorbehalte gegenüber der Technologie gibt, die möglicherweise auf einen Mangel an Aufklärung und Transparenz in Bezug auf den Einsatz von KI zurückzuführen sind. Trotz dieser ernüchternden Erkenntnisse liefert die Studie auch positive Ansatzpunkte für Verlage. Die Einführung einer Kennzeichnung für KI-generierte Inhalte könnte neue Wege der Produkt- und Preisdifferenzierung eröffnen. Diese Differenzierung ermöglicht es den Verlagen möglicherweise, die Zahlungsbereitschaft für von Redakteur:innen erstellte Inhalte zu erhöhen und gleichzeitig einen Markt für preisgünstigere, KI-generierte Inhalte zu entwickeln. Eine solche Strategie könnte das Angebot an Medieninhalten diversifizieren und neue Kund:innensegmente erschließen. Der Erfolg in dieser neuen Ära des Journalismus könnte in einer ausgewogenen Kombination aus menschlicher Expertise und maschineller Effizienz liegen. Es bedarf einer durchdachten Strategie, die sowohl die Qualität und Vertrauenswürdigkeit der Inhalte als auch die Präferenzen und Bedenken der Leserschaft berücksichtigt. Eine offene Kommunikation über den Nutzen von KI für die journalistische Qualität ist entscheidend, um Vertrauen und Akzeptanz bei den Nutzer:innen zu gewinnen. Somit steht der Einsatz von KI im Journalismus an einem kritischen Punkt. Obwohl die Technologie das Potenzial hat, die Landschaft des digitalen Journalismus fundamental zu verändern, hängt ihr Erfolg wesentlich davon ab, wie gut es der Medienbranche gelingt, ihre Nutzer:innenbasis auf diese Reise mitzunehmen und Vertrauen in die neue Ära der Nachrichtenerstellung zu etablieren. Dieser Text wurde mit Informationen von kress erstellt.

In meinem Austausch mit Redakteurinnen und Redakteuren in deutschen Medienhäusern bekomme ich immer wieder dieselbe Frage gestellt: Kann KI beim crossmedialen Arbeiten helfen? Also zum Beispiel bei der Umwandlung eines Artikels in ein Videoskript. Die Antwort lautet: Ja! Dafür benötigt es lediglich etwas Training und Informationen, mit denen die KI gefüttert wird. Folgende Elemente benötigt die KI: Einen gut formulierten einleitenden Prompt Beispiele für Skriptstrukturen Zusatzinformationen oder Beispiele für den Ton des Textes Ein gut formulierter einleitender Prompt Wie immer ist es wichtig, die KI zu Beginn auf ihre Aufgabe einzustimmen. Das gelingt am besten mit einem perfekt formulierten Prompt. Wie dieser in seiner Struktur aussehen sollte, erläutere ich hier . Ich gebe der KI eine Persona, eine Aufgabe, wichtige Kriterien, Informationen zur Form und gegebenenfalls Beispiele. Nehmen wir an, ich möchte einen Artikel in ein Skript für ein Social-Media-Video, in diesem Fall für TikTok, umwandeln, dann wähle ich folgenden Prompt: "Du bist Journalistin bzw. Journalist bei einem Nachrichtenmedium und arbeitest crossmedial. Das bedeutet, du erstellst journalistische Online-Artikel, aber auch Videos für Social Media und politische Podcasts. Ich gebe dir nun einen Nachrichtenartikel, adaptiere diesen anschließend in ein Skript für ein TikTok-Video. Der Ton des TikTok-Videos soll locker, aber dennoch professionell sein. Die Zielgruppe des Videos sind junge Menschen zwischen 14 und 24 Jahren. Die Themen sollten so erklärt werden, dass sie auch Personen verstehen, die noch nie davon gehört haben. Nutze zur Erstellung des TikTok-Skripts folgende allgemeine Skriptstruktur: …" Beispiele für Skriptstrukturen Am Ende des Prompts füge ich nun in Textform die allgemeine Skriptstruktur ein, die mein Unternehmen bzw. mein Team verwendet. Das könnte dann so aussehen: CUT 1 [Audio] "__________." [Aktion] Was macht die Moderatorin bzw. der Moderator? [Text im Bild] "_______." CUT 2 [Audio] "__________." [Aktion] Was macht die Moderatorin bzw. der Moderator? [Text im Bild] "_______." Zusatzinfos oder Beispiele für den Ton des Textes Die Ergebnisse werden besser, je mehr die KI von uns trainiert wird. Es ist daher ratsam, beispielhafte Skripte von vergangenen Videos beizufügen. In der kostenlosen Version von ChatGPT geht das als reine Textkopie, in der Plusversion kannst du auch direkt Word- oder PDF-Dateien hochladen. Achtung: Bitte überprüfe, ob die Richtlinien deines Unternehmens das Hochladen solcher Informationen in die KI erlauben. So kann die KI auch lernen, wie der Ton bzw. die Ansprache des Textes im Video sein sollte. In diesem Fall solltest du an den Prompt noch diesen Hinweis anhängen: "Ich habe am Ende Beispiele für Skripte angefügt. Analysiere diese, um Struktur und Ton des Textes zu imitieren." Wichtig ist hierbei das Training. Am Anfang sind die Ergebnisse vielleicht noch nicht zu 100 Prozent zufriedenstellend. Bleib einfach für diese Aufgabe in Zukunft immer im gleichen Chatfenster der KI, so lernt das System dauerhaft weiter. Das kannst du mit jeder Textform umsetzen, solange der Prompt gut formuliert ist, die Skriptstruktur vorgegeben wird und Beispiele angehängt sind. So kannst du auch von Video zu Podcast und sogar wieder zurück zu Artikeln arbeiten. Ich habe den Test gemacht. Die ersten Ergebnisse sind schon recht gut. Beachte, dass hier natürlich das längerfristige Training fehlt.