BR Next
Published in

BR Next

Automatisierte Texte im Journalismus

6 Learnings bei maschinell erstellten Börsennachrichten

Smartphone mit Aktienkursen vor einem Bildschirm mit Kurscharts
Bild: BR/Julia Müller

1. Datenrecherche — Zuschnitt und Rechte müssen passen

Bei dem im Netz vorhandenen Reichtum an Börsendaten und -Websites wirkt es zunächst paradox, wenn wir von der Schwierigkeit berichten, passende Daten zu finden.

Beispielansicht aus den Kursdaten von gettex (Börse München)
Beispielansicht aus den Kursdaten von gettex (Bild: BR/Börse München)

2. Nutzer*innen brauchen mehr als Zahlen

Der Entwicklung haben wir eine User-Research-Phase vorgeschaltet, um mehr über die Bedürfnisse der Nutzer*innen von Börseninformationen herauszufinden.

Motivation unserer befragten Nutzer*innen, sich mit dem Thema Börse zu beschäftigen (Bild: BR/Cécile Schneider)
Im BR-Börsenstudio produziert der Börsendienst im Dreischichtbetrieb Inhalte für Radio, Web, App und mehr. Foto: BR/Margit Siller

3. Datenverarbeitung — wie schnell ist schnell genug?

Für unsere Verschriftlichung der Börsenkurse ist ein Staffellauf an Übergaben notwendig: Start ist das elektronische Handelssystem der Börse München, das die Aktienkurse erhebt und als Momentaufnahme zur Verfügung stellt.

4. Textgenerierung — das passende Sprachmodell auswählen

Für die automatische Verschriftlichung der Börsenberichte haben wir uns für den Einsatz von Textschablonen entschieden. Sowohl die geringe Länge und die handhabbare grammatische Vielfalt der Börsenberichte als auch die strengen Vorgaben an Formulierungen schließen andere Werkzeuge, welche wir beim BR erproben, für diese Anwendung aus.

Template zur Generierung von Überschriften aus unserem Projekt, erstellt in Python
Template zur Generierung von Überschriften aus unserem Projekt, erstellt in Python (Bild: BR/Philipp Gawlik)

5. Tüftelarbeit wie Rundungsprobleme beim Schreiben von Zahlen

Ein häufiger Stolperstein ist die versteckte Komplexität, die beim Erzeugen von Texten entstehen kann. In diesem Fall zeigte sich in den ersten Tests, dass der Einbau von Zahlen in die Textschablonen zu einigen unerwarteten Ergebnissen führte.

6. Ukraine-Crash an den Börsen weist den Weg zur agilen Weiterentwicklung

Vor dem Launch im Börsenticker haben wir eine mehrwöchige Testphase geschaltet, in der wir gemeinsam mit der Redaktion die täglich erstellten Texte geprüft haben.

Fazit

Textautomatisierungsprojekte berühren Bereiche von Technik über Nutzer*innen und Redaktion bis hin zu wirtschaftlichen und juristischen Fragestellungen.

Teamfoto BR AI + Automation Lab
Im BR AI + Automation Lab arbeiten Journalist*innen, Entwickler*innen und Produktmanager*innen gemeinsam an Projekten (Bild: BR/Steffen Kühne)

--

--

Wir arbeiten in den verschiedensten Bereichen im BR an seiner Zukunft. Wir sind Entwickler:innen, Journalisten:innen, Designer:innen, Produktmanager:innen, Gründer:innen, Innovationstreiber:innen. Hier teilen wir mit euch, was wir dabei lernen. Impressum: https://br.de/s/7Me6SL

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store