Automated journalism: The effects of automated news generation on news agencies.

Abstract

Seit dem Aufkommen des Internets werden verschiedene Aspekte des Journalismus von Computern unterstützt, darunter die Datenanalyse, die Datenerfassung und -organisation sowie die Nachrichtenverbreitung. Dies führte auch zum Aufkommen von Automated Journalism, d. h. der automatisierten Produktion von Nachrichten durch automatische Textgenerierung. Ziel dieser Arbeit ist es, als Grundlage für die strategische Entscheidungsfindung von Nachrichtenorganisationen zu dienen, indem wichtige Erkenntnisse darüber vermitteln werden, wie das Aufkommen von AJ die Art und Weise verändern kann, wie sie sich von ihren Konkurrenten abheben können. Um dies zu erreichen, wurden vier Hauptbereiche im Hinblick auf AJ untersucht: Chancen und Möglichkeiten, Risiken und Herausforderungen, rechtliche Implikationen und Differenzierungsmerkmale von Nachrichtenunternehmen. Die angewandte Methodik besteht aus einem umfassenden Integrative Literature Review, um die theoretischen Grundlagen zu schaffen, ergänzt durch Semi-Structured Interviews mit Schlüsselpersonen aus Nachrichtenunternehmen in der DACH-Region. Die automatisierte Nachrichtengenerierung ermöglicht es Nachrichtenunternehmen, mehr Abonnenten zu gewinnen und ihre Werbeeinnahmen zu steigern, durch eine drastische Ausdehnung ihrer Berichterstattung. Die größere Breite, Spezifität und Unmittelbarkeit von automatisierten Nachrichten ebnet den Weg für eine Berichterstattung in nahezu Echtzeit, selbst bei Nischenthemen. Unter idealen Bedingungen sind Algorithmen auch weniger fehleranfällig als Menschen. Darüber hinaus ermöglicht AJ die gleichzeitige Veröffentlichung in mehreren Sprachen und eine stärkere Kundenbindung durch die Personalisierung von Nachrichten. Eine potenzielle Herausforderung kann sich aus der Unternehmensgröße ergeben, denn kleine Unternehmen haben oft Schwierigkeiten, genügend Ressourcen für die Einführung eines AJ-Systems bereitzustellen. Eine weitere Herausforderung besteht darin, den Lesern das richtige Maß an Transparenz zu bieten und Bias zu minimieren. Auch das Potenzial für böswillige Manipulationen birgt Risiken. Was den rechtlichen Aspekt anbelangt, so besteht kein eindeutiger Konsens darüber, wer der rechtliche Urheber automatisierter Nachrichten sein sollte und ob ein Urheberrechtsschutz anwendbar ist oder nicht. In Bezug auf die Systemtransparenz müssen EU-Länder berücksichtigen, dass die Datenschutz-Grundverordnung ein gewisses Maß an Erklärung für automatisierte Entscheidungen verlangt. Nachrichtenunternehmen können sich abheben und einen Wettbewerbsvorteil erlangen, indem sie innovativ sind und ihr eigenes Fachwissen zu diesem Thema aufbauen. Sie sollten versuchen, ihre eigenen Datenhosts zu werden, um ihren Lesern einzigartige Geschichten bieten zu können und auf externe Drittanbieter verzichten, um ihre Autonomie zu stärken. Das bedeutet auch, dass eine interne Softwareentwicklung bevorzugt werden sollte, sofern genügend IT-Ressourcen zur Verfügung stehen und ein langfristiges Commitment gegeben ist. Andernfalls sind Lösungen von Drittanbietern ein guter Weg für schnelle Ergebnisse bei niedrigen Initialkosten. Während derzeit regelbasierte/templatebasierte AJ-Lösungen in der Praxis vorherrschend sind, bergen innovative ML-basierte Lösungen das Potenzial für künftige disruptive Veränderungen.

Since the advent of the internet, several aspects of journalism have been assisted by computers, including data analysis, data collection and organization, and news distribution. This also led to the emergence of Automated Journalism, which is the automated production of news by automated text generation. The aim of this thesis is to provide news organizations with crucial insights on how the emergence of AJ can change the way how to differentiate themselves from their competition, serving as a basis for their strategic decision making. To accomplish this, four primary areas were investigated in the light of AJ: chances and opportunities, risks and challenges, legal implications, and differentiating characteristics of news organizations. The applied methodology is a comprehensive integrative literature review to establish the theoretical foundation, supplemented by semi-structured interviews with key personnel from news companies in the DACH region. Automated news generation allows news outlets to gain more subscribers and to increase their advertising revenue by drastically increasing their coverage. The increased breadth, specificity, and immediacy of automated news paves the way for almost real-time coverage, even for niche topics. Ideal conditions provided, algorithms are also less error-prone compared to humans. Moreover, AJ makes it possible to publish in multiple languages simultaneously and to increase customer loyalty by personalizing stories. A potential challenge can emerge from company size because small companies tend to struggle with providing enough resources for the introduction of an AJ system. Another challenge is to provide readers with the right balance of transparency and to keep bias to a minimum. The potential for malicious manipulation also poses risks. For the legal aspect, there is no definite consensus on who should be the legal original author of automated news and whether copyright protection is applicable or not. With respect to system transparency, EU countries have to consider that the GDPR requires some degree of explanation for automated decisions. News companies can differentiate themselves to gain a competitive advantage by being innovative and building their own expertise on the topic. They should try to become their own data hosts to provide their readers with unique stories and cut out on external third-party vendors to strengthen their autonomy. This also means to commit to in-house development, provided that enough IT resources are at hand and that they want to be active in the field for the long term. Otherwise, third-party solutions are a good way to get fast results with low initial costs. While currently rule-/template based AJ solutions are dominating real-world use, innovative ML-based solutions hold the potential for future disruptive changes.