Menu

Künstliche Intelligenz (KI) revolutioniert die Videoproduktion. Tools wie Luma und Sora automatisieren komplexe Aufgaben und steigern die Effizienz. Doch wie brauchbar sind diese Technologien wirklich? Ein Blick auf den aktuellen Stand der Dinge.

Die Videoproduktion ist seit jeher ein zeitintensiver Prozess, der kreatives Gespür und technische Präzision erfordert. Mit der zunehmenden Verfügbarkeit von künstlicher Intelligenz ändert sich jedoch vieles. KI-gestützte Tools wie Luma und Sora (noch nicht öffentlich verfügbar) versprechen, die Videoproduktion zu transformieren, indem sie Routineaufgaben automatisieren und kreative Prozesse unterstützen. Doch wie weit ist diese Technologie tatsächlich fortgeschritten – und wie nützlich sind diese Tools in der Praxis? In diesem Blog werfen wir einen detaillierten Blick auf den aktuellen Stand der KI in der Videoproduktion – und analysieren die Brauchbarkeit dieser Technologien.

Überblick über aktuell verfügbare KI in der Videoproduktion

Die Integration von KI in die Videoproduktion hat in den letzten Jahren erheblich zugenommen. Künstliche Intelligenz wird nicht nur für einfache Aufgaben wie das Schneiden und Bearbeiten von Videos eingesetzt, sondern auch für komplexere Prozesse wie die automatische Generierung von Spezialeffekten, die Analyse von Szenen – und neu sogar für das Erstellen kompletter (wenn auch kurzer) Videos, alleine anhand eines getexteten Prompts. Die Fähigkeit, grosse Mengen an Daten schnell zu verarbeiten und präzise Ergebnisse zu liefern macht KI zu einem mächtigen Werkzeug in der modernen Videobearbeitung. Dass nun sogar Videos ganz ohne Kameras, Licht, Darsteller und Schnittprogramme möglich sind, ist eine Disruption für die ganze Branche.

Technologien und Tools: Luma und Sora, Adobe Sensei, DeepBrain

Luma: Luma ist eines der führenden KI-Tools in der Videoproduktion. Es nutzt maschinelles Lernen und fortschrittliche Algorithmen, um Aufgaben wie die Erstellung von Spezialeffekten, das Tracken von Objekten und die Bildstabilisierung zu automatisieren. Luma kann auch Szenen analysieren und Vorschläge für die Farbkorrektur machen, wodurch der Arbeitsaufwand für Videoproduzierende erheblich reduziert wird. Ein besonderes Highlight von Luma ist die Möglichkeit, in Echtzeit Anpassungen vorzunehmen, was besonders bei Live-Produktionen ein «Killerargument» ist.

Sora: Sora ist ein weiteres KI-Tool, das sich auf die Automatisierung von Schnittprozessen und die Analyse von Videomaterial spezialisiert hat. Es kann Szenen analysieren, Schnittvorschläge machen und sogar den gesamten Bearbeitungsprozess automatisieren. Sora ist besonders nützlich für Produzenten, die grosse Mengen an Videomaterial schnell bearbeiten müssen. Durch die Fähigkeit, Muster und Stile zu erkennen, kann Sora den Schnittprozess erheblich beschleunigen, ohne dass dabei die kreative Kontrolle für den User verloren geht.

Weitere relevante Tools

Neben Luma und Sora gibt es eine Reihe weiterer KI-gestützter Tools, die in der Videoproduktion eingesetzt werden. Adobe Sensei, zum Beispiel, integriert KI-Funktionen in die Adobe Creative Cloud, um Aufgaben wie die automatische Bildbearbeitung und das Erstellen von Grafiken zu vereinfachen. DeepBrain nutzt neuronale Netze, um Animationen und visuelle Effekte zu generieren, die sonst manuell erstellt werden müssten.

Nutzen und praktische Anwendungen

Effizienzsteigerung: Einer der grössten Vorteile von KI-Tools in der Videoproduktion ist die erhebliche Effizienzsteigerung. Aufgaben, die früher Stunden oder sogar Tage in Anspruch genommen haben, können nun in einem Bruchteil der Zeit erledigt werden. Beispielsweise kann Luma in wenigen Minuten komplexe Spezialeffekte erstellen, die sonst manuelle Eingriffe und detaillierte Planung erfordern würden. Sora ermöglicht es, grosse Mengen an Videomaterial schnell und präzise zu schneiden, was besonders in der Nachrichten- und Sportberichterstattung zentral ist, wo Geschwindigkeit über den Erfolg entscheidet.

Qualitätsverbesserung: Neben der Effizienzsteigerung bieten KI-Tools auch signifikante Verbesserungen in der Qualität der Videoproduktion. Durch die automatische Farbkorrektur und die Anwendung von Filtern wirken Videos sofort einheitlicher und professioneller. Luma ermöglicht es, die Bildstabilität zu verbessern und verwackelte Aufnahmen zu korrigieren, was besonders bei Aufnahmen ohne Stativ hilft. Sora kann derweil Audio- und Videoelemente synchronisieren, wodurch der Endschnitt sauberer und kohärenter wirkt.

Kreative Unterstützung: KI-Tools bedeuten nicht nur Automatisierung, sie unterstützen auch die Video-Kreation. Sie fungieren z.B. als virtuelle Assistenten, die Vorschläge für Schnittpunkte liefern, alternative Szenenlayouts anbieten oder sogar kreative Effekte generieren. Sora ist beispielsweise in der Lage, verschiedene Schnittstile zu erkennen – und entsprechend Vorschläge zu machen, die den Stil des Produzenten ergänzen. Luma hingegen kann die Farbpalette eines Films analysieren und Vorschläge für Farbkorrekturen machen, die den visuellen Stil verbessern.

Anwendungsbeispiele

Ein anschauliches Beispiel für den erfolgreichen Einsatz von KI in der Videoproduktion ist die Nutzung von Luma bei der Erstellung von Werbespots. Dank der automatisierten Effekt-Generierung konnte ein Spot, der normalerweise mehrere Wochen in der Nachbearbeitung benötigt hätte, in wenigen Tagen fertiggestellt werden. Ein weiteres Beispiel ist der Einsatz von Sora in der Produktion von YouTube-Videos, bei denen grosse Mengen an Rohmaterial effizient bearbeitet – und in kurzer Zeit veröffentlicht wurden.

Herausforderungen und Grenzen

Technische Einschränkungen: Trotz der beeindruckenden Fähigkeiten von KI-Tools gibt es nach wie vor technische Einschränkungen. Komplexe kreative Entscheidungen, wie das Erzählen einer Geschichte durch den Schnitt – oder die bewusste Verwendung von visuellen Effekten – erfordern oft noch menschliches Eingreifen. Obwohl KI in der Lage ist, Muster zu erkennen und Vorschläge zu machen, ist sie noch weit davon entfernt, die kreative Intuition und das Erfahrungswissen eines erfahrenen Videoproduzenten zu ersetzen. Beispiel? «Mann steigt in ein Auto ein» versteht die KI auch schon mal im Stil des Films «Terminator 2 – Judgement Day» (1991): Der Mann läuft zum Auto und verschmilzt daraufhin komplett mit diesem. Danach fährt das Auto weg.

Kreative Kontrolle: Ein weiterer Punkt, der oft diskutiert wird, ist die Frage der kreativen Kontrolle. Während KI-Tools nützlich sein können, um Routineaufgaben zu automatisieren und Zeit zu sparen, besteht die Gefahr, dass sie den kreativen Prozess zu sehr standardisieren. Kreative Produzenten befürchten, dass zu viel Automatisierung zu einer Einheitsästhetik führen könnte, bei der individuelle Stile und innovative Ansätze auf der Strecke bleiben.

Kostenfaktor: Die Implementierung von KI-Tools in der Videoproduktion kann mit erheblichen Kosten verbunden sein, insbesondere für K(M)U oder unabhängige Filmemacher. Diese sind nicht immer gerechtfertigt – etwa, wenn die benötigten Funktionen nur selten zum Einsatz kommen. Zudem erfordert die professionelle Nutzung auch technische Expertise, was zusätzliche Ressourcen in Anspruch nimmt (Abwesenheiten, Kursgelder).

Fazit

Die Integration von KI in die Videoproduktion bietet immense Vorteile in Bezug auf Effizienz und Qualität, bleibt jedoch nicht ohne Herausforderungen. Tools wie Luma und Sora zeigen, wie künstliche Intelligenz den kreativen Prozess unterstützen und beschleunigen kann. Gleichzeitig müssen Produzenten die ideale Balance zwischen Automatisierung und kreativer Kontrolle finden. Während KI sicherlich viele Aspekte der Videoproduktion revolutioniert, bleibt der Mensch letztlich der Schlüssel zu wirklich innovativen und individuellen Ergebnissen. Denn die beste KI versagt, wenn die Anwender nicht sattelfest im Umgang damit sind.

Das könnte Dir auch gefallen

Und die Technologie hinter den Tools?

Die Technologie hinter diesen Tools basiert auf fortschrittlichen Algorithmen und neuronalen Netzen. Maschinelles Lernen ermöglicht es den Systemen, aus riesigen Mengen an Daten zu lernen und Muster zu erkennen. Natürliche Sprachverarbeitung (NLP) hilft dabei, die Bedeutung und den Kontext von Texten besser zu verstehen, während neuronale Netze die Verarbeitung und Analyse dieser Informationen ermöglichen. Kurz gesagt: Sie arbeiten ähnlich wie unser Gehirn – das bislang fortschrittlichste neuronale Netz. Was ihnen an Bewusstsein und Kreativität fehlt, haben sie uns an schierer Geschwindigkeit voraus.

Vorteile der automatisierter Medien-Analyse

Effizienz: Ein grosser Vorteil der KI-gestützten Medienüberwachung ist die immense Effizienzsteigerung. Früher dauerte es Stunden oder sogar Tage, um relevante Informationen manuell zu durchsuchen und zu analysieren. Heute können diese Aufgaben in wenigen Minuten erledigt werden. Dies ermöglicht es Unternehmen, schneller und gezielter auf Medienereignisse zu reagieren.

Skalierbarkeit: Die Fähigkeit, grosse Datenmengen in Echtzeit zu verarbeiten und zu analysieren, ist ein weiterer Vorteil. KI-Tools können Millionen von Quellen gleichzeitig überwachen und analysieren, was für menschliche Analysten unmöglich wäre. Diese Skalierbarkeit ist besonders wichtig in Zeiten von Informationsüberflutung und schnellen Nachrichtenzyklen.

Kosteneinsparungen: Durch die Automatisierung komplexer Analyseprozesse können Unternehmen erhebliche Kosteneinsparungen erzielen. Weniger Manpower ist erforderlich, um umfangreiche Medienüberwachungsprojekte durchzuführen.

Fazit

Die Integration von KI in die Medienüberwachung öffnet faszinierende neue Türen. Automatisierte Analysen verbessern die Effizienz, erhöhen die Skalierbarkeit und führen zu Kosteneinsparungen. Dennoch bleibt die menschliche Bewertung unverzichtbar, um den Kontext und die Nuancen, welche die KI möglicherweise übersieht, richtig zu interpretieren. Zudem hat KI durch das (uns unbekannte) Trainingsmaterial ein Bias (kognitive Verzerrung), das wir nicht verstehen. Das kann durchaus sowohl politisch wie wertemässig heikel sein. Die Zukunft der Medienüberwachung liegt deshalb in der Balance zwischen technologischen Innovationen und menschlichem Urteilsvermögen erfahrener Medienprofis.

Künstliche Intelligenz transformiert die Medienüberwachung. KI-Tools analysieren riesige Datenmengen in Rekordzeit, doch die menschliche Bewertung bleibt unverzichtbar. Ein harter Spagat zwischen Technologie und menschlichem Urteilsvermögen?

Die Medienüberwachung hat sich in den letzten Jahren rasant weiterentwickelt, vor allem dank des Einsatzes von künstlicher Intelligenz (KI). Automatisierte Tools ermöglichen es, Medieninhalte effizient und umfassend zu analysieren – von der Sentiment-Analyse (Stimmung in der Medienlandschaft) bis zur Trend-Erkennung. Trotz aller Fortschritte bleibt die Frage: Wie wichtig ist die menschliche Bewertung in einem zunehmend automatisierten Umfeld? In diesem Blog beleuchten wir die aktuellen Entwicklungen und die Zukunft der Medienüberwachung durch den Einsatz von KI.

Historischer Kontext: Entwicklung der Medienüberwachung

Die Medienüberwachung begann mit manuellen Methoden: Zeitungsartikel wurden von Hand ausgeschnitten und archiviert, Fernsehnachrichten manuell transkribiert. Mit dem Aufkommen digitaler Technologien in den 1990er Jahren liess sich dieser Prozess erheblich beschleunigen. Datenbanken und digitale Archive ersetzten rasch die physischen Schnipsel und ermöglichten eine effizientere Suche und Analyse.

Frühe KI in der Medienüberwachung

Die ersten Schritte der KI in der Medienüberwachung waren relativ simpel. In den frühen 2000er Jahren begannen Unternehmen, Algorithmen für die automatisierte Schlagwortsuche und einfache Sentiment-Analysen zu nutzen. Diese frühen Systeme hatten jedoch oft Schwierigkeiten mit der Genauigkeit und brachten auch kein Verständnis des Kontexts mit. Erst die Fortschritte im maschinellen Lernen und in der natürlichen Sprachverarbeitung (NLP) der letzten Jahre haben die Möglichkeiten dieser Tools potenziert.

Beispiele für automatisierte Tools und ihre Funktionen

Heutzutage gibt es zahlreiche KI-gestützte Tools, welche die Medienüberwachung revolutionieren. Zu den bekanntesten gehören Meltwater, Mention, Brandwatch und Talkwalker. Diese Tools bieten eine Vielzahl von Funktionen, die weit über einfache Schlagwortsuche hinausgehen.

Die digitalen Hilfsmittel können:

– Sentiment-Analysen durchführen, um die allgemeine Stimmung in Medienberichten zu erkennen

– Trend-Erkennung anwenden, um aufkommende Themen und Diskussionen frühzeitig zu identifizieren

– Echtzeit-Überwachung bieten, um sofort auf relevante Medieninhalte reagieren zu können

– Demografische Analysen durchführen, um zu verstehen, welche Zielgruppen über welche Themen sprechen

Im nächsten und letzten Teil des Blogs über «Medienüberwachung 2.0: Wie KI und deren Analysen die Branche verändern» gehen wir noch etwas genauer über die Technologie und automatisierter Medien-Analyse ein.

Vorteile automatisierter Design-Tools

Effizienz: Ein wesentlicher Vorteil der KI-gestützten Design-Tools ist die enorme Effizienzsteigerung. Aufgaben, die früher Stunden oder sogar Tage in Anspruch nahmen, können nun in Minuten erledigt werden. Dies ermöglicht es Designern, sich auf kreativere Aspekte ihrer Arbeit zu konzentrieren und gleichzeitig die Produktivität zu steigern.

Zugänglichkeit: Ein weiterer wichtiger Aspekt ist die Zugänglichkeit. Durch die Automatisierung komplexer Designprozesse wird es auch Laien ermöglicht, professionelle Ergebnisse zu erzielen. Das demokratisiert das Design – und öffnet die Türen für eine breitere Vielfalt an kreativen Stimmen.

Kosteneinsparungen: Schliesslich führen die Effizienz und Zugänglichkeit dieser Tools zu erheblichen Kosteneinsparungen. Unternehmen können durch den Einsatz von KI-Tools die Ausgaben für Designprojekte reduzieren, da weniger Manpower benötigt wird – und sich Projekte schneller abschliessen lassen.

Fazit

Die Integration von KI in die visuelle Kommunikation eröffnet faszinierende neue Möglichkeiten. Automatisierte Design-Tools verbessern die Effizienz, machen Design für jedermann zugänglich und senken die Kosten. Trotz all dieser Vorteile bleibt die Frage nach der kreativen Freiheit bestehen. Ersetzt KI die menschliche Kreativität am Ende ganz oder ergänzt sie diese nur? Wollen wir überhaupt eine Maschine, die uns alles Kreative abnimmt? Die Antworten auf diese Fragen werden vermutlich schon in den nächsten paar Jahren da sein. Denn bereits steht die nächste Revolution vor der Tür: Videos, die von der KI alleine anhand von menschlichen Texteingaben (Filmskript) erstellt werden.

Künstliche Intelligenz revolutioniert gerade das Design. Automatisierte Tools steigern die Effizienz und Zugänglichkeit. Ein Überblick zu den Vorteilen und drei prominente Beispiele.

Die visuelle Kommunikation sieht sich aktuell mit einem veritablen KI-Tsunami konfrontiert: Von automatisierten Design-Tools, die Layouts und Farbpaletten vorschlagen, bis hin zu Algorithmen, die ganze Kampagnen erstellen – die Möglichkeiten scheinen endlos. Die Bebilderung von Artikeln, sogar mit menschlichen Fotos, scheint ebenfalls keine Fotografen mehr zu benötigen: Generative Bild-KIs wie Midjourney erledigen diesen Job.

In diesem Blog betrachten wir die Entwicklung und den aktuellen Stand der KI in der visuellen Kommunikation.

Historischer Kontext: Entwicklung von Design-Tools

Die Reise der Design-Tools begann mit manuellen Methoden – Pinsel, Papier und handgezeichnete Skizzen. Mit der Einführung des Computers in den 1980er Jahren erlebte die Designwelt eine Revolution: Programme wie Adobe Photoshop und Illustrator ermöglichten eine völlig neue Art der Gestaltung, die sowohl präziser als auch schneller war. Die Maus wurde derweil zum präzisen Eingabetool, wie ein unsichtbarer Stift.

Frühe KI im Design

Die ersten Schritte der KI im Design waren bescheiden. In den 1990er Jahren experimentierte man mit einfachen Algorithmen zur Bildbearbeitung und automatischer Layout-Erstellung. Diese Technologien waren jedoch oft unzuverlässig, sehr langsam und boten nur begrenzte Möglichkeiten. Erst in den letzten zehn Jahren – mit dem Fortschritt im maschinellen Lernen und der Verfügbarkeit grosser Datenmengen – hat KI das Potenzial erreicht, die Designindustrie grundlegend zu verändern.

Automatisierte Design-Tools

Heute gibt es eine Vielzahl von KI-gestützten Design-Tools, die in der Branche weit verbreitet sind. Zu den bekanntesten gehören Adobe Sensei, Canva und Fotor. Diese Tools bieten Funktionen wie automatische Layout-Vorschläge, intelligente Bildbearbeitung und sogar die Generierung kompletter Designs basierend auf wenigen Benutzereingaben.

Und die Funktionalitäten?

Die Möglichkeiten dieser Tools sind beeindruckend. Adobe Sensei beispielsweise nutzt maschinelles Lernen, um Inhalte zu analysieren und personalisierte Vorschläge für Layouts sowie Effekte zu machen. Canva bietet benutzerfreundliche Drag-and-Drop-Funktionen, die durch KI unterstützt werden, um den Designprozess stark zu vereinfachen. Fotor wiederum setzt auf KI, um Fotos vollautomatisch zu verbessern und kreative Filter anzuwenden.

Welche Vorteile Design-Tools haben liest Ihr im 2. Teil des Blogs «KI-Design: Die perfekte Mischung aus Automatisierung und Kreativität?».

Abstract, Analyse, Meinungstext: Von erstaunlich tauglich bis frei erfunden

Diverse Beispiele im Internet belegen, dass Chat GPT nicht nur bei Zusammenfassungen gute Resultate zeitigen kann, sondern sogar akademische Theorievergleiche beherrscht. Die eigene Probe aufs Exempel zeigt aber auch, dass Faktenchecks nach «getaner Arbeit» der KI nicht nur empfehlenswert, sondern dringend nötig sind. Denn das Sprachmodell kommt im Fall von Wissenslücken kaum einmal auf die Idee, selbige kleinlaut zuzugeben – es erfindet vielmehr veritable Fake Facts – und bettet diese auch noch in einen glaubwürdigen Kontext ein.

Dem Autor wollte es etwa weismachen, der Name seines Sohnes (Nio) gehe auf das lateinische Wort für «Schnee» zurück, wie es der Oxford Latin Dictionary belege. Nur: Nio ist kein lateinisches Wort – und Schnee heisst auf Lateinisch «nix». Mit entsprechenden Fehlern konfrontiert, kann Chat GPT durchaus freundlich für die Korrektur danken und zugeben, dass es falsch lag – bloss, um noch im selben Satz zwei weitere Fehlinformationen zu fabulieren.

Aber: Chat GPT ist neuerdings auch fähig, verwendete Quellen direkt als Link anzugeben. Mit Chat GPT «Apps» lassen sich sogar Faktenchecker installieren. Wer die Nutzung des Sprachmodells beherrscht und selber Themenwissen mitbringt, hat also ein mächtiges Tool zur Hand – geradezu einen digitalen Ghostwriter.

Das Fazit: Für Zusammenfassungen, systematische Erklärungen und vor allem Denkanstösse kann Chat GPT Gold wert sein. Doch in jedem Fall empfiehlt sich ein Faktencheck. Bezüglich Textqualität gilt: Mindestens «Niveau Lokaljournalist». Profis nehmen das als Grundlage – und feilen dann, bis die Texte dem eigenen Anspruch genügen.

Das könnte Dir auch gefallen

Innovative August 20, 2024
Ist die KI der Storyteller und PR-Redaktor von morgen? (TEIL 1)

Spätestens, seitdem Chat GPT ein MBA-Examen bestanden hat, dürften auch Texter und Journalisten die neue KI auf dem Radar haben. Doch was taugt der Textroboter, wenn es darum geht, die Arbeit eines Schreibers zu erledigen? Die Probe aufs Exempel. «Das kannst Du googlen», hiess es früher. «Frag Chat GPT», heisst es immer öfter. Dass Chat GPT 4o eine ernste Konkurrenz für die

Mehr erfahren
Uncategorized August 20, 2024
Ist die KI der Storyteller und PR-Redaktor von morgen? (TEIL 2)

Abstract, Analyse, Meinungstext: Von erstaunlich tauglich bis frei erfunden Diverse Beispiele im Internet belegen, dass Chat GPT nicht nur bei Zusammenfassungen gute Resultate zeitigen kann, sondern sogar akademische Theorievergleiche beherrscht. Die eigene Probe aufs Exempel zeigt aber auch, dass Faktenchecks nach «getaner Arbeit» der KI nicht nur empfehlenswert, sondern dringend nötig sind. Denn das Sprachmodell kommt im Fall von Wissenslücken kaum einmal

Mehr erfahren
Spätestens, seitdem Chat GPT ein MBA-Examen bestanden hat, dürften auch Texter und Journalisten die neue KI auf dem Radar haben. Doch was taugt der Textroboter, wenn es darum geht, die Arbeit eines Schreibers zu erledigen? Die Probe aufs Exempel.

«Das kannst Du googlen», hiess es früher. «Frag Chat GPT», heisst es immer öfter. Dass Chat GPT 4o eine ernste Konkurrenz für die klassische Internet-Suche ist, liegt auf der Hand – denn das raffinierte Sprachmodell antwortet, zumindest meistens, exakt auf die gestellten Fragen, statt nur eine Auswahlsendung an Websites anzuzeigen, welche die Antwort allenfalls beinhalten könnten. Chat GPT beherrscht dabei den klassischen Textaufbau im Stil Einleitung-Hauptteil-Schluss, es nennt Quellen für weiterführendes Wissen – und berücksichtigt sogar gewünschte Stil-Inputs. Aber wie ist diese Leistung möglich und taugt das KI-Sprachmodell gar als Ersatz für menschliche Textprofis?

Generative pre-trained transformer (GPT): Ein neuronales Netz ohne ICH und Verstand

Schon 5 Minuten Unterhaltung mit Chat GPT können eine wahre Sogwirkung entfalten und den Verdacht wecken, eine Art im Internet gefangener Djinn stehe kurz vor dem erfolgreichen Ausbruch. Das belegen Medienberichte von Usern, welche die KI zumindest zu eigenartig pubertären, emotionalen Ausbrüchen getrieben haben. Doch dass Menschen grundsätzlich gerne ihresgleichen oder die Tier- und Fabelwelt erblicken, zeigt sich beim kindlichen Blick in die Wolken, der allerlei Gesichter und (Fabel-)Wesen zutage fördert. Chat GPT ist effektiv nichts anderes als ein Deep-Learning-Modell, das die Verarbeitung natürlicher Sprache beherrscht. Allerdings in nie zuvor dagewesener Präzision und Eloquenz. Es kann Text generieren, indem es das nächste Wort in einer Sequenz von Worten vorhersagt – aufgrund von Wahrscheinlichkeiten, unter Berücksichtigung des gegebenen Kontextes.

Dazu wurde das Modell mit Hunderten von Gigabytes an Textdaten aus dem Internet trainiert. Es verwendet nach Inputs durch Benutzer den Transformer, eine neuronale Netzwerk-Architektur, die grosse Mengen an Textdaten effektiv prozessieren – und komplexe Beziehungen zwischen Wörtern und Sätzen logisch erfassen kann.

ICH-Bewusstsein und Kreativität sind jedoch kein Teil von Chat GPT. Das Netz «weiss», etwa im Fall einer Text-Zusammenfassung, nicht einmal, was es tut – doch es erledigt die Aufgabe dennoch korrekt.

Mehr dazu im Teil 2 über «Ist die KI der Storyteller und PR-Redaktor von morgen?».

Das könnte Dir auch gefallen

Valentino Mauriello © 2026. All rights reserved.