Mein GameDay-Automat funktioniert inzwischen ziemlich genau so, wie ich ihn haben wollte. Jeden Montag werden die Spielankündigungen für das kommende Wochenende und die Ergebnisse des vergangenen Wochenendes erzeugt – automatisch, und vor allem komplett deterministisch. Das ist mir wichtig: Im GameDay-Automaten steckt keine generative KI. Warum auch? Die Daten sind vorhanden – Mannschaft, Gegner, Datum, Uhrzeit, Spielort, Heim- oder Auswärtsspiel, Ergebnis –, dazu gibt es feste Regeln und feste Vorlagen. Wenn die Eingangsdaten gleich sind, soll auch das Ergebnis gleich sein. Ich möchte nicht, dass ein Modell montags entscheidet, wie es die Spielankündigung diesmal gerne formulieren oder gestalten würde. Es gibt dort schlicht nichts zu interpretieren. Der Automat bekommt strukturierte Daten und erzeugt daraus nach fest definierten Regeln das gewünschte Ergebnis – genau dafür ist deterministischer Code da.
Der interessante Teil kam erst danach
GameDay funktioniert. Damit hätte das Projekt eigentlich erledigt sein können. Bei mir passiert dann aber meistens das Gegenteil: Sobald etwas funktioniert, fange ich an zu überlegen, ob das Prinzip dahinter auch für andere Aufgaben interessant sein könnte. Bei GameDay war das relativ schnell der Fall, denn unabhängig vom Basketball passiert dort etwas Grundsätzliches: Es gibt eine Datenquelle, es gibt Regeln, es gibt eine definierte Content-Linie, und daraus entsteht regelmäßig ein fertiges Ergebnis. Bei GameDay ist das einfach, weil die Quelldaten bereits sauber strukturiert sind. Aber was passiert, wenn die Quelle nicht so sauber ist?
Eine Website ist etwas anderes als ein Spielplan
Nehmen wir eine Website, die regelmäßig aktualisiert wird: Dort erscheinen neue Informationen, Meldungen, Produktänderungen oder andere Inhalte. Jetzt möchte ich daraus nicht einfach alles übernehmen, sondern nur Inhalte finden, die zu einer bestimmten Content-Linie passen – zum Beispiel junge Leute, Altersvorsorge, Baufinanzierung, Mitgliedervorteile, Veranstaltungen. Dann reicht deterministischer Code irgendwann nicht mehr so elegant aus. Das System müsste zunächst verstehen: Ist diese neue Information überhaupt relevant für diese Linie? Und wenn ja, was ist daran die eigentliche Botschaft, und wie lässt sich daraus ein kurzer, verständlicher Beitrag formulieren? Genau dort kann generative KI sinnvoll werden.
Aber auch dann bekommt die KI nicht freie Hand
Das ist für mich der entscheidende Punkt. Wenn ich eine Content-Linie definiere, soll die KI nicht jedes Mal neu überlegen, was diese Linie eigentlich ist – das wird vorher festgelegt. Welche Zielgruppe wird angesprochen, welche Themen gehören hinein und welche nicht, welche Tonalität ist erlaubt, welche Aussagen müssen belegt sein, welche Call-to-Actions sind vorgesehen, wie lang darf der Text sein, welche Struktur soll ein Post haben. Das alles ist Teil der Konfiguration. Die KI bekommt also nicht den Auftrag “Mach daraus mal einen schönen Social-Media-Post”, sondern eher: Hier ist neues Quellenmaterial, prüfe, ob darin etwas für diese definierte Linie steckt, und wenn ja, formuliere innerhalb dieser Regeln einen Entwurf. Das ist für mich ein großer Unterschied.
Gestaltung gehört für mich ebenfalls nicht in die generative Freiheit. Auch dort möchte ich keine Überraschungen: Layout, Farben, Typografie, Abstände, Positionen, Branding, Formate – das alles kann deterministisch festgelegt werden. Wenn die Content-Linie ein bestimmtes Kartenformat verwendet, dann verwendet sie dieses Kartenformat. Die KI muss nicht entscheiden, ob heute vielleicht ein Kreis schöner wäre als ein Rechteck. Das ist keine Intelligenz, die ich brauche, es wäre nur zusätzliche Unvorhersehbarkeit.
Zwei sehr unterschiedliche Arten von Content-Automation
Damit entstehen für mich zwei Varianten. GameDay ist die einfache: strukturierte Daten, feste Regeln, feste Vorlage, fertiger Content – keine generative KI erforderlich. Die zweite Variante ist interessanter: eine unstrukturierte oder laufend aktualisierte Quelle, daraus relevante Fakten erkennen, einer definierten Content-Linie zuordnen, Text innerhalb enger Regeln erzeugen, deterministisch rendern. Hier hat KI eine Aufgabe – aber nur an einer klar definierten Stelle, nicht im ganzen Prozess.
Genau das finde ich eigentlich spannender als “KI macht Content”. Der übliche Gedanke wäre vermutlich, einer KI ein Thema zu geben und sie daraus Posts erzeugen zu lassen. Das reizt mich deutlich weniger. Ich möchte lieber ein System, das aus echten, aktuellen Quellen arbeitet und dabei nur so viel generative Freiheit bekommt, wie tatsächlich notwendig ist. Wenn die Fakten bereits sauber strukturiert sind, brauche ich überhaupt keine KI. Wenn sie erst aus einer Quelle herausgezogen und in eine passende Content-Linie übersetzt werden müssen, kann ein Modell helfen. Aber die Regeln drumherum bleiben fest.
Damit wird aus GameDay für mich langsam etwas Größeres – nicht weil GameDay selbst KI braucht, sondern weil mir das Projekt gezeigt hat, wie viel Content sich automatisieren lässt, wenn Daten, Regeln und Ausgabe sauber voneinander getrennt sind. Der nächste Schritt ist deshalb nicht, mehr KI in GameDay einzubauen. Der nächste Schritt ist, diese Engine so allgemein zu machen, dass sie auch mit Quellen umgehen kann, die nicht so angenehm strukturiert sind wie ein Spielplan.