Hier findest du alle Cases aus den vergangenen Labs. Spannende Prototypen rund um Künstliche Intelligenz sowie Virtual und Mixed Reality.
Wie verändern innovative Technologien die Zukunft der Medien? Im Prototyping Lab suchen wir Antworten auf diese und ähnliche Fragen.
Wir eröffnen talentierten Studierenden der Hamburger Hochschulen und experimentierfreudigen Medien- und Digitalunternehmen die Chance, in nur drei Monaten funktionsfähige Prototypen zu entwickeln. Am Puls der Zeit werden im Lab neue Marktideen entwickelt und technologische Herausforderungen für Unternehmen gelöst. Dabei werden die interdisziplinären Studierenden-Teams von namhaften Branchenexpert*innen als Mentor*innen unterstützt.
Im Prototyping Lab 2022 haben 12 Studierende aus vier Hochschulen KI-Lösungen für den Carlsen Verlag, den Jahreszeiten Verlag und RMS entwickelt.
Die Challenge von Team Carlsen bestand darin, eine KI zu entwickeln, die das Lettering bei der Übersetzung ausländischer Comics erleichtert. Dieser Prozess erfolgt normalerweise von Hand und ist deshalb zeit-, personal- und kostenintensiv. Die KI soll die Sprechblasen ausländischer Comics automatisch erkennen, ihre Form und Größe bestimmen und anschließend mit deutschen Texten neu befüllen. Dabei soll der Text optisch ansprechend und in passende Paragrafen unterteilt eingefügt werden.
Die Studierenden entwickelten einen Prototyp, der zunächst per optischer Zeichenerkennung Worte erkennt und diese anschließend in Gruppen zuordnet, die jeweils eine Sprechblase repräsentieren. Die Sprechblasen werden in der Version des Comics mit leeren Sprechblasen von dem Prototyp gefunden und ausgemessen. Da das Programm die Sprechblasen im Originalcomic nummeriert hat, können die Übersetzungstexte mithilfe der Messdaten passend in ihre jeweilige Sprechblase eingefügt werden.
Das Radio hat sich im Rahmen der digitalen Transformation zu einem Multichannel-Medium entwickelt. Eine der zentralen Fragen in dieser digitalen Welt ist die der Werbewirkung. Wie messen wir die Conversion eines digitalen Audiospots? Wie weisen wir nach, dass ein Audiospot aus einem Hörenden eine interagierende Person macht? Das Team RMS sollte deshalb im Rahmen des Prototyping Labs eine Lösung entwickeln, mit der die Wirkung von Werbung bei digitalen Audiospots gemessen werden kann.
Um diese Challenge zu lösen, entwickelten die Studierenden einen Algorithmus zur Audioerkennung. Der Algorithmus kann anhand von einer Sekunde eines Audiospots erkennen, ob dieser eine Audiowerbung von RMS ist oder nicht. Falls es als RMS-Audio erkannt wird, kann das Programm feststellen, um welchen Audiospot es sich handelt.
Das Team Jahreszeiten Verlag beschäftigte sich im Prototyping Lab mit der Herausforderung, ein Marktforschungstool für Entscheidungsträger*innen des Jahreszeiten Verlags zu entwickeln, mithilfe dessen Food-Trends für die Zielgruppe 20-30 Jahre identifiziert werden können. Langfristig sollen so auf der Datengrundlage des Tools strategische Produktentwicklungsentscheidungen getroffen werden können.
Das Team löste die Challenge, indem sie einen Prototypen mit mehreren Komponenten konzipierten. Bei der Data Collection werden zunächst mit einem Scraper Daten von TikTok gesammelt, die zur Trendanalyse verwendet werden können. Anschließend werden die Daten mithilfe anderer Programme aufbereitet und so gespeichert, dass sie von Entscheidungsträger*innen des Jahreszeiten Verlag ausgelesen und für Produktentwicklungsentscheidungen genutzt werden können.
Ob in einem Verlag, einem Medienhaus oder einer Agentur – künstliche Intelligenz kann die Zukunft der Medien verändern. Im Prototyping Lab 2021 haben 20 Studierende aus fünf Hochschulen mit vier Partnerunternehmen zusammengearbeitet und KI-Lösungen für Herausforderungen der Content-Branche entwickelt.
Die Challenge: Im Carlsen Verlag erscheinen jährlich mehr als 700 Bücher. Wie kann ein KI-Tool bei der Nachdruckentscheidung helfen, die ideale Bestellmenge und den Zeitpunkt zu bestimmen? Ziel war es, die Kosten für Lager, Produktion und Abfall zu reduzieren und gleichzeitig die Lieferfähigkeit zu sichern.
Der Prototyp: Zunächst wurden die internen Lagerabverkaufsdaten, Metadaten der Titel und Kalkulationstabellen analysiert. Bei der Umsetzung entschied sich das Team für einen Orchestration-Ansatz, bei dem die Clusterung der Daten und der Einsatz eines rekurrenten neuronalen Netzes (RNN) kombiniert wurden. Der Empfehlungsprozess teilt sich dabei in zwei Phasen auf: Dem Vorhersagen der Abverkaufsverläufe und der Berechnung der Nachdruckentscheidung. Bei einem finalen Test überzeugte der Prototyp mit realitätsnahen Prognosen und einem enormen Zeitersparnis, da pro Titel die Kalkulationszeit um 50% reduziert werden konnte (von 3 auf 2 Stunden).
Die Challenge: Das Archiv auf spiegel.de beinhaltet mehr als eine Million Artikel. Wie kann der Spiegel seine großen Mengen an Artikeln und Metainformationen mithilfe von Künstlicher Intelligenz sinnvoll verarbeiten und daraus neue Angebote schaffen?
Der Prototyp: Im Kickoff-Workshop entstand die Idee, einen interaktiven und übersichtlichen Jahresrückblick zu erstellen. Das Team entschied sich für die Umsetzung das bereits vortrainierte Open-Source-KI-Modell “Spa.cy” zu nutzen, das schon eine sehr hohe Trefferquote (91%) in diesem Bereich vorweist. Aufgrund der kurzen Zeit und der großen Menge an Daten wurde der Prototyp auf das Jahr 2020 und die Entität Personen eingegrenzt. Unter dem Arbeitstitel “Spiegel-Zeitreise” ist eine Web-Applikation entstanden, die mittels Künstlicher Intelligenz aus dem Archiv einen visuellen Jahresrückblick mit den fünf wichtigsten Persönlichkeiten und weiterführenden Informationen und Artikeln zu ihnen erstellt. Das dafür genutzte Backend-System mit angeschlossener Datenbank könnte in Zukunft auch für andere Einsatzzwecke genutzt werden, z. B. für die Zusammenfassung und automatische Verschlagwortung von Texten.
Die Challenge: Markenführung wird im digitalen Zeitalter immer komplexer und herausfordernder. Fork Unstable Media hat dafür den Modular Branding-Ansatz entwickelt, mit dem sie Marken als dynamische “Persönlichkeiten“, sog. Brand Tokens, interpretiert. Wie kann mittels KI das Potenzial dieses Modells genutzt werden, um Markenprofile automatisch anzupassen?
Der Prototyp: Als Ansatzpunkt wählte das Team die mittels Machine Learning ermittelten Präferenzen der User*innen, die in eine personalisierte Darstellung der Webseite übersetzt werden sollten. Hierfür wurden KPIs wie die Verweildauer oder Interaktionsrate definiert. Das größte Problem bestand in den fehlenden Nutzungsdaten, weswegen sich das Team für das Training mit künstlichen Nutzer*innen unter realen Bedingungen entschied. Eine Performance-KI überprüft die definierten KPIs der Webseite, während eine Design-KI die Darstellung der Webseite automatisiert anpasst. Nach 2000 Wiederholungen liegt die Treffergenauigkeit bei 30% und damit deutlich über den Werten, die eine menschliche Schätzung ergeben würde.
Die Challenge: tigermedia steht vor der Herausforderung, die über 10.000 Titel in ihrer Mediathek, zu der regelmäßig neue Inhalte dazukommen, zu pflegen und zu kategorisieren. Ziel des Labs war es daher, die Menge an Content intelligent zu analysieren und aufzubereiten, um die damit verbundenen Prozesse zu optimieren.
Der Prototyp: Mithilfe von KI konnte ein vollständig automatisierter Prozess zur Extrahierung und Analyse von Content entwickelt werden, der für jeden neuen Titel angewendet werden kann. Um neue Metadaten automatisiert generieren zu können, mussten die Audiodateien zunächst via Text-to-Speech-Technologie in Volltext transkribiert werden. Anschließend wurde dieser Text im sog. Embedding in Vektoren umgewandelt. Auf dieser Basis wurden die einzelnen Audiotitel dann mithilfe des DBScan Algorithmus in Clustern, die sich ähnlich sind, zusammengefasst. So können für mehrere Titel, also pro Cluster, passende Schlagworte bzw. Tags empfohlen werden. In zwölf Minuten analysiert und kategorisiert das Tool 14 Titel – in dieser Zeit kann ein Mensch nicht mal einen Titel komplett anhören. Als Add-On wurde ein Bad Mouth-Filter, der neue Titel auf für Kinder ungeeignete Begriffe durchsucht und diese kennzeichnet.
Zum Technologie-Schwerpunkt KI haben Hamburger Hochschulen gemeinsam mit dem Spiegel, N-Joy und Bauer Media beeindruckende Prototypen gebaut.
Wie kann das „House of Food“ der Bauer Media Group mittels KI schnell auf neue Trends im Food-Segment reagieren? Als Lösung wurde eine intelligente Rezeptdatenbank entwickelt, bei der Zutaten nach Merkmalen wie „vegan“ oder „glutenfrei“ klassifiziert wurden. Basierend auf einem manuellen Tagging von rund 2000 Dateien konnte das neuronale Netz trainiert werden, sodass der Prototyp vorhandene Rezepte und Bilder automatisch taggen kann. Zusätzlich wurden folgende Funktionen integriert: die Suche nach Food-Trends und Ernährungsformen, eine Reverse Image Search und ein Tool zur Nährwertberechnung.
Bei Ad Fraud handelt es sich um betrügerische Anzeigen, hinter denen sich u.a. minderwertige Produkte oder Schadsoftware verbergen. Bislang konnte dieses Problem nur ex post und unter hohem manuellen Aufwand gelöst werden. Der Prototyp für Der Spiegel wurde mittels einer Support Vector Machine und einem Bot auf dem Google Ad Manager aufgesetzt. Zur Klassifikation der Werbemittel sollte die KI zunächst alle aktuellen und neuen Werbemittel mit einer Metadaten- und Bildanalyse prüfen und anschließend fragwürdige Werbemittel automatisch blockieren. Das Ergebnis überzeugt: In den 2000 Testdaten wurden betrügerische Anzeigen zu 95% korrekt identifiziert.
Die Challenge: Um im Wettbewerb mit Streamingdiensten wie Spotify erfolgreich zu bleiben, soll eine KI der Musikredaktion dabei helfen, neue Songs auszuwählen, die den Hörer*innen mit einer hohen Wahrscheinlichkeit gefallen werden.
Der Prototyp: Die KI ist ein einfaches neuronales Netzwerk, das Musiktitel auf Ähnlichkeiten anhand von 33 Merkmalen untersucht. Im Analysetool werden die Song-Dateien eingelesen und Eigenschaften wie Geschwindigkeit, Tonart und der Songtext überprüft und bewertet. Mithilfe von Umfrageergebnissen und 500 durch die Redaktion von N-Joy vorab bewerteten Songs konnte der Erfolg des Prototypen in der Testphase überprüft werden. Um die Benutzerfreundlichkeit für Redakteure zu gewährleisten, wurde eine simple grafische Benutzeroberfläche für Linux-Systeme entwickelt. Die Music Prediction Machine lernt ständig dazu und kann so immer genauere Vorhersagen für neue Songs treffen.
Im ersten Lab experimentierten Hamburger Studierende mit Bauer, Foodboom und dem Spiegel mit XR-Technologien (VR, AR und 360°).
Wie kann vorhandener digitaler Content für VR-Anwendungen adaptiert und verwertet werden? Die Idee: Das Traumhaus mit eigenen Händen aufbauen und gestalten – virtuell und spielerisch nach dem Prinzip eines DIY-Baukastens. Der Prototyp für Xcel Media arbeitete mit der gesamten Palette der VR-Technik: eine VR-Brille, zwei Controllern und auf diese abgestimmte Sensoren im Raum, die eine realistische Bewegung im virtuellen Raum ermöglichen. Potenziell könnten in der Anwendung sogar ganze Themenwelten implementiert, Werbepartner platziert, Produkte in einen Warenkorb gelegt und online bezahlt werden.
Wie kann VR-Storytelling in die Prozesse einer Redaktion integriert werden und welchen Mehrwert bieten solche multimedialen Formate in Zukunft? Als Prototyp einer VR-Reportage entwickelte das Team die 10-minütige VR-Live-Experience „Behind the Moon“ zum 50. Jahrestag der Mondlandung. Funksprüche und Tagebuchaufzeichnungen in Audioform sowie Infomarker über die Raumfähre ergänzen die Reportage, die auf Spiegel Online veröffentlicht wurde. Um die Nutzung auch ohne VR-Equipment möglich zu machen, wurde zusätzlich ein 360° Video produziert.
Die Challenge: Als Lifestyle-Marke für digitalen Food-Content sucht Foodboom nach neuen Multimedia-Anwendungen mit Mehrwert, die sich gut in die eigenen Angebote und soziale Plattformen integrieren lassen.
Der Prototyp: Der „Foodbot“ erkennt mithilfe der Kamerafunktion Lebensmittel und macht daraufhin passende Rezeptvorschläge. Am Ende des Prozesses hatte das Team 3500 selbst fotografierte Labels für 18 ausgewählte Zutaten und 20 eigens dafür angefertigte Rezepte erstellt. Technologisch stützt sich die Smartphone-App auf Augmented Reality (AR) und Machine Learning. Der Vorteil von AR: Es kann innovativer Content geschaffen werden, der niedrigschwellig ist, geringe Anschaffungskosten aufweist und sich somit leichter in den Medienmix integrieren lässt als eine VR-Anwendung. Gleichzeitig kommen die Nutzer*innen in den Genuss interaktiver, digitaler Realitäten, sodass sich der funktionsfähige Prototyp mit diesem Erlebnis-Mehrwert klar von anderen Foodboom-Angeboten abgrenzt.
