Augmented Science Journalism – Generative KI im Wissenschaftsjournalismus

Internet und soziale Medien haben die Verteilung von Inhalten demokratisiert. Nach dem journalistischen Vordenker David Caswell, der längere Zeit für die BBC News Labs gearbeitet hat, fügt generative KI dieser ersten Disruption eine zweite hinzu: die Demokratisierung der Produktion von Inhalten.

Doch neben der grundlegenden Disruption der Produktion und Verteilung journalistischer Inhalte erlauben die Möglichkeiten der generativen KI zugleich neue Ansätze, grundlegende Bedarfe des Wissenschaftsjournalismus und der Wissenschaftskommunikation zu adressieren.

Generative KI kann helfen, in der Informationsflut wissenschaftlicher Publikationen den Überblick zu bewahren, mit vertretbarem Aufwand Inhalte für unterschiedliche Zielgruppen in Zeiten der many-to-many-Kommunikation zu erstellen, oder komplexe Inhalte personalisiert in neuen interaktiven und dialogischen Formaten an unterschiedliche Zielgruppen zu vermitteln.

Um diese Chancen inmitten der doppelten Disruption aktiv gestalten zu können, ist es wichtig, generative KI, insbesondere sogenannte große Sprachmodelle (Large Language Models, LLM) nicht ausschließlich als schlüsselfertige Anwendungen der großen Anbieter zu begreifen, sondern als Werkzeuge, die Teil eines größeren Ökosystems von maßgeschneiderten KI-Systemen sein können.

Das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Research Project Augmented Science Journalism: Generative KI im Wissenschaftsjournalismus wird sich auf vier größere Themenbereiche in der Anwendung von generativer KI im Wissenschaftsjournalismus und in der Wissenschaftskommunikation fokussieren:

• Retrieval-Augmented Generation beschreibt die Verbindung von Sprachmodellen mit weiteren journalistischen und anderen Wissensquellen, die kontextbezogen angefragt und für die Erzeugung von Antworten auf Suchanfragen genutzt werden. Für die Wissenschaftskommunikation und insbesondere für den Wissenschaftsjournalismus müssen die etablierten Verfahren der Retrieval-Augmented Generation an die hohen Anforderungen an Faktentreue und eine evidenzbasierte Informationsvermittlung in diesen Bereichen angepasst werden.
• Die multimodale und zielgruppenspezifische Transformation journalistischer Inhalte wird durch die neuen Möglichkeiten der generativen KI signifikant erleichtert und erlaubt die effektive Produktion von neuen (Mikro-)Formaten im Wissenschaftsjournalismus bzw. der Wissenschaftskommunikation. Ein Schwerpunkt im beantragten Projekt wird die Fragestellung sein, wie die hohen journalistischen Anforderungen an die Ursprungsformate auf die generierten Inhalte übertragen werden können.
• Autonome personalisierte Rechercheassistenten könnten die Arbeit von Wissenschaftsjournalist:innen in der Recherchephase erleichtern, wenn es gelänge, erste prototypische Agenten, die von LLM gesteuert werden, wie etwa GPT Researcher, zuverlässiger und robuster zu machen.
• Neue selbstreflexive Chatbots, die ihre eigenen Annahmen über den Wissensstand und die Informationsbedürfnisse ihrer Gesprächspartner fortlaufend evaluieren und an den Gesprächsverlauf anpassen, werden bereits als KI-Tutoren im Bildungsbereich erprobt. Dort erlauben sie die Skalierung von Eins-zu-eins-Tutoren auf eine größere Anzahl von Schülerinnen und Schüler. In ähnlicher Weise könnten diese Chatbots auch für (neue) Formate im Wissenschaftsjournalismus und in der Wissenschaftskommunikation genutzt werden, etwa im Rahmen der dialogischen Wissenschaftskommunikation.