Synthetic Video Journalism
Ziel der Arbeit ist es, die technischen Möglichkeiten der Videoproduktion zum aktuellen Stand aufzuzeigen, deren Anwendung im deutschsprachigen Journalismus in ausgewählten Medien zu kartieren und die damit verbundenen Chancen und Risiken aus einer medienethischen Perspektive zu bewerten.
Zur Beantwortung der Forschungsfragen dieser Arbeit wurden neben theoretischen Betrachtungen zwölf teilstrukturierte Interviews mit Experten aus unterschiedlichen deutschsprachigen Medien geführt. Die Interviews wurden mittels Videokonferenz-Tools wie Google Meet, Webex oder Microsoft Teams geführt und aufgezeichnet, mit Hilfe von Whisper (Model: ggml-large-v3 (Gerganov, 2023)) vortranskribiert und strukturiert ausgewertet.
Zehn Erkenntnisse
Die Abbildung zeigt Gründe, Nachrichtenangeboten zu vertrauen. Quelle: Eigene Darstellung nach Rasmus Kleis Nielsen und Richard Fletcher, Digital News Report 2024.
Verantwortung im Mediensystem oder Verantwortung des Mediensystems?
Der Einsatz von KI verändert im Mediensystem nicht nur die Werkzeuge von Verlagen und Journalisten, sondern beeinflusst auch die Verantwortungsstrukturen des Mediensystems.
Links: ein vereinfachtes klassisches journalistisches System ohne KI-Einsatz. Verantwortung und Einfluss liegen relativ klar bei Redaktion, Produktion, Distribution und journalistischen Akteuren.
Rechts: ein System mit KI-Einsatz. Es entstehen zusätzliche Ebenen durch beispielsweise:
Das eigentliche journalistische System bleibt zwar bestehen, es wird aber von einer neuen Einfluss- und Abhängigkeitssphäre umgeben.
Darin liegt aus meiner Sicht ein großer Diskussionsbedarf beim Einsatz von generativer KI im Journalismus: Verantwortung verbleibt zwar im Kernsystem, jedoch entstehen neue Einflussfaktoren außerhalb der direkten Kontrolle journalistischer Organisationen.
Das bedeutet nicht automatisch, dass KI-Einsatz problematisch ist. Es bedeutet aber, dass Transparenz, Kontrolle und Einordnung wichtiger werden - nicht nur im Journalismus, sondern im Mediensystem als solchem.
Die Verantwortung verschwindet nicht - sie wird komplexer.
Transparenz wird beim Einsatz von generativer KI zwar normativ gefordert, in der aktuellen Diskussion jedoch häufig unterkomplex verstanden. Ein Label auf dem Video, ein Hinweis in der Bildunterschrift oder ein kurzer Disclaimer am Textende helfen in der Regel nicht, dem Leser zu vermitteln, wie groß der Einfluss der KI auf das gezeigte Werk ist. Was hängenbleibt, ist in der Regel nicht Transparenz, sondern Unsicherheit darüber, wie stark KI tatsächlich Einfluss genommen hat.
Das bedeutet für mich, dass journalistisch arbeitende Medien sich verständigen müssen, was gekennzeichnet werden muss. Aus meinen Experteninterviews wurde deutlich, dass bisher mehr darüber diskutiert wird, ob KI beteiligt war und wie das wirkt, und weniger wo und wie stark sie in journalistische Autorschaft eingreift.
Zum anderen wird es spannend, wie die Komplexität des differenzierten KI-Eingriffs auf das Werk in einer Kennzeichnung darstellbar sein könnte. Ein Click-to-Inspect, wie es Katharina Schell vorschlägt, scheint mir ein adäquates Mittel zu sein. Jedoch ist das nur in einem Umfeld der eigenen Kontrolle möglich und damit speziell im Bewegtbild- und Social-Media-Bereich aktuell kaum konsistent umsetzbar.
Die Glaubwürdigkeit ist kein reines Journalisten-Problem. Journalistische Glaubwürdigkeit kann auch dann unter Druck geraten, wenn journalistische Akteure selbst tadellos arbeiten.
KI verändert aktuell etablierte Mechanismen des digitalen Mediensystems: Klicks bleiben aus, weil Google Suchende direkt mit KI-Inhalten versorgt, Chatbots übernehmen die Aggregation von Informationen und KI steuert die Distribution über Social-Media-Plattformen. Doch das Problem geht tiefer.
Denn künstliche Intelligenz beeinflusst Glaubwürdigkeit nicht nur bei journalistischen Medien, sondern im gesamten Informationsökosystem. Sie wirkt nicht an einer einzelnen Stelle, sondern auf mehreren Ebenen gleichzeitig.
Die um den KI-Einfluss erweiterte Darstellung des Dreiecks der Referenzierungs-Ebenen zeigt, auf welchen Ebenen Glaubwürdigkeit im Journalismus beeinflusst wird. Quelle: Eigene Darstellung nach Schweiger, Media Credibility - Experience or Image? (2000).
In diesem Umfeld wird Glaubwürdigkeit nicht nur durch redaktionelle Qualität, sondern auch durch Kontext, Präsentation, algorithmische Selektion und die Koexistenz mit nicht-journalistischen oder synthetisch erzeugten Inhalten beeinflusst.
Die Bubble-SWOT-Analyse zeigt ein insgesamt ambivalentes Bild des KI-Einsatzes in der journalistischen Videoproduktion, das von klar identifizierbaren Effizienz- und Skalierungsvorteilen auf der einen sowie ausgeprägten Glaubwürdigkeits-, Verantwortungs- und Qualitätsrisiken auf der anderen Seite geprägt ist. Als zentrale Stärken treten insbesondere ökonomische und institutionelle Effekte hervor: KI-gestützte Workflows ermöglichen schlankere Produktionsprozesse, eine bessere Skalierbarkeit sowie zeitliche Entlastung, die potenziell wieder für journalistische Kernaufgaben wie Recherche genutzt werden kann. Ergänzt wird dies durch kreative Chancen, etwa neue Erzählformate, stärkere Personalisierung oder Verbesserungen der Barrierefreiheit.
Demgegenüber sind die Schwächen und Bedrohungen deutlich stärker verdichtet und thematisch kohärent, was auf eine hohe Sensibilität der Befragten gegenüber Risiken hinweist. Besonders dominant sind Aspekte der Glaubwürdigkeit und Transparenz: Fehlende Nähe und Empathie bei KI-Avataren, unzureichende oder nicht wahrgenommene Kennzeichnung sowie die Gefahr, dass KI-Darstellungen trotz Markierung als echt interpretiert werden, unterminieren das Vertrauen in journalistische Inhalte. Hinzu kommen qualitative Probleme wie fehlende Reproduzierbarkeit, ästhetische Defizite und das Risiko einer Qualitätsabnahme durch Massenproduktion oder menschliche Nachlässigkeit bei zunehmender Automatisierung.
Auf der Ebene externer Rahmenbedingungen verdichten sich die Bedrohungen insbesondere im Bereich der regulatorischen und systemischen Verantwortung. Unklare Haftungsfragen, Blackbox-Charaktere von KI-Modellen, Plattformlogiken sowie mögliche Verzerrungen des Informationsökosystems werden als schwer kontrollierbare Einflussfaktoren wahrgenommen. Insgesamt macht die Analyse deutlich, dass die Herausforderungen weniger in der technischen Leistungsfähigkeit von KI-Video-Systemen liegen als vielmehr in ihrer journalistischen Einbettung, normativen Legitimation und gesellschaftlichen Akzeptanz. Die Bubble-SWOT verdeutlicht damit, dass der Einsatz von KI im Videojournalismus derzeit primär als organisatorische und ethische Transformationsfrage verstanden wird und weniger als rein technologische Innovation.
Meine Gesprächspartnerinnen und Gesprächspartner in Tiefeninterviews haben ein differenziertes Bild gezeichnet, welche Chancen und Risiken sie beim Einsatz von KI in journalistischen Bewegtbild-Medien sehen.
Chancen werden vor allem darin gesehen, dass journalistische und ökonomische Verantwortung besser erfüllt werden kann. Gleichzeitig wurden kaum Chancen gesehen, durch KI Transparenz oder Glaubwürdigkeit direkt zu stärken. Bei den identifizierten Risiken ist die Verteilung über alle drei Dimensionen homogener.
Was sich daraus ergibt: Die Transparenz ist deutlich stärker problematisiert als positiv konnotiert.
Tiefeninterviews zum KI-Einsatz in der Videoproduktion journalistisch arbeitender Medien im deutschsprachigen Raum zeigen ein klares Muster: Das Werkzeug KI für Pre- und Postproduktion ist bei den betrachteten Medien weitgehend akzeptiert. Grundsätzliche Gegenstimmen gibt es dabei kaum.
Eine Mehrheit der betrachteten Medien setzt KI darüber hinaus auch für einzelne generierte Elemente ein. Dabei ist die Akzeptanz generativer KI im Audiobereich höher als im visuellen Bereich.
Erstaunlich: Auch Medien, die aktuell keinen produktiven Einsatz planen, experimentieren mit der Technologie oder haben Pilotprojekte angestoßen.
Intensive Diskussionen gibt es bei den Fragen: In welchem Umfang dürfen solche generativen Elemente eingesetzt werden? Welche Formen sind akzeptabel? In welchen Kontexten werden sie angewendet und in welchen nicht?
Betrachtet man die unterschiedlichen technischen Einsatzformen, sind die Befunde eindeutig:
Das folgende Beispiel eines Ablaufs zur Videoproduktion ist für den Fall skizziert, dass aus bestehenden Textinhalten eine kurze News-Sendung ohne den Einsatz eines klassischen Studios entstehen soll.
Die Moderation übernimmt hierbei ein Avatar eines realen journalistischen Mitarbeiters, die Sprecherstimme ist die synthetisierte menschliche Stimme des avatarisierten Protagonisten. Die Inhalte werden komplett aus den vorhandenen Artikeln extrahiert und die Bilduntermalung aus dem redaktionellen Archiv übernommen und wenn nötig angepasst.
Das Material für ein KI-Label, Logos, Designs und In- und Outro werden der KI ebenfalls zur Verfügung gestellt. Die Übergaben der Informationen, Ton- und Bildmaterialien, Texte und anderer Inhalte oder Befehle zur Durchführung des nächsten Schrittes werden per API übergeben und bedürfen keiner menschlichen Einflussnahme.
So entstünde ein KI-System aus unterschiedlichen KI-Modellen und einer hochgradigen Autonomie. Zu beachten ist, dass diese Skizze keinen detaillierten Ablaufplan abbildet und bewusst auf das Element der menschlichen Kontrolle verzichtet wurde. Sie soll das zur Zeit der Entstehung dieser Arbeit technisch Mögliche und den aktuell maximalen Grad der Autonomie an einem praktisch realisierbaren Ablauf zeigen.
Kolloquium
Dieser Ausschnitt aus meinem Kolloquium verbindet zwei Ebenen: Die Avatarvideos zeigen, was mit KI-Avataren technisch bereits niedrigschwellig machbar ist. Die Pendel- und Doppelpendelbeispiele zeigen dagegen, dass ein plausibel wirkendes KI-Video nicht automatisch physikalisch korrekt oder journalistisch belastbar ist.
Der KI-Avatar führt in das Problem der Messbarkeit von Videoqualität ein und kündigt die Pendelbeispiele als Stresstest für KI-generierte Bewegtbilder an.
Die Beispiele machen sichtbar, dass generative Videos Bewegungen überzeugend aussehen lassen können, ohne die zugrunde liegende Physik stabil zu beherrschen.
Prompt
Zeige die Schwingung eines Pendels mit einem Pendelarm von 1m länge und einer Kugel am Ende mit einem Gewicht von 1 Kilogramm. Es ist auf einer Höhe von 1,20 m aufgehangen. Das Pendel soll sich realistisch bewegen. Im Ausgangspunkt der Bewegung soll sich der Pendelarm parallel zum Boden rechts der Aufhängung befinden. Die wirkende Beschleunigung ist 9,81 m/s² in Richtung Boden. Der Pendelarm ist eine nicht flexible Schnur mit vernachlässigbarer Masse. Zur besseren Orientierung soll der Hintergrund ein Raster zeigen.
Nach den Pendelbeispielen ordnet der Avatar ein, warum visuelle Plausibilität nicht mit physikalischer Korrektheit gleichzusetzen ist.
Videoqualität ist mehrdimensional: Ästhetik, technische Glätte, physikalische Konsistenz, Transparenz und journalistische Belastbarkeit lassen sich nicht auf einen einzelnen Qualitätswert reduzieren. Genau darin liegt eine zentrale Herausforderung für Synthetic Video Journalism.
Während vollständig automatisierte Newsangebote auf geringe Zustimmung stoßen, steigt die Akzeptanz stark, wenn journalistische Akteure die inhaltliche Führung übernehmen und KI unterstützend eingesetzt wird (Human-in-the-Loop). Die Ergebnisse unterstreichen, dass die Akzeptanz von KI im Journalismus stark an sichtbare Verantwortungszuschreibung und redaktionelle Kontrolle gebunden ist.
Besonders kritisch werden Anwendungen wie künstliche Moderatoren oder Avatare bewertet, während hintergründige KI-Einsätze vergleichsweise breite Zustimmung finden.
Viele Menschen gehen davon aus, dass Nachrichtenmedien schon jetzt häufig KI nutzen (mehr als 50 Prozent). Dabei erwarten sie aber nur kleine positive Effekte für sich (weniger als 30 Prozent). Das zeigt, dass der Einsatz von KI den Journalismus aus Rezipientensicht nicht automatisch besser macht.
Was bedeutet das in der Praxis? Journalistische Medien können KI ohne tiefgreifenden Reputationsverlust einsetzen und transparent machen, wenn sie gleichzeitig zeigen können, dass das Produkt weiterhin maßgeblich von Menschen geprägt ist.
KI-Kompetenz ist keine reine technische Fähigkeit. Sie ist Teil journalistischer Verantwortung.
Der AI Act Art. 4 fordert von Anbietern und Betreibern von KI-Systemen, dass Personen mit KI-Bezug über ein ausreichendes Maß an KI-Kompetenz verfügen. Denn eine KI ist kein Taschenrechner, sondern eher eine Kettensäge: gekonnt bedient ist sie sehr effektiv, verrückt leistungsfähig und beängstigend zeitsparend. Auf der anderen Seite kann sie auch eine sehr gefährliche Maschine sein - vor allem für die Glaubwürdigkeit.
Aktuell drehen sich viele Diskussionen um Tools, aber im Journalismus geht es vor allem um: