Lesern beim Lesen über die Schulter schauen - und daraus kluge Schlüsse ziehen. Das war der Kern unserer Idee.

Nachrichtenangebote müssen doch eigentlich besser funktionieren als dies vielfach der Fall ist - so unsere These.

Dafür haben wir mit vielen namhaften Partnern Kooperationen geschlossen um Inhalte nutzen zu können. Diese haben wir analysiert und den Nutzern angeboten. Aus dem Nutzungs­verhalten haben wir Schlüsse über das zukünftige Angebot gezogen.

Und dann wieder von vorn begonnen. Iteration um Iteration wurde die Idee weiterentwickelt.

Inhalte importieren, verstehen, ausliefern, die Nutzung auswerten und das Verhalten darauf basierend anpassen. Mit AI und entsprechender Technik kein Kinderspiel, aber machbar.

Unser Ansatz war so einfach wie radikal (keine Ressorts, keine redaktionellen Entscheidungen), dass es eine Herausforderung war, Inhalte in großer Anzahl automatisiert inhaltlich zu verstehen und auf Interessensprofile von Nutzern zu matchen.

Für den Betrieb musste eine komplette Nachrichten-Personalisierung-Plattform entwickelt werden. Mit allen Komponenten die dazugehören. Ein umfangreiches Stück Arbeit - und eine sehr spannende Reise durch Technik und Inhalt.

Unsere Plattform nutzte semantische Methoden um Inhalte zu analysieren und matchte Interessen von Nutzer*innen und Inhalte mittels Graphenmodellen aufeinander.

Das Leseverhalten wurde getrackt und floß in einen Machine-Learning-Prozess ein, der das Interessen- und Nutzungsprofil der jeweiligen Konsument*innen anpasste.

Die gesamte Plattform entstand als entkoppelte Microservice-Architektur basierend auf der AWS-Cloud Infrastruktur. Als Frontend kamen native Apps für Android und iOS zum Einsatz.