OK, wir kennen inzwischen alle das Beispiel von dem Erdbeben in Los Angeles: die L.A.Times konnte mit Hilfe eines netten, kleinen Programms einen Artikel posten, noch bevor die letzten Vibrationen aufgehört hatten. Nett. Associated Press lässt inzwischen Tausende von Geschäftsberichten in winzige Artikel transformieren. Auch ganz schön. Handelsblatt und Berliner Morgenpost testen automatisierte Inhalte von textomatic, deren analytischer Ansatz zwar schon weit über die ersten beiden Beispiele aus den USA hinausgeht, aber auf der bis 10 reichenden “Was ist möglich?”-Skala auch erst bei Level 3 liegt. Also, ist Roboterjournalismus ein kurzer Hype, der sich bald wieder erledigt hat?

Roboterjournalismus ist zwar nach meinem Verständnis kein Journalismus – dies würde den gerade durch syrische Flüchtlingslager in Jordanien korrespondierenden Kollegen, den Entdeckern der DFB-Paten und den Haut und Haar riskierenden Regionalreportern auf Neonazispuren bitter unrecht tun – aber die Inhalte werden kommen. Massiv und in großer Zahl und sie werden völlig neue Formen der Berichterstattung möglich machen. Zur Zeit dürfte textomatic möglicherweise der einzige Dienstleister sein, der in der Lage ist, aus einem Echtzeit-Datenstrom mit Millisekunden-Verzögerung gewichtete Analysen zu schreiben.

Das lässt sich aber noch beliebig erweitern: warum finde ich keine Berichte, in der die Entwicklung der börsennotierten Automobilwerte mitsamt Zuliefereren aus aller Welt zusammengfasst wird, egal, an welcher Börse das jeweilige Unternehmen notiert ist? Und dies dann noch gematcht mit den nationalen Zulassungszahlen der wichtigsten Autokäufer-Nationen? Dies ist auch von dem schnellsten Wirtschaftsredakteur niemals zu leisten und schon gar nicht mit einer inhaltlich sinnstiftenden Aktualisierung alle 60 Minuten.

Als Radfahrer interessiert mich das Wetter zwischen 8:00-9:00 und zwischen 16:00-17:00 am meisten – warum muß ich die für mich belanglosen Wetterprognosen für die Mittagszeit lesen und bekomme nicht meinen Wunschwetterbericht für genau meinen Berliner Bezirk und für genau meine relevanten Tagesabschnitte? Weil das natürlich manuell niemals leistbar wäre. Genauso wenig können Medien den Aufwand leisten, aus den schier unfassbaren Datenmengen der EU-Statistikbehörde EuroStat relevante Stories zu filtern und zu schreiben. Und in den Daten von EuroStat schlummern unzählige Geschichten!

Unternehmen werden das “Textcomposing” in wenigen Jahren genauso selbstverständlich einsetzen wie die Medien. Auch bei Konzernen stehen rein theoretisch immer mehr Daten zur Verfügung, nur steigt der Erkenntnisgewinn daraus schon lange nicht mehr proportional an. Vielleicht sind diesmal die Medien schneller als der Rest der Wirtschaft.

Cash registers with scanners are great. Especially for getting to grip with the nitty-gritty of a store, company or holding. That’s the theory, at least. Real life is, as always, different. The request for an analysis and reporting tool for the marketing department of a supermarket with more than 2,000 shops was a welcomed change, since we are normally involved in what is called robot journalism. But data are data.

So we started to investigate how our client was currently dealing with the millions of data sent from around 9,000 cash registers across Germany. It became one of the most complicated investigations of my life, even though I had worked for many years as a freelance journalist in the Middle East. That was easy stuff compared with a German supermarket chain.

“The data are pretty much coming in in real time” – so far, so good. A clear-cut statement. But it was the only thing to be clear in the next two weeks. There were project teams working on the data, joined by external data analysts, highly paid big data experts, teams composed of university students, guys from marketing, IT, accounting and finance. Then there were the executive assistants, tax consultants, controllers and, of course, the highly important and very expensive consultancies. No one group ever talked about the same data. Instead of being on the same page, everyone was off on their own page. Each interested party, each expert used their own analysis and, of course, the reports to the board, coming in at a delay of two to three weeks, were crap. Did anyone bother to read what the customers themselves were doing in the supermarkets? Probably not. They were busy reading opinions regarding the analysis of opinions on pre-selected data.

We hit the ground running. First, we did the most important thing for the project: we explained to everybody working on the data that we were not the enemy. That we wanted to help everyone work easier and more efficiently by sharing with them the enormous amount of customer experience we had collected. We jettisoned the over-paid consultancies, but then this was something to be expected.

To make a long story short: after four weeks we presented the first analysis based on the daily deluge of data, distributed them to the different levels of management. The marketing board was close to tears when the first top-level summary was delivered directly to their smartphones, 80 lines, easy to read, with the “action required” points leading the way, all at a delay of 40 seconds to real time.

We know it’s still taking too long but we’re working on it.