Auf welchem Niveau befinden sich heute von KI erstellte Texte? Im Grunde sind automatisiert erstellte Texte von menschlichen nicht mehr zu unterscheiden, sagt Alexander Siebert, Founder und Geschäftsführer von Retresco, im Interview. Seine These ist auch: Die KI-basierte Textautomatisierung wird die Arbeit von Medien und im Marketing massiv verändern.
Künstliche Intelligenz hat dazu geführt, dass inzwischen Texte automatisiert erstellt werden können. Ist die Qualität von menschlich formulierten Texten noch unterscheidbar?
Siebert: Im „Massengebrauch“ sind menschlich und automatisiert generierte Texte nicht mehr unterscheidbar. Der Mensch hat bei großen Mengen maschinell produzierter Produkt-, Kategorie- und SEO-Texten inzwischen gewissermaßen das Nachsehen, da größere Textmengen kaum bewältigbar sind, geht es doch schnell um mehrere Zehntausend oder Hunderttausend Texte. Zugleich bieten moderne Tools hinsichtlich Textvarianz eine praktisch unbegrenzte inhaltliche Vielfalt. Zudem wird bei sauber aufgesetzten Content-Erstellungsprozessen Duplicate Content und textliche Leerstellen vermieden.
Der Mensch kann sie also nicht mehr unterscheiden. Und Google?
Siebert: Was die ewige Diskussion betrifft, ob Google menschlich erstellte Texte höher rankt, möchte ich klarstellen, dass Google nicht zwischen manuell und gut automatisiert generierten Content unterscheiden kann. Vor allem muss der automatisch generierte Content einen hohen Nutzwert haben und darf nicht allein für Google geschrieben werden. Wenn er für die User funktioniert, funktioniert er auch für Google.
Mit welchen Infos und Daten muss ich die KI „füttern“, um professionell formulierte Texte zu erhalten?
Siebert: Bedingung für einwandfreie Texte sind Daten etwa in tabellarischer Form sowie die Bereitstellung möglichst großer Mengen entsprechender Informationen. Überall dort, wo solche Daten vorhanden sind oder sich generieren lassen, kann mithilfe von NLG („Natural Language Generation“) variantenreicher und personalisierter Content automatisiert erstellt werden. Neben Digital Commerce finden sich die naheliegendsten Use Cases meist im Medienbereich, an der Börse sowie in der automatisierten Berichterstattung für Sport, Wirtschaft und Wetter.
Im NLG-Bereich lassen sich wiederum zwei technologische Hauptströme unterscheiden. Und zwar die regelgetriebene, auf Textmodellen basierte Automation sowie End-to-End-Ansätze auf Basis großer Sprachmodelle wie GPT-3. Bei dem regelgetriebenen Ansatz werden die vorliegenden Daten im Rahmen eines initialen Trainings interpretiert und für eine regelmäßige Textgenerierung entsprechende Vorgaben definiert. Anschließend generiert das Tool im laufenden Betrieb eigenständig neue Texte. Hierdurch lassen sich Content-Prozesse in großem Umfang zu 100 Prozent automatisieren. End-to-End-Ansätze nutzen große, auf dem Internet trainierte sogenannte Sprachmodelle, um sehr schnell ohne Training Textvorschläge zu generieren. Hierbei ist jedoch stets eine Endkontrolle nötig. Damit eignet sich die Technologie nur für sehr geringe Mengen von Content, bei denen ein Mensch die redaktionelle Endkontrolle hat. Wir von Retresco kombinieren seit kurzem beide Ansätze unter dem Begriff "Hybrid NLG".
Wieviel Arbeit ist nötig, bis die Texte vollständig automatisiert erstellt werden?
Siebert: Der initiale Aufwand für die Einrichtung und Trainings der Textmodelle liegt bei unserem Tool bei im Schnitt zwei bis drei Tagen. Anschließend erfolgt die Content-Erstellung komplett automatisiert und in Top-Qualität. Im laufenden Betrieb werden alle Texte fehlerfrei generiert und sind grammatikalisch korrekt. Auch lassen sich rechtlich überprüfbare und verifizierbare Aussagen erstellen. Mit der bereits erwähnten Kombination aus regelgetriebenen Textmodellen und End-to-End-Automation sind grundsätzlich überhaupt keine Trainings der Textmodelle mehr erforderlich, da diese automatisiert durch GPT-3 erfolgen. Deshalb ist für unsere GPT-3-Assistenz initial kein sprachliches Onboarding mehr erforderlich. Zugleich stehen „Out of the Box“ unterschiedlichste Content-Typen zur Verfügung, nicht nur etwa Produktbeschreibungen und Kategorie-Seiten, sondern auch kreativer Content wie Social Media Posts, Ads oder QA Pages.
Retresco bietet seine KI namens textengine.io für unterschiedliche Bereiche an: für Marketing-Texte, aber auch redaktionelle Beiträge. Macht das in der Vorgehensweise einen Unterschied?
Siebert: Im Marketing-Bereich geht es vorrangig darum, Produkt-, Kategorie- und SEO-Texte in großen Mengen und großer Varianz zur Verfügung zu stellen. Für überzeugende Marken- und Produkterlebnisse ermöglichen wir eine durchgängig konsistente Zielgruppenansprache und Tonalität. Auch sorgen wir für einfache und jederzeit skalierbare Erstellungsprozesse. Dies ist nicht zuletzt umsatzrelevant, weil wir eine Vielzahl internationaler Sprachen unterstützen. Im redaktionellen Umfeld sprechen wir dagegen von deutlich weniger Texten. In allen Branchen geht es aber letztendlich um Large Scale Content-Automatisierung. Das zeigt auch unser Kunde ImmobilienScout24. Mit unserer Lösung können die Nutzer:innen der Plattform von ImmobilienScout24 On Demand Immobilienexposees in Echtzeit erstellen. Die Vorgehensweise unterscheidet sich dabei aber nicht zu anderen Use Cases aus dem Digital Commerce oder dem Medienbereich.
Auf Eurer Referenzliste stehen Kunden wie RP Online oder MediaMarkt Saturn. Was ist für die Unternehmen der größte Benefit, wenn eine Künstliche Intelligenz die Textarbeiten übernimmt?
Siebert: Mit RP Online arbeiten wir u. a. im Bereich der automatisierten Wahlberichterstattung zusammen. So konnte das Online-Portal der Rheinischen Post bei der zurückliegenden Bundestagswahl seinen Online-Traffic mit uns um 20 Prozent steigern. MediaMarktSaturn war mit uns in der Lage, seine Content-Produktion auf einige wenige Schultern zu konzentrieren und generiert heute mehr als 300.000 Produktbeschreibungen.
Grundsätzlich ermöglichen wir unseren Kunden mehr Effizienz bei ihren Erstellungsprozessen, was sich in deutlich schnelleren Umsetzungszeiten und weniger Kosten niederschlägt. Künstliche Intelligenz ermöglicht einen Content-Output, der menschlichen Qualitätsansprüchen gerecht wird. Zugleich ermöglichen wir praktisch unendlich vielen Textvariationen, um Produkte kanalübergreifend zu skalieren und auffindbar zu machen – und helfen Erstellungsprozesse intern zu vereinfachen und zu bündeln.
Wie viel kostet so eine Implementierung?
Siebert: Die Frage nach den Kosten lässt sich nicht pauschal beantworten, da diese immer von den kundenseitigen Anforderungen für das Content-Projekt abhängen. Zentrale Fragen sind hierbei, wie groß die zu verarbeiteten Textmengen sind, welche Content-Typen verarbeitet und welche Sprachen unterstützt werden sollen.
Wird es im Marketing bald ganz normal sein, sich erstmal Textvorschläge von einer KI machen zu lassen?
Siebert: Die KI-basierte Textautomatisierung wird das Marketing natürlich nicht ersetzen, aber die Arbeit wird sich ändern. Content-Erstellungsprozesse werden sich durch die neuen Technologien ändern. Sowohl für einen einzelnen Artikel als auch für hunderttausende Texte. KI-Assistenz-Systeme werden überall Einzug halten und die tägliche Arbeit und Arbeitsprozesse vor allem mit vielen Inhalten ändern.
Viele Teams haben auch bereits auf die automatisierte Erstellung von Produkt-, Kategorie- und SEO-Texten umgesattelt – speziell bei einer Fülle zu unterstützender Sprachen. Die Effizienzgewinne sind enorm. Die meisten Marketing-Teams wären ohne KI gar nicht mehr in der Lage, Produktinformationen für die unterschiedlichsten Kanäle und Kontaktpunkte immer wieder aufs Neue anzupassen und zu aktualisieren sowie regelmäßig neue Angebote auszurollen. KI und Automatisierung helfen hierbei schnell und interaktionsstark zu agieren – und alle Touchpoints zu berücksichtigen.
Das Interview führte Helmut van Rinsum
Alexander Siebert ist Gründer und Geschäftsführer von Retresco und anerkannter Experte für die Automatisierung textgetriebener und semantikbasierter Geschäftsmodelle. Im Anschluss an sein Studium der Computerlinguistik an der Universität Potsdam war er an der Berlin-Brandenburgischen Akademie der Wissenschaften tätig. Retresco hat er 2008 gegründet – bei dem Berliner KI-Unternehmen arbeiten heute über 70 Computerlinguisten, Sprachwissenschaftler, Machine-Learning-Experten und Software-Entwickler.
Alexander Siebert ist Gründer und Geschäftsführer von Retresco und anerkannter Experte für die Automatisierung textgetriebener und semantikbasierter Geschäftsmodelle. Im Anschluss an sein Studium der Computerlinguistik an der Universität Potsdam war er an der Berlin-Brandenburgischen Akademie der Wissenschaften tätig. Retresco hat er 2008 gegründet – bei dem Berliner KI-Unternehmen arbeiten heute über 70 Computerlinguisten, Sprachwissenschaftler, Machine-Learning-Experten und Software-Entwickler.
Auf welchem Niveau befinden sich heute von KI erstellte Texte? Im Grunde sind automatisiert erstellte Texte von menschlichen nicht mehr zu unterscheiden, sagt Alexander Siebert, Founder und Geschäftsführer von Retresco, im Interview. Seine These ist auch: Die KI-basierte Textautomatisierung wird die Arbeit von Medien und im Marketing massiv verändern.
Künstliche Intelligenz hat dazu geführt, dass inzwischen Texte automatisiert erstellt werden können. Ist die Qualität von menschlich formulierten Texten noch unterscheidbar?
Siebert: Im „Massengebrauch“ sind menschlich und automatisiert generierte Texte nicht mehr unterscheidbar. Der Mensch hat bei großen Mengen maschinell produzierter Produkt-, Kategorie- und SEO-Texten inzwischen gewissermaßen das Nachsehen, da größere Textmengen kaum bewältigbar sind, geht es doch schnell um mehrere Zehntausend oder Hunderttausend Texte. Zugleich bieten moderne Tools hinsichtlich Textvarianz eine praktisch unbegrenzte inhaltliche Vielfalt. Zudem wird bei sauber aufgesetzten Content-Erstellungsprozessen Duplicate Content und textliche Leerstellen vermieden.
Der Mensch kann sie also nicht mehr unterscheiden. Und Google?
Siebert: Was die ewige Diskussion betrifft, ob Google menschlich erstellte Texte höher rankt, möchte ich klarstellen, dass Google nicht zwischen manuell und gut automatisiert generierten Content unterscheiden kann. Vor allem muss der automatisch generierte Content einen hohen Nutzwert haben und darf nicht allein für Google geschrieben werden. Wenn er für die User funktioniert, funktioniert er auch für Google.
Mit welchen Infos und Daten muss ich die KI „füttern“, um professionell formulierte Texte zu erhalten?
Siebert: Bedingung für einwandfreie Texte sind Daten etwa in tabellarischer Form sowie die Bereitstellung möglichst großer Mengen entsprechender Informationen. Überall dort, wo solche Daten vorhanden sind oder sich generieren lassen, kann mithilfe von NLG („Natural Language Generation“) variantenreicher und personalisierter Content automatisiert erstellt werden. Neben Digital Commerce finden sich die naheliegendsten Use Cases meist im Medienbereich, an der Börse sowie in der automatisierten Berichterstattung für Sport, Wirtschaft und Wetter.
Im NLG-Bereich lassen sich wiederum zwei technologische Hauptströme unterscheiden. Und zwar die regelgetriebene, auf Textmodellen basierte Automation sowie End-to-End-Ansätze auf Basis großer Sprachmodelle wie GPT-3. Bei dem regelgetriebenen Ansatz werden die vorliegenden Daten im Rahmen eines initialen Trainings interpretiert und für eine regelmäßige Textgenerierung entsprechende Vorgaben definiert. Anschließend generiert das Tool im laufenden Betrieb eigenständig neue Texte. Hierdurch lassen sich Content-Prozesse in großem Umfang zu 100 Prozent automatisieren. End-to-End-Ansätze nutzen große, auf dem Internet trainierte sogenannte Sprachmodelle, um sehr schnell ohne Training Textvorschläge zu generieren. Hierbei ist jedoch stets eine Endkontrolle nötig. Damit eignet sich die Technologie nur für sehr geringe Mengen von Content, bei denen ein Mensch die redaktionelle Endkontrolle hat. Wir von Retresco kombinieren seit kurzem beide Ansätze unter dem Begriff "Hybrid NLG".
Wieviel Arbeit ist nötig, bis die Texte vollständig automatisiert erstellt werden?
Siebert: Der initiale Aufwand für die Einrichtung und Trainings der Textmodelle liegt bei unserem Tool bei im Schnitt zwei bis drei Tagen. Anschließend erfolgt die Content-Erstellung komplett automatisiert und in Top-Qualität. Im laufenden Betrieb werden alle Texte fehlerfrei generiert und sind grammatikalisch korrekt. Auch lassen sich rechtlich überprüfbare und verifizierbare Aussagen erstellen. Mit der bereits erwähnten Kombination aus regelgetriebenen Textmodellen und End-to-End-Automation sind grundsätzlich überhaupt keine Trainings der Textmodelle mehr erforderlich, da diese automatisiert durch GPT-3 erfolgen. Deshalb ist für unsere GPT-3-Assistenz initial kein sprachliches Onboarding mehr erforderlich. Zugleich stehen „Out of the Box“ unterschiedlichste Content-Typen zur Verfügung, nicht nur etwa Produktbeschreibungen und Kategorie-Seiten, sondern auch kreativer Content wie Social Media Posts, Ads oder QA Pages.
Retresco bietet seine KI namens textengine.io für unterschiedliche Bereiche an: für Marketing-Texte, aber auch redaktionelle Beiträge. Macht das in der Vorgehensweise einen Unterschied?
Siebert: Im Marketing-Bereich geht es vorrangig darum, Produkt-, Kategorie- und SEO-Texte in großen Mengen und großer Varianz zur Verfügung zu stellen. Für überzeugende Marken- und Produkterlebnisse ermöglichen wir eine durchgängig konsistente Zielgruppenansprache und Tonalität. Auch sorgen wir für einfache und jederzeit skalierbare Erstellungsprozesse. Dies ist nicht zuletzt umsatzrelevant, weil wir eine Vielzahl internationaler Sprachen unterstützen. Im redaktionellen Umfeld sprechen wir dagegen von deutlich weniger Texten. In allen Branchen geht es aber letztendlich um Large Scale Content-Automatisierung. Das zeigt auch unser Kunde ImmobilienScout24. Mit unserer Lösung können die Nutzer:innen der Plattform von ImmobilienScout24 On Demand Immobilienexposees in Echtzeit erstellen. Die Vorgehensweise unterscheidet sich dabei aber nicht zu anderen Use Cases aus dem Digital Commerce oder dem Medienbereich.
Auf Eurer Referenzliste stehen Kunden wie RP Online oder MediaMarkt Saturn. Was ist für die Unternehmen der größte Benefit, wenn eine Künstliche Intelligenz die Textarbeiten übernimmt?
Siebert: Mit RP Online arbeiten wir u. a. im Bereich der automatisierten Wahlberichterstattung zusammen. So konnte das Online-Portal der Rheinischen Post bei der zurückliegenden Bundestagswahl seinen Online-Traffic mit uns um 20 Prozent steigern. MediaMarktSaturn war mit uns in der Lage, seine Content-Produktion auf einige wenige Schultern zu konzentrieren und generiert heute mehr als 300.000 Produktbeschreibungen.
Grundsätzlich ermöglichen wir unseren Kunden mehr Effizienz bei ihren Erstellungsprozessen, was sich in deutlich schnelleren Umsetzungszeiten und weniger Kosten niederschlägt. Künstliche Intelligenz ermöglicht einen Content-Output, der menschlichen Qualitätsansprüchen gerecht wird. Zugleich ermöglichen wir praktisch unendlich vielen Textvariationen, um Produkte kanalübergreifend zu skalieren und auffindbar zu machen – und helfen Erstellungsprozesse intern zu vereinfachen und zu bündeln.
Wie viel kostet so eine Implementierung?
Siebert: Die Frage nach den Kosten lässt sich nicht pauschal beantworten, da diese immer von den kundenseitigen Anforderungen für das Content-Projekt abhängen. Zentrale Fragen sind hierbei, wie groß die zu verarbeiteten Textmengen sind, welche Content-Typen verarbeitet und welche Sprachen unterstützt werden sollen.
Wird es im Marketing bald ganz normal sein, sich erstmal Textvorschläge von einer KI machen zu lassen?
Siebert: Die KI-basierte Textautomatisierung wird das Marketing natürlich nicht ersetzen, aber die Arbeit wird sich ändern. Content-Erstellungsprozesse werden sich durch die neuen Technologien ändern. Sowohl für einen einzelnen Artikel als auch für hunderttausende Texte. KI-Assistenz-Systeme werden überall Einzug halten und die tägliche Arbeit und Arbeitsprozesse vor allem mit vielen Inhalten ändern.
Viele Teams haben auch bereits auf die automatisierte Erstellung von Produkt-, Kategorie- und SEO-Texten umgesattelt – speziell bei einer Fülle zu unterstützender Sprachen. Die Effizienzgewinne sind enorm. Die meisten Marketing-Teams wären ohne KI gar nicht mehr in der Lage, Produktinformationen für die unterschiedlichsten Kanäle und Kontaktpunkte immer wieder aufs Neue anzupassen und zu aktualisieren sowie regelmäßig neue Angebote auszurollen. KI und Automatisierung helfen hierbei schnell und interaktionsstark zu agieren – und alle Touchpoints zu berücksichtigen.
Das Interview führte Helmut van Rinsum
Alexander Siebert ist Gründer und Geschäftsführer von Retresco und anerkannter Experte für die Automatisierung textgetriebener und semantikbasierter Geschäftsmodelle. Im Anschluss an sein Studium der Computerlinguistik an der Universität Potsdam war er an der Berlin-Brandenburgischen Akademie der Wissenschaften tätig. Retresco hat er 2008 gegründet – bei dem Berliner KI-Unternehmen arbeiten heute über 70 Computerlinguisten, Sprachwissenschaftler, Machine-Learning-Experten und Software-Entwickler.
Alexander Siebert ist Gründer und Geschäftsführer von Retresco und anerkannter Experte für die Automatisierung textgetriebener und semantikbasierter Geschäftsmodelle. Im Anschluss an sein Studium der Computerlinguistik an der Universität Potsdam war er an der Berlin-Brandenburgischen Akademie der Wissenschaften tätig. Retresco hat er 2008 gegründet – bei dem Berliner KI-Unternehmen arbeiten heute über 70 Computerlinguisten, Sprachwissenschaftler, Machine-Learning-Experten und Software-Entwickler.
Auf welchem Niveau befinden sich heute von KI erstellte Texte? Im Grunde sind automatisiert erstellte Texte von menschlichen nicht mehr zu unterscheiden, sagt Alexander Siebert, Founder und Geschäftsführer von Retresco, im Interview. Seine These ist auch: Die KI-basierte Textautomatisierung wird die Arbeit von Medien und im Marketing massiv verändern.
Künstliche Intelligenz hat dazu geführt, dass inzwischen Texte automatisiert erstellt werden können. Ist die Qualität von menschlich formulierten Texten noch unterscheidbar?
Siebert: Im „Massengebrauch“ sind menschlich und automatisiert generierte Texte nicht mehr unterscheidbar. Der Mensch hat bei großen Mengen maschinell produzierter Produkt-, Kategorie- und SEO-Texten inzwischen gewissermaßen das Nachsehen, da größere Textmengen kaum bewältigbar sind, geht es doch schnell um mehrere Zehntausend oder Hunderttausend Texte. Zugleich bieten moderne Tools hinsichtlich Textvarianz eine praktisch unbegrenzte inhaltliche Vielfalt. Zudem wird bei sauber aufgesetzten Content-Erstellungsprozessen Duplicate Content und textliche Leerstellen vermieden.
Der Mensch kann sie also nicht mehr unterscheiden. Und Google?
Siebert: Was die ewige Diskussion betrifft, ob Google menschlich erstellte Texte höher rankt, möchte ich klarstellen, dass Google nicht zwischen manuell und gut automatisiert generierten Content unterscheiden kann. Vor allem muss der automatisch generierte Content einen hohen Nutzwert haben und darf nicht allein für Google geschrieben werden. Wenn er für die User funktioniert, funktioniert er auch für Google.
Mit welchen Infos und Daten muss ich die KI „füttern“, um professionell formulierte Texte zu erhalten?
Siebert: Bedingung für einwandfreie Texte sind Daten etwa in tabellarischer Form sowie die Bereitstellung möglichst großer Mengen entsprechender Informationen. Überall dort, wo solche Daten vorhanden sind oder sich generieren lassen, kann mithilfe von NLG („Natural Language Generation“) variantenreicher und personalisierter Content automatisiert erstellt werden. Neben Digital Commerce finden sich die naheliegendsten Use Cases meist im Medienbereich, an der Börse sowie in der automatisierten Berichterstattung für Sport, Wirtschaft und Wetter.
Im NLG-Bereich lassen sich wiederum zwei technologische Hauptströme unterscheiden. Und zwar die regelgetriebene, auf Textmodellen basierte Automation sowie End-to-End-Ansätze auf Basis großer Sprachmodelle wie GPT-3. Bei dem regelgetriebenen Ansatz werden die vorliegenden Daten im Rahmen eines initialen Trainings interpretiert und für eine regelmäßige Textgenerierung entsprechende Vorgaben definiert. Anschließend generiert das Tool im laufenden Betrieb eigenständig neue Texte. Hierdurch lassen sich Content-Prozesse in großem Umfang zu 100 Prozent automatisieren. End-to-End-Ansätze nutzen große, auf dem Internet trainierte sogenannte Sprachmodelle, um sehr schnell ohne Training Textvorschläge zu generieren. Hierbei ist jedoch stets eine Endkontrolle nötig. Damit eignet sich die Technologie nur für sehr geringe Mengen von Content, bei denen ein Mensch die redaktionelle Endkontrolle hat. Wir von Retresco kombinieren seit kurzem beide Ansätze unter dem Begriff "Hybrid NLG".
Wieviel Arbeit ist nötig, bis die Texte vollständig automatisiert erstellt werden?
Siebert: Der initiale Aufwand für die Einrichtung und Trainings der Textmodelle liegt bei unserem Tool bei im Schnitt zwei bis drei Tagen. Anschließend erfolgt die Content-Erstellung komplett automatisiert und in Top-Qualität. Im laufenden Betrieb werden alle Texte fehlerfrei generiert und sind grammatikalisch korrekt. Auch lassen sich rechtlich überprüfbare und verifizierbare Aussagen erstellen. Mit der bereits erwähnten Kombination aus regelgetriebenen Textmodellen und End-to-End-Automation sind grundsätzlich überhaupt keine Trainings der Textmodelle mehr erforderlich, da diese automatisiert durch GPT-3 erfolgen. Deshalb ist für unsere GPT-3-Assistenz initial kein sprachliches Onboarding mehr erforderlich. Zugleich stehen „Out of the Box“ unterschiedlichste Content-Typen zur Verfügung, nicht nur etwa Produktbeschreibungen und Kategorie-Seiten, sondern auch kreativer Content wie Social Media Posts, Ads oder QA Pages.
Retresco bietet seine KI namens textengine.io für unterschiedliche Bereiche an: für Marketing-Texte, aber auch redaktionelle Beiträge. Macht das in der Vorgehensweise einen Unterschied?
Siebert: Im Marketing-Bereich geht es vorrangig darum, Produkt-, Kategorie- und SEO-Texte in großen Mengen und großer Varianz zur Verfügung zu stellen. Für überzeugende Marken- und Produkterlebnisse ermöglichen wir eine durchgängig konsistente Zielgruppenansprache und Tonalität. Auch sorgen wir für einfache und jederzeit skalierbare Erstellungsprozesse. Dies ist nicht zuletzt umsatzrelevant, weil wir eine Vielzahl internationaler Sprachen unterstützen. Im redaktionellen Umfeld sprechen wir dagegen von deutlich weniger Texten. In allen Branchen geht es aber letztendlich um Large Scale Content-Automatisierung. Das zeigt auch unser Kunde ImmobilienScout24. Mit unserer Lösung können die Nutzer:innen der Plattform von ImmobilienScout24 On Demand Immobilienexposees in Echtzeit erstellen. Die Vorgehensweise unterscheidet sich dabei aber nicht zu anderen Use Cases aus dem Digital Commerce oder dem Medienbereich.
Auf Eurer Referenzliste stehen Kunden wie RP Online oder MediaMarkt Saturn. Was ist für die Unternehmen der größte Benefit, wenn eine Künstliche Intelligenz die Textarbeiten übernimmt?
Siebert: Mit RP Online arbeiten wir u. a. im Bereich der automatisierten Wahlberichterstattung zusammen. So konnte das Online-Portal der Rheinischen Post bei der zurückliegenden Bundestagswahl seinen Online-Traffic mit uns um 20 Prozent steigern. MediaMarktSaturn war mit uns in der Lage, seine Content-Produktion auf einige wenige Schultern zu konzentrieren und generiert heute mehr als 300.000 Produktbeschreibungen.
Grundsätzlich ermöglichen wir unseren Kunden mehr Effizienz bei ihren Erstellungsprozessen, was sich in deutlich schnelleren Umsetzungszeiten und weniger Kosten niederschlägt. Künstliche Intelligenz ermöglicht einen Content-Output, der menschlichen Qualitätsansprüchen gerecht wird. Zugleich ermöglichen wir praktisch unendlich vielen Textvariationen, um Produkte kanalübergreifend zu skalieren und auffindbar zu machen – und helfen Erstellungsprozesse intern zu vereinfachen und zu bündeln.
Wie viel kostet so eine Implementierung?
Siebert: Die Frage nach den Kosten lässt sich nicht pauschal beantworten, da diese immer von den kundenseitigen Anforderungen für das Content-Projekt abhängen. Zentrale Fragen sind hierbei, wie groß die zu verarbeiteten Textmengen sind, welche Content-Typen verarbeitet und welche Sprachen unterstützt werden sollen.
Wird es im Marketing bald ganz normal sein, sich erstmal Textvorschläge von einer KI machen zu lassen?
Siebert: Die KI-basierte Textautomatisierung wird das Marketing natürlich nicht ersetzen, aber die Arbeit wird sich ändern. Content-Erstellungsprozesse werden sich durch die neuen Technologien ändern. Sowohl für einen einzelnen Artikel als auch für hunderttausende Texte. KI-Assistenz-Systeme werden überall Einzug halten und die tägliche Arbeit und Arbeitsprozesse vor allem mit vielen Inhalten ändern.
Viele Teams haben auch bereits auf die automatisierte Erstellung von Produkt-, Kategorie- und SEO-Texten umgesattelt – speziell bei einer Fülle zu unterstützender Sprachen. Die Effizienzgewinne sind enorm. Die meisten Marketing-Teams wären ohne KI gar nicht mehr in der Lage, Produktinformationen für die unterschiedlichsten Kanäle und Kontaktpunkte immer wieder aufs Neue anzupassen und zu aktualisieren sowie regelmäßig neue Angebote auszurollen. KI und Automatisierung helfen hierbei schnell und interaktionsstark zu agieren – und alle Touchpoints zu berücksichtigen.
Das Interview führte Helmut van Rinsum
Alexander Siebert ist Gründer und Geschäftsführer von Retresco und anerkannter Experte für die Automatisierung textgetriebener und semantikbasierter Geschäftsmodelle. Im Anschluss an sein Studium der Computerlinguistik an der Universität Potsdam war er an der Berlin-Brandenburgischen Akademie der Wissenschaften tätig. Retresco hat er 2008 gegründet – bei dem Berliner KI-Unternehmen arbeiten heute über 70 Computerlinguisten, Sprachwissenschaftler, Machine-Learning-Experten und Software-Entwickler.
Alexander Siebert ist Gründer und Geschäftsführer von Retresco und anerkannter Experte für die Automatisierung textgetriebener und semantikbasierter Geschäftsmodelle. Im Anschluss an sein Studium der Computerlinguistik an der Universität Potsdam war er an der Berlin-Brandenburgischen Akademie der Wissenschaften tätig. Retresco hat er 2008 gegründet – bei dem Berliner KI-Unternehmen arbeiten heute über 70 Computerlinguisten, Sprachwissenschaftler, Machine-Learning-Experten und Software-Entwickler.
Trending
Newsletter
Hier erfährst Du einmal in der Woche, wo Künstliche Intelligenz in das Marketing eingreift, welche Trends sich abzeichnen und wie sie Kommunikation und Medien verändert. Informativ, unterhaltsam, nachdenklich.
Schließe Dich den 1.500+ Abonnenten an, kostenlos.
Trending
Newsletter
Hier erfährst Du einmal in der Woche, wo Künstliche Intelligenz in das Marketing eingreift, welche Trends sich abzeichnen und wie sie Kommunikation und Medien verändert. Informativ, unterhaltsam, nachdenklich.
Schließe Dich den 1.500+ Abonnenten an, kostenlos.
Trending
Newsletter
Hier erfährst Du einmal in der Woche, wo Künstliche Intelligenz in das Marketing eingreift, welche Trends sich abzeichnen und wie sie Kommunikation und Medien verändert. Informativ, unterhaltsam, nachdenklich.
Schließe Dich den 1.500+ Abonnenten an, kostenlos.