Site Skin Ad
Site Skin Ad
Site Skin Ad
SpecialVeröffentlicht am 30.09.21 um 17:52h | 0 Kommentare

Mit AI und maschinellem Lernen zum Content?

In einigen Bereichen und Disziplinen hat die AI (Artificial Intelligence) beziehungsweise die künstliche Intelligenz bereits für tiefgreifende Veränderungen gesorgt. Ob selbstfahrende Autos und Landmaschinen, in der Bilderkennung und Visualisierung oder als virtuelle Assistenten und im Marketing: Künstliche Intelligenz und das damit verbundene maschinelle Lernen lässt sich heute mehr und mehr gewinnbringend einsetzen. Ein sehr gutes Beispiel hierfür ist einmal mehr auch das Internet und hier vor allem die Art, wie Inhalte beziehungsweise Content erstellt werden können. Algorithmen und auf AI basierendes maschinelles Lernen sind hier inzwischen für etliche Inhalte verantwortlich, bei denen viele Nutzer dies nicht mal ahnen.

Content-Aufbereitung und Erstellung auf Basis des maschinellen Lernens

Algorithmen bestimmen immer mehr unser Leben und vor allem das, was wir denken, hören, sehen und vor allem kaufen und konsumieren. Ein gutes Beispiel hierfür sind die zahlreichen Empfehlungen, die praktisch an jeder Ecke im Internet auf den Nutzer lauern und welche die Dienste und Unternehmen auf Basis ihrer riesigen Mengen an Nutzerdaten generieren. Ob App-Empfehlungen in den App-Stores, Spielempfehlungen bei Anbietern wie dem Vulkan Vegas Casino oder Produktempfehlungen auf Basis der Käufe und Rezensionen anderer Kunden auf Amazon. Alles computergenerierte Empfehlungen. Was nebenbei bemerkt natürlich auch für die vorgeschlagenen Trends, Themen und Feeds in sozialen Netzwerken gilt.

Mehr und mehr bilden die Dienste, Unternehmen und Netzwerke so eine Art Blase um jeden Nutzer herum. Um ihm am Ende, immer mit Blick auf seine vermeintlichen Vorlieben, die besten Lieder, Spiele, Filme und Serien oder auch Produkte und andere Inhalte vorzuschlagen. Ohne künstliche Intelligenz und maschinelles Lernen wäre dies in der Form nicht möglich. Vorschläge dieser Art manuell von Mitarbeitern generieren zu lassen, ganz ohne die Hilfe der Algorithmen, ist jedenfalls nahezu ausgeschlossen.

Automatisierte Preise und Produktbeschreibungen

Dies gilt übrigens auch für die bei vielen Onlineshops vorhandene automatische Preisgestaltung. Bei großen Unternehmen arbeiten hier im Hintergrund permanent Programme, welche die eigenen Preise mit denen der Konkurrenz vergleichen. Auf Basis vorbestimmter Regeln passt das System beziehungsweise die künstliche Intelligenz die Preise automatisch an. Auf diese Weise erhält der Händler einen enormen Wettbewerbsvorteil. Übrigens sind es auch die großen Onlineshops, welche einige ihrer Inhalte ebenfalls, zumindest in Teilen, von einer künstlichen Intelligenz erstellen lassen.

Hier geht es überwiegend um relativ kurze und somit einfach gehaltene Produktbeschreibungen in großen Mengen. Während das händische Erstellen solcher Inhalte enorm viel Zeit und somit Kosten verursachen würde, schafft die künstliche Intelligenz dies in kürzester Zeit. Zwar besteht dann oft noch ein gewisser Nachbesserungsbedarf. Das Nachbessern maschinell generierter Inhalte, in diesem Fall Produktbeschreibungen, erfordert jedoch deutlich weniger Aufwand und somit Zeit als das Erstellen der gesamten erforderlichen Inhalte.

Textgenerierung mittels AI: Gute Bücher schreibt sie noch keine

Für echte Verkaufstexte, detailliertere Produktbeschreibungen jenseits festgelegter Daten oder gar für thematisch komplexe Artikel oder Blogposts eignet sich die KI-gestützte Textgenerierung noch nicht oder nur bedingt. Gut strukturierte und einfach gehaltene Texte kann sie dennoch inzwischen durchaus zuverlässig und in einem brauchbaren Stil erstellen. Allerdings auch nur, sofern sie Zugriff auf einen ausreichend guten Datenfundus erhält. Wie gut das Endergebnis ausfällt, hängt dann auch wiederum davon ab, auf welcher Basis die KI den Content erstellt und welche Methoden beziehungsweise Ansätze sie anwendet. Hier lassen sich grob zwei unterschiedliche algorithmische Ansätze unterscheiden. Einerseits das überwachte Lernen und auf der anderen Seite das unüberwachte Lernen.

  • Unüberwachtes Lernen: Unüberwachte Lernalgorithmen kommen aktuell noch eher selten zum Einsatz, da die KI hier selbstständiger arbeiten soll und muss, dadurch jedoch auch fehleranfälliger arbeitet. Beim unüberwachten Lernen erhält die KI unsortierte Daten, welche sie selbst analysieren und kategorisieren muss, indem sie bestimmte Muster in den Datensätzen erkennt.
  • Überwachtes Lernen: Beim überwachten Lernen erhält die KI dagegen deutlich mehr Unterstützung, was schon bei den sogenannten Trainingsdatensätzen beginnt. Im Prinzip erhält die KI also bereits einige Beispieldatensätze, anhand derer sie weitere Datensätze analysieren, erkennen und einordnen kann. Mit Hinweisen darauf, ob ein Ergebnis korrekt ist oder nicht, lernt die KI mit der Zeit dazu und arbeitet bei gleichbleibender Datenlage immer zuverlässiger.
Ein sehr gutes und zugleich prominentes Beispiel für eine überwachte KI ist der beliebte Chatbot Akinator. Über viele Jahre hat die KI hinter Akinator zahlreiche fiktive wie auch reale Figuren kennengelernt und so eine große Datensammlung angehäuft. Daher scheut sich der Bot nun auch nicht, seine Nutzer zu einem kleinen Rate-Spiel herauszufordern. Im Prinzip soll der Nutzer lediglich an eine fiktive oder reale Figur denken und Akinator versucht, diese Figur anhand von möglichst wenigen Fragen zu erraten. Inzwischen gibt es kaum eine mehr oder weniger populäre Figur, welche Akinator nicht kennt. Bei sehr bekannten und häufig nachgefragten Figuren benötigt die KI dabei oft nur wenige Fragen, um zum richtigen Ergebnis zu kommen. Am Ende kann der Nutzer Akinator ein Feedback geben, ob seine Antwort richtig oder falsch war, womit sie weiter dazulernt.