Kunde: F.A.Z.
Projekt: AI in the Newsroom – Machine Learning für die Paywall der F.A.Z.
- Ziel der F.A.Z. war es, eine datenbasierte Entscheidungsgrundlage zu gewinnen, ob ein Artikel sich besser für die Paywall oder als Free-Artikel für die Ausspielung von Online-Werbung eignet.
- Der Herausforderung begegnete jambit mit anspruchsvollem Natural Language Processing (NLP).
- jambit fand eine Situation vor, bei der die historischen Daten nur begrenzt vorhanden und nicht aufbereitet waren. Zur Weiterverarbeitung überführte jambit die Daten in eine strukturierte Form.
- Anhand dieser historischen Daten trainierte jambit Modelle mittels Maschinellem Lernen (ML).
- Diese Modelle sagen nun unterschiedliche Gütemetriken vorher, etwa die Anzahl der abgeschlossenen Abos für neue Artikel.
- Ob ein Redakteur bei diesem Artikel die Paywall aktivieren soll, sieht er jetzt an der Empfehlung im CMS, die sich aus den unterschiedlichen Gütemetriken berechnet.
- Verwendete KI-Methoden: Transfer Learning, Feature Engineering sowie Gradient Boosting
- Verwendete Softwaretechnologien: BERT, PyTorch, scikit-learn, LightGBM, MLflow, Azure AutoML, Docker, Azure Functions
Erfolge
- Das Projekt erreichte Zeit- und Kosteneinsparungen sowie Qualität aufgrund eines jambit-inhouse entwickelten KI-Frameworks https://github.com/jambit/sensAI. Die F.A.Z profitierte von Know-how-Transfer aus anderen jambit-Projekten, etwa in den Branchen Automotive und Industry 4.0.
- AI-Experten, CMS-Entwickler und -Admins von jambit arbeiteten direkt mit einem interdisziplinären Team aus Redaktion, F.A.Z. Data Department und F.A.Z. Technische Projektleitung zusammen.
- Kostenersparnis durch eigene GPU Computing-Infrastruktur bei jambit sowie optimale Einbettung in das bestehende Azure-Cloud-Ökosystem
Sie suchen Unterstützung bei der digitalen Transformation? Nehmen Sie jetzt Kontakt mit uns auf!
* Pflichtfeld
