Stell dir einen Nachrichtensprecher vor, zu dem du hingehen, eine Frage stellen und eine Antwort von Angesicht zu Angesicht bekommen kannst. Genau das hat Xinhua, Chinas staatliche Nachrichtenagentur, am Donnerstag, dem 5. November, auf dem World Media Summit in Peking gezeigt: zwei lebensgroße humanoide Roboter, einen männlichen und einen weiblichen, vorgestellt als „bionische humanoide Nachrichtensprecher“. Die Sprecherin heißt Xinyan. Die eigentliche Frage ist weniger, wie menschlich sie aussehen, sondern woher ihre Antworten kommen.
Was Xinhua gezeigt hat und wer die Roboter gebaut hat
Entwickelt wurden die Roboter gemeinsam von Xinhua und UBTech Robotics, einem der bekanntesten chinesischen Hersteller humanoider Roboter. UBTech übernahm die gesamte Fertigung und lieferte die bionische Haut, das Betriebssystem, ein „emotionales“ großes Sprachmodell und sogenannte Embodied-Intelligence-Hardware, also den physischen Körper mit Sensoren und Motoren, über den ein KI-System in der Welt handelt. Die vollständigen Eigentumsrechte an den Robotern liegen laut Bericht bei Xinhua.
Das Aussehen stammt aus einer ungewöhnlichen Quelle: Filmregisseur Zhang Yimou war Chefdesigner des Erscheinungsbilds. Sein Team arbeitete an den Gesichtern wie an einem Filmset. Man habe Mimik, Augenbewegungen und Lippenformen verfeinert, um einen ruhigen Ton, Haltung und Blickkontakt zu erreichen, sagte er. Diese Wahl zeigt, worum es eigentlich geht: Ein Nachrichtensprecher ist nicht nur eine Stimme, die Text vorliest, sondern ein Gesicht, dem das Publikum vertrauen soll.
Wie die Roboter Fragen beantworten
Große Sprachmodelle, die Technik hinter heutigen Chatbots, neigen zum „Halluzinieren“: Sie erzeugen Zitate, Zahlen oder Ereignisse, die plausibel klingen, aber erfunden sind. Für einen Nachrichtensprecher ist das die schlimmste denkbare Schwäche. Xinhuas Antwort: Beide Sprecher sind an Xinhua Yudian angeschlossen, eine KI-Nachrichtenplattform und einen KI-Agenten, den die Agentur im Juni gestartet hat. Statt aus dem zu improvisieren, was ein Modell im Training aufgenommen hat, greifen die Roboter auf das eigene aktuelle Material der Agentur zurück.
Laut Interesting Engineering beschrieb UBTech-Gründer und Vorstandschef Zhou Jian ein System aus „Gehirn, Ausdruck und Steuerung“, das geprüfte Nachrichten in Echtzeit abruft, um Halluzinationen zu verringern. Xinhua zufolge macht diese Anordnung die Inhalte „nachvollziehbar, sicher und kontrollierbar“. Technisch ist das ein bekanntes Muster namens Retrieval: Das Modell sucht zuerst freigegebene Dokumente heraus und formuliert seine Antwort daraus.
Wie menschlich wirken sie wirklich?
Schauen wir auf die Bewegung. Laut The Canberra Times (Australian Associated Press), die vom Gipfel berichtete, neigen und drehen sich die Köpfe in regelmäßigen Abständen, die Augen huschen umher und blinzeln, und aus der Nähe sieht man eine Kamera dort, wo beim Menschen die Pupille wäre. Der „Blickkontakt“ ist also in einem Sinn echt: Ein Objektiv schaut dich an. Das Gesicht vermittelt Ruhe und Haltung, die Bewegung wirkt dennoch wie eine Maschine, die ein Programm abspult.
Es ist nicht Xinhuas erster künstlicher Sprecher. Im November 2018 veröffentlichte die Agentur einen KI-Moderator aus digitalen Kompositen echter Sprecher mit synthetischer Stimme, eine reine Bildschirmfigur mit sichtbaren Aussetzern und begrenzter Mimik. Neu ist jetzt die Kombination: ein physischer Körper im Raum, verbunden mit einer Nachrichten-KI, die live auf Fragen reagieren kann.
Ersetzen sie Journalisten?
Xinhua sagt nein. Die Roboter sollen helfen, Informationen zu präsentieren, Inhalte in mehreren Sprachen zu liefern und in Echtzeit mit dem Publikum zu interagieren, aber keine Nachrichten selbstständig verfassen. Qian Tong, Direktor des New Media Center von Xinhua, sagte, Journalisten und Redakteure blieben die zentralen redaktionellen Akteure im Newsroom. Ein Vizepräsident von Xinhua erklärte auf dem Gipfel, beim Einsatz von KI gehe es darum, Journalisten zu stärken, nicht sie zu ersetzen. Auch Zhang Yimou beschrieb die Roboter als Assistenten, die neue Erfahrungen hinzufügen.
Warum Medienfachleute skeptisch sind
Jock Cheetham, Dozent für Nachrichten und Medien an der Charles Sturt University in Australien, erwartet Roboter-Sprecher im australischen Fernsehen so bald nicht. Etablierte Sender würden mit Moderatoren, die unecht, billig oder seltsam wirken könnten, ihr Vertrauen aufs Spiel setzen; eher würden Online-Kommentatoren und Influencer KI-Sprecher ausprobieren. Er geht sogar davon aus, dass echte menschliche Moderatoren zum Qualitätsmerkmal werden, weil Authentizität an Wert gewinnt. AAP weist darauf hin, dass einige australische Radiosender bereits Bot-Stimmen für Nachrichtenblöcke nutzen. Die Debatte dreht sich also darum, wo die Grenze liegt, nicht darum, ob KI in die Redaktion kommt.
Unsere Einschätzung: Die Bibliothek zählt mehr als das Gesicht
Die bisher berichteten Fakten betreffen Design, Architektur und Rollen. Ebenso aufschlussreich ist, was fehlt: Keiner der Berichte nennt eine Fehlerquote, Antwortzeiten oder die Liste der Sprachen. Wir lesen das Retrieval-Design als vernünftige Lösung für ein Problem und als Verlagerung der Verantwortung bei einem anderen. Antworten aus geprüftem Material machen erfundene Skandale in einer Live-Sendung deutlich unwahrscheinlicher. Der Roboter muss aber weiterhin die richtige Passage finden, sie zusammenfassen und ohne Bedeutungsverschiebung aussprechen, und jeder dieser Schritte kann scheitern. Wichtiger noch: Retrieval verschiebt die Vertrauensfrage von der Maschine zu demjenigen, der die Bibliothek bestückt. Hier ist das eine staatliche Nachrichtenagentur, und ihr eigenes Wort „kontrollierbar“ zeigt, dass die Inhalte innerhalb von Grenzen bleiben sollen, die sie selbst setzt. Ein humanoider Körper bringt Präsenz, keine Verlässlichkeit. Beurteile diese Sprecher nach der Qualität und Offenheit ihrer Quellen, nicht danach, wie überzeugend sie blinzeln.
