KI für personalisierte Empfehlungen in der ZDFmediathek
Das ZDF ist das zweite öffentlich-rechtliche Fernsehprogramm Deutschlands. Mit ca. 15% der Zuschauermarktanteile führt es das Ranking der Fernsehsender an (Statista 2024). Um seinen Zuschauer:innen weiterhin das bestmögliche Nutzungserlebnis zu bieten, steht die Weiterentwicklung des Online-Angebots, vor allem der ZDFmediathek, im Fokus.
Weiterentwicklung des Online-Angebots
Das ZDF steht bei dieser Weiterentwicklung mehreren Herausforderungen gegenüber. Eine hiervon ist die zunehmende personalisierte Distribution der Inhalte auf eigenen Frontends wie TV, Apps und Drittplattformen wie YouTube. Weiter an Bedeutung gewinnt außerdem die Entwicklung von Automatisierungssystemen und KI-gestützter Empfehlungen, welche die redaktionelle Inhaltsauswahl in der Mediathek zunehmend erweitern.
In Zusammenarbeit mit der ARD entwickelt das ZDF außerdem ein gemeinsames Streaming-Netzwerk, welches es Nutzer:innen ermöglicht, ARD-Inhalte in der ZDFmediathek zu finden und abzuspielen. Dies erfordert eine enge Kooperation und technische Integration beider Systemlandschaften.
Grundlage für all diese Bestrebungen bildet die kontinuierliche Weiterentwicklung der sehr komplexen Systemlandschaft und der eigenen Datenplattform des ZDFs.
Algorithmen in der ZDFmediathek: „Das könnte Dich interessieren“
Die ZDFmediathek bietet Zuschauer:innen durch den Einsatz von Algorithmen ein personalisiertes und automatisiertes Angebot, was ihnen auf ihre Interessen zugeschnittene Inhalte liefert.
Die nachfolgende Abbildung zeigt die Anteile von gesehenen Minuten des Anwendungsfalls „Das Könnte Dich Interessieren (DKDI)“ am gesamten Sehvolumen der ZDFmediathek für automatisch empfohlene Inhalte der letzten 30 Tage.
Wir begleiten und unterstützen das ZDF-Team von der Forschung an Algorithmen über die Entwicklung von Empfehlungssystemen und deren Integration in die bestehende Systemlandschaft bis hin zu ihrem Betrieb in der Cloudumgebung. Dabei unterstützen wir auch bei der kontinuierlichen Evolution der Systemarchitektur.
Algorithmen kommen an verschiedenen Stellen zum Einsatz:
- „
Das könnte Dich interessieren“ schlägt Inhalte vor, die ihren Interessen in der
ZDFmediathek entsprechen
- „
Auch interessant“ für Empfehlung ähnlicher Beiträge zum Inhalt des Referenzbeitrags
- „
Bühne“ mit Empfehlungen auf einigen Bühnenpositionen
- „
Weil Du `Beitrag` geschaut hast“ schlägt thematisch ähnliche Empfehlungen zum gesehenen Video vor
Das internationale Projektteam
„Um die vielfältigen Aufgaben in diesem Projekt zu lösen, kommt ein gemischtes Team aus ZDF-Mitarbeitenden und aktuell 9 Accsonaut:innen aus Deutschland und Südafrika zum Einsatz. So vereinen wir verschiedenste Kompetenzen, die sich perfekt ergänzen und unsere umfangreichen Kompetenzen als Digitalpartner zeigen.“Dr. Volker JungPartner Accso
- Architekturberatung und Weiterentwicklung der ZDFmediathek und der Nachbarsysteme
- Data Engineering, Architekturberatung, Konzeption und Entwicklung und Betrieb der eigenen Datenplattform, um einen einfachen Austausch von Daten aus mehreren Quellen/Fachbereichen/Systemen zu ermöglichen
- Data Science und R&D (Forschung und Entwicklung) zu Empfehlungsalgorithmen
- Softwareentwicklung des Empfehlungs-Service und der Machine Learning-Algorithmen
- DevOps /MLOps und Cloud-Betrieb in AWS und der Google Cloud
- Testmanagement und Qualitätssicherung
Vertrauensvolle Zusammenarbeit
Durch unsere Expertise im Bereich der künstlichen Intelligenz, der Softwarearchitektur und -entwicklung unterstützen wir das ZDF-Team dabei, den sich ständig weiterentwickelnden Anforderungen der Zuschauer:innen und des Marktes gerecht zu werden und die ZDFmediathek kontinuierlich zu verbessern.
Im Rahmen dieser Zusammenarbeit sind bereits einige gemeinsame Veröffentlichungen auf deutschen und internationalen Konferenzen wie der ACM Conference on Recommender Systems und den IT-Tagen entstanden.
- Bessere Empfehlungen in der ZDFmediathek mit Machine Learning, IT-Tage 2021
- Transparently Serving the Public: Enhancing Public Service Media Values through Exploration, 17th ACM Conference on Recommender Systems (RecSys 2023)
- Translating the Public Service Media Remit into Metrics and Algorithms, 16th ACM Conference on Recommender Systems (RecSys 2022)
- Challenges Experienced in Public Service Media Recommendation Systems, 15th ACM Conference on Recommender Systems (RecSys 2021)
