Über KI, Klimadaten und Kontrolle

Mich interessierte, wie der Umgang mit KI beim Schweizer Radio Fernsehen SRF aussieht. Das SRF hat bereits eigene Richtlinien zum Umgang mit KI aufgestellt. Julian Schmidli, Datenjournalist bei SRF, hat bei der Verfassung dieser mitgearbeitet und sich Zeit genommen, mir ein paar Fragen zur derzeitigen Anwendung von KI, zur Rolle des Klimathemas und zukünftigen Entwicklungen zu beantworten. Er arbeitet als investigativer Reporter und ist Teil des SRF Data Teams. Julian Schmidli kennt sich mit Daten aus und ist Experte darin, aus einer Datenmenge journalistisch interessante Formate zu entwickeln. Das englische Wort dafür: «Datadriven Journalism».

Julian Schmidli, was bedeutet Datadriven Journalism?
Dass man auf Basis von Daten journalistische Produkte entwickelt oder journalistische Geschichten schreibt. Das können Analysen sein oder Recherchen, aber auch Tools, Rechner, Karten usw. 

«Datadriven» heisst dabei, dass man von einer Datensituation ausgeht und diese versucht aufzubauen. Im Gegensatz zu anderen journalistischen Methoden, wo man eher einen Einzelfall beleuchtet, geht es bei uns darum, ein Gesamtphänomen abzubilden und eben von Daten auszugehen.

Woher kommen die Daten?
Manchmal arbeiten wir mit Daten von Behörden, die schon veröffentlicht sind, also Open Data, und manchmal arbeiten wir auch mit Scraping-Methoden. Das heisst, wir sammeln Daten in jeglicher Form zusammen, die zwar öffentlich sind, aber nur als Datensammlung und noch nicht als Datenauswertung verfügbar sind. Diese Auswertung machen wir und erstellen Grafiken sowie journalistische Inhalte dazu. Die Datenquellen können jegliche Form von Daten sein.

Welche Rolle spielt das Klimathema bei euch im Data-Team?
Also ich kann nur für SRF Data reden, für unsere Redaktion und für uns ist das Klima eine wichtiges Thema. Es gibt sehr viele Daten in dem Bereich und es gibt sehr viele interessante Ansätze. Wir fragen uns jeweils, wo dazu journalistische Produkte entstehen können. 

Ein Beispiel ist der Klimamonitor. Dort ist das Ziel, Zusammenhänge zwischen den aktuellen Wetterverhältnissen und klimatischen Phänomen zu zeigen. Dabei zeigen wir von jeder Gemeinde zum Beispiel an, wie warm es gerade ist und bringen das in ein Verhältnis. Das kann man beispielsweise durch den Vergleich mit einem vergangenen Wert oder mit einer Referenzperiode, also auch mit einem Zeitraum, machen. So zeigen wir beispielsweise: In den letzten 30 Jahren ist es durchschnittlich so warm gewesen und jetzt sind es 2 Grad wärmer. Dabei zeigen wir auch auf, wie das mit dem Klimawandel zusammenhängen kann.

Dabei versuchen wir immer, komplexere Phänomene herunterzubrechen und verständlich zu visualisieren. Ein gutes Beispiel dafür ist, dass man beim Klimamonitor für jeden Tag sehen kann, wie viel Gletscherwasser in Badewannen pro Tag und pro Sekunde abfliessen. Je nachdem, wie warm es gerade im Alpenraum ist. Diese Daten werden täglich aktualisiert und die Formel dazu haben wir zusammen mit Wissenschaftlern entwickelt.

Ein anderes Beispiel, welches wir letztes Jahr ausgearbeitet haben, ist eine Analyse zu Hitzeinseln in der Schweiz und wie dies mit dem Wohlstand der Menschen in den Wohngegenden zusammenhängt. Wir wollten herausfinden, wer am meisten betroffen ist und es hat sich gezeigt, dass Stadtteile mit ärmeren Verhältnissen tendenziell stärker von Hitzeinseln betroffen sind. 
Zudem machen wir auch ganze Recherchen zum Thema, welche sich auf eine Datenbasis stützen. So haben wir letztens auch eine grosse Recherche im Bereich freiwillige Klimakompensation gemacht und dabei gezeigt, welchen Nutzen diese tatsächlich hat und wo das Geld hinfliesst.

Wie setzt ihr generative KI im SRF-Data-Team ein?
Generative KI nutzen wir eigentlich selten, bis auf einen Bereich, wo generative KI täglich angewendet wird und dieser betrifft den Bereich des Programmierens. 

Es gibt sehr gute Modelle, welche einem helfen zu programmieren. Die Generative KI schreibt auf Anfragen (sogenannte Prompts) Vorschläge von Code und Script und kann oftmals auch Fehler in bereits bestehenden Code aufzeigen, sogenanntes Debugging, und Lösungen vorschlagen, um ein Problem im Code zu beheben. 

Was wir natürlich auch brauchen, sind KI-Tools für die Transkription und Übersetzung. Dort haben wir ein eigenes SRF-internes Tool, welches auch Schweizerdeutsch transkribieren kann. Das nutzen wir natürlich auch sehr oft, wenn wir Interviews gemacht haben, die wir schnell transkribieren wollen. 

Zudem experimentieren wir auch mit LLM, sogenannten Large Language Models, aber wir haben bis jetzt keine bahnbrechende Resultate gehabt, wo man sagen müsste, dass sich unser Workflow nun komplett verändern würde. Die Arbeit ist mehrheitlich durch Personen gestützt und es ist auch wichtig, dass jeder Schritt kontrolliert ist und stimmt. Dieses Vertrauen kann man nicht nur einem Computer überlassen.

Wie schätzt du den Nutzen, aber auch das Risiko von KI bei der journalistischen Arbeit ein?
Wenn man in einer Form versucht, Daten zu sammeln, finde ich KI-Tools interessant und hilfreich und eben auch in der Programmierung. Dort brauchen wir schon seit etwa acht Jahren KI-Tools. Die Anwendung dreht sich dabei aber nicht um die Deutung von Daten, sondern um einfachere Aufgaben, wie die Klassifizierung von Daten nach dem Random-Forest-Algorithmus oder die Datenbereinigung.

Wenn es dann aber wirklich um die Produktion von Medieninhalten geht, um den journalistischen Kern sozusagen, sehe ich nur beschränkten Nutzen und eher Zusatzaufwand. Die Gefahr der Halluzination, also nach falschen Aussagen, insbesondere durch die generative KI ist sehr gross und das wird sich auch in der nahen Zukunft nicht verändern.