Aus dem KI-Reallabor: Wie ein Chatbot markenkonform mit Live-Inhalten interagieren kann
Radio-Chatbots kennen bislang nur die Vergangenheit. Sendungszeiten, FAQs, Moderatorenprofile – aber nicht das, was gerade auf Sendung ist. Gemeinsam mit Antenne Bayern hat das KI-Kompetenzzentrum Medien einen Prototyp entwickelt, der diese Lücke schließt: Er hört live mit, verknüpft Programm-Transkripte in Sekundenschnelle mit redaktionellem Wissen und beantwortet Höreranfragen zum aktuellen Geschehen. Ein Filter- und ein Prüfmodell sorgt dafür, dass nichts Sender-Fremdes durchrutscht.
Die Tests zeigen: Live-Daten lassen sich zuverlässig einbinden, und lokal betriebene Open-Source-Modelle spielen dabei in derselben Liga wie kommerzielle Anbieter.
Executive Summary
Diese Machbarkeitsstudie untersucht in Kooperation mit Antenne Bayern das Potenzial generativer Künstlicher Intelligenz für die Hörerkommunikation im Radio. Im Mittelpunkt steht die Frage, ob aktuelle KI-Technologien zentrale technische Limitationen bestehender Chatbot-Systeme überwinden können.
Klassische Chatbot-Lösungen basieren überwiegend auf statischen, vorab kuratierten Datenbeständen. Dadurch sind sie weder in der Lage, dynamisch auf laufende Programminhalte zu reagieren, noch können sie zuverlässig sicherstellen, dass generierte Antworten thematisch kontrolliert bleiben. Insbesondere im Live-Kontext ergeben sich daraus zwei wesentliche Herausforderungen: die fehlende Einbindung aktueller Programminformationen sowie Risiken für eine markenkonforme Kommunikation.
Der entwickelte Prototyp adressiert diese Herausforderungen durch die Kombination zweier technischer Innovationen: Die Integration von Live-Programmdaten ermöglicht die Verarbeitung von Speech-to-Text-Transkripten mit wenigen Sekunden Zeitversatz und damit die Beantwortung zeitlich präziser Fragen zum laufenden Radioprogramm. Ergänzend erhöht eine Retrieval-Augmented-Generation-Architektur (RAG) kombiniert mit einem Überprüfungssprachmodell die Betriebssicherheit, indem Halluzinationen reduziert und themenfremde Inhalte systematisch verhindert werden.
Die Evaluation zeigt, dass sich Live-Daten zuverlässig in generative KI-Systeme integrieren lassen. Zudem belegt sie, dass lokal betriebene Open-Source-Modelle qualitativ mit kommerziellen Lösungen konkurrieren können und damit eine realistische Option für souveräne Medieninfrastruktur bieten.
Der Bericht setzt die Erkenntnisse in den Kontext der geltenden datenschutzrechtlichen und regulatorischen Rahmenbedingungen und skizziert ethische Anforderungen für den verantwortungsvollen Einsatz generativer KI im Medienumfeld. Der so entwickelte Prototyp stellt einen validierten Proof of Concept dar und kann von Medienunternehmen als technische und strategische Grundlage für weiterführende Produktivsysteme genutzt werden.
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.
