WYnova entwickelte für SAPO eine KI-Empfehlungs-Engine, Audio per Text-to-Speech und eine automatische Kategorisierung mit 90 % Genauigkeit, unter menschlicher Prüfung durch die Redaktion.
Genauigkeit bei der Kategorisierung
Empfehlungsmaschine
per integriertem Text-to-Speech
Die redaktionellen Prozesse von SAPO schränkten Personalisierung und Barrierefreiheit ein. Die Content-Entdeckung war statisch, mit demselben Feed für alle Leser, und das Artikelvolumen machte eine manuelle Kuratierung unhaltbar.
Uneinheitliche Klassifizierung, bei diesem Volumen nicht tragbar.
Für alle Leser gilt derselbe statische Feed.
Inhalte nur als Text, ohne Audio oder Zusammenfassungen.
WYnova entwickelte eine Empfehlungs-Engine, die Audioerzeugung per Text-to-Speech und die automatische Kategorisierung von Artikeln. Alle Komponenten arbeiten unter Prüfung durch die Redaktion.
Welche Artikel sollte ich denjenigen empfehlen, die diesen gerade gelesen haben?
Vorschlag der Empfehlungsmaschine
Drei Artikel zu verwandten Themen, sortiert nach Ähnlichkeit. Die Tags der einzelnen Artikel wurden von der Redaktion überprüft.
Berechnete Ähnlichkeit mit Embeddings in PGVector
Erfassung des redaktionellen Katalogs und der zugehörigen Metadaten.
Automatische Kategorisierung per LLM, von der Redaktion geprüft.
Semantische Indexierung mit PGVector für Suche und Verknüpfung von Artikeln.
Empfehlungs-Engine mit LLM und Embeddings, für jeden Leser personalisiert.
Text-to-Speech und automatische Zusammenfassungen zur Verbesserung der Barrierefreiheit.
Menschliche Prüfung: Die Redaktion gibt frei und behält die redaktionelle Kontrolle.
KI erweitert die Content-Entdeckung bei SAPO, die redaktionelle Entscheidung bleibt bei der Redaktion.
90 % Genauigkeit bei der Kategorisierung, Empfehlungs-Engine im Pilotbetrieb im Q2 2025 und integriertes Audio. Das Redaktionsteam setzt seine Zeit nun für höherwertige Arbeit ein.
Bei einem Medienunternehmen skaliert KI Content-Entdeckung und Barrierefreiheit, solange das redaktionelle Urteil bei der Redaktion bleibt.