Auf dem Media Lab Innovation Festival zeigte das AI for Media Network, wo KI im Journalismus heute tatsächlich hilft – und wo sie an Grenzen stößt. In der AI Clinic diskutierten wir konkrete Use-Cases von Doku-Experiment bis Resonanzmanagement. In den „B(a)d Time Stories“ erzählten vier Speaker offen von Fällen, wo KI mehr Probleme schuf als löste. Die zentrale Erkenntnis: KI spart selten einfach nur Zeit, sie verschiebt Aufgaben und macht neue redaktionelle Entscheidungen nötig.
Am 18. März 2026 kuratierte das AI for Media Network im Rahmen des Media Lab Innovation Festival an der Hochschule für Fernsehen und Film München zwei Formate: Zum einen die AI Clinic, in der man konkrete KI Use-Cases, die noch nicht wie gewünscht funktionieren, vorstellen konnte. Zum anderen die „B(a)d Time Stories“, in denen Referent:innen offen über gescheiterte oder holprige KI-Projekte sprachen – und was sich daraus für den journalistischen Einsatz von KI lernen lässt.
Doku-Experiment: Wenn KI fehlende Bilder erstellt
Die AI Clinic wurde mit einem Beispiel eröffnet, das zeigt, wie KI eine redaktionelle Herausforderung lösen kann. Johannes Schiller von MDR Next zeigte, wie der Sender in einer Dokumentation über eine Flucht aus der DDR generative KI einsetzte, um fehlende Bilder und Szenen zu ergänzen. So wurden zum Beispiel Schwarz-Weiß-Fotos des Protagonisten mit Hilfe von KI koloriert und animiert.
Bei diesem nicht veröffentlichten Experiment zeigt sich: KI ist alles andere als ein Sparmodell. Es brauchte unzählige Generierungsversuche, das Sortieren von Hunderten Clips und das präzise Nachschärfen historischer Details bedeutete eher Mehrarbeit. Das interdisziplinäre Team testete eigene Modelle und eine feste „Style-DNA“, um Bildkonsistenz bei Protagonist:innen und DDR-Look zu sichern. Das Testpublikum akzeptierte Schiller zufolge KI dann, wenn sie klar als Lückenfüller oder für abstrakte Szenen markiert war, nicht aber als vollständigen Ersatz für Originalmaterial.
Wem gehört die Zeit, die durch KI-Einsatz frei wird?
Im Anschluss wurden in der AI Clinic zwei im Vorfeld eingereichte Probleme beim Einsatz von KI behandelt. Anja Keber und Lukas Graw aus der Wirtschaftsredaktion des BR werfen einen Meta-Blick auf das Thema KI, indem sie fragen: Wem gehört die Zeit, die durch KI im Arbeitsalltag frei wird? Die Bandbreite der Antworten reichte von „Wir werden nach Arbeitszeit bezahlt, also weiterarbeiten“ bis zur Idee, die frei werdende halbe Stunde für mehr Tiefenrecherche und hochwertigen Journalismus zu nutzen. Lukas Graw: “Interessant dabei war: früher heimgehen wollten wegen einer etwaigen Zeitersparnis übrigens niemand.” Gleichzeitig zeigte sich: Viele erleben noch gar keine echte Zeitersparnis, weil die Einarbeitung in Tools und der sensible Umgang mit KI selbst Aufwand bedeuten – und weil ohne Dialog mit Arbeitgeber:innen unklar bleibt, wie gewonnene Zeit sinnvoll genutzt und anerkannt werden kann.
Keber und Graw recherchieren das Thema “Zeitersparnis durch KI” gerade in größerem Umfang. Ihre Radioreportage: “Wem gehört die halbe Stunde” wird am 22. April 2026 zwischen 11 Uhr und 12 Uhr auf Bayern 2 gesendet und ist anschließend in ARD Sounds abrufbar.
Im Resonanzmanagement hilft KI am ehesten bei Strukturierung und Clusterung
Der zweite Use-Case drehte sich um KI‑gestützten Issues- und Resonanzmanagement, gepitched von Kim Ceesay und Tom Klein vom Hessischen Rundfunk. Das HR-Team will Debatten im Netz über den HR und ihn betreffende Themen besser lesen können.
Die Diskussion zeigte, dass die eigentliche Schlüsselaufgabe für erfolgreiches Monitoring strategisch-redaktioneller Natur ist: “Bevor über Tools, Modelle oder Automatisierung entschieden wird, muss klar definiert sein, welche Signale wir überhaupt erkennen wollen, worauf wir hingewiesen werden möchten und welche Meldungen für uns tatsächlich relevant sind”, fasst Community Management Koordinator Klein die Rückmeldungen der Workshop-Teilnehmenden zusammen.
Kim Ceesay, die als Research Consultant bei HR Data arbeitet, ergänzt, dass KI beim Monitoring an seine Grenzen stoße: Schwache, leise oder diffuse Signale würden bislang nur eingeschränkt erkannt, während verdichtete Kipppunkte, Cluster und Muster besser erfassbar erschienen. “Daraus folgt für uns, dass KI vor allem bei Strukturierung, Verdichtung, Clusterung und Eskalationshinweisen unterstützen kann, während menschliche Einordnung, redaktionelle Kontextkompetenz und methodische Kontrolle zentral bleiben”, so Ceesay.
B(a)d Time Stories: Eine Bühne für die Fails aus dem KI-Alltag
Am Abend rückten mit den „B(a)d Time Stories“ die Lernmomente in den Fokus, die man sonst eher unter den Teppich kehrt: Fails, Sackgassen und unerwartete Nebenwirkungen von KI-Projekten. Vier Speaker machten deutlich, wie breit das Spektrum an Herausforderungen ist:
- Dominik Meissner (RoomPal) zeigte, was bei der Übersetzung eines Reise-Chatbot ins Deutsche mit Hilfe von KI schief gehen kann – und warum gute Prompts, Guardrails und klare Qualitätskontrollen im Produktionskontext unverzichtbar sind.
- Dr. Yulia Rönsch (Supportive Stranger App) machte am Beispiel ihrer Zeit als technische Redakteurin deutlich, dass KI eine chaotische Dokumentation zu Software-Funktionen nicht „wegzaubern“ kann: Ohne einheitliche Terminologie, Struktur und Kontext scheitern auch die besten Modelle daran, eine verständliche Bedienungsanleitung zu schreiben.
- Robert Kowalski (Jambit) nahm die strategische Ebene in den Blick: KI-Projekte scheitern selten an der Technik, sondern an unklaren Zielen, rechtlichen Rahmenbedingungen, internen Regeln und einer Unternehmenskultur, die nicht mitzieht.
- Kevin Schramm (BR) zeigte seinen vibe-gecodeten Workflow, mit dem er versucht, die Newsletter-Flut zu filtern. Sein Fazit: Funktionierende Filter sind Gold wert – aber es ist anspruchsvoll, eine KI so zu trainieren, dass sie wirklich relevante von irrelevanten Inhalten trennt.
Durch alle Beiträge zog sich eine gemeinsame Erkenntnis: KI nimmt uns momentan eher keine Arbeit ab, sie verändert sie. Der Umgang mit KI erfordert neue Kompetenzen wie zielgerichtetes Prompting, saubere Datengrundlagen und hohe Qualitätssicherung, indem KI-generierte Inhalte gründlich kontrolliert werden.
Nächstes AI for Media Meetup zum Thema Vibe Coding am 12. Mai
Am 12. Mai 2026 veranstalten wir im BR-Funkhaus unser nächstes Meetup. In der 8. Ausgabe geht es um das Thema „Vibe Coding“. Wir schauen auf Beispiele aus US-Redaktionen, stellen konkrete Vibe-Coding-Use-Cases aus deutschen Medienhäusern vor und geben eine praktische Einführung, wie man zielgerichtet vibe coden kann. Die vorläufige Agenda und den Link zur Anmeldeseite finden Sie hier.