It’s the next big leap of mankind: KI in Musik- und Audiobereich

It’s the next big leap of mankind: Täglich liefert der gleichnamige Spotify-Podcast die aktuellsten “Nachrichten aus dem Weltall” auf Deutsch oder Englisch für die Ohren. Verantwortlich dafür ist aber kein Produktionsteam, sondern Künstliche Intelligenz: „Wir definieren die Quellen, die Art und Weise, wie diese Quellen genutzt werden, wie Texte erstellt werden, der Rest passiert vollautomatisiert und mit KI”, beschreibt Chris Guse, Co-Founder & CEO bei der Berliner BosePark Productions GmbH, die Vorgehensweise. Die KI übernimmt in weiterer Folge alle Aufgaben für die Produktion, inklusive Musik- und Nachrichtenauswahl. Dafür durchsucht sie die relevanten, zuvor bestimmten Quellen, schreibt Texte und KI-Sprachgeneratoren wandeln diese dann in natürliche Sprache um. Nischenpodcasts wie die Weltallnachrichten, aber auch AI oder Promi-News, an denen „Menschen weltweit verstreut“ interessiert wären, wären zuvor nicht finanzierbar gewesen – weiß Guse. Erst die KI machte es möglich, dass die „Menschen, die in der Audiowelt leben, den gleichen Wissensstand haben wie diejenigen, die in der Textwelt leben“, bringt er die durch KI entstandenen Möglichkeiten auf den Punkt.

MIZ-gefördertes Projekt Audiomatika: „Menschen Mehrwert bringen“

Dass dabei völlig Neues entstehen kann, das beweist das Projekt Audiomatika: In einem „Gänsehautmoment“ bauten Guse und sein Kollege, der russische Datenwissenschafter Pavel Tyukavin einen Prototypen, der aus Text gute Audioinhalte machen kann. „Wir haben die Maschine gebaut, die sich im Keller eines Schiffs befindet“, schildert Guse die nächsten Schritte, „jetzt geht es darum, das Schiff drumherum zu bauen.“ Das „Schiff“ soll eine Web-Plattform sein, mit der Redaktionen fertige Audio-Episoden produzieren können und so „aus Texten, die es gibt, Audioinhalte, die Menschen einen Mehrwert bringen“ Zu produzieren. Damit das gelingt und die Cloud-basierte Plattform auch in der Praxis erfolgreich eingesetzt werden kann, hat das Zweierteam den „Spiegel“ und die „Lausitzer Rundschau“ als Partner gewonnen. Der Spiegel-Newsletter könnte bald nicht mehr als Textform zu einem verlässlichen Zeitpunkt veröffentlicht werden, sondern immer dann als Audio-File online gehen, wenn die Nachricht relevant ist.

Sechs Monate haben Guse und Tyukavin Zeit, dieses Schiff zu bauen - um bei der Metapher zu bleiben. So lange wird das Projekt vom MIZ - Medieninnovationszentrum Berlin-Brandenburg GmbH gefördert. „Wir können ausprobieren, ohne dass wir in der privatwirtschaftlichen Welt Profit generieren müssen“, freut sich Guse über dieses „Geschenk“. „Und wenn wir in sechs Monaten noch nichts veröffentlicht haben, können wir zumindest aus unseren Fehlern lernen.“

Dass man sich diese Zeit des Lernens in Deutschland oft nicht nimmt, sei seiner Meinung nach schade. Hierzulande stehen viele KI Entwicklungen nach wie vor skeptisch gegen über, beobachtet Guse: „In anderen Ländern begegnen mir mehr Menschen, die im leidenschaftlichen Austausch mit KI sind“, meint er, in Deutschland hingegen dominiert die Angst vor Gefahren. Während die Amerikaner bereits am Tun und Machen sind, „diskutieren wir noch, ob es sinnvoll ist damit anzufangen“, möchte er, dass die Bundesrepublik „weltoffener wird, Menschen und Ideen gegenüber“. Das gelte auch für seine Heimatstadt Berlin. Da zeige sich bereits, dass Diversität und Internationalität gerade im Bereich der Sprachentwicklung durchaus als Vorteil genutzt werden kann: Jeder mit KI-Sprachgeneratoren produzierte Text werde nämlich einem Muttersprachler zur Bewertung vorgesetzt. „In Berlin leben so viele Menschen aus so vielen Teilen der Welt. Da ist es einfach, jemanden zu finden, der koreanisch spricht“, nennt er ein Beispiel aus der Praxis, „da ist es toll, dass diese Stadt ein Ort für Menschen mit so vielen Sprachen und Regionen ist.“

Hardware für Hearing-Wellness

Auf Videocalls alleine beschränkt sich die KI von ai|coustic nämlich längst nicht: „Wir sehen verschiedene Anwendungsfälle“, meint der Gründer, „und ständig tun sich Neue auf, weil die Technologie bestimmte Sachen ermöglicht, die bisher nicht möglich waren.“ Von Podcasts über Lernplattformen von Universitäten - sie alle hätte Aufnahmen, die sie gern verbessern würden. Dazu kommt das große Feld der Hardware: „Kopfhörer und Soundbars sind Bereiche, wo die Technologie zum Einsatz kommt“, ortet Jaedicke dabei für die Zukunft großes Potenzial. Auch im TV unterstützt die KI Menschen mit Hörbeeinträchtigung dabei, etwa die Stimme zu verstärken oder die Hintergrundmusik in einem Film zur besseren Verständlichkeit zu reduzieren.

Das enorme Potenzial im Bereich Hearing-Wellness lässt die Partnerschaft mit der Berliner Firma Mimi Technologies erahnen, die schon jetzt in ihren Kopfhörern mithilfe der KI von ai|coustic Sound personalisiert und an das eigene Hörvermögen anpasst. „Gerade im Audiobereich ist hier ein starkes Ökosystem“, macht sich laut Jaedicke hier der Standort Berlin bezahlt. Viele Unternehmen wären etwa im Audio-Software-, aber auch im Audio-Hardwarebereich tätig. „Das Ökosystem und das Netzwerk derer, die in diesem Bereich arbeiten, ist hilfreich“, weiß er aus eigener Erfahrung. Genauso wie Programm wie Exist oder auch das Programm des K.I.E.Z. – Artificial Intelligence Entrepreneurship Center. Nur die Herausforderung in Deutschland Investoren zu gewinnen, stellte sich als schwierig heraus: „Mein Eindruck war, dass international die Bereitschaft höher ist, Risikoinvestitionen zu tätigen“, meint Jaedicke und gibt zu: „Hier kann das Berliner Ökosystem Anreize für Investoren bieten, das Grundproblem wird es aber nicht lösen.“ Da müssten die Start-ups selbst aktiv werden. Ai|coustic etwa nahm an einem Programm an der Universität in Oxford teil und konnte so die notwendigen Investoren finden, um bis Mai von vier auf 14 Mitarbeitende anzuwachsen. Damit wollen die Jungunternehmer den „nächsten Sprung in der Qualitätswahrnehmung von Sprache im digitalen Raum schaffen.“