Content-Management ist in der heutigen Zeit einerseits so einfach geworden und andererseits schon fast eine Wissenschaft. Heute sind vor allem diejenigen erfolgreich, die Content regelmäßig und von gleichbleibender Qualität veröffentlichen. Unternehmen und deren Redakteure stehen vor der Herausforderung, ihre wachsenden Inhalte effizient zu verwalten und für verschiedene Kanäle nutzbar zu machen. Nicht so einfach bei einer Diversität an Medienformaten, die von Texten und Bildern bis hin zu Videos und Dokumenten reicht. Die Menge an Daten ist dabei in vielen Unternehmen exponentiell angestiegen, Tendenz steigend. Eine Tatsache, die die manuelle Pflege von Content zunehmend zu einer wahren Sisyphos-Aufgabe macht.
In Zeiten der digitalen Transformation müssen Website-Betreiber wettbewerbsfähig bleiben, denn Kosten für manuelle Aufwände sind hoch und die Ressourcen meist knapp. Künstliche Intelligenz und Machine Learning können hier in Zukunft hilfreiche Arbeitswerkzeuge sein.
Was ist der Unterschied?
In der Praxis werden die Begriffe fälschlicherweise oft gleichgesetzt, obwohl sie sich in der Theorie stark unterscheiden:
- Unter Künstlicher Intelligenz (KI) wird die Fähigkeit von Maschinen und Systemen verstanden, intelligentes menschliches Verhalten nachzuahmen. Eine KI löst Probleme weitestgehend eigenständig und autark.
- Machine Learning (ML) ist ein Unterbereich und dennoch wichtiger Treiber von Künstlicher Intelligenz. Es beschreibt die Fähigkeit eines Systems, mit Hilfe von Trainingsdaten Muster und Schemata zu erkennen und mit ihnen zu lernen, ohne vorher explizit programmiert worden zu sein. Voraussetzung dafür ist eine gute und hochwertige Datenbasis.
In den vergangenen Jahren haben die beiden Konzepte deutlich an Hype gewonnen. Fernab von düsteren Hollywood-Szenarien hat sich die Technologie bereits in vielen Bereichen des täglichen Lebens etabliert. Chatbots helfen im Kundenservice aus und Navigationssysteme leiten Fahrer zum nächstbesten Parkplatz. Sprachassistenten wie Alexa, Siri & Co. begleiten Menschen nicht nur unterwegs auf ihren Smartphones, sondern stehen mittlerweile auch im privaten Wohnzimmer für allerlei Aufgaben bereit.
Im Bereich Content Management ist die Technologie kaum verbreitet und findet bisher nur in geringem Maße Anwendung. Dabei kann sie auch dort zu massiven Vorteilen für Website-Betreiber führen. Nachfolgend ein Überblick über die Einsatzszenarien, die sich für CMS-Betreiber ergeben und welche Möglichkeiten es bei den Open-Source-CMS bereits gibt, um KI bzw. Machine Learning einzusetzen.
Einsatzszenarien für KI und Machine Learning
Im Content Management gilt es, eine Vielzahl an Aufgaben unter einen Hut zu bringen. Verantwortliche müssen dabei einschätzen können, an welchen Stellen sie KI und Machine Learning sinnvoll einsetzen und manuelle Abläufe automatisieren können. Unter anderem stehen ihnen dabei die folgenden Einsatzmöglichkeiten zur Auswahl.
Optimierung der Auffindbarkeit von Content
Den vorhandenen Content strukturiert durchsuchen? Schwer, wenn es unzählige Objekte zu verwalten gibt. Daher ist es von großer Bedeutung, wie konsistent die Metadaten bei Bild- und Videomaterial gepflegt sind. Was Redakteure normalerweise unter hohem Zeitaufwand manuell bewerkstelligen müssen, kann über Machine Learning mit Leichtigkeit vonstattengehen. Durch die automatische Analyse von Bildern kann eine KI erkennen, was auf ihnen zu sehen ist und darauf aufbauend passende Schlüsselwörter finden. Hier kommt auch der Aspekt Machine Learning ins Spiel: Je mehr Content die KI durchforstet, desto höher ist der Lerneffekt und die Qualität der erzeugten Metadaten.
Kontrolle von User-generated Content
Auch die Inhalte, die nicht von den Betreibern selbst erstellt werden, erfordern oft einen hohen Verwaltungsaufwand. Schließlich will man Nutzer aktiv über Kommentare, Produktbewertungen oder Diskussionen auf der Website oder im Webshop integrieren. Dass es dabei nicht immer nett und freundlich zugeht, ist heutzutage leider Normalität. Ein Grund für Betreiber, mit Hilfe von KI ein wachsames Auge auf Inhalte von Nutzern zu haben. Durch die sog. Sentiment Analysis wird der emotionale Ton der Äußerungen von Nutzern analysiert und die Tonalität entsprechend als positiv oder negativ ausgewiesen. Community Manager werden dann auf kritische Beiträge hingewiesen, um schnell auf Kommentare reagieren zu können.
Automatische Ergänzung und Erstellung von Inhalten
Die Spitze des Eisbergs wäre für Content Manager natürlich, dass KIs eigenständig Inhalte erstellen und publizieren. Noch gehört das zur Zukunftsmusik, doch erste Schritte in diese Richtung zeichnen sich schon heute ab. KIs helfen bereits dabei, fehlende Inhalte oder Daten und damit Lücken im Content zu erkennen. Bei Bedarf ergänzen sie selbstständig suchmaschinenrelevante Metadaten oder Bildinformationen. Und es geht noch weiter.
Wo erforderlich, erstellen sie automatisiert ganze Textabschnitte wie bspw. Pressemitteilungen, Kurzmeldungen oder Produktbeschreibungen. Alles was sie dafür brauchen, ist eine Handvoll vordefinierter Stichwörter, die ihnen die nötigen Eckpfeiler für den gewünschten Text vorgeben. In der Praxis gibt es schon eine Reihe von Software-Lösungen, die bspw. Produktbeschreibungen auf Basis von strukturierten Daten automatisch formulieren. Es liegt auf der Hand, dass großen Onlineshops dadurch – in einer sich immer schneller drehenden Welt – ein enormer zeitlicher und finanzieller Aufwand erspart bleibt.
Qualitätsmanagement und A/B-Testing
Das umfangreiche Testen der eigenen Website erfordert oft die Entwicklung komplexer Tests. Ein Machine-Learning-Algorithmus, der mit der nötigen Menge an Informationen versorgt wurde, kann Websites problemlos nach vordefinierten Schemata auf Funktionalität und Aktualität testen. Admins erhalten im Anschluss an die Prüfung automatisch Meldung darüber, ob Fehlfunktionen oder Schwachstellen vorliegen und können dementsprechend handeln.
Wer in der Praxis mit A/B-Testing zu tun hat, weiß, dass das Aufsetzen von Tests durchaus aufwändig ist und genaueste Planung benötigt, um signifikante und verlässliche Ergebnisse zu erzielen. Hier können sich vor allem Systeme profilieren, die basierend auf vergangenen Testergebnissen automatisch mathematische Modelle entwickeln, mit denen sich Resultate von geplanten neuen Tests prognostizieren lassen. Wieder gilt das Motto: Je mehr Testergebnisse das System als Grundlage zur Verfügung hat, umso besser ist der Lerneffekt und desto präziser wird die Prognose.
Open-Source-CMS bieten allerlei Plugins an
In die gängigen Open-Source-CMS haben KI und Machine Learning schon Einzug erhalten – bisher vor allem in Form von Plugins und Erweiterungen. Attraktive Lösungen bieten Drittanbieter und Entwickler vor allem bei WordPress an, aber auch bei TYPO3, Drupal und Joomla ist die Entwicklergemeinde nicht untätig geblieben.
Eine klare Abgrenzung zwischen Künstlicher Intelligenz und Machine Learning ist bei den Lösungen oft nicht möglich, denn die Anbieter nutzen die Begriffe oft deckungsgleich. Folglich stützen sich die dargestellten Informationen auf die Angaben, die die Plugin-Anbieter zu ihren Produkten machen. Außerdem sollte der Einsatz der Plugins vorher sehr gut überlegt sein und für den jeweiligen Einsatzzweck genauestens geprüft werden.
WordPress Plugins
WordPress-Nutzer können bereits aus einem breiten Angebot an KI-gestützten Plugins wählen. Das Plugin MyCurator filtert das Web nach populären Artikeln und bereitet diese als Content für die Website auf. Wordlift crawlt und analysiert den Content und spricht darauf aufbauend Empfehlungen zu möglichen SEO-Maßnahmen aus. Wenn Texter und Redakteure einen neuen Artikel verfassen, hat Jetpack ein Auge darauf, dass die Rechtschreibung sitzt und kontextuelle Fehler vermieden werden. Das Darwin Pricing Integration, ein Teil des bekannten WooCommerce Plugins, sammelt automatisch Daten und Preise von Wettbewerbern und leitet zugrundeliegende Strategien ab. Das bekannte Anti-Spam-Plugin Akismet, das ebenfalls über Machine Learning funktioniert, sorgt bereits in vielen WordPress-Installationen dafür, dass Spam zuverlässig aussortiert wird.
TYPO3 Erweiterungen
Beim CMS TYPO3 ist die Auswahl zwar noch überschaubar, die Entwicklergemeinde ist jedoch auch hier auf dem Vormarsch, wenn es um die Integration von Künstlicher Intelligenz und Machine Learning in das CMS geht. Die Erweiterung nreach, die auf Microsoft Azure Cognitive Services basiert, ist ein Hilfsmittel für die Bild- und Textanalyse, das automatisch Bilder beschreibt und durch Keywords und Metadaten ergänzt. Zudem untersucht es Texte semantisch und reichert sie an den erforderlichen Stellen mit zusätzlichen Inhalten an.
Weitere KI-Erweiterungen
Auch bei anderen CMS-Systemen stößt man auf KI-basierte Erweiterungen. Joomla bringt Machine Learning vor allem in den Kundenservice, wo der Geek Facebook Chatbot die gesamte Website scannt und diese Wissensbasis nutzt, um viele Fragen von Kunden beantworten zu können. Wer seinen Content optimieren will, bekommt von der Erweiterung Atomic Reach Anpassungsvorschläge, die sich positiv auf die Conversions auswirken können.
Auch für die Personalisierung hält Machine Learning einige Möglichkeiten bereit. So erfasst die Drupal-Erweiterung Acquia Lift, woher ein Nutzer kommt und passt die Website je nach dem durch spezifische Inhalte auf ihn an. Das Ergebnis: Pluspunkte auf der Kundenzufriedenheitsskala.
Resümee und Ausblick
Langsam aber stetig finden Künstliche Intelligenz und Machine Learning ihren Weg in die CMS-Systeme – wenn auch bisher nur über Erweiterungen. Noch ist nicht abzusehen, wann die Technologie auch nativ in die System-Architektur der Open-Source-Lösungen Einzug findet.
Sicher ist, dass die Technologie im Bereich Content Management einfach Sinn macht. Vor allem bei Enterprise-CMS-Lösungen, die eine gewisse Größe überschritten haben, gestaltet sich die manuelle Pflege trotz komfortabler Funktionen zunehmend anspruchsvoller. Richtig eingesetzt, können KI und Machine Learning hier enorme Zeit- und Kostenvorteile schaffen. Und nicht nur das: Während Optimierungspotenziale erkannt und ausgeschöpft werden, steigt auch die Qualität des Kundenerlebnisses.
Verantwortliche können sich schon jetzt überlegen, welche Tätigkeiten eine KI-basierte Erweiterung in ihrem CMS übernehmen kann und welche Möglichkeiten sie bei den Open-Source-CMS-Lösungen schon heute nutzen können. Denn sobald Machine Learning und Künstliche Intelligenz einen festen Bestandteil der Systeme bilden, werden sie einen erheblichen Einfluss darauf nehmen, wie Content Management gelebt und praktiziert wird.
Natürlich befindet sich das Feld in einem stetigen Wandel, sodass hier lediglich eine Momentaufnahme abgebildet werden konnte. Wer also noch weitere Lösungen empfehlen kann oder bereits Erfahrungen mit dem Einsatz von KI und Machine Learning im Content Management sammeln konnte, kann sein Wissen gerne im Kommentarbereich teilen – jeder Beitrag ist willkommen!
