Prompt-Tipp: KI für Nachrichtenartikel - praktisch oder gefährlich?

13. Juni 2024

Die Idee, journalistische Artikel durch KI erstellen zu lassen, ist bislang noch kaum verbreitet – und das aus gutem Grund. Die letzte Entscheidung und die kreative Gestaltung sollten weiterhin in den Händen menschlicher Journalist:innen bleiben.


Eine große Gefahr beim Einsatz von KI in der Nachrichtenproduktion ist die Möglichkeit, dass falsche Informationen generiert werden, was zu einem erheblichen Vertrauensverlust im Journalismus führen könnte. Trotzdem ist es spannend zu sehen, wie weit die Technologie bereits gekommen ist.


In diesem Kontext habe ich eine eigene kleine wissenschaftliche Untersuchung durchgeführt, um herauszufinden: „Kann KI den Prozess der Nachrichtenproduktion übernehmen?“


Dazu habe ich ein Experiment durchgeführt, das die Nachrichtenproduktion mit Agenturmaterial simuliert. Das Ziel des Experiments war es herauszufinden, ob Nachrichtenartikel, die von KI erstellt wurden, die wichtigsten journalistischen Qualitätskriterien erfüllen. Dabei wurde untersucht:


  • Genauigkeit der Informationen: Können KI-erstellte Artikel korrekte und verlässliche Informationen liefern?
  • Sprachliche Qualität: Entsprechen die generierten Texte den sprachlichen Standards des Journalismus?
  • Objektivität und Ausgewogenheit: Sind die Berichte objektiv und ausgewogen oder zeigen sie Verzerrungen?
  • Einfluss verschiedener Strategien des Prompting: Welche Auswirkungen haben unterschiedliche Prompting-Methoden auf die Qualität der generierten Inhalte?


Diese Ziele sind entscheidend, um zu verstehen, wie und unter welchen Bedingungen KI-Modelle wie ChatGPT in der Lage sind, qualitativ hochwertige journalistische Inhalte zu erstellen und die menschliche Arbeit in Redaktionen sinnvoll zu unterstützen.


Durchführung des Experiments

In meinem Experiment wurden Nachrichtenartikel zu drei verschiedenen Themen des Jahres 2023 erstellt:

  • Parlamentswahl in Polen am 15.10.2023
  • Urteil des deutschen Bundesverfassungsgerichts zum Nachtragshaushalt 2021 am 15.11.2023
  • Versuchter Putsch der Wagner-Söldner gegen den russischen Staat am 23.06.2023


Als Quellen dienten Meldungen großer Nachrichtenagenturen auf Deutsch: Deutsche Presse-Agentur (DPA), Reuters (RTR) und Agence France-Presse (AFP). Insgesamt wurden 24 Nachrichtenartikel generiert, wobei jede mögliche Kombination von Agenturmeldungen verwendet wurde.


Genutzte Prompts

Jeder Prompt, den ich an ChatGPT gegeben habe, folgte einer festen Struktur. Diese Struktur beinhaltete stets folgende Elemente:

Forschungsmethode

Das Experiment folgte einer selbstgewählten Forschungsmethode zur Erstellung von Nachrichtenartikeln mit anschließender Inhaltsanalyse. Diese Inhaltsanalyse wurde anhand eines Codebuchs durchgeführt, das spezifische journalistische Qualitätskriterien festlegte und die Bewertung der Artikel standardisierte.


Ergebnisse der Analyse

Die generierten Artikel wurden anhand journalistischer Qualitätskriterien analysiert, darunter Richtigkeit, Vollständigkeit, Objektivität und sprachliche Qualität. Die Analyse ergab, dass die Qualität der Artikel stark von der Anzahl und Kombination der genutzten Agenturmeöldungen abhing.

  • Zwei Agenturmeldungen: Die besten Ergebnisse wurden erzielt, wenn zwei verschiedene Agenturmeldungen verwendet wurden. Diese Artikel waren meist vollständig, korrekt und ausgewogen. Dies bestätigt das journalistische Zwei-Quellen-Prinzip.
  • Eine oder drei Agenturmeldungen: Artikel, die auf nur einer Agenturmeldung basierten, wiesen häufig inhaltliche Lücken auf, während Artikel mit drei Meldungen oft überladen und weniger fokussiert waren.


Einige detaillierte Ergebnisse

  • Richtigkeit und Vollständigkeit: Artikel, die aus zwei Quellen erstellt wurden, erfüllten am besten die Kriterien der Richtigkeit und Vollständigkeit. Diese Artikel konnten die wichtigsten Fakten klar und präzise darstellen, was ihre journalistische Qualität erheblich steigerte. Dennoch kam es vor allem bei einer oder drei Quellen, aber auch bei zwei Quellen, immer wieder zu Fehlern. Wichtige Protagonist:innen wurden ausgelassen oder falsch zugeordnet. Zusammenhänge wurden falsch erklärt.
  • Sprachliche Qualität: Die sprachliche Qualität der Artikel war durchgehend hoch, unabhängig von der Anzahl der verwendeten Quellen. Die Texte waren klar strukturiert, gut lesbar und enthielten nur selten grammatikalische oder stilistische Fehler.
  • Objektivität: Auch hier zeigten Artikel mit zwei Quellen die besten Ergebnisse, da sie eine ausgewogene Darstellung der Ereignisse ermöglichten. Sie waren weniger anfällig für Verzerrungen und boten eine umfassende Perspektive auf das jeweilige Thema. Bei einer oder drei Quellen kam es oft zu objektiv falschen Gewichtungen in der Beschreibung und Einführung von Fakten und Protagonist:innen.


Das Experiment zeigte, dass generative KI wie ChatGPT in der Lage ist, qualitativ hochwertige Nachrichtenartikel zu erstellen, insbesondere wenn präzises Prompting und eine sorgfältige Auswahl der Quellen erfolgt. Allerdings bleibt die menschliche Kontrolle unerlässlich, um die Richtigkeit und Relevanz der Informationen sicherzustellen.


Trotz der hohen sprachlichen Qualität, die von der KI erreicht wird, produziert sie immer noch inhaltliche Fehler, die das Ansehen des Journalismus schädigen können. Daher sollte die Nachrichtenproduktion nicht vollständig von KI übernommen werden. Das größte Problem der KI: Sie kann nicht verstehen und abwägen, welche Fakten und Personen im Artikel mit welcher Gewichtung und in welchem Zusammenhang genannt werden sollen.


KI kann jedoch weiterhin als wertvoller Assistent für Journalist:innen dienen und sie in der Nachrichtenproduktion unterstützen. Ein Beispiel dafür ist ntv, das in Kooperation mit der Deutschen Presse-Agentur (dpa) ein innovatives Redaktionstool entwickelt hat. Dieses Tool nutzt maschinelles Lernen und KI, um Journalist:innen bei der Auswahl und Bearbeitung von Nachrichten zu unterstützen. Es analysiert Agenturmeldungen im dpa-Feed und bietet Vorschläge für Textelemente und Themen sowie eine verbesserte Gewichtung der Nachrichtenrelevanz.


Das Projekt von ntv und dpa zeigt, wie Technologie die mediale Berichterstattung unterstützen kann, ohne die redaktionelle Entscheidungsgewalt zu ersetzen. Dieses Gleichgewicht zwischen menschlicher Urteilskraft und maschineller Effizienz könnte ein Modell für den zukünftigen Nachrichtenjournalismus darstellen.

Prompt-Tipp: Foto-Exkurs: Seed bei der Bilderstellung

von Patrick Große • 5. Juli 2024
Heute möchte ich nochmal einen Exkurs in den Bereich der Bilderstellung wagen. Ein Bereich, der natürlich mit Vorsicht zu genießen ist, vor allem im Journalismus. Die Nutzung von KI-Bildern ist irreführend und sollte nur mit entsprechendem Transparenzhinweis in Medien genutzt werden. Auf der anderen Seite steht die Diskussion, ob KI-Kunst wirklich Kunst ist. Dennoch gibt es viele, die sich zuhause privat mit der Erstellung von KI-Bildern befassen. Das ist mittlerweile mit zahlreichen Tools möglich: Midjourney, ChatGPT-Plus oder der erweiterten Version von Copilot, die viele Medienunternehmen inzwischen nutzen. Wie ein perfekter Prompt zur Bilderstellung aussieht, haben vor uns vor einiger Zeit bereits angeschaut. Doch wer mit KI-Bildern bereits experimentiert hat, wird merken, ein und derselbe Prompt produzieren über die Zeit andere Ergebnisse. Der Stil eines Bildes lässt sich über einfaches Prompten kaum halten. Hier kommt der sogenannte Seed (dt. Samen) in Spiel. Jedes von KI erstellte Bild kommt nämlich einen Seed, also eine einzigartige Nummer, mit dem das System das Bild erkennt. Durch die Nennung des Seeds können auch weitere Bilder in der Zukunft wieder im gleichen Stil erstellt werden. Mein Beispiel-Prompt: “Du bist Zeichner für Kinderbücher. Bitte erstelle ein Bild von einem Hasen, der gemeinsam mit einem Bär, einer Eule und einer Schnecke im Wald wohnt. Das Bild sollte eine ansprechende Zeichnung sein, die in einem Buch für Kinder von 2-5 Jahren erscheint.” Das Ergebnis: 

Background: Medien melden Plagiatsverdacht bei Perplexity

von Patrick Große • 5. Juli 2024
In der Welt der Künstlichen Intelligenz gibt es derzeit heiße Diskussionen über die Grenze zwischen fairer Nutzung und Plagiat. Im Mittelpunkt steht Perplexity AI, ein Startup, das eine Suchmaschine mit einem Sprachmodell kombiniert, um detaillierte Antworten zu liefern. Anders als andere KI-Modelle trainiert Perplexity keine eigenen, sondern nutzt bestehende Modelle und sammelt Informationen aus dem Internet. Vorwürfe gegen Perplexity AI Im Juni 2023 wurde Perplexity vorgeworfen, unethisch zu handeln. Das Medium Forbes beschuldigte das Startup, einen seiner Artikel plagiiert zu haben, und Wired warf Perplexity vor, seine Website und andere unerlaubt zu scrapen. Diese Vorwürfe werfen ein Schlaglicht auf die komplexen rechtlichen und ethischen Fragen, die mit der Nutzung von KI im Journalismus verbunden sind. Das Problem mit dem Web-Scraping Wired berichtete, dass Perplexity das Robots Exclusion Protocol ignorierte, das Websites davor schützen soll, von Web-Crawlern durchforstet zu werden. Eine Untersuchung ergab, dass eine mit Perplexity verbundene IP-Adresse Inhalte von Websites sammelte, die für Bots gesperrt sind. Web-Scraping bedeutet, dass automatisierte Software das Internet durchforstet, um Informationen zu sammeln. Suchmaschinen wie Google tun dies, um Webseiten in Suchergebnissen anzuzeigen. Aber viele Verlage wollen nicht, dass ihre Inhalte für den Aufbau von KI-Datensätzen genutzt werden. Plagiat oder faire Nutzung? Wired und Forbes beschuldigten Perplexity auch des Plagiats. Wired stellte fest, dass der Perplexity-Chatbot einen ihrer Artikel fast wortwörtlich zusammenfasste. Forbes berichtete Ähnliches und kritisierte, dass Perplexity Inhalte von verschiedenen Nachrichtenquellen nutzte, ohne diese ausreichend zu kennzeichnen. Perplexity vergleicht seine Zusammenfassungen mit journalistischer Praxis, bei der Fakten aus verschiedenen Quellen genutzt werden. Zukunftsaussichten und Lösungen KI-Unternehmen wie OpenAI haben Vereinbarungen mit Nachrichtenverlagen getroffen, um deren Inhalte nutzen zu dürfen. Diese Abkommen ermöglichen den Verlagen, von der KI-generierten Nutzung ihrer Inhalte zu profitieren. Perplexity plant nun ähnliche Abkommen und möchte Verlagen durch Werbeeinnahmen einen Anteil zukommen lassen. Perplexity-CEO Aravind Srinivas erklärte, dass das Unternehmen die Quellen in Zukunft prominenter zitieren werde. Allerdings gebe es technische Herausforderungen, da KI-Modelle wie ChatGPT und Perplexity manchmal fehlerhafte oder erfundene Links generieren, was die Zuverlässigkeit der Zitate beeinträchtigen kann.

Prompt-Tipp: KI am Limit: Analyse vieler Dokumente

von Patrick Große • 20. Juni 2024
Der heutige "Prompt-Tipp" ist ein Erfahrungsbericht über meine Arbeit mit Künstlicher Intelligenz, der zur Abwechslung einmal keinen spezifischen Prompt für die journalistische Arbeit bietet. In der vergangenen Woche hatte ich die Gelegenheit, als "Mechaniker" an der KI-Werkstatt von MDR next in Leipzig teilzunehmen. An dieser Stelle noch einmal vielen Dank für die Einladung. Dort konnten Redakteur:innen vorbeikommen, um ihre konkreten KI-Herausforderungen zu besprechen und auszuprobieren. Zwei Kolleg:innen kamen mit dem Ziel, KI zu nutzen, um die verschiedenen Wahlprogramme zur kommenden Landtagswahl in Sachsen zu analysieren. Der MDR testet derzeit ein internes GPT-Tool, ähnlich wie der SWR, in einer ersten Testphase. Dieses Tool basiert auf den Fähigkeiten von ChatGPT-4. Es lag daher nahe, diese Herausforderung mit ChatGPT anzugehen. Unser Ansatz war folgender: Download der Parteiprogramme in einen lokalen Ordner und Benennung nach dem gleichen Schema, z.B. “Partei_Wahlprogramm_Sachsen”. Hochladen aller Wahlprogramme in das Interface von ChatGPT. Formulierung eines Basis-Prompts, um die Aufgabe an die KI zu definieren. Unser erster Basis-Prompt sah so aus: “Du bist Journalist und führst politische Faktenchecks und Analysen zu Wahlprogrammen für die kommende Landtagswahl im Bundesland Sachsen durch. Deine Aufgabe ist es, die Wahlprogramme der relevanten Parteien nach bestimmten Kriterien zu analysieren. Deine Aufgaben umfassen: Durchsuchen der Wahlprogramme nach den wichtigsten Punkten. Vergleich dieser Punkte mit den Wahlprogrammen anderer Parteien. Analyse nach vorgegebenen Themenkomplexen (z.B. Wirtschaft, Bildung, Umwelt). Auswertung nach bestimmten Kriterien (z.B. Umsetzbarkeit, Konkretheit). Wichtige Hinweise: Gib zu jeder analysierten Aussage die exakte Quelle mit Wahlprogramm und Seitenzahl an. Agiere neutral und faktengetreu, ohne eigene Interpretationen vorzunehmen. Ergebnisse: Erstelle eine tabellarische Übersicht mit allen relevanten Textstellen, einschließlich Seitenzahl und Wahlprogramm. Anbei findest du die verschiedenen Wahlprogramme. Bitte nutze ausschließlich diese Dokumente für deine Analyse.” Die KI startete anschließend sofort die Analyse und wählte dabei zufällige Themenfelder: Bildung Energie Familie und Demografie Wirtschaft Innere Sicherheit Das Tool erklärte nicht, warum es bestimmte Themenfelder wählte. Es wäre wertvoller gewesen, zunächst einen allgemeinen Überblick über alle Wahlprogramme zu erhalten. Während bei der ersten Partei die Seitenzahlen der Textstellen im Wahlprogramm zuverlässig angegeben wurden, erschien bei späteren Parteien lediglich ein "X" als Platzhalter für die Seitenzahl. 
Mehr anzeigen