Generative KI-Technologie revolutioniert den Buchverlag

Das Versprechen der generativen KI wird gerade auf neue und bemerkenswerte Weise umgesetzt und bietet das Potenzial, unsere Arbeitsabläufe, Geschäftsmodelle und die Produkte, die wir den Lesern anbieten, erheblich zu verändern. Doch die Technologie steckt noch in den Kinderschuhen, und der Weg in die Zukunft ist noch nicht geebnet. Als jemand, der an vorderster Front an der technologischen Revolution im Verlagswesen beteiligt ist, glaube ich fest an das Versprechen der generativen KI. Die Anwendungsmöglichkeiten sind vielfältig, und das Potenzial, die Branche zu verändern, ist immens.

Bei meiner Arbeit habe ich aus erster Hand erfahren, wie generative KI für viele Zwecke genutzt werden kann. Es handelt sich nicht um ein theoretisches Werkzeug, das auf die akademische Forschung beschränkt ist, sondern um ein praktisches Werkzeug, das jetzt zur Verfügung steht. Indem ich die Versprechen und Fallstricke der generativen KI aus meiner Sicht beleuchte, hoffe ich, ein tieferes Verständnis für diese leistungsstarke Technologie und ihr Potenzial, unsere Branche zu revolutionieren, zu fördern.

Für mich hat generative KI bei Aufgaben geholfen, die vorher stundenlange Arbeit erforderten. Sie hat mir geholfen, ansprechende und zielgerichtete Marketingtexte in einem Bruchteil der Zeit zu erstellen, die ich vorher benötigte. Ich konnte meine Botschaften manuell anpassen und überarbeiten, was ohne KI-Unterstützung fast unmöglich gewesen wäre. Darüber hinaus hat sich KI als bemerkenswert geschickt bei der Generierung von Buchmetadaten erwiesen, wodurch ein Prozess rationalisiert wurde, der zwar mühsam, aber für die Entdeckung und den Verkauf von Büchern entscheidend sein kann.

Andere Anwendungen von KI, die ich ausprobiert habe, umfassten das Entschlüsseln langer Kundendienst-E-Mails, die Erstanalyse von Verträgen mit Inhalts- und Lieferkettenanbietern, das Extrahieren von Rechteeinräumungen und Tantiemenbedingungen in Verträgen, das Bereinigen von extrahiertem Text für die Erstellung von E-Books, das Identifizieren von konkurrierenden Titeln und das Identifizieren von potenziellen DEI-Problemen in Manuskripten. Bei den meisten dieser Anwendungen kann das, was früher eine stundenlange Aufgabe war, die anfällig für menschliche Fehler war, jetzt viel schneller und genauer erledigt werden.

Auch wenn diese Anwendungen der KI von unschätzbarem Wert sind, sind sie nicht ohne Herausforderungen. Es hat sich gezeigt, dass die Nutzung von KI im Verlagswesen nicht so einfach ist wie „Plug and Play“. Es erfordert Überlegungen, Anstrengungen und ein Verständnis für die Technologie, ihre Anwendung und die Branche. Die Eingabeaufforderungen zur Erfüllung von Aufgaben erfordern oft eine umfangreiche Iteration, und die Ergebnisse müssen von Menschen sorgfältig überprüft und bearbeitet werden.

Für mich ist eine der spannendsten Anwendungen von KI die Extraktion von Vertragsbedingungen. Generative KI, ausgestattet mit einem Händchen für Mustererkennung, kann dichte juristische Texte durchforsten und Schlüsselbegriffe mit beeindruckender Genauigkeit identifizieren und extrahieren. Bei der Prüfung von Lizenzvereinbarungen, der Laufzeit und der Art der gewährten Rechte sind die einzelnen Elemente oft in einem Dickicht aus juristischem Fachjargon versteckt, dessen Entschlüsselung viel Zeit in Anspruch nehmen kann. Generative KI kann so trainiert werden, dass sie diese spezifischen Begriffe identifiziert und so den Zeitaufwand für die Vertragsprüfung zur Befüllung von Systemen zur Verwaltung von Lizenzgebühren oder Titeln erheblich reduziert.

Eine typische Herausforderung für Redakteure ist das Extrahieren von Text aus Dokumenten in Formaten wie PDF oder - noch schlimmer - aus gescannten Druckseiten. Der Extraktionsprozess führt oft zu unsauberen Texten mit falscher Zeichenkodierung, falschem Zeilenumbruch oder fehlenden Abschnitten. Der Standardprozess verwendet oft Drittanbieter, die zusätzliche Schritte unternehmen, um den Text zu bereinigen und ihn für die weitere Verwendung geeignet zu machen. Ich habe generative KI eingesetzt, um diesen gesamten Prozess zu ersetzen. Die Anwendung kann sogar die korrigierten Elemente für eine schnelle Überprüfung hervorheben.

Bei der Integration von KI geht es nicht nur darum, die operativen Elemente des Verlagswesens zu verbessern. Sie ist ebenso wertvoll für die Datenanalyse. Mit dem Code Inspector von OpenAI habe ich mich tief in die Fülle von Markt- und Logistikdaten vertieft, die Verlagsunternehmen täglich erzeugen. Ein kritischer Aspekt des Verlagswesens im Bildungsbereich, insbesondere während der Hochsaison, ist die Analyse der Lieferzeiten. Durch die Einspeisung von Logistikdaten in das KI-Modell konnte ich Trends aufdecken und Engpässe identifizieren, die sich auf die Lieferzeiten auswirken. Das KI-Modell ging geschickt mit großen Datensätzen um und lieferte Erkenntnisse, für die ein Mensch Tage oder Wochen gebraucht hätte, um sie zu gewinnen. Es war zwar immer noch wichtig zu wissen, wonach man suchen musste, und die richtigen Visualisierungen zu erstellen, um die Probleme zu veranschaulichen, aber die grundlegende Zahlenverarbeitung dauerte nur ein paar Minuten. Es war atemberaubend zu beobachten, wie das Tool verschiedene Ansätze ausprobierte, in Sackgassen geriet und etwas anderes versuchte, bis es ein geeignetes Ergebnis lieferte.

Leistungsstark, aber nicht unfehlbar

Diese Beispiele unterstreichen eine wesentliche Wahrheit über die Rolle der generativen KI im Verlagswesen: Ihre Leistungsfähigkeit ist immens, aber sie ist nicht unfehlbar. KI-Tools sind zu bemerkenswerten Leistungen fähig, aber ihr Output muss mit Bedacht und Sorgfalt behandelt werden.

Nehmen wir das Beispiel der Suche nach wettbewerbsfähigen Titeln. Dies scheint eine einfache Möglichkeit zu sein, generative KI zu nutzen, aber es erfordert dennoch ein solides Verständnis der Branche und ihrer Daten. In einem E-Mail-Austausch mit Thad McIlroy, der häufig für Publishers Weekly schreibt und ein langjähriger Kollege ist, bemerkte er: „Ich glaube, wir behaupten, dass KI gut darin sein wird, Vergleiche zu finden, ohne zu verstehen, was das bedeutet. Die herkömmliche Methode, Vergleiche zu finden, ist oberflächlich, fast schon wertlos. Was wollen wir von einem Vergleich? Es gibt eine Überschneidung mit Empfehlungsmaschinen. Wir wollen die besten Bücher finden, die dem stilistischen und inhaltlichen Profil des Manuskripts entsprechen, das wir veröffentlichen wollen. Das ist eine große Aufgabe ... und umgeht die fast unüberwindbare Herausforderung, urheberrechtlich geschützte Titel in eine Datenbank aufzunehmen.“

Thad hat absolut Recht. Durch die Verarbeitung riesiger Datenmengen kann die KI Listen potenzieller Vergleichstitel erstellen, wenn nur ein oder zwei Sätze als Eingabe eingegeben werden. In meinem Fall hat es eine Liste mit vernünftig klingenden Titeln erstellt, die es gar nicht gab! Fairerweise muss man sagen, dass die Entwickler von KI-Systemen, wie z. B. OpenAI, das Unternehmen hinter ChatGPT, diesen Vorbehalt anerkennen. Sie haben Warnungen zu den KI-Ausgaben hinzugefügt, die darauf hinweisen, dass die generierten Titel eher ein Beispiel dafür sind, wonach man suchen sollte, als eine endgültige Liste der vorhandenen Bücher.

Auch wenn die KI in der Lage ist, Daten zu analysieren und Erkenntnisse zu gewinnen, muss der Nutzer die richtigen Fragen stellen und wissen, worauf er bei den Antworten achten muss, was unterstreicht, wie wichtig die Beteiligung des Menschen bei der Anwendung von KI ist. Während die KI die Werkzeuge bereitstellte, musste ich ihren Fokus lenken und die Ergebnisse interpretieren.

Dies mag zunächst wie eine Einschränkung erscheinen, kann aber auch eine Stärke sein. Es unterstreicht die Rolle der KI als Ermöglicher und nicht als Ersatz menschlicher Aktivitäten. Sie hilft uns, effizienter und informierter zu werden, und ermöglicht es uns, Aufgaben in einem Umfang und mit einer Geschwindigkeit zu erledigen, die sonst nicht möglich wären. Dies schmälert jedoch nicht den Wert von Branchenkenntnissen und menschlichem Urteilsvermögen, sondern unterstreicht die Bedeutung dieser Elemente bei der Nutzung des vollen Potenzials der KI.

Wirklich skalierbare Unternehmensanwendungen streben nach Vorhersagbarkeit, Konsistenz und Genauigkeit – sie wollen nicht, dass Ihre Finanzsysteme die Daten erfinden, auf denen Ihr Unternehmen arbeitet. Auch wenn die generative KI diesen Genauigkeitsgrad noch nicht erreicht hat, arbeiten die Entwickler weiter daran, die Unsicherheiten im Zusammenhang mit der sachlichen und formatierenden Genauigkeit der von der KI zurückgegebenen Antworten zu beseitigen. Ihr Ziel ist es, einen Großteil der Routinearbeit zu beseitigen, damit die menschliche Kreativität und das menschliche Urteilsvermögen zum Vorschein kommen können.

OpenAI veröffentlicht laufend neue Funktionen, um dies zu unterstützen. So haben die Entwickler kürzlich eine Funktion eingeführt, die die von API-Aufrufen zurückgegebenen Daten systematischer und vorhersehbarer macht. Aber es liegt noch ein langer Weg vor uns.

Erste Beispiele

Es gibt bereits viele vielversprechende Anwendungen generativer KI im Verlagswesen. PanOpen Education zum Beispiel hat KI in seine Kursplattform integriert. Die KI fungiert als Tutor, der die Studenten unterstützt, ihnen bei Missverständnissen hilft und es ermöglicht, die Unterrichtszeit für tiefere Diskussionen zu nutzen. Der Präsident von PanOpen, Brian Jacobs, drückt es treffend aus: „Generative KI trägt dazu bei, den lang gehegten Traum vom personenzentrierten Lernen zu verwirklichen und endlich mit dem Fabrikmodell der Bildung zu brechen. In diesem Sinne sehen wir solche Tools als eine Möglichkeit, Lehrende und Lernende in einer Weise zu unterstützen, die ohne sie unvorstellbar wäre. KI ist weit davon entfernt, die Kreativität der Pädagogen zu verdrängen, sondern kann sie in neuen Formen außerordentlich fördern.“

In ähnlicher Weise setzt Gutenberg Technology KI ein, um die Zugänglichkeit von Inhalten zu verbessern, die mit seinen Autorentools erstellt wurden. Gutenberg nutzt KI für die Verbesserung der Barrierefreiheit (ein Thema für alle Verlage), die Anpassung von Standards und die Erstellung von Testaufgaben (für Bildungsverlage). Der Präsident von Gutenberg Technology, Gjergj Demiraj, sagt: „Bei der Einbindung von KI geht es um Präzision und Konsistenz, die Autoren und Verlagen erhebliche Vorteile bieten. So können wir sicherstellen, dass die Inhalte der Verlage mit den Standards übereinstimmen und für alle zugänglich sind, ohne die kreative Vision der Autoren zu beschneiden.“

Diese Beispiele zeigen, wie Unternehmen Fortschritte bei der Verbindung von KI mit menschlicher Kreativität und Urteilsvermögen machen, um eine effizientere, präzisere und innovativere Plattform zu schaffen. Es gibt viele weitere mögliche Anwendungen von KI im Verlagswesen, darunter Titelentwicklung, Vertrieb, Marketing und natürlich operative und finanzielle Funktionen.

Da wir an der Schwelle zu dieser transformativen Reise stehen, ist es wichtig, informiert und engagiert zu bleiben. Wir sollten nicht vor den Möglichkeiten der generativen KI zurückschrecken, sondern uns auf die Lernkurve stürzen. Experimentieren Sie mit KI-Tools, beziehen Sie sie in Ihre Projekte ein und erkunden Sie ihr Potenzial. Beteiligen Sie sich an Diskussionen über den ethischen Einsatz von KI, ihre Grenzen und ihre Versprechen. Vor allem aber sollten Sie überlegen, wie wir diese Technologie im Sinne unserer Branche, unserer Leser und unserer gemeinsamen Zukunft gestalten können. Die Rolle der KI im Verlagswesen ist keine Frage des Ob, sondern des Wann und Wie. Es liegt an uns, dafür zu sorgen, dass das „Wie“ mit unseren höchsten Zielen und Idealen in Einklang steht.

Ken Brooks ist der Gründer des Beratungsunternehmens Treadwell Media Group und Gründungspartner von Publishing Technology Partners. Er war als Chief Content Officer bei Wiley und als COO bei Macmillan Learning tätig.