Projekt: RadioBrain
KI-gestützte vollautomatisierte Hörerkommunikation
Kann generative Künstliche Intelligenz mehr leisten als handelsübliche Chatbots, die bereits bei Radiosendern im Einsatz sind? Das KI-Reallabor hat untersucht, was möglich ist.
Projektanstoß
Radio-Programminhalte entstehen während der Sendung dynamisch und lassen sich weder vollständig vorab planen noch manuell aufbereiten. Bisherige Chatbot-Lösungen setzen auf statische Datenquellen und können deshalb keine Fragen zum laufenden Programm beantworten. Inhalte zu aktuellen Gästen oder kürzlich behandelten Themen bleiben damit unsichtbar.
Ohne zusätzliche Schutzmaßnahmen lassen sich diese Angebote zudem dazu bewegen, in stark polarisierte politische Diskussionen einzusteigen oder Inhalte zu erzeugen, die klar außerhalb des vorgesehenen Nutzungskontexts lagen. Derartige Interaktionen im Namen eines Senders stellen erhebliche Reputationsrisiken dar.
Lösungsansatz der Machbarkeitsstudie
RadioBrain adressiert diese Schwächen bestehender Systeme durch zwei technische Kernansätze.
Für die technische Umsetzung wurden ausschließlich lokal betreibbare Komponenten eingesetzt, darunter ein lokales Embedding-Modell zur Umwandlung von Texten in Vektorrepräsentationen. Damit verbleiben sämtliche Verarbeitungsschritte innerhalb der eigenen KI-Infrastruktur, um datenschutzrechtliche Vorgaben der DSGVO zu erfüllen.
Echtzeit-Integration von Live-Programmdaten
Das laufende Radioprogramm wird per Speech-to-Text mit wenigen Sekunden Zeitversatz transkribiert, mit Zeitstempeln versehen und in kurze Textsegmente unterteilt.
Diese Transkripte fließen gemeinsam mit statischen redaktionellen Inhalten wie Sendungsbeschreibungen, Aktionen und Team-Informationen in eine Vektor-Datenbank ein und stehen dem System damit als durchsuchbare Wissensquelle zur Verfügung.
RadioBrain erkennt, dass ein Song der Rock-Band Linkin Park um 04:07 Uhr im Programm von Antenne Bayern zuhören war.
Retrieval-Augmented-Generation (RAG)
Jede Höreranfrage durchläuft eine Abfolge spezialisierter Komponenten: Ein vorgeschaltetes Filtermodell prüft zunächst, ob die Anfrage im redaktionell definierten thematischen Rahmen liegt. Zulässige Anfragen werden anschließend an die relevanten Wissensquellen weitergeleitet, ein Generator-Modell formuliert darauf basierend eine Antwort in natürlicher Sprache.
Ein separates „Kritiker-Modell" überprüft diese abschließend auf sachliche Korrektheit, Vollständigkeit und Einhaltung redaktioneller Vorgaben. Damit verbindet RadioBrain systematisch Betriebssicherheit und inhaltliche Qualität.
Der Prototyp bezieht Informationen aus dem laufenden Radio-Programm, indem Transkripte der Show-Inhalte referenziert werden.
Bedeutung für die Medienbranche
RadioBrain stammt aus einer Phase, in der generative KI im Medienbetrieb noch weitgehend als experimentell galt. Seither hat sich die Technologie rasant weiterentwickelt: Offen verfügbare Sprachmodelle haben qualitativ massiv aufgeholt und der RAG-Ansatz hat sich als De-facto-Standard für wissensbasierte KI-Anwendungen etabliert.
Auch regulatorisch hat sich die Lage konkretisiert. Die EU-KI-Verordnung ist schrittweise in Kraft getreten und stellt Medienunternehmen vor zunehmend verbindliche Compliance-Anforderungen. Der Prototyp erweist sich damit rückblickend nicht nur als technisch valider Machbarkeitsnachweis, sondern auch als strategisch weitsichtige Grundlage für Medienunternehmen, die jetzt den Schritt in Richtung Produktivsystem gehen wollen.
Relevante Links und Ressourcen
Weitere Projekte entdecken
