skip to Main Content
JETZT DEMO ANFORDERN >

AI Lab

Merkurist betreibt ein eigenes Labor für die Entwicklung von Technologien rund um künstliche Intelligenzen für Journalismus (Artificial Intelligence Lab/ AI Lab).

Das AI Lab entwickelt Ideen im Bereich Artificial Intelligence und setzt diese im Rahmen eines strukturierten Prozesses von Konzeptphase, Prototyping, Testing und Roll-out um.

Das AI-Lab hat bereits eine ganze Reihe an sehr weit entwickelten AI-Technologien entwickelt, die im Newsroom täglich zum Einsatz kommen. Hierzu gehören SCP, SCO, der virtuelle Chefredakteur, der Multi-Armed-Bandit Algorithmus. Schluss soll damit noch lange nicht sein.

Aktuelle Features in der Pipeline

Predictive Targeting

Mit Predicitve Targeting muss ein Kunde seine Ziegruppen und Targetingparameter selbst nicht definieren. Die Engine identifiziert die Zielgruppe, die am besten zu einem Werbeprodukt passt selbst auf Basis von User Profilen und Machine Learning. Aufgrund der Interaktionen der Leser können Conversions prognostiziert und die Auslieferung von Kampagnen optimiert werden.

Status: Phase 2 – Prototyping

Predictive Targeting Icon
User Prediction Score

User Prediction Score

Mit dem User Prediction Score bestimmt Merkurist den Wert einzelner Leser mit Blick auf ihre Fähigkeit, den Erfolg von Themen und Artikeln vorauszusagen, voll dynamisch. Hierbei wird zwischen Lesern unterschieden, die ein hohe Prognosekraft für erfolgreiche Themen haben und Lesern, die die Interaktionsmöglichkeiten von Merkurist im Wesentlichen zur Manipulation nutzen. Die Erkenntnisse versetzen verschiedene Newsroom-Algorithmen (z.B. den o-ha!-Algorithmus) in der Lage, Interaktionen verschiedener Leser unterschiedlich zu gewichten.

Status: Phase 3 – Testing

Predictive SCO

Mit Predicitve SCO wird der Autor eines Artikels bereits vor Veröffentlichung auf Schwachstellen in seinem Artikel hingewiesen. Die AI ist in der Lage, aus dem Lese-Verhalten der Vergangenheit Rückschlüsse auf die Qualität semantischer Konstrukte zu ziehen. Hierdurch können Schlussfolgerungen für die Nutzung derselben Konstrukte (Satzbausteine/Sätze) in zukünftigen Texten gezogen werden.

Status: Phase 1 – Concepting

Statistical Content OPtimization
Roboter Writing

Roboter Writing

Roboter Writing beschreibt die Technologie, mit der Merkurist zukünftig in der Lage sein wird, auf Basis von redaktionell validierten Informationsgrundlagen automatisch Texte zielgruppen- und lesergerecht zu produzieren. Auch an nicht-textgebundenen Formaten zur intelligenten Informationsaufbereitung (Audio, AR etc.) wird gearbeitet.

Die Kernaufgabe der Redakteure wird sich dadurch zunehmend zugunsten von Recherche bzw. Informationsbeschaffung, sowie Bewertung und Einordnung von Informationen verschieben.

Status: Phase 1 – Concepting

Topic Forecast Engine

Die Topic Forecast Engine ist in der Lage, selbstständige interessante Themen für ein Newsroomgebiet zu identifizieren und das Potential dieser Themen vorherzusagen. Die Topic Forecast Engine basiert auf einer Weiterentwicklung von Statistical Content Prognosis (SCP) und verfolgt das Ziel, aus der messbaren Interaktion mit den Lesern heraus solche Themen zu finden, die relevant innerhalb der Community sind.

Status: Phase 2 – Prototyping

Topic Engine
Information Radar

Automatic Information Radar

Der Automatic Information Radar sucht automatisch passende Informationen und Materialien zu einem Thema. Die Engine lernt dabei aus redaktionellen Entscheidung, u.a. welche Materialien Redakteure als „verlässlich“ bewerten und welche sie tatsächlich in Artikel einbinden.

Status: Phase 2 – Prototyping

Content Emotion Radar

Der Content-Emotion-Radar erlernt die emotionalen Stimmungen, die ein Artikel bei einem Leser hervorruft. Die AI speist sich aus dem analysierten Leseverhalten, den Interaktionen, bestimmten Schlüsselworten und den Profilen der Leser.

Status: Phase 1 – Concepting

Emotion Radar
Back To Top