<\/p>\n
Neuronale Netzwerke als Impulsgeber der KI<\/h3>\n
Nach dem Schub, den regelbasierte Systeme („Expertensysteme“) der KI in den achtziger Jahren gegeben hatten, stehen heute k\u00fcnstliche neuronale Netzwerke<\/em> (a<\/u>rtificial n<\/u>euronal n<\/u>etworks, ANNs) mit Mittelpunkt des technischen Fortschritts. Die M\u00f6glichkeiten solcher Systeme st\u00fctzen sich insbesondere auf:<\/p>\n Die F\u00e4higkeit des maschinellen Lernens bedeutet eine in ihrer wirtschaftlichen Relevanz nicht unterzubewertende Effizienzsteigerung. Schon in den achtziger Jahren des letzten Jahrhunderts stand KI im Mittelpunkt des technischen Fortschrittes. Die Euphorie dieser Jahre war durch die neuen M\u00f6glichkeiten von regelbasierten Expertensystemen in den Einsatzfeldern Diagnose<\/em> und Konfiguration<\/em> gepr\u00e4gt. Der Preis dieses Erfolgs aber war ein hoher manueller Pflegeaufwand f\u00fcr das Expertenwissen. Sowohl f\u00fcr Akquisition und Pflege des zugeh\u00f6rigen, strukturierten Datenmodells wie auch der Inferenzregeln, mit denen Schlussfolgerungen aus den Daten abgeleitet werden. Dieser Pflegeaufwand war der Grund, warum sich solche Systeme nicht nachhaltig durchsetzen konnten. Der „KI-Winter“ der neunziger Jahre machte deutlich, dass die Pflege solcher Expertensysteme mit wirtschaftlichem Aufwand praktisch nicht m\u00f6glich war.<\/p>\n Dies sollte heute beim Thema Roboter- bzw. Datenjournalismus nachdenklich stimmen, dessen Textgenerierung \u00fcberwiegend auf einem regelgesteuerten Vorgehen beruht.<\/p>\n <\/p>\n <\/p>\n Thomas Ross, IBM Global Services, wies in seinem Referat auf den Medientagen M\u00fcnchen darauf hin, dass eine Genauigkeit in den Ergebnissen von ANNs, die \u00fcber 70% hinausgehen, heute nur mit anwendungsspezifischem, typischerweise auch vertraulichem, unternehmenspezifischem Trainingsbeispielen und Wissen erzielt werden kann. In diesem Kontext gewinnt die Frage, wem denn diese Daten geh\u00f6ren, nat\u00fcrlich an Bedeutung.<\/p>\n Um ANN Qualit\u00e4tsergebnisse von 90% und mehr zu erreichen, ist die Verwendung des \u00fcberwachten Lernens <\/em>heute der Regelfall. Dabei<\/em> werden von Menschen bewertete, paradigmatische positive wie negative Trainingsbeispiele eingesetzt. Ein unbeaufsichtigtes (selbst)best\u00e4rkendes Lernen von ANNs<\/em> ist eher noch Zukunftsmusik. Bei dieser Lernform w\u00fcrde ein ANN seinen Output eigenst\u00e4ndig als besonders zutreffend bewerten und seine interne Netzwerkstruktur entsprechend anpassen. KI-Leuchtt\u00fcrme wie Google’s AlphaGo Programm,<\/a> das 2016 erstmalig einen der weltbesten menschlichen GO Brettspieler schlagen konnte, weisen allerdings genau in diese Richtung. Das KI-System verwendet zwei ANNs, jeweils eines um den n\u00e4chsten Zug zu generieren („policy network“)<\/em>, und eines, um die Spielposition zu bewerten („value network“)<\/em>. Seine Spielst\u00e4rke gewann das System, indem es mehrere Millionen Spiele gegen sich selbst spielte und dabei seine Strategie erlernte.<\/p>\n Im Bereich der Medien zeichnen sich heute vier Einsatzbereiche f\u00fcr k\u00fcnstliche Intelligenz ab. Drei dieser Einsatzbereiche sind Anwendungen von ANNs. Nat\u00fcrlich ist KI als Wissenschaftsdisziplin deutlich mehr als ANNs und maschinelles Lernen. Wie weit der Weg zu praxisgerechten Produkten in der Robotik ist, verdeutlichte ungewollt der humanoide Roboter Roboy 2.0 der Technischen Universit\u00e4t M\u00fcnchen bei der Pr\u00e4sentation auf den Medientagen (siehe Bild). Infolge einer mechanischen St\u00f6rung des Kopfes versagte er schon in der Grundvoraussetzung einer wirkungsvollen Kommunikation, seinen Gespr\u00e4chspartner w\u00e4hrend des Gespr\u00e4chs anzusehen.<\/p>\n Dieses Zukunftsthema des gesamten Maschinenbaus beherrschte die IFRA \/ DCX Expo in Berlin. Durch die Digitalisierung und Vernetzung stehen heute vielf\u00e4ltige sensorische Daten von allen technischen Komponenten eines Drucksystems zur Verf\u00fcgung. Die Integration und Verdichtung dieser Daten l\u00e4sst einen bevorstehenden Ausfall eines Drucksystems schon im Vorfeld erkennen. Technisches Instrument ist ein ANN, das die Sensordaten (Eingabeschicht ANN ) und das daraus ableitbare, wahrscheinliche St\u00f6rungspotenzial (Ausgabeschicht ANN) in Beziehung setzt. Das ANN verdichtet idealtypisch die verf\u00fcgbaren Daten und Erfahrungen mit allen Drucksystemen dieser Bauart von allen Einsatzorten. Die pr\u00e4diktive, <\/em>bedarfsgesteuerte<\/i> Wartung auf Basis einer solchen ANN Analyse ist kosteneffizienter als eine pr\u00e4ventive<\/em> Wartung, die Komponenten rein vorsorglich erneuert. Und sie ist deutlich attraktiver als eine ungeplante Wartung, Reparatur,<\/em> nach Ausfall des Drucksystems, die mit inakzeptablen Stillstandszeiten des Drucksystems einhergeht. Fachleute gehen davon aus, dass zuk\u00fcnftig 80% der Wartung von Drucksystemen von entsprechend spezialisierten Dienstleistern durchgef\u00fchrt wird, und die Verlage h\u00f6chstens noch 20% der Wartung, typischerweise die Reparaturen in Notfallsituationen, selber vornehmen.<\/p>\n Die KI-basierte automatische Inhaltserschlie\u00dfung von Bild- und Videodaten bietet f\u00fcr die redaktionelle Arbeit wahrnehmbare Effizienzsteigerungen. F\u00fcr Texte beinhaltet dies die textuelle<\/em> Erkennung von Personen, Objekten und Orten des Geschehens, von denen im Text die Rede ist (\u00bbentity extraction\u00ab). Dies erm\u00f6glicht es, dem Text passende verwandte Artikel, Bilder und\/oder Werbung zuordnen zu k\u00f6nnen. Dieser Service wurde und wird von den gro\u00dfen Suchmaschinen (wie FAST) schon seit einer Dekade zu Premiumpreisen angeboten und erforderte einen hohen Pflegeaufwand. Der Service ist jetzt f\u00fcr einen Bruchteil der Kosten m\u00f6glich (siehe auch unten den Abschnitt: Demokratisierung der K\u00fcnstlichen Intelligenz<\/a>). Neu hinzu gekommen sind jetzt mit KI Unterst\u00fctzung die Motiverkennung in Bildern und Videos sowie die visuelle<\/em> Erkennung von bekannten Personen des \u00f6ffentlichen Lebens (\u00bbcelebrities\u00ab). In der Summe bieten die KI-Techniken eine wesentlich reichhaltigere, automatische Zuordnung von Metadaten zu Texten, Bildern zu attraktiven Preisen und entlasten den Redakteur\/Reporter von dieser Aufgabe. F\u00fcr Sportvideos ist mit KI Verfahren eine automatische Verdichtung des Inhaltes auf die spielentscheidenden Szenen m\u00f6glich. Der Filmproduzent UFA setzt neuronale Netzwerke etwa f\u00fcr die automatische \u00dcbersetzung und Untertitelung von Serienvideos in sehr viele andere Sprachen ein. Eine manuelle Synchron\u00fcbersetzung solcher Serienvideos w\u00e4re aus Kostengr\u00fcnden \u00fcberhaupt nicht wirtschaftlich.<\/p>\n Die datengesteuerte, automatische Generierung von Wetterberichten,<\/em> von Sportberichten<\/em> (z.B. im Breitensport, Washington Post’s Heliograf<\/em>) und von Unternehmensberichten<\/em> (z.B. Bloomberg) nimmt aus Kostengr\u00fcnden einen immer breiteren Raum im Journalismus ein. Bei Bloomberg enth\u00e4lt schon ein Viertel aller Texte in den Produkten des Unternehmens automatisch generierte Inhalte. Die ethische Frage, ob solche Berichte explizit als Roboter- bzw. Datenjournalismus gekennzeichnet werden sollten, wurde auf den Medientagen M\u00fcnchen im Panel zu KI und Meinungsbildung, -vielfalt kontrovers diskutiert.<\/p>\n Die Personalisierung von redaktionellen Inhalten und werblichen Angeboten sind heute eine der unstrittigen St\u00e4rken von Amazon, Facebook, Netflix, … . Die Personalisierung erfolgt auf Basis eines mit KI-Verfahren erstellten individuellen Interessensprofils f\u00fcr jeden Nutzer dieser Dienste. F\u00fcr Facebook wird diese Profilbildung und -verwendung von dessen KI-Chef Yann LeCun in einem aktuellen Interview [1]<\/a> plastisch und detailliert beschrieben. In den Medien dominiert Netflix den Einsatz von KI-Verfahren zur Personalisierung seiner Angebote; das Thema gewinnt aber auch gerade f\u00fcr personalisierte elektronische Programmf\u00fchrer (EPG) f\u00fcr H\u00f6rfunk und Fernsehen zunehmend an Bedeutung.<\/p>\n Eine besondere Bedeutung haben nat\u00fcrlichsprachliche Chatbots im Kundenservice. Sie k\u00f6nnen heute nicht nur die typischen Anfragen und Beschwerden von Kunden erkennen, im Dialog verarbeiten und das Notwendige veranlassen. Die KI kann auch die aktuelle Gef\u00fchlslage eines Kunden aus seiner Sprache erkennen. Sie kann dann entsprechend korrektiv reagieren. Oder einen menschlichen Service Agenten entsprechend informieren, an den das Gespr\u00e4ch nach Kl\u00e4rung des grunds\u00e4tzlichen Kundenanliegens weitergereicht wird. Typischerweise wird der Chatbot auf Basis des individuellen Kundenprofils das Gespr\u00e4ch steuern. In dieses Profil flie\u00dfen die Historie der Kundenbeziehung und die erkannte Gef\u00fchlslage des Kunden aus dem aktuellen Gespr\u00e4ch ein. Insbesondere wird das K\u00fcndigungsrisiko ermittelt. Durch eine entsprechende Tonalit\u00e4t und Konzessionsbereitschaft des Gespr\u00e4chs sowie spezifische Angebote versucht der Chatbot, eine solche K\u00fcndigung m\u00f6glichst zu vermeiden. Unter diesem Motto bieten die gro\u00dfen Plattformbetreiber wie Amazon, Google, … pay-per-use<\/em> Services f\u00fcr einen einfachen Zugang<\/strong> zu KI-Technologien an. Amazon’s AWS bietet etwa den Zugriff auf KI Technologien in drei Ebenen an. Application services<\/i> erlauben die Verwendung von vortrainierten neuronalen Netzwerken f\u00fcr Bilder und Sprache. Sie sind ohne Kenntnisse der dort eingesetzten KI Technologien durch Kunden zu verwenden. Die Ausgangsdaten m\u00fcssen aber stets zuvor in die S3 Cloud des Anbieters geladen werden.<\/p>\n Die AWS application services<\/em> nutzen intern die AWS platform services. <\/i>Diese erlauben dem KI-Experten bzw. Datenwissenschaftler die Erprobung und Konfiguration spezifischer Algorithmen und Modelle des maschinellen Lernens f\u00fcr k\u00fcnstliche neuronale Netzwerke. Wer sich selber auch um die massiv parallele KI-Hardware der neuronalen Netzwerke k\u00fcmmern m\u00f6chte, kann direct die AWS framework and infrastructure services<\/em> nutzen und einen skalierbaren Verbund von NVDIA Grafikprozessoren steuern. Nutzungsgrundlage ist ein hochflexibles Mietmodell f\u00fcr die entsprechende Hardware.<\/p>\n Neben der Zug\u00e4nglichkeit von KI-Technologien stellen die Ausgewogenheit<\/strong> und Kontrolle der Schlussfolgerungen<\/strong> ein weiteres Problemfeld dar.<\/p>\n Die Schlussfolgerungen, die ein k\u00fcnstliches neuronales Netz gem\u00e4\u00df seinem erlernten Wissen aus Eingabedaten abgeleitet hat, sind ein Ergebnis a) der Trainingsdaten und b) der Verarbeitungsalgorithmen in den einzelnen Neuronen. Eine Erkl\u00e4rungsf\u00e4higkeit dieser Schlussfolgerungen ist damit praktisch kaum gegeben. Es gibt insbesondere eine deutliche Abh\u00e4ngigkeit dieser Schlussfolgerungen von der Qualit\u00e4t und Ausgewogenheit der Trainingsdaten [2].<\/a><\/p>\n Es ist aber bei Weitem nicht nur f\u00fcr den Journalismus relevant, wie Schlussfolgerungen von KI-Systemen zustande kommen. Die Verwendung solcher Systeme im US Justizsystem etwa f\u00fcr die Strafzumessung und Strafaussetzung zur Bew\u00e4hrung verdeutlicht die Risiken [3]<\/a>.<\/p>\n Es ist eine zunehmend verbreitete Einsch\u00e4tzung, dass k\u00fcnstliche Intelligenz eine der Schl\u00fcsseltechnologien des 21. Jahrhunderts sein wird. Man sollte sich aber \u00fcber den aktuellen Stand des Einsatzes dieser Technologie im Alltagsleben keinen Illusionen hingeben. Vor wenigen Tagen st\u00fcrzte eine nagelneue Boeing 737 Max in Indonesien ab – offenkundig wegen technischer Probleme [4]<\/a>. 189 Menschen verloren ihr Leben. Boeing bietet f\u00fcr die Maschinen dieser Bauart sein \u201eOnboard Network System (ONS)\u201c an. Unter Verwendung einer Satellitenverbindung zum Flugzeug ist mit ONS in Echtzeit eine Analyse der aktuellen technischen Daten des Flugzeuges sowie eine pr\u00e4diktive Analyse fehlerhafter Aggregate der Maschine m\u00f6glich. Das ONS realisiert damit auch eine Echtzeit „Black Box“ des Flugzeuges. Das System war bei der Fluglinie (aus wirtschaftlichen Gr\u00fcnden) nicht<\/strong> in Verwendung. Nach einer der beiden Aufzeichnungsger\u00e4te, die f\u00fcr die Unfallaufkl\u00e4rung von gr\u00f6\u00dfter Wichtigkeit ist, wird bis heute vergeblich gesucht. Sie ist vermutlich beim Aufschlag des Flugzeuges auf die Meeresoberfl\u00e4che unwiderruflich zerst\u00f6rt worden. Unter anderem wehren sich Pilotenverb\u00e4nde gegen eine laufende \u00dcberwachung ihrer Maschinen – und damit Ihrer fliegerischen T\u00e4tigkeit. K\u00fcnstliche Intelligenz hat also noch mit deutlichen Akzeptanzproblemen in der Praxis zu k\u00e4mpfen. Selbst dann, wenn es um Hunderte von Menschenleben und Investitionsg\u00fcter in mehrstelliger Millionenh\u00f6he geht.<\/p>\n Bei einer Befragung von B\u00fcrgern Deutschlands, Frankreichs, Spaniens, der USA, Gro\u00dfbritanniens, Kanadas und China war die Ablehnungsquote von k\u00fcnstlicher Intelligenz mit 20% in Deutschland von allen L\u00e4ndern am h\u00f6chsten, mit 2% in China am niedrigsten (USA, Gro\u00dfbritannien, Frankreich, jeweils: 10%, 12%, 14%).<\/p>\n In China besitzt das Thema k\u00fcnstliche Intelligenz einen strategischen Stellenwert in der wirtschaftlichen Entwicklung [5]<\/a>. Der chinesische Staat sieht die Zukunftstechnologie nicht nur als Eckpfeiler zur Sicherung seiner Position als zuk\u00fcnftige Supermacht. China m\u00f6chte bis 2030 im Bereich der KI nicht nur eine technisch\/wirtschaftliche Spitzenposition erreichen. KI wird dort auch in einer politischen Dimension als geeignete technologische Basis zur fl\u00e4chendeckenden \u00dcberwachung der Bev\u00f6lkerung und Sicherung der Stabilit\u00e4t des politischen Systems gesehen. Ob dies in einer einzigartigen „Daten Diktatur“ m\u00fcnden wird, wie es die „Welt“ vision\u00e4r voraussieht [6]<\/a>, bleibt der Einsch\u00e4tzung des Lesers \u00fcberlassen. Nach einer Prognose der OECD [7]<\/a> werden im Jahr 2030 jedenfalls etwa 37% der Hochschulabsolventen aus den OECD\/G20 Staaten in den relevanten KI-Wissenschaftsf\u00e4chern Informatik, Mathematik, den Natur-<\/em> und den Ingenieurwissenschaften<\/em> aus China kommen. Die USA und Russland steuern noch ca. 4,5% der Absolventen bei, Deutschland ganze 1,4%!<\/p>\n Neben dem Thema KI waren die Medientage M\u00fcnchen nat\u00fcrlich durch Diskussionen zu aktuellen Fragen des Journalismus gepr\u00e4gt. Der bekannte amerikanische Medien-Vordenker Prof. Jeff Jarvis erl\u00e4uterte seine neue (Aufgaben)Definition von Journalismus: „convene communities into civil, informell, and productive conversation“.<\/i> Er bekannte, dass seine bisherige These, dass die Zukunft des Zeitungsjournalismus im hyperlokalen Blogging und entsprechender Berichterstattung zu sehen sei, ein Fehler war.<\/p>\n Jarvis pl\u00e4dierte stattdessen jetzt f\u00fcr einen \u00bbentrepreneurial journalism\u00ab, der M\u00e4rkte und Nutzer besser als bisher versteht. Dabei stehen sowohl die gezielte Entwicklung des journalistischen Produktes, aber auch der Nutzer- \/ Lesergemeinde, gleichwertig im Vordergrund. „Story telling“ als zentrale journalistische Mitteilungsform sei wichtig, aber nicht genug. „We desperately need new advertising models, based on value, not attention.<\/em> Trust matters more than ever.“ Und den (deutschen) journalistischen Startups hielt Jarvis vor, zu sehr mittelst\u00e4ndisch zu denken, „but, you need to conquer the world“.<\/em> Jarvis sieht hier noch deutliche Chancen f\u00fcr die digitalen Medien mit seiner zentralen These: „In Gutenberg time, the internet is very young, premature, and not yet understood by media!<\/em>“<\/p>\n Die zentrale Wichtigkeit von Plattformen zur Ausspielung digitaler Medienprodukte ist unbestritten. Die erdr\u00fcckende Macht der Plattformbetreiber Google\/Alphabet, Apple, Facebook, Amazon (GAFA) liegt insbesondere darin, dass sie exklusiv den Kundenzugang verwalten und die Nutzungsgewohnheiten auswerten. Letzteres wiegt im Zeitalter der KI besonders schwer, siehe auch [1]<\/a>. Von daher kreiste die Diskussion der Medientage M\u00fcnchen darum, ob deutsche Medienunternehmen hier \u00fcberhaupt mehr als eine Anpassungs-<\/em> oder Ausweichstrategie<\/em> realisieren k\u00f6nnen? Die bisherigen Antworten der Medienunternehmen sind der Aufbau neuer Gesch\u00e4ftssparten au\u00dferhalb des GAFA Produktportfolios, wie die Rubrikenportale<\/em> von Springer und Bewertungsplattformen<\/em> von Burda. Die Effizienzplattform der Ippen Gruppe wurde von Chefredakteur Thomas Kaspar vorgestellt.<\/p>\n Die Plattform st\u00fctzt sich auf standardisierte Inhaltsformate, eine eigene Empfehlungstechnologie sowie eine Zentralredaktion als Service f\u00fcr alle Plattformpartner, um eine m\u00f6glichst hohe Reichweite erzielen zu k\u00f6nnen. F\u00fcr den Leser relevante, substanzielle und nachpr\u00fcfbare Inhalte stehen im Vordergrund. Zur Realisierung einer hohen Reichweite muss sich die Gestaltung der journalistischen Produkte an den technologischen Rahmenbedingungen der Plattform und einer Fokussierung auf die Nutzungszahlen orientieren. „Nutzer nehmen Inhalte, die ihre Probleme l\u00f6sen!<\/i>“ Von daher gewinnt das Thema Content Marketing f\u00fcr solche Portale zunehmend an Bedeutung.<\/p>\n Das Thema political correctness<\/em> bestimmte den Inhalt des abschlie\u00dfenden Journalismusgipfels der Medientage. Der eingeladene ORF Chefredakteur TV-Information Dr. Armin Wolf verdichtete das Thema in seinem Impulsreferat beispielhaft an der Verwendung des Begriffs „Neger“. Dieser Begriff ist, nach \u00fcbereinstimmender \u00dcberzeugung nicht nur der Teilnehmer der Podiumsdiskussion, nat\u00fcrlich nicht mehr zeitgem\u00e4\u00df und zul\u00e4ssig. Alle mit dem Begriff Angesprochenen f\u00fchlen sich hierdurch angegriffen und bewusst in einen kolonialen Kontext gestellt. Andererseits findet ein Anteil von bis zu 30% der Bev\u00f6lkerung den Begriff „Neger“ durchaus noch verwendungsf\u00e4hig. Dieser Bev\u00f6lkerungskreis wird durch die heutigen Medien typischerweise nicht mehr erreicht; die Medien werden in diesen Kreisen als L\u00fccken-<\/em> oder L\u00fcgenpresse<\/em> wahrgenommen. Mit der klassischen Definition von Qualit\u00e4tsjournalismus als Angebot an die Vernunft der Leser – <\/i>gegen\u00fcber anderen journalistischen Formen, die eher auf die Emotionen der Leser<\/i> setzen – ist es nicht getan. F\u00fcr die entsprechenden Bev\u00f6lkerungsgruppen findet sich deren Lebensrealit\u00e4t nicht mehr ausreichend in den Medien abgebildet. Die selbstkritische Frage des Podiums war, ob relevante Themen nicht intensiv genug recherchiert werden, wenn es im Ergebnis „Beifall von der falschen Seite“ geben k\u00f6nnte? Auch der demokratische Erziehungs-\/Bildungsauftrag, den die Alliierten nach dem Zweiten Weltkrieg mit der Vergabe von Zeitungslizenzen an die Verleger klar verbunden haben, k\u00f6nnte heute noch auf eine zu „staatstragende“ Berichterstattung und Bewertung Einfluss nehmen. \u00dcbereinstimmung auf dem Podium herrschte dar\u00fcber, dass Inhalte immer aus einer Haltung heraus entstehen. Und es geh\u00f6rt zu den Grundprinzipien des journalistischen Handwerks, Recherche\/Aufkl\u00e4rung, Bericht und Bewertung klar – und in dieser Reihenfolge – voneinander zu trennen. Was aber, wenn klar berichtete Fakten von den Rezipienten nicht mehr geglaubt und in ihr Gegenteil verdreht werden (\u00bbalternative Wahrheiten\u00ab)? Argumente nicht mehr nur als falsch, sondern „b\u00f6se“ empfunden werden? Da waren auch die Teilnehmer des diesj\u00e4hrigen Journalismusgipfels am Ende ihrer Weisheit. Das Thema d\u00fcrfte also in den n\u00e4chsten Jahren weiter aufgegriffen werden.<\/p>\n <\/a>[1] Alexander Armbruster: KI Superstar CeCun im Gespr\u00e4ch: „Ohne KI funktioniert Facebook nicht“<\/a> FAZ.net vom 6.11.2018<\/p>\n <\/a>[2] Eva Wolfangel: Google und die Frau am Herd – Weshalb k\u00fcnstliche Intelligenz anf\u00e4llig ist f\u00fcr Rassismus, Rollenklischees und Vorurteile<\/a>, Zeit Online vom 12.07.2017, Die Zeit Nr. 29 \/ 2017<\/p>\n <\/a>[3] Jason Tashea: Courts are using AI to sentence criminals. That must Stop now.<\/a> WIRED vom 17.04.2017<\/p>\n <\/a>[4] Gerhard Hegmann: Flugzeugabstz\u00fcrze \/ Die Suche nach der Blackbox ist eine technische Farce,Welt vom 06.11.2018<\/a><\/p>\n <\/a>[5] S.Hua et al.: Das Gro\u00dfe Rennen um k\u00fcnstliche Intelligenz<\/b> – Wie China bei der Technologie der Zukunft zur Supermacht aufsteigt<\/a>, Handelsblatt Wochenende Special vom 26.10.2018, pp.56-66<\/p>\n <\/a>[6] Johnny Ehrling: Daten Diktatur \/ „In China entsteht, was wir noch nie gesehen haben“<\/a>, Welt+ vom 30.10.2018<\/p>\n <\/a>[7] Aus diesen L\u00e4ndern stammen die Ingenieure der Zukunft<\/a>, Manager Magazin vom 11.05.2015<\/p>\n","protected":false},"excerpt":{"rendered":"\n
Maschinelles Lernen mit neuronalen Netzwerken<\/h3>\n
![\"Referat](\"https:\/\/www.lustcon.de\/WordPress\/journalismus-auf-augenhoehe\/files\/2018\/11\/Thomas-Ross-IBM-Global-services-MMT-2018.jpg\")
<\/a>Anwendungsfelder k\u00fcnstlicher Intelligenz in den Medien<\/h3>\n
I Pr\u00e4diktive Wartung in der Drucktechnik<\/h4>\n
II Inhaltserschlie\u00dfung von Texten, Bild- und Videodaten<\/h4>\n
III Inhaltsgenerierung, Datenjournalismus<\/h4>\n
<\/a>IV Personalisierter Inhalt und Service<\/h4>\n
\n<\/a><\/p>\nDemokratisierung der K\u00fcnstlichen Intelligenz<\/h3>\n
\n
K\u00fcnstliche Intelligenz (KI) als Schl\u00fcsseltechnologie des 21. Jahrhunderts<\/h3>\n
Entrepreneurial Journalism<\/h3>\n
<\/a>Dominanz der Plattformen<\/h3>\n
<\/a>
Medientage M\u00fcnchen 2018<\/figcaption><\/figure>\nDen Leser erreichen, aber nicht erziehen!<\/h3>\n
<\/a>Referenzen<\/h3>\n