Studenten der Universität Hamburg, der Fachhochschule Wedel und der Hamburg Media School haben in Zusammenarbeit mit den Medienhäusern N-JOY, SPIEGEL MEDIA und Bauer Media Group KI-basierte Prototypen entwickelt: Eine Music Prediction Machine, ein Filter gegen betrügerische und unpassende Werbung und eine intelligente Rezeptdatenbank. Alle drei waren die Ergebnisse eines dreimonatigen Projekts und wurden im Rahmen des Prototyping Lab Reveals bei designxport Hamburg zum ersten Mal der Öffentlichkeit präsentiert.
Das Team N-Joy bewertete für seine Music Prediction Machine 500 Songs, die sie von der jungen Welle des NDR zur Verfügung gestellt bekamen, um auf deren Basis eine KI zu entwickeln und zu trainieren. Das Ziel war, herauszufinden, wie Musikredakteure bei der Auswahl neuerschienener Songs unterstützt werden können. Die Music Prediction Machine, die die Studenten entwickelt haben, soll die Musiktitel nach verschiedenen Merkmalen analysieren und berechnen, wie hoch die Wahrscheinlichkeit ist, dass die Titel beim „der durchschnittlichen Hörer“ gut ankommen.
Dazu analysiert ein Audio Analyzer die Titel nach 33 Kriterien wie Geschwindigkeit, Stimmung oder Genre und spielt die Ergebnisse dann an eine KI-Anwendung aus. Anschließend werden die Ergebnisse von der KI mit den Umfrageergebnissen und dem bisherigen Hörverhalten und Geschmack der Zielgruppe abgeglichen, bevor das User Interface die neuen Resultate für die Redakteure aufbereitet. Natürlich sei diese KI noch keine Music Predicition Machine, die man bei N-JOY tagtäglich einsetzen könne, man könne aber auf dem Prototyping Lab als Forschungszusammenarbeit aufbauen, erklärte Dr. Johanna Leuschen, Redakteurin für Innovation bei N-JOY.
Der Prototyp des Teams von SPIEGEL MEDIA soll unseriöse Creatives des GoogleAdManagers automatisch blockieren und betrügerische und unpassende Werbung herausgefiltern. Aktuell sei es bei 2,5 Millionen Werbemitteln, die potenziell automatisiert ausgespielt werden können, schlicht nicht möglich, Fake Ads händisch zu identifizieren, erklärte das Entwicklerteam. Also entwickelten die Studenten eine sogenannte Support Vector Machine, die „basierend auf klassifizierten Daten Vorhersagen über den Urheber der Werbemittel treffen kann“. Da diese Daten jedoch nicht über eine Schnittstelle ausgelesen werden können, kreierte das Team einen zusätzlichen Bot, mit dem der GoogleAdManager durchsucht werden kann. So konnte schließlich Creative für Creative verifiziert werden und mit diesen Erkenntnissen die KI trainiert werden – wobei die Trefferquote am Ende bei stolzen 95% lag.
Das Team der Bauer Media Group hatte auf Grundlage von 100.000 Bildern und Rezepten bestimmte Merkmale definiert und rund 2.000 Dateien manuell getaggt, um ein neuronales Netz trainieren zu können. Auf dieser Basis entwickelten sie eine intelligente Datenbank, die das Archiv des HOUSE OF FOOD rückwirkend mit neuen Metadaten versieht und dadurch neue Suchmöglichkeiten eröffnet. Das neuronale Netz die vorhandenen Rezepte und Bilder nach Merkmalen wie Farbe und Zutat automatisch taggen. Zusätzlich gibt es in der Datenbank eine Reverse-Searching-Funktion. So können die Redakteure nicht nur unbekannte Rezepte finden, sondern auch nach Kalorien oder Kriterien wie vegan, glutenfrei, zuckerfrei oder laktosefrei filtern suchen und dadurch mit bereits vorhandenem Archivmaterial verbinden. Malte Jensen, Verlagsleiter im HOUSE OF FOOD lobte die jungen Entwickler und meinte, „man könnte im Prinzip direkt anfangen, damit zu arbeiten.“
Titelbild: Projekt-Teams und Mentoren des zweiten Prototyping Lab © nextMedia.Hamburg
Related Posts:
