VRT

Automatisierung der Erstellung von Kurznachrichten durch Natural Language Processing

vrt

Was wäre, wenn Journalisten weniger Zeit mit Zusammenfassungen und mehr Zeit mit dem Erstellen von Inhalten verbringen könnten? Bei VRT trifft Innovation auf KI, um zu erforschen, wie Technologie Redaktionen dabei unterstützen kann, schneller hochwertige Inhalte zu liefern.

Mehr erfahren
VRT_vert studio from vrt website

Schnell auf den neuesten Stand kommen

VRT hat sich mit ML6 zusammengetan, um die KI-gestützte Zusammenfassung von Nachrichten mithilfe fortschrittlicher NLP-Modelle zu verbessern. ML6 unterstützte das Innovationsteam dabei, das Modelltraining mit einem schrittweisen Ansatz zu optimieren: Ausgehend von einem vortrainierten mehrsprachigen BART-Modell erfolgte zunächst eine Feinabstimmung anhand von Zusammenfassungen aus dem Englischen ins Niederländische, bevor schließlich die VRT-eigenen Daten integriert wurden. Das Ergebnis ist ein Tool, das die Erstellung von Zusammenfassungen beschleunigt, alternative Formulierungen vorschlägt und Journalisten bei ihrer Arbeit unterstützt, ohne deren Kreativität zu ersetzen. Ein Pilotprojekt mit VRT-Journalisten bestätigte den Nutzen der Kombination aus menschlicher Expertise und KI, um qualitativ hochwertige Ergebnisse zu erzielen.

Weiter lesen

Über diesen Kunden

Die VRT ist der nationale öffentlich-rechtliche Rundfunkveranstalter der flämischen Gemeinschaft Belgiens. Mit ihren drei Fernsehsendern, fünf Radiosendern und verschiedenen digitalen Kanälen erreicht die VRT jede Woche bis zu 90 % aller Flamen. Die VRT NWS ist der Nachrichtendienst der VRT und hat es sich zum Ziel gesetzt, die flämische Bevölkerung über ihre vielfältigen Kanäle (wie die Website, die App und Live-Fernsehsendungen) über nationale und internationale Nachrichten auf dem Laufenden zu halten. Die VRT verfügt zudem über eine Innovationsabteilung, die in enger Zusammenarbeit mit den Endnutzern kontinuierlich neue Technologien und Anwendungen für mediale Zwecke erforscht.

Auswirkungen

Das KI-gestützte Modell ist ein leistungsstarkes Werkzeug, das Journalisten bei ihrer Schreibarbeit unterstützt, indem es die Erstellung von Zusammenfassungen beschleunigt und alternative Formulierungen vorschlägt. Auf diese Weise können menschliche Kreativität und KI ihre jeweiligen Stärken gegenseitig ergänzen und qualitativ hochwertige Ergebnisse erzielen.

Herausforderung

Vor der Einführung der Lösung stand VRT bei der Automatisierung der Erstellung hochwertiger Nachrichtenzusammenfassungen vor mehreren Hürden.

  • Zeitaufwändige Zusammenfassungen

    Nachrichtenartikel auf der Website von VRT NWS bestehen in der Regel aus einer kurzen Zusammenfassung, auf die der vollständige Artikel folgt. Die Zusammenfassung dient als komprimierte Fassung des Artikels und fasst die wichtigsten Punkte der Meldung zusammen. Da das Verfassen von Zusammenfassungen ein sich wiederholender und zeitaufwändiger Prozess ist, hat die Innovationsabteilung der VRT die Möglichkeit geprüft, diese Tätigkeit mithilfe von Natural Language Processing zu automatisieren.

  • Zwei Ansätze

    Dafür kommen zwei Ansätze in Frage: die extraktive und die abstraktive Zusammenfassung. Bei der extraktiven Zusammenfassung liegt der Schwerpunkt auf der Ermittlung der wichtigsten Teile des Artikels, wobei eine Reihe von Sätzen aus dem Originaltext zusammengestellt wird, während bei der abstraktiven Methode ein neuer Text auf der Grundlage der Interpretation des Artikels erstellt wird. Das VRT entschied sich für die abstraktive Methode, die dem aktuellen Stand der Technik entspricht und vielversprechendere Ergebnisse liefert.

  • Verbesserung der Modellleistung

    Auf diese Weise versuchte die Innovationsabteilung, trainierte Modelle zu entwickeln, die die automatische Erstellung von Nachrichtenzusammenfassungen ermöglichen. Obwohl sie ihre Modelle bereits optimiert hatten, waren sie mit der Qualität der Ergebnisse nicht zufrieden. Daher leistete ML6 umfassende technische Beratung zum Training und zum Einsatz der Modelle, um die bestmögliche Leistung zu erzielen.

Lösung

Um das Modelltraining zu optimieren und die Qualität der Ergebnisse zu verbessern, wurde von ML6 ein sequenzieller Arbeitsansatz vorgeschlagen.

  • Mit einem vortrainierten Modell beginnen

    ML6 begann mit einem vortrainierten mehrsprachigen NLP-„BART-Modell“ (siehe Artikel).

  • Feinabstimmungsphase

    Eine erste Feinabstimmungsphase wurde anhand von englischen Nachrichtenzusammenfassungen durchgeführt, die ins Niederländische übersetzt worden waren.

  • Integration von VRT-Daten

    Schließlich wurden die VRT-Daten in das Modell integriert. Diese Ergänzung der Kundendaten durch aufbereitete Open-Source-Daten führt zu einer höheren Qualität der erstellten Zusammenfassungen.

Ergebnisse

Diese Art von Transformer-Modell ist ein leistungsstarkes Werkzeug, das Journalisten bei ihrer Schreibarbeit unterstützt. Es kann die Erstellung von Zusammenfassungen beschleunigen und alternative Formulierungen vorschlagen. Gleichzeitig können sie jedoch nicht die Einsichten und die Kreativität der Journalisten ersetzen; dabei handelt es sich um menschliche Fähigkeiten, die auf einer breiteren Grundlage erworben wurden als die (begrenzten) Trainingsdaten, die dem NLP-Modell zur Verfügung gestellt wurden. Vor diesem Hintergrund lässt sich sagen, dass Menschen und KI ihre komplementären Stärken gegenseitig ergänzen und so qualitativ hochwertige Ergebnisse erzielen können. Als abschließenden Test dieser Theorie und zur Bewertung der Ausgabequalität dieses Tools prüfte ein Journalist der VRT einige der Nachrichtenzusammenfassungen auf der Grundlage bestehender VRT-Artikel, wodurch die VRT-Innovationsabteilung neue Erkenntnisse und Rückmeldungen gewinnen konnte.

Teile dies auf:
Anna Lindegren
Anna LindegrenClient Partner, ML6

Inspiriert?
Lassen Sie uns in Kontakt treten und ein Projekt verwirklichen!

Sind Sie bereit, Ihre KI-Strategie auf ein neues Niveau zu heben? Vereinbaren Sie noch heute einen Termin mit uns und lassen Sie uns gemeinsam eine erfolgreiche Strategie entwickeln!

Anna Lindegren
Anna LindegrenClient Partner, ML6
Cupcake ipsum dolor sit amet Apfelkuchen.

Häufig gestellte Fragen