argon-Kollegen im Gespräch zur Reihe »longstoryshort – Klassiker in 30 Minuten«

Lieber Benjamin, bei »longstoryshort – Klassiker in 30 Minuten« handelt es sich nicht um eine bloße Zusammenfassung, sondern um die Verdichtung von Klassikern. Was genau bedeutet »Verdichtung« in diesem Kontext?

Benjamin (AI Lead, argon): Die Erwartungshaltung ist oft, dass die KI alles wie aus magischer Hand von alleine erledigt. Das ist aber oft nicht so, auch bei »longstoryshort – Klassiker in 30 Minuten« nicht.

Wir haben etwa ein Dutzend Methoden ausprobiert, mit KI-Unterstützung 30-minütige Kurzfassungen zu erstellen. Ziel war es dabei, möglichst nah am Original zu bleiben, sowie Fakten nicht zu verändern oder zu verfälschen. Am Ende hat sich das als ein sehr zeitaufwendiger Vorgang herausgestellt, da wir das Ergebnis immer wieder menschlich überprüft und beurteilt haben.

Daraus ist ein sehr komplexer, teilautomatisierter Prozess entstanden, in dem die KI immer wieder einzelne Aufgaben übernimmt.

Das Prinzip, welches daraus entstanden ist: der Hauptstrang der Geschichte bleibt so weit wie möglich im Originalwortlaut vorhanden. Dabei werden dazwischen sinnvolle Übergänge geschaffen oder einzelne Sätze gekürzt oder verbunden. Nebenstränge und Nebenfiguren werden sehr stark verkürzt, wenn sie für den Hauptstrang relevant sind. Oder komplett weggelassen, wenn man den Hauptstrang auch ohne versteht.

Welche Technologien kommen dabei zum Einsatz?

Benjamin: Wir setzen auf eine Kombination von verschiedenen Technologien: unseren eigenen Workflow, das KI-Modell von Google namens Gemini sowie ElevenLabs Studio. Gemini ermöglicht uns unter anderem die Verdichtung der Texte. Mit ElevenLabs Studio generieren wir die Sprache, die erste Version des Audios.

Welche Zielgruppen möchtet ihr mit longstoryshort erreichen – an wen richtet sich dieses Experiment?

Benjamin: Mit den Kurzversionen wollen wir Zielgruppen erreichen, die die Originale von sich aus nie gelesen oder gehört hätten, einen einfachen Zugang zu den Klassikern schaffen und Neugier für sie wecken. 

Gleichzeitig möchten wir natürlich auch Interesse für unsere Original-Produktionen dieser Klassiker aus dem argon-Programm erzeugen, die von professionellen Sprecher:innen hervorragend eingelesen wurden. Ob uns das gelingt, werden wir genau auswerten – am Ende ist es ein Experiment.

Was war deine konkrete Rolle als AI Lead bei diesem Projekt?

Benjamin: Meine Rolle als AI Lead sehe ich generell darin, neue Möglichkeiten zu schaffen. Bei »longstoryshort – Klassiker in 30 Minuten« war ich bei allen Schritten vom Konzept bis zur letzten Qualitätskontrolle eingebunden. Gerade bei der digitalen Abbildung und Automatisierung des Prozesses konnte ich meine Erfahrungen mit großen Sprachmodellen, Workflow-Tools und auch Möglichkeiten und Grenzen von KI-Modellen einbringen. Und gerade Grenzen sind noch einige vorhanden. 

Ein spannendes Experiment! Und ich habe mich durch das Projekt auch persönlich von den Klassikern neu verzaubern lassen und kenne die originalen Werke teils nun in- und auswendig.

Lieber Nikolai, was war deine Aufgabe als Lektor in diesem Prozess?

Nikolai (Lektorat, argon): Ich habe an der Entwicklung von Kriterien für die Textgenerierung mitgewirkt, also, was macht einen Erzähltext aus, was sollte bei der Komprimierung möglichst berücksichtigt werden, damit wir dem gewünschten Ergebnis nahekommen. Hinzu kam dann die Prüfung der entstandenen Texte bzw. Textvarianten. Und schließlich habe ich meine Erfahrung als Lektor und Hörbuchregisseur bei der Audiogenerierung eingebracht.

Für die Hörbuchumsetzung werden ausschließlich lizenzierte Stimmen genutzt. Was bedeutet der Begriff »lizenzierte Stimme« und worin liegt der Unterschied zu rein synthetischen Stimmen?

Nikolai: Mit »lizenzierter Stimme« meinen wir, dass echte menschliche Stimmen als digitale Stimmprofile nachgebildet werden, also »geklont«, und dass das auch vertraglich geregelt und vergütet wurde. Eine »synthetische Stimme« wird im Gegensatz dazu rein rechnerisch oder aus anonymisierten Datensätzen erzeugt. Mit letzten arbeiten wir nicht.

Der erste der drei heute erscheinenden Titel, an den ihr euch herangewagt habt, war »Professor Unrat« von Heinrich Mann. Warum habt ihr ausgerechnet diesen Roman gewählt?

Nikolai: Dafür gibt es ganz unterschiedliche Gründe. Zum einen mögen wir den Roman einfach. Der »Unrat« ist tatsächlich eine wunderbare Satire über den bürgerlich-moralischen Tyrannen, der zum Hasardeur wird. Und es macht deutlich mehr Spaß, mit einem Stoff zu arbeiten, den man mag – auch wenn es das Komprimieren nicht leichter macht. Zum anderen bietet er in unseren Augen einen guten Kompromiss aus Länge, Handlungskomplexität und sprachlichem Anspruch, um sich dem Experiment anzunähern. Und ein bisschen war’s auch einfach Bauchgefühl.

War es überhaupt möglich, die komplexe Handlung auf rund 30 Minuten zu verkürzen, ohne den Kern des Werks zu verlieren?

Nikolai: Dahinter steckt viel Arbeit, aber ich denke, dass es uns ganz gut gelungen ist, und bin schon auf die nächsten Herausforderungen gespannt . 

Natürlich kann man lange darüber diskutieren, was den Kern oder die Essenz eines Romans ausmacht. Ihn in all seiner Komplexität und Kunstfertigkeit zu erfassen, ist keine Kleinigkeit, und ihn dann mit technischen Hilfsmitteln in komprimierter Form wiederzugeben, eine Herausforderung für sich. Wir haben uns aber viel darüber unterhalten, worauf es für unsere Umsetzung ankommen könnte, um dem Werk, soweit wie möglich, gerecht zu werden. Das beginnt mit der Frage, ob sich eine Kernhandlung und eine spezifische Erzählperspektive extrahieren lassen. Was den Aufbau, die Dramaturgie und Handlungsdynamik, die sprachlichen Eigenschaften des Romans betrifft, den Reichtum an Motiven, Bildern, Anspielungen usw. wird es dann nochmal anspruchsvoller. Und dann muss man auch ein Stück weit offen für das sein, was einem das Sprachmodell anbietet, wie man sich mit Arbeitsaufträgen annähern und welche Kompromisse man finden kann.

Wir haben also versucht, vor allem der Geschichte und dem Handlungskern sowie dem sprachlichen Charakter gerecht zu werden. Der Anspruch ist ja, einerseits zu informieren und andererseits, eine Idee vom Original zu geben und im Idealfall, Lust darauf zu machen – nicht, es zu ersetzen.

Danke für das Gespräch!