AIJIM – Evidenzbasierte KI für Journalismus
AIJIM (Artificial Intelligence Journalism Integration Model) beschreibt einen modularen 6-Phasen-Workflow von Ingest bis Publish & Audit – mit Human-in-the-Loop und Explainability by default. Das Modell ist peer-reviewed (Springer LNNS, FTC 2025).
Key Facts (Mallorca-Pilot 2024)
Modell-Overview (kompakt)
- Evidence-first: Jeder Schritt erzeugt nachvollziehbare Spuren (Evidence Chain).
- Human-in-the-Loop: Crowd/Expert-Review vor Veröffentlichung.
- Tool-agnostisch: Modelle/Tools sind austauschbar – ohne Transparenzverlust.
Workflow (S1–S6)
S1 · Ingest: Aufnahme von Daten (Bürger, Drohnen, Sensoren) inkl. Metadaten.
S2 · Detection: Automatisierte Analyse/Erkennung im Near-Realtime.
S3 · Draft: Erster Report-Entwurf mit Quellen/Koordinaten.
S4 · Human-in-the-Loop: Crowd/Expert-Validierung, Korrekturen, Konsens.
S5 · QA & Explainability: Prüfpfad + erklärbare Hinweise (z. B. visuelle Attributionen) bei Bedarf.
S6 · Publish & Audit: Veröffentlichung mit nachvollziehbarer Evidence Chain/Audit-Trail.
Was AIJIM ausmacht
- Sechs Phasen, ein Prozess:
Ingest → Detection → Draft → Human-in-the-Loop → QA & Explainability → Publish & Audit.
- Tool-agnostisch & skalierbar:
Komponenten sind austauschbar – ohne Transparenz zu verlieren.
- Explainability by default:
Schnelle visuelle Hinweise und gezielte Audits als Prozessprinzip.
Hinweis: Workflow und Pilot-Kennzahlen sind im begutachteten Beitrag belegt (FTC 2025, Springer · DOI 10.1007/978-3-032-07989-3_26).