Bertelsmann: KI-Multi-Agenten revolutionieren Inhaltssuche mit LangGraph

Bertelsmann, eines der weltweit größten Medienkonglomerate, hat ein ausgeklügeltes Multi-Agenten-KI-System entwickelt, um die Inhaltssuche für sein riesiges Netzwerk kreativer Teams zu optimieren. Dieses interne Tool, bekannt als Bertelsmann Content Search, nutzt LangGraph, um die Herausforderung der Navigation in einem immensen, dezentralen Inhaltsökosystem zu bewältigen und Kreativen einen schnelleren, umfassenderen Zugang zu Informationen zu ermöglichen.

Die Herausforderung: Navigation in einem dezentralen Medienimperium

Mit einem Portfolio, das Bestseller-Bücher, preisgekrönte Filme, Dokumentationen, Nachrichtenarchive und Web-Intelligence umfasst, sind die Inhalte von Bertelsmann über Dutzende unterschiedlicher Systeme, Datenbanken und Plattformen verteilt. Für Kreativprofis oder Forscher könnte eine scheinbar einfache Abfrage wie „Welche Inhalte haben wir über Barack Obama?“ stundenlanges Suchen in zahlreichen internen Silos erfordern. Diese Fragmentierung führte oft zu doppelten Forschungsbemühungen, verpassten Gelegenheiten für plattformübergreifende Initiativen und wertvoller kreativer Zeit, die für die Informationsbeschaffung statt für die Inhaltserstellung aufgewendet wurde.

Die Lösung: Ein Multi-Agenten-Ansatz zur Inhaltserkennung

Anstatt die monumentale Aufgabe der Zentralisierung aller Daten zu versuchen, entschied sich das AI Hub-Team von Bertelsmann für eine grundlegend andere Strategie: ein Multi-Agenten-System, das Suchen über bestehende, verteilte Datenquellen orchestriert. Die Bertelsmann Content Search fungiert als intelligenter Vermittler und bietet einen einheitlichen Zugangspunkt.

Das System arbeitet über eine Reihe miteinander verbundener Schritte:

• Natürlichsprachliche Schnittstelle: Benutzer können Fragen in Alltagssprache stellen, wie z. B. „Welche Dokumentationen haben wir über erneuerbare Energien?“ oder „Zeigen Sie mir Inhalte zu aufstrebenden Künstlern in der elektronischen Musik.“

• Intelligentes Routing: Ein zentraler Koordinator-Agent analysiert jede Abfrage und versteht deren Kontext und Absicht. Anschließend leitet er die Anfrage intelligent an die am besten geeigneten spezialisierten Agenten weiter.

• Spezialisierte Domänenagenten: Jeder Agent ist speziell für eine bestimmte Inhaltsdomäne konzipiert und besitzt einzigartiges Wissen über seine Metadaten, Suchmuster und Inhaltstypen. So versteht beispielsweise ein „Verlagsagent“ Buchkataloge und Autoreninformationen, während ein „Nachrichtenagent“ journalistische Archive navigiert.

• Einheitliche Antwortgenerierung: Die einzelnen Antworten dieser spezialisierten Agenten werden dann zu einer einzigen, kohärenten Antwort synthetisiert, die oft Verbindungen und Möglichkeiten aufzeigt, die bei isolierten Suchen übersehen worden wären.

Ein wesentlicher architektonischer Vorteil ist die Flexibilität der Agentenbereitstellung. Durch LangGraph können einzelne Agenten direkt in den Systemen bereitgestellt werden, die die Daten besitzen. Dies bedeutet, dass Abteilungen ihre eigenen Plattformen mit spezialisierten Suchfunktionen erweitern können, während die breitere Organisation von der plattformübergreifenden Erkennung durch das einheitliche System profitiert.

Blick in die Architektur: LangGraph im Kern

Im Herzen basiert die Bertelsmann Content Search auf einer LangGraph-gestützten Multi-Agenten-Architektur. Der Koordinator-Agent leitet Abfragen intelligent an ein parallelisiertes Netzwerk domänenspezifischer Agenten weiter:

• Verlagsagent: Fragt Buch- und Hörbuchkataloge ab, versteht Metadaten, Autoren und Zeitlinien.

• Rundfunkagent: Durchsucht TV-, Film- und Dokumentarfilmarchive, vertraut mit Showformaten, Ausstrahlungsterminen und Inhaltsklassifizierungen.

• Nachrichtenagent: Navigiert durch journalistische Archive, interpretiert Artikelmetadaten und Veröffentlichungsdetails.

• Web-Intelligence-Agent: Überwacht externe Trends und Kommentare und liefert einen breiteren Kontext über Bertelsmanns eigene Inhalte hinaus.

Diese Agenten interagieren mit einer Vielzahl von Datenquellen, darunter Vektordatenbanken für die semantische Suche, APIs für strukturierte Abfragen, Graphdatenbanken für beziehungsbasierte Suchen und benutzerdefinierte Tools für komplexe Interaktionen. Die letzte Schicht synthetisiert diese vielfältigen Antworten zu umsetzbaren Erkenntnissen, die es Benutzern ermöglichen, durch direkte Interaktion mit einzelnen Agenten in bestimmte Inhalte einzutauchen.

Warum LangGraph? Zuverlässigkeit und Skalierbarkeit

Das AI Hub-Team von Bertelsmann begann kurz nach der Veröffentlichung im Jahr 2024 mit LangGraph zu arbeiten, eine frühe Adoption, die sich als entscheidend erwies. „Wir begannen Ende 2023, einen Multi-Agenten-Ansatz zur Förderung der kreativen Entdeckung zu erkunden“, sagt Moritz Glauner, Head of Data Science bei Bertelsmann Data Services. Carsten Mönning, Bertelsmann AI Hub Lead, fügt hinzu: „Was ursprünglich als Pilotprojekt zur Erforschung des Potenzials der noch jungen Agenten-Technologie vorgesehen war, entwickelte sich angesichts dessen, was mit LangGraph möglich war, zu einer vollwertigen internen Produktentwicklung.“

Lion Schulz, Head of Machine Learning beim Bertelsmann AI Hub, bemerkte: „Wir erkannten dann schnell, dass LangGraph genau das war, wonach wir suchten, da es Zuverlässigkeit und Vorhersehbarkeit für unsere Produktionssysteme – also verpflichteten wir uns, unser Multi-Agenten-System darauf aufzubauen, und haben es nicht bereut.“ Das Team profitierte insbesondere vom modularen Design, der produktionsreifen Infrastruktur und den skalierbaren Orchestrierungsfunktionen von LangGraph, die es ihnen ermöglichten, vom Prototyp zu einer robusten, unternehmensweiten Lösung überzugehen.

Auswirkungen: Kreativität im großen Maßstab ermöglichen

Die Bertelsmann Content Search hat die Art und Weise, wie Kreativteams auf Informationen zugreifen, grundlegend verändert und liefert erhebliche Vorteile:

• Schnellere Inhaltserkennung: Was früher Stunden des Suchens über mehrere Systeme dauerte, dauert jetzt Sekunden, wodurch Kreativteams sich auf ihre Kernarbeit konzentrieren können.

• Plattformübergreifende Einblicke: Das System enthüllt zuvor ungesehene Verbindungen, wodurch ein Dokumentarfilmproduzent verwandte Bücher entdecken oder ein Buchredakteur Inspiration in Nachrichtenarchiven finden kann.

• Demokratisierter Zugang: Benutzer müssen nicht mehr wissen, welches spezifische System die Informationen enthält oder direkten Zugang zu jeder Datenbank haben. Die einheitliche Schnittstelle macht das gesamte Bertelsmann-Inhaltsuniversum für autorisiertes Personal zugänglich.

• Verbesserte Zusammenarbeit: Durch die Anzeige von Inhalten über Abteilungen hinweg fördert das System auf natürliche Weise die Zusammenarbeit und identifiziert Möglichkeiten für markenübergreifende Initiativen.

Dies führt zu einer agileren, besser informierten Kreativorganisation, die besser positioniert ist, auf Trends zu reagieren und den Wert von Bertelsmanns umfangreichem Inhaltsportfolio zu maximieren.

Ausblick: Die Zukunft der Agenten-Inhaltssysteme

Die Bertelsmann Content Search ist ein Paradebeispiel für das Potenzial von KI in der Medien- und Kreativbranche. Durch die Nutzung modernster Technologie und die Priorisierung der Produktionszuverlässigkeit hat das AI Hub-Team ein System aufgebaut, das sich kontinuierlich mit den Bedürfnissen der Organisation weiterentwickelt. Über die Inhaltssuche hinaus wendet das Team LangGraph nun auch auf andere Agenten-Entwicklungen an, einschließlich der Unterstützung bei der Ideenfindung und dem Storyboarding, was ein Engagement für die Integration fortschrittlicher KI in zentrale kreative Arbeitsabläufe zeigt.