WIEN. „Die Herausforderung der Zukunft wird sein, immer mehr Informationen zeitnäher bereitzustellen, während auf der Kundenseite immer weniger Zeit bleibt, diese Informationen zu verarbeiten”, so Klemens Ganner, Geschäftsführer des Medienbeobachtungsunternehmens APA-DeFacto, über die Challenge sowohl auf Seite der Kunden, aber auch auf der Seite seines Unternehmens, das versucht, genau diese Herausforderungen mit optimalen Lösungen für Kunden zu meistern.
Die Quadratur des Kreises
Was nach der Quadratur des Kreises klingt, will man bei APA-DeFacto mit dem verstärkten Einsatz maschineller Unterstützung schaffen. Damit einher geht auch eine Ausweitung des Angebots.
„Wir verstehen uns als Informationsdienstleister in der Medienbeobachtung. Dabei wollen wir einerseits genau jene Artikel finden, die der Kunde haben will, und andererseits darüber hinausgehende Informationen extrahieren”, beschreibt Ganner das grundsätzliche Aufgabenfeld und ergänzt: „In Zukunft wird es immer wichtiger werden, über den einzelnen Artikel hinaus die bestimmenden Branchenthemen zu erkennen – was also der Kunde, einschließlich seiner Mitarbeiterinnen und Mitarbeiter, wissen sollte.”
Ein weiterer Punkt, der vor allem im Hinblick auf steigende Informationsverdichtung wichtig wird, ist die Beurteilung von Relevanz. Immer mehr Content auf immer mehr Kanälen macht es notwendig, dass Inhalte nicht bloß ungefiltert an den Kunden geschickt werden – vielmehr braucht es eine entsprechende Kontextualisierung, die vermehrt von maschinellen Verfahren unterstützt werden soll. Sogenannte Sentiment-Auswertungen, also die Beurteilung von Tonalitäten (positiv, neutral oder negativ) in Texten spielen dabei eine Rolle. Hier zeigen sich auch die derzeitigen Grenzen automatisierter Verfahren: „Auf der Inhaltsebene ist hier die Herausforderung, wie mit Texten umgegangen wird, in denen Firma A positiv, Firma B aber negativ beurteilt wird. Das kann derzeit automatisiert noch nicht zufriedenstellend ausgewertet werden”, so Ganner – die endgültige Entscheidung über eine Zuordnung trifft bei APA-DeFacto jedenfalls immer eine geschulte Fachkraft im Lektorat.
Machine Learning
Einer der wichtigsten Bereiche, in den künftig auch weiter stark investiert werden soll, ist Machine Learning.
Dabei geht es vor allem um lernende Algorithmen, die beispielsweise PDFs mit mehreren Artikeln auswerten sollen, Kategorisierungen treffen können und Relevanz-Bewertungen zur Selektion vornehmen. Bei der sogenannten PDF-Segmentation hat man bereits einige Fortschritte gemacht: „Das Ziel ist, dass auf einer PDF-Seite automatisiert erkannt wird, was ein Artikel ist und welches Bild zu welchem Artikel gehört”, erläutert Ganner. Dabei „lernt” der Algorithmus von der täglichen intellektuellen Arbeit der Mitarbeiterinnen und Mitarbeiter und erkennt die Systematik hinter verschiedenen Publikationen. Eine manuelle Endkontrolle werde es dabei aber weiter benötigen, schon um die Qualitätssicherung zu garantieren, so Ganner weiter. „Es geht bei der fortschreitenden Automatisierung vor allem darum, unsere Dienstleistungen besser zu machen und unseren Mitarbeiterinnen und Mitarbeitern Hilfestellungen bei der Erfüllung ihrer Arbeit in die Hand zu geben”, erklärt Ganner.
Zusammengefasst
Ein weiterer Punkt, an dem APA-DeFacto derzeit verstärkt arbeitet, ist die automatisierte Inhaltsanalyse von Texten und die Erstellung maschineller Zusammenfassungen. „Wir sind in diesem Bereich bereits relativ weit und haben jetzt noch einmal einen großen Sprung in der Qualität der Zusammenfassung gemacht, die die Einschätzung der Relevanz verbessert”, führt Ganner aus. Ein weiterer Schritt in Verbindung mit automatisierten inhaltlichen Zusammenfassungen ist die Bildung thematischer „Cluster”. Damit können beispielsweise alle relevanten Texte zu einem bestimmten Thema oder Schlagwort gefiltert werden. Auch Resonanzmessungen – etwa der Niederschlag einer OTS-Aussendung in den Medien – sind so möglich.
Eine Technologie, die in den vergangenen Jahren nicht nur bei der APA, sondern weltweit große Fortschritte gemacht hat, ist die Speech-to-Text-Funktionalität. Bei APA-DeFacto soll diese vor allem zum Radio-, TV- und Web-Monitoring eingesetzt werden. Das Qualitätslevel eines manuellen Transkripts erreicht die Spracherkennung nicht, der Nutzen ist aber ein anderer: „Die automatisierte Transkription passiert sehr zeitnah – zwar mit Ungenauigkeiten, aber gut genug, um relevante Treffer, z.B. für Echtzeit-Alarmierungen, zu liefern”, beschreibt Ganner, der davon ausgeht, damit auch neue Kundensegmente erschließen zu können. Durch laufend trainierte Sprachmodelle können in diesem Bereich auch Informationsmengen verarbeitet werden, die bisher zu umfangreich waren.
Metadaten und Analyse
Wichtig für fast alle Anwendungsbereiche sind jedenfalls entsprechende Metadaten, die eine relevante Zuordnung ermöglichen – etwa, ob ein Artikel auf der Titelseite oder in kleiner Form weiter hinten erschienen ist. Im Online-Bereich, so Ganner, sei man derzeit dabei, zu filtern, ob Inhalte prominent auf der Startseite oder nur auf einer Subseite aufscheinen. Ziel ist es also, ein Informationsangebot zu schaffen, das die Relevanz gefilterter Inhalte für den Kunden beurteilen kann. „Es geht um Relevanzfaktoren für Reichweite oder Position, also Kennzahlen, die schnelle Rückschlüsse erlauben”, führt Ganner aus.
Laufende Entwicklung
Viele der im Moment entwickelten Technologien werden in den nächsten Jahren weitere Fortschritte machen und so neue Einsatzfelder erschließen. Ob im Bereich der Bilderkennung – wo künftig das automatisierte Erkennen von Gesichtern und Logos möglich sein wird – oder in den erwähnten Speech-to-Text-Lösungen, die in Echtzeit Transkripte auf einem Niveau erstellen, das zumindest eine deutlich schnellere manuelle Weiterverarbeitung ermöglicht. Künstliche Intelligenz sei dementsprechend sicher eines der Themen, das künftig wesentliche Investitionsmittel erhalten werde. „Maschinelles Lernen bietet beinah unendlich viele Anwendungsmöglichkeiten und Nutzungsfälle”, zeigt sich Ganner überzeugt. (fej/shr)
