Maike Kaiser ist Doktorandin an der Hochschule RheinMain auf dem Gebiet der Audio- und Videocodierung und untersucht den Einfluss der subjektiven Wahrnehmung in Codierungsverfahren. Der Fokus liegt hier auf experimenteller Arbeit mit Proband:innen im Labor.
Bevor Frau Kaiser mit der Promotion begann, studierte sie an der Hochschule RheinMain Medientechnik in Bachelor und Master. Während des Studiums sammelte sie bereits Berufserfahrung beim Systemintegrator BFE Studio und Medien Systeme als duale Studentin und Werksstudentin. Die Aufgabenfelder umfassten Lösungsentwicklung und Hardwareplanung in Großprojekten für europäische Rundfunkanstalten.
Ihre Masterthesis bildete den Abschluss dieser Tätigkeit, in der sie einen theoretischen Ansatz zur Einbindung eines Large Language Models in die Systemlandschaft einer Rundfunkanstalt liefert.
Kurzfassung des Vortrags
Dienstag, 4. Juni 2024
14:00 bis 15:40 Uhr
Saal 1: Themenblock KI
Mit der fortschreitenden Entwicklung der Künstlichen Intelligenz (KI) in den letzten 80 Jahren hält diese nun Einzug in die verschiedenen Lebensbereiche der Menschen. Durch die rasante Entwicklung von Large Language Models (LLM) in den letzten fünf Jahren wird auch die Anwendung in der Textverarbeitung immer effektiver. Mit LLMs ist es nun möglich, komplexere Texte von einer KI schreiben zu lassen. Diese bilden somit ein mächtiges Werkzeug, um Journalisten bei ihrer täglichen Arbeit zu unterstützen.
Im Rahmen der Master-Thesis werden Anforderungen an eine KI für den Einsatz im Journalismus definiert und ein Ansatz für die Einführung von ChatGPT in den Nachrichtenworkflow vorgeschlagen. Der Ansatz besteht aus einer Beschreibung von Konzepten zur Erfüllung der strukturellen Anforderungen und einer technischen Lösung zur Umsetzung der Konzepte in der Systemlandschaft eines Broadcasters. Der Vortrag zeigt auf, welche Anforderungen erfüllt werden müssen und wie diese umgesetzt werden können, damit KI im Journalismus effizient und sicher eingesetzt werden kann. Darüber hinaus werden Grenzen von ChatGPT in Bezug auf die Anforderungen aufgezeigt und der Einsatz weiterer KI-Modelle neben ChatGPT wird empfohlen, um mehr Anwendungsfälle abzudecken.
Die theoretische Untersuchung kommt zu dem Ergebnis, dass ChatGPT unter bestimmten Voraussetzungen für den Einsatz im Nachrichtenworkflow geeignet ist. Es wird festgestellt, dass es technisch möglich ist, das KI-Modell in den Nachrichtenworkflow zu integrieren. Die Einführungsphase und der anschließende produktive Einsatz gestalten sich als iterative Prozesse, in denen sich die einzelnen Schritte sich aus den Erfahrungen während der Einführung und dem Feedback der Nutzer ergeben.
Die Voraussetzungen, unter denen ChatGPT effizient und sicher in den Nachrichtenworkflow integriert werden kann, sind zunächst nicht-technischer Natur. Sie umfassen Konzepte für neue Rollen, Maßnahmen zur Einhaltung rechtlicher und ethischer Anforderungen, Umgang mit menschlichem Feedback sowie die Bearbeitung von bekannten Anwendungsszenarien. Die technische Lösung trägt die Konzepte: Durch den Einsatz zusätzlicher Automatisierungssoftware wird ein Mittelsmann zwischen ChatGPT, das MAM und den Nutzer geschaltet. Der Mittelsmann sorgt für die Übertragung von Informationen, deren Sicherheit sowie die Verwaltung von Workflows für wiederkehrende Szenarien. Mit dieser Lösung wird etwa die Hälfte der untersuchten Anwendungsfälle umgesetzt.
Um weitere Anwendungsfälle zu realisieren, eignen sich andere OpenAI-Modelle für den Einsatz im Nachrichtenworkflow. Als Ergänzung zu ChatGPT decken die Modelle aus dem InstructGPT-Bundle, DALL-E und Whisper weitere Anwendungsfälle wie die Verarbeitung von Bild und Ton ab. Darüber hinaus ist der Nutzer durch die neuen Modelle in der Lage, ein Finetuning vorzunehmen, durch das dem KI-Modell eigene Daten des Broadcasters als Trainingsmaterial zur Verfügung gestellt werden. Dennoch deckt auch diese Kombination von Modellen nicht alle Anwendungsfälle ab. So fehlt beispielsweise in den Modellen des Unternehmens OpenAI das Tagging von Bildern und Videos auf der Grundlage der visuellen Komponente.
Letztendlich hat KI das Potenzial, eine hohe Effizienzsteigerung in Prozessen zu ermöglichen. Allerdings bedarf sie nach wie vor einer strengen Regulierung und Überwachung durch den Menschen.