Ein Journalismus-Kurs der University of Maryland testete, ob große Sprachmodelle aus dem Archiv einer Lokalzeitung einen kompakten „Beat Guide“ für neue Reporter:innen erstellen können. Die Studierenden entwickelten mit mehreren LLMs von OpenAI und Anthropic ein Tool, das alte Artikel clustert, Themen benennt und auf Wunsch der Redaktion einen ersten Entwurf des Leitfadens produziert. Ein Recherche-Schritt mit Claude Opus ergänzt Kontext aus dem Web, und automatische Zitate aus den Originalartikeln sollen die Fakten überprüfbar machen. Dozent Derek Willis zieht das Fazit: „Wir können das machen – und wahrscheinlich gibt es mehrere Wege.“ Die frisch eingestellte Reporterin Macayla Cook nutzte den Beat Guide nur einmal für eine Schulbudget-Story, dann kehrte sie zur klassischen Archivsuche im Redaktionssystem zurück. Der Digitalchef des Verlagskonzerns hingegen sieht darin eine „phänomenale Ressource“ und bat um weitere Guides. Im Rahmen eines 2-Millionen-Dollar-Stipendiums der Scripps Howard Foundation setzten drei Studierende die Arbeit fort und adaptierten das Prinzip für die Chicago Sun-Times.
Einordnung
Der Text rahmt das Experiment als Erfolg, obwohl die einzige Nutzerin das Angebot kaum annahm. Die implizite Annahme, KI-generierte Ortskenntnisse könnten redaktionelle Erfahrung ersetzen, bleibt unhinterfragt. Vielmehr wird die Machbarkeit an die Stelle journalistischer Relevanz gerückt – ein für KI-Projekte typischer Technologieoptimismus. Die Finanzierung durch eine Stiftung und die Verwendung mehrerer kommerzieller LLMs verraten deutliche Interessen: Lokaljournalismus soll billiger werden, und Tech-Anbieter erhalten neue Anwendungsfelder. Risiken wie Halluzinationen, ausgedünntes Kontextwissen und die Dequalifizierung des Nachwuchses werden kaum thematisiert. Der Newsletter ist lesenswert für alle, die sich ein realistisches Bild vom Einsatz generativer KI im Newsroom machen wollen – allerdings mit der nötigen Skepsis gegenüber der Inszenierung als „phänomenaler“ Durchbruch.