Mit Machine Learning Geschäftsnutzen schaffen

Radio Télévision Suisse nutzt AdNovum Know-how und neue Technologien, um Business Insights und Wettbewerbsvorteile zu erzielen

In den letzten Jahren hat das Machine Learning in Bereichen wie der Bild- oder Tonverarbeitung enorme Fortschritte gemacht. Trainierte Modelle sind jetzt fähig, Muster zu erkennen und Informationen zu extrahieren, wozu bis vor kurzem nur Menschen in der Lage waren.

rts_1200x675

Bilder, Audios und Videos sind seit langem allgegenwärtig und medienintensive Umgebungen müssen dadurch immer grössere Archive verwalten. Mit der ständigen Erweiterung der Inhalte in diesen Archiven steigt auch die Komplexität. Um aus diesem Meer von digitalen Inhalten neue Erkenntnisse zu gewinnen und Informationen zu extrahieren, bräuchte man ein Heer von Experten und Dokumentationsfachleuten, um diese Herausforderung zu meistern.

 

In genau solchen Situationen kommt die Leistungsfähigkeit der künstlichen Intelligenz zum Tragen, die automatisierte Wege zur Lösung einiger dieser Bedürfnisse bietet. Durch das Lernen aus erläuterten Beispielen und durch die Suche nach Mustern in den Daten können neue Arten von Informationen extrahiert werden. In einigen Fällen ist dies auch mit bestehenden Modellen möglich.

 

Radio Télévision Suisse (RTS) ist, wie viele Radio- und TV-Anbieter auch, in genau dieser Situation, in der sie mit riesigen Archiven konfrontiert sind. Als Teil ihrer Strategie, den Wert dieser Archive zu steigern, haben sie in die Entwicklung einer KI-Plattform für ihre Medien investiert. Einer unserer Dateningenieure, Ireneu Pla, hat ihnen dabei geholfen, die Reichweite ihrer Plattform zu erweitern und neue Analysen durchzuführen

 

Neue Wege gehen dank der Entwicklung von KI-Funktionen

Gemeinsam mit RTS arbeitete Ireneu mit einem Team zusammen, das ein faszinierendes und ehrgeiziges Ziel verfolgt: die Erschliessung der Archiv-Inhalte. Der eingeschlagene Weg zur Erreichung dieses anspruchsvollen Ziels hängt von den Versprechungen der künstlichen Intelligenz ab. Maschinen dazu zu bringen, Inhalte zu verstehen, von denen wir einst dachten, sie wären für sie unbegreiflich, ist jedoch nur eine der Herausforderungen. «Die technischen Möglichkeiten sind zwar gewaltig», erklärt Ireneu, «aber das Ziel dieser Bemühungen ist es, ein echtes Problem zu lösen und die Lösung in die Hände der Benutzer zu legen. Um dies zu ermöglichen, braucht es eine gesunde Portion Software-Engineering und das Zusammenstecken von Köpfen. Ein geeignetes Machine-Learning-Modell dafür zu finden, ist nur ein erster Schritt.

 

Sollten Sie deshalb Ihre bestehenden Investitionen im Bereich der KI überdenken? Simone Comte, Product Owner bei RTS, ist nicht der Meinung. «Egal wie man es dreht oder wendet, früher oder später müssen Investitionen in veraltete Systeme getätigt werden», erklärt Simone. «Vor der Implementierung der KI-Plattform hing die Identifizierung von Personen in den Archiven hauptsächlich vom Wissensschatz einiger weniger Personen ab, von welchen die meisten bald in den Ruhestand gehen. Die Identifizierung von Sprechern mithilfe künstlicher Intelligenz wird enorm helfen, diesen Wissensverlust zu kompensieren, ohne dass Experten eingestellt werden müssen, um diejenigen zu ersetzen, die in Rente gehen.

 

Das Maximum aus den Daten herausholen

rts_portrait
Simone Comte
Product Owner von RTS-ai

Als Ergebnis der gemeinsamen Arbeit mit Ireneu verfügt die KI-Plattform von RTS nun über starke Audio-Analyse-Fähigkeiten, die es ermöglichen, ganze Berge von verschiedenen Audio-Inhalten zu durchleuchten. Mit dieser neuen Funktionalität können alte Aufnahmen, die gerade digitalisiert werden, klassifiziert, Geschlechterstatistiken für Radioprogramme erstellt und andere Verarbeitungsaufgaben verbessert werden.

 

«Eine weitere herausragende Stärke der Plattform ist die Personendatenbank. Durch die Kombination von Gesichtserkennung, Stimmerkennung und die Bearbeitung durch Menschen wird sie zu einer einzigartigen Fundgrube wertvoller Daten», bestätigt Simone. Diese Fähigkeiten bereichern auch die Metadaten in den Media-Asset-Management-Systemen (MAM) von RTS und erleichtern die Arbeit von Dokumentaren, Archivaren und Journalisten.

 

Das Quality-Check-Modul ist ein weiteres Highlight, da es RTS nicht nur erlaubt, Fehler in den Dateien zu erkennen, die aus dem Digitalisierungsprozess stammen, sondern auch neue Funktionalitäten bietet, die für die Produktion nützlich sind, wie z.B. die Bereitstellung von Time Codes für den Abspann, und möglicherweise für das Content Management, wie z.B. das Erkennen von Sendungen mit einem Jingle.

 

Die RTS-KI-Plattform wird sich weiterentwickeln und neue Wege zur Analyse und Anreicherung von Daten beschreiten, um den Wert unserer Archive durch maschinelles Lernen zu erhöhen», schliesst Simone.