Aus dem KI-Reallabor: Wie können Verlagsinhalte dank KI sichtbar und nutzbar bleiben?
Wie lässt sich das Wissen von Reiseverlagen für generative KI nutzbar machen – ohne die Hoheit über die eigenen Daten aus der Hand zu geben? Eine gemeinsame Machbarkeitsstudie mit dem Rother Bergverlag und dem Müller Reiseverlag liefert die Antwort: Ein agentisches KI-System, das redaktionell geprüfte Verlagsinhalte mit Echtzeitdaten verbindet und dabei vollständig auf eigener Infrastruktur läuft. Der Abschlussbericht dokumentiert die technische Umsetzung, die Testergebnisse und die daraus abgeleiteten Handlungsempfehlungen für Medienunternehmen.
Executive Summary
Reiseverlage verfügen über etwas, das generative KI-Systeme nicht von sich aus mitbringen: jahrzehntelang redaktionell geprüftes, lokal verankertes Wissen.
Verlagsdaten allein leisten jedoch nicht, was agentische KI-Systeme heute ermöglichen – situativ abwägen, mehrstufig planen, Echtzeitinformationen einbeziehen und Kontext über mehrere Gesprächsrunden bewahren. Erst in der Kombination entsteht etwas qualitativ Neues: ein System, das die Verlässlichkeit redaktionell geprüfter Quellen mit der Handlungsfähigkeit eines Agenten verbindet.
Die Frage dieser Machbarkeitsstudie war, ob sich diese Kombination technisch realisieren lässt, ohne die Datensouveränität an externe Anbieter abzugeben. Die Antwort lautet ja – wobei die Grenzen des Ansatzes mindestens so aufschlussreich sind wie seine Stärken.
Das KI-Kompetenzzentrum Medien (KI.M) hat gemeinsam mit zwei Verlagspartnern, dem Rother Bergverlag und dem Müller Reiseverlag, einen agentischen Reiseassistenten entwickelt und evaluiert. Der Prototyp läuft vollständig auf lokaler Hardware, nutzt ein lokal betreibbares, quelloffen verfügbares Sprachmodell und verbindet Verlagsdaten über zwölf spezialisierte Werkzeuge mit Echtzeitinformationen wie Wetter und Öffnungszeiten für gastronomische Angebote. Das Modell entscheidet dabei eigenständig, welche Werkzeuge es für eine Anfrage benötigt, in welcher Reihenfolge es vorgeht und wie es die Ergebnisse zu einer kohärenten Antwort zusammenführt. Externe Cloud-Dienste kommen bei der Verarbeitung nicht zum Einsatz.
Die Evaluationsergebnisse sind deutlich. Im Anwendungsfall Wanderführer – strukturierte Daten mit Tourenlängen, Schwierigkeitsgraden und GPS-Tracks – wurden keine Halluzinationen festgestellt, und die Gesamtbewertung lag in allen Kriterien über 90 Prozent. Im heterogeneren Reiseführer-Kontext fiel die Qualität variabler aus, blieb jedoch solide.
Daraus ergeben sich die zentralen Erkenntnisse: Ein agentisches System mit generischen Daten halluziniert. Hochwertige Verlagsdaten ohne agentische Fähigkeiten bleiben eine Datenbank.
Erst wenn strukturierte, redaktionell geprüfte Inhalte die Wissensgrundlage eines Systems bilden, das eigenständig plant, gewichtet und situativ reagiert, entsteht eine Qualität, die keiner der beiden Bestandteile für sich allein erreicht: verlässliche, logistisch kohärente Empfehlungen, die auf Echtzeitbedingungen reagieren und darauf ausgelegt sind, individuelle Anforderungen über mehrere Gesprächsrunden hinweg zu berücksichtigen.
Ebenso zeigt sich: Die vollständige Datensouveränität einer solchen Anwendung ist möglich. Der Betrieb auf eigener Hardware ist technisch machbar – auf leistungsstarker Infrastruktur ebenso wie, mit Einschränkungen, auf deutlich günstigeren Alternativen. Die Architektur ist skalierbar, ohne das Grundkonzept zu verändern.
Der vollständige Bericht dokumentiert Architektur, Evaluationsmethodik, Testergebnisse sowie die rechtlichen und ethischen Rahmenbedingungen. Der Programmcode des Prototyps ist im GitHub-Repository des KI.M öffentlich verfügbar.
