Abschlussarbeit: Lokale vs. Markt-LLMs Optimierung der automatisierten Zeitungsproduktion durch fac

... für eine spannende Abschlussarbeit an der Schnittstelle zwischen Künstlicher Intelligenz und digitalem Journalismus im Zeitraum von ca. 6 Monaten.

Ziel der Arbeit ist zu untersuchen, ob ein lokal gehostetes und spezifisch auf Lokalzeitungsinhalten trainiertes (Fine-Tuning) LLM bessere Ergebnisse bei der automatisierten Entfernung von Übersatz erzielt als allgemeine Markt-LLMs. Dabei soll nachgewiesen werden, dass die lokale Spezialisierung nicht nur die inhaltliche Qualität (Erhalt der Kernbotschaft und Lokalkolorit) steigert, sondern auch Vorteile in den Dimensionen Kostenkontrolle (keine Token-Gebühren) und Latenz (schnellere Inferenzzeiten im lokalen Netz) bietet.

Im Unterschied zur Nutzung von Standard-APIs setzt diese Arbeit auf die Domänen-Spezialisierung. Durch das Training mit historischen Daten von Lokalzeitungen lernt das Modell, welche Textpassagen (z. B. Floskeln, weniger relevante Detailinfos) typischerweise gekürzt werden können, ohne den Informationsgehalt für die lokale Leserschaft zu mindern. Dies stellt einen Übergang von "General Purqo pose AI" zu einer "Vertical AI" für das Verlagswesen dar.

Der Schwerpunkt deiner Tätigkeit liegt auf der Durchführung deiner Abschlussarbeit basierend auf einem spannenden Forschungs-Setup:

• Prototyping: Du begleitest die technische Implementierung eines Workflows, der Autoren via E-Mail verifiziert und KI-assistierte Artikelvorschläge generiert.

• Empirischer Vergleich: Du wertest Daten aus Pilotprojekten aus und vergleichst das automatisierte Setting mit herkömmlichen, manuellen Prozessen.

• Hypothesenprüfung: Du analysierst, ob niederschwellige Verifizierungsprozesse (z. B. One-Click) die Publikationsrate und das Vertrauen in KI-Inhalte nachhaltig steigern.

Mehr Infos zum Unternehmen

PEIQ bietet Dir für diese Arbeit ein ideales Praxisfeld: An unseren Standorten in Augsburg und Bergkirchen entwickeln wir die Redaktionssysteme der Zukunft. Deine Forschung findet direkt im Umfeld unserer Innovationsprojekte statt. Hier hast Du Zugriff auf reale Datenströme und arbeitest eng mit unseren Expert:innen zusammen, um die technologische Transformation im Verlagswesen aktiv mitzugestalten.

• Technisch analytisches Studium, bevorzugt mit Schwerpunkt im Bereich KI/Data Science
• Grundlagenwissen von KI-Modellen und Kenntnissen zur Datenverarbeitung
• Erste Programmierkenntnisse
• Erste Erfahrung mit wissenschaftlichem Arbeiten
• Methodische Heransgehensweise

• Zukunftsweisendes Thema
• Erfahrene Betreuung und regelmäßige 1:1 Meetings mit deinem Mentor
• Flexibiltät hinsichtlich Arbeitsort (bundesweit) und Arbeitszeiten