Gkc26-Session: KI-Output: Verlässliche Antworten brauchen gute Quellen
Weitere Optionen
Diese Seite ist KI-generiert. Sowohl die Zusammenfassung als auch das zugrundeliegende Transkript der Videoaufzeichnung wurden mithilfe von KI erstellt.
| KI-Output: Verlässliche Antworten brauchen gute Quellen | |
|---|---|
| Art | Barcamp-Session |
| KnowledgeCamp | KnowledgeCamp 2026 |
| Sessiongebende | Natascha Thomas
|
| Datum | 09.10.2026 |
| Zeit | 10:00 bis 10:45 Uhr |
| Raum | PMG Media4AI (3.OG) |
| Sprache | Deutsch |
| Aufzeichnung | YouTube |
| Im Programm | Pretalx |
| KI-Unterstützung | Whisper large-v3 (Transkription), gpt-6.1-sol (Redaktion) |
Aus dem Veranstaltungsprogramm:
Generative KI ist im Wissensmanagement bereits vielerorts produktiv im Einsatz. Die entscheidende Hürde ist nicht mehr die Technologie, sondern die Frage:
Auf welcher Datenbasis kann KI produktiv und rechtssicher arbeiten?
Die Antwort ist umso bedeutender, da der Mehrwert KI-gestützter Aussagen maßgeblich von der Qualität der zugrundeliegenden Daten abhängt.
Wir zeigen einen konkreten Lösungsansatz:
Mit Media4AI stellt PMG Presse-Monitor eine einzigartige Quelle hochwertiger journalistischer Inhalte für die rechtssichere interne KI-Nutzung bereit. Redaktionen aus rund 250 führenden Medien, darunter DER SPIEGEL, F.A.Z., DIE WELT, DIE ZEIT, manager magazin, NZZ oder Süddeutsche Zeitung liefern täglich hochwertige journalistische Informationen. Sie lassen sich als wertvolle Grundlage für KI-gestützte Wissensmanagement-Projekte nutzen.
Erfahre wie hochwertige Medieninhalte dazu beitragen können,
- die Qualität von KI-generierten Antworten zu verbessern
- Halluzinationen und Fehlinformationen zu reduzieren
- interne Wissensbestände mit aktuellen externen Erkenntnissen anzureichern
- fundiertere Analysen und Entscheidungen zu ermöglichen und
- KI-Investitionen endlich spürbar zu skalieren
Für Wissensmanager/-innen stellt sich nicht mehr nur die Frage, welche KI eingesetzt wird, sondern vor allem, auf welchem Wissen sie basiert.
Besuche unsere Session auf dem KnowledgeCamp und entdecke, wie Qualitätsjournalismus zur strategischen Wissensquelle für Ihre KI werden kann.
Mehr erfahren: Media4AI kennenlernen
Zusammenfassung
In der Barcamp-Session „KI-Output: Verlässliche Antworten brauchen gute Quellen“ stellte Natascha Thomas von der PMG das Angebot Media4AI vor. Ausgangspunkt war ihre Beobachtung, dass überzeugend formulierte KI-Antworten nicht automatisch belastbar sind: Quellen können unzureichend, unpassend oder sogar erfunden sein. Für unternehmerische Entscheidungen brauche es deshalb nicht nur geeignete KI-Werkzeuge, sondern auch eine bewusst ausgewählte und nachvollziehbare Datengrundlage.
Media4AI wurde als Angebot beschrieben, journalistische Artikel für unternehmensinterne KI- und RAG-Systeme zu beziehen. Die PMG liefert dabei die Inhalte; deren Verarbeitung und die Beantwortung von Fragen erfolgen in der Umgebung des Kunden. Thomas betonte insbesondere Quellenqualität, Nutzungsrechte, maschinenlesbare Daten und die Verbindung journalistischer Berichterstattung mit internem Unternehmenswissen.
Die Session verband Präsentationsimpulse, Anwendungsbeispiele, eine Datenbankvorführung und ausführliche Rückfragen. Dabei wurden auch Grenzen sichtbar: Das Angebot richtete sich vor allem an Organisationen mit größerem Informationsbedarf. Wissenschaftliche Literatur war noch nicht erschlossen. Zudem diskutierten die Teilnehmenden, ob journalistische Marken dauerhaft als Qualitätsgarantie ausreichen und welche Perspektiven durch die Auswahl bestimmter Medien ein- oder ausgeschlossen werden.
Einstieg und Hintergrund der PMG
Thomas lud zu Zwischenfragen ein und wollte die mitgebrachte Präsentation ausdrücklich nicht vollständig vorlesen. Ergänzend bot sie an, konkrete Fragen direkt anhand der Datenbank zu besprechen. Der Austausch entwickelte sich entsprechend von einer Produktvorstellung zu einer Diskussion über technische Abläufe, Kosten und Qualitätsfragen.
Als Hintergrund erläuterte Thomas die Herkunft der PMG aus der Lizenzierung von Pressespiegeln. Verlage hätten sich zusammengeschlossen, um die weitere Nutzung ihrer Artikel in Unternehmen zu organisieren. Die PMG sammle dafür Medieninhalte, die Kommunikationsabteilungen und andere berechtigte Stellen für interne Pressespiegel verwenden könnten. Thomas verwies auf jahrzehntelange Erfahrung und eine sehr breite Abdeckung deutscher Tages- und Wochenzeitungen.
Diese etablierte Pressespiegelversorgung war vom neuen KI-Angebot zu unterscheiden. Für Media4AI nannte Thomas zum Zeitpunkt der Session ein Medien-Set von knapp 250 Titeln. Das Produkt sei am 1. September gestartet. Die Verlage hätten die PMG damit beauftragt, ein Angebot für Wissensmanagement, Beratung und andere professionelle Informationsanwendungen aufzubauen.
Ihre Darstellung verband dabei ein Vertriebsanliegen mit einem urheberrechtlichen Anliegen: Statt ausschließlich die aus Verlagssicht problematische Nutzung von Medieninhalten durch KI-Anbieter zu kritisieren, sollten Unternehmen journalistische Inhalte gezielt und mit geregelten Nutzungsrechten beziehen können.
Quellenqualität als Grundlage für KI-Antworten
Thomas berichtete von eigenen Erfahrungen mit Claude und Microsoft Copilot. Sprachmodelle könnten Antworten liefern, die gut geschrieben und plausibel wirkten, aber sachlich nicht zuverlässig seien. Gerade für Entscheidungsvorlagen sei dies problematisch, weil eine überzeugende Formulierung fehlende Belastbarkeit verdecken könne.
Die zentrale These fasste sie mit „Shit in, shit out“ zusammen: Eine schlechte Datengrundlage begrenze auch die Qualität des Ergebnisses. Unternehmen sollten deshalb vor dem Einsatz einer KI klären, welche Informationen diese tatsächlich benötige.
Thomas äußerte außerdem die Einschätzung, öffentliche KI-Antworten seien teilweise stark durch US-amerikanische Internetquellen und Plattformen wie Reddit geprägt. Für Fragen zum deutschen Markt oder zu regionalen Entwicklungen bevorzuge sie deutsche journalistische Berichterstattung. Dies war ihre Begründung für eine gezielte Quellenauswahl, keine systematische Untersuchung der genannten Dienste.
Aus ihrer Sicht waren dabei mehrere Aspekte wichtig:
- Inhaltliche Eignung: Die Quellen sollten zur konkreten Frage und zum geografischen beziehungsweise fachlichen Kontext passen.
- Aktualität: Laufende Berichterstattung könne interne Wissensbestände um neue Entwicklungen ergänzen.
- Nachvollziehbarkeit: Aussagen sollten auf auffindbare Artikel zurückgeführt werden können.
- Nutzungsrechte: Unternehmen sollten klären, ob sie Inhalte für ihre jeweilige KI-Anwendung verwenden dürfen.
Media4AI: Inhalte für die eigene KI-Umgebung
Abgrenzung zu einem Recherche-Chatbot
Mehrere Rückfragen betrafen die grundlegende Funktionsweise. Thomas stellte klar, dass Media4AI nicht als weiterer Chatbot gedacht sei, in dessen Oberfläche eine Frage unmittelbar zu einer ausformulierten Antwort führt. Die Datenbank diene vielmehr dazu, Artikel zu suchen, auszuwählen und herunterzuladen.
Die Inhalte würden anschließend in die eigene Unternehmensumgebung übernommen, beispielsweise zu Dokumenten in SharePoint, auf die ein interner KI-Assistent zugreifen könne. Dort ließen sich journalistische Quellen mit Präsentationen, Kundendaten und anderen internen Unterlagen verbinden. Die Verarbeitung erfolge somit beim Kunden.
Auf die Frage nach Angeboten einzelner Medienhäuser erläuterte Thomas den Unterschied anhand der Quellenbreite: Wer nur die Inhalte eines bestimmten Fachmediums benötige, könne mit dessen eigener Lösung gut bedient sein. Media4AI solle dagegen Inhalte verschiedener Medien zusammenführen und in der eigenen Umgebung nutzbar machen, ohne zwischen mehreren Rechercheoberflächen wechseln zu müssen.
Rechte, Datenformate und geschützte Verarbeitung
Die von Thomas beschriebene rechtliche Absicherung beruhte auf Verträgen mit den Verlagen und einer Kooperation mit der VG Wort. Nach ihrer Darstellung sollten sowohl Verlage als auch journalistische Urheberinnen und Urheber an den Erlösen beteiligt werden. Auch Inhalte hinter Bezahlschranken gehörten zum Angebot.
Die Daten seien maschinenlesbar und könnten in für die jeweilige interne KI geeigneten Formaten bereitgestellt werden. Konkrete technische Schnittstellen oder Integrationsschritte wurden im Gespräch nicht vertieft.
Thomas sprach sich zudem dagegen aus, vertrauliche Unternehmensunterlagen in öffentliche KI-Angebote hochzuladen. Das vorgestellte Nutzungsszenario setzte stattdessen auf eine geschützte interne Umgebung. Welche Antworten damit möglich seien, hänge neben den Quellen auch vom eingesetzten System und den gestellten Fragen ab.
Anwendungsbeispiele und Antwortvergleich
Marktbeobachtung, Standortentscheidungen und Beratung
Thomas erläuterte mehrere ausdrücklich beispielhafte Einsatzmöglichkeiten:
- Technologie- und Marktbeobachtung: Regelmäßig bezogene Artikel zu Herstellern und Produkten könnten für monatliche Zusammenfassungen oder Vergleiche genutzt werden.
- Planung von Windenergieanlagen: Zu technischen, finanziellen und standortbezogenen Analysen könne regionale Berichterstattung hinzukommen. Diese könne Hinweise auf politische Positionen, Bürgerinitiativen und Erfahrungen mit früheren Projekten geben.
- Unternehmensberatung: Für ein Mandat könnten interne Unterlagen um Berichte über das betreffende Unternehmen, dessen Branche oder regulatorische Entwicklungen ergänzt werden.
Beim Windenergiebeispiel ging es nicht darum, eine Standortentscheidung allein aus Zeitungsartikeln abzuleiten. Thomas beschrieb journalistische Inhalte als zusätzliche Perspektive auf lokale und politische Bedingungen. Regionale und überregionale Quellen könnten dabei unterschiedliche Informationen beitragen.
Beispiel Glasfaserausbau
Für einen Vergleich hatte Thomas Claude nach der Entwicklung des Glasfaserausbaus in Deutschland gefragt. Die öffentlich recherchierte Antwort sei gut formuliert gewesen, habe sich aber auf eine aus ihrer Sicht begrenzte Auswahl von Quellen gestützt.
Dem stellte sie eine Suche in der PMG-Datenbank gegenüber, die in ihrer vorbereiteten Darstellung 938 Artikel lieferte. Anschließend habe sie die Frage in einer internen, mit diesen Artikeln versorgten Umgebung gestellt. Diese Antwort bewertete sie als ausführlicher und besser auf ihren Informationsbedarf zugeschnitten. Besonders wichtig war ihr, einzelne Aussagen anhand der zugrunde liegenden Artikel prüfen zu können.
Thomas berichtete außerdem, bei Claude eine Quellenangabe gefunden zu haben, zu der der genannte Artikel nicht existiert habe. Damit unterstrich sie, dass auch eine scheinbar belegte Antwort überprüft werden müsse.
Zur zusätzlichen Bewertung hatte sie beide Antworten von Copilot vergleichen lassen. Nach ihrer Darstellung fiel dieser Vergleich zugunsten der journalistisch gespeisten Antwort aus. Die Vorführung blieb ein konkretes Produkt- und Anwendungsbeispiel; eine systematische Evaluation mit kontrollierten Bedingungen wurde nicht vorgestellt.
Datenbankvorführung und Bezugsmodelle
In der Live-Vorführung zeigte Thomas die Auswahl von Medien und Zeiträumen sowie eine stichwortbasierte Suche. Die Oberfläche war keine Prompt-Eingabe für fertige Antworten. Stattdessen konnten Suchbegriffe eingegeben und Quellen ein- oder ausgeschlossen werden.
Als Auswahlmöglichkeiten beschrieb sie unter anderem überregionale Medien, regionale Zusammenstellungen und einzelne Titel. Auch historische Bestände seien verfügbar, allerdings nicht für alle Medien im gleichen Umfang. Für die FAZ nannte sie ein Archiv von zehn Jahren.
Die live gezeigte Suche nach „Glasfaser“ ergab 2.247 Beiträge. Diese Zahl bezog sich auf die damalige Suchauswahl und war nicht mit dem vorbereiteten Datensatz gleichzusetzen. Nach der Suche konnten die gefundenen Inhalte als Angebot zusammengestellt und heruntergeladen werden.
Für mehrere Themen empfahl Thomas getrennte Suchvorgänge, damit Datensätze übersichtlich blieben. Eine gemeinsame Suche sei ebenfalls möglich. Beim Bezug unterschied sie zwischen:
- einmaligen Käufen für ein bestimmtes Projekt oder Beratungsthema;
- wiederkehrenden Lieferungen, etwa monatlich;
- häufigeren Aktualisierungen bis hin zu täglichen Lieferungen, sofern dies zum Anwendungsfall passe.
Ein Abonnement sei nicht zwingend. Die im Gespräch genannten Unternehmensbeispiele dienten der Veranschaulichung und wurden nicht als belegte Kundenbeziehungen vorgestellt.
Kosten, Zielgruppen und offene Bedarfe
Auf die Preisfrage nannte Thomas einen Einstieg bei etwa 1,50 Euro pro Artikel. Bei großen Mengen seien deutliche Rabatte vorgesehen. Konkrete Staffelungen wurden nicht erläutert.
Als Zielgruppen nannte sie unter anderem Wissensmanagement, Research, Beratung, Banken, Pharmaunternehmen und andere Organisationen mit größerem Informationsbedarf. Für Privatpersonen sei das Angebot nicht ausgerichtet. Der wirtschaftliche Nutzen müsse am jeweiligen Entscheidungs- und Projektkontext gemessen werden.
In der Diskussion wurde der Wunsch nach wissenschaftlicher Fachliteratur geäußert, etwa für die Suche nach Forschungsthemen. Thomas erklärte, die PMG habe zu entsprechenden Verlagen bislang keine vergleichbar guten Zugänge. Unterschiedliche Geschäftsmodelle und Vorbehalte gegenüber KI erschwerten eine Erweiterung.
Ein weiterer Beitrag betraf soziale Initiativen: Regionale Berichterstattung könne helfen, erfolgreiche Ansätze sichtbar zu machen und voneinander zu lernen. Gleichzeitig fehlten solchen Organisationen häufig die Mittel. Thomas stellte keinen Sondertarif in Aussicht, zeigte sich aber offen, einen möglichen Showcase gesondert zu besprechen.
Für die öffentliche Hand sah sie ebenfalls Potenzial. Nach ihren Erfahrungen hätten Ansprechpartner in Behörden jedoch teilweise noch keine Erlaubnis zum KI-Einsatz, was entsprechende Angebote erschwere.
Diskussion über journalistische Qualität und Medienauswahl
Zum Ende wurde die Grundannahme hinter dem Angebot kritisch hinterfragt: Was geschieht, wenn Medien unter wirtschaftlichem Druck selbst zunehmend minderwertige KI-Inhalte produzieren? Dann könne auch ein journalistisch gespeistes RAG-System eine schlechtere Datengrundlage erhalten.
Thomas antwortete mit einer ausdrücklich als Hoffnung und Zukunftserwartung formulierten Einschätzung. Glaubwürdige, eigenständige Berichterstattung könne zum entscheidenden Unterscheidungsmerkmal journalistischer Medien werden. Zugleich räumte sie Herausforderungen durch Medienkonzentration und ausgedünnte lokale Berichterstattung ein.
Ein weiterer Diskussionsbeitrag fragte nach der meinungsbildenden Rolle kostenloser lokaler Blätter und nach möglichen politischen Einseitigkeiten. Thomas verwies auf die Schwierigkeit, verbindlich über zulässige oder hochwertige Perspektiven zu entscheiden. Für den bisherigen Aufbau habe sich die PMG zunächst auf reputationsstarke Medien mit breiter Berichterstattung konzentriert; auch Regionalzeitungen könnten relevante Qualität liefern.
Zum Abschluss wurde angeregt, kleinere spezialisierte journalistische Angebote einzubeziehen. Thomas nahm diesen Hinweis positiv auf. Als übergreifende Erkenntnis blieb damit nicht nur die Bedeutung guter Quellen, sondern auch die Aufgabe, deren Auswahl, Nutzbarkeit und Qualität fortlaufend zu prüfen. Media4AI wurde als möglicher Baustein dafür vorgestellt, nicht als Ersatz für die Prüfung von Antworten oder die verantwortliche Ausgestaltung des eigenen KI-Systems.