Sollen vs. Können: Wie hat Netflix KI innerhalb des Unternehmens verbreitet?
Im Vergleich zu fremdsprachigen Filmen und Serien mit Synchronfassung bevorzugen mehr Zuschauer die Originaltonversion. Der Grund ist nicht kompliziert: Wenn die Lippenbewegungen auf dem Bildschirm nicht zum Ton passen, bricht das Eintauchen in die Geschichte in dem Moment ab, in dem der Schauspieler den Mund öffnet.
Das Produktteam von Netflix hat eine raffinierte Lösung entwickelt: Es erstellt im Nachhinein die Lippenanimation der Schauspieler neu, sodass die Lippenform perfekt mit der Synchronstimme übereinstimmt. Diese Lösung ist technisch sehr anspruchsvoll, das daraus resultierende visuelle Ergebnis ist atemberaubend – es ist etwas, das bei internen Präsentationen den ganzen Raum zum Schweigen bringen kann.
Sie haben Regisseure und Schauspieler gefunden, die bereit waren, es auszuprobieren, und A/B-Tests an einigen Filmen durchgeführt. Das Ergebnis zeigte, dass die Zuschauerbindung dadurch tatsächlich gesteigert wurde. KI verursachte jedoch auch einige visuelle Mängel, die manuell beseitigt werden mussten. Außerdem war die Wirkung der gesteigerten Zuschauerbindung nicht gleichmäßig verteilt, sondern zeigte sich nur deutlich in szenenreichen Dramen- und Liebesszenen. Es lohnt sich nicht, weiterhin massiv in diese Funktion zu investieren.
Mit der weiteren Weiterentwicklung von KI-Modellen lässt sich diese Rechnung in Zukunft möglicherweise neu aufstellen. Aber derzeit muss Netflix eine andere Frage beantworten: Wenn diese Sache umgesetzt werden soll, wie lässt sie sich am besten durchführen?
Mckenzie Lock, die bei Netflix früher für Produkt, Betrieb und Kreativität verantwortlich war, hat viele solche Entscheidungen erlebt: Es gilt, Inhalte für Zuschauer unterschiedlicher Sprachen und Regionen zugänglich zu machen und gleichzeitig die Bedenken der Urheber hinsichtlich Qualität, Arbeitsweise und kreativer Kontrolle zu berücksichtigen. Dieser Artikel basiert auf einem kürzlichen Interview mit Lock, in dem sie beschreibt, wie sie in den letzten Jahren die KI-Umgestaltung im Unternehmen vorangetrieben hat, als Referenz für die Leser.
Netflix bietet in fast 200 Ländern und Regionen mehr als 17.000 Filme an, unterstützt über 30 Sprachen und hat mehr als 300 Millionen Nutzer. KI bietet natürlich zahlreiche Chancen, die Förderung und Verbreitung dieser riesigen und stetig wachsenden Filmbibliothek zu verbessern. Daher hat Locks Team damit begonnen, die kreativen und betrieblichen Abläufe von Netflix grundlegend zu reformieren, und an einem unkompromisslosen Ziel festgehalten: Diejenigen Schritte im Ablauf zu identifizieren, die umständlich, langsam oder fehlerhaft sind, und KI einzusetzen, um diese Unordnung zu beseitigen, ohne dabei die Inhaltsqualität zu beeinträchtigen oder die Arbeitsergebnisse der Produktionsmitarbeiter zu schädigen. „Die meisten Produktentscheidungen sind eigentlich Entscheidungen darüber, wie mit Komplexität umgegangen wird, und KI bildet da keine Ausnahme“, sagt sie. „Gutes Design beseitigt Komplexität nicht, sondern platziert sie an der richtigen Stelle.“
Die Vision entwickeln
Als Netflix vor einigen Jahren mit der internen KI-Reform begann, konzentrierte sich Locks Team nicht von Anfang an darauf, was die neuesten Modelle leisten können. Stattdessen stellte sie zwei sehr offene Fragen: Welches ultimative Erlebnis wollen wir für unsere Mitglieder schaffen? Und in welchen Punkten erfüllen die aktuellen Produktionsabläufe die Bedürfnisse der Mitglieder wirklich nicht?
Zuerst führte das Team eine Vorstellungsübung durch: Was sollen Nutzer tun können, wenn man vorübergehend keine technischen Einschränkungen berücksichtigt? Zum Beispiel: Wenn ein Zuschauer eine Serie drei Monate lang pausiert und sie dann wieder öffnet, kann er dann zuerst eine auf ihn zugeschnittene Rückblende zur Handlung sehen? Damit ein solches Erlebnis funktionieren kann, welche Inhalte muss die Plattform verstehen, welche Dienste aufbauen und welche Fähigkeiten bereitstellen?
Nicht alle diese Vorstellungen werden zu einem fertigen Produkt. Ihr Wert liegt darin, dass das Team zuerst das Ziel klar beschreibt und dann die Technologie und die Arbeitsabläufe rückwirkend ableitet. Das ist genau das Gegenteil von dem Ansatz, „zuerst ein neues Modell zu sehen und dann nach Anwendungsfällen dafür zu suchen“.
Die Herausforderungen, vor denen Netflix steht, betreffen nicht nur das Zuschauererlebnis. Hinter der Veröffentlichung und Verbreitung jedes Werks stehen zahlreiche Fachkräfte wie Drehbuchautoren, Cutter, Animatoren, Übersetzer und Synchronsprecher. Sie kennen die Schwierigkeiten im Ablauf und machen sich möglicherweise am meisten Sorgen darüber, dass neue Technologien ihre Arbeit verändern. Daher hat Locks Team die zukünftigen Abläufe nicht nur im Konferenzraum entworfen, sondern die Arbeit an der Front beobachtet, Fragebögen für verschiedene Positionen bereitgestellt und Experten und Manager zu Diskussionen über die Ergebnisse zusammengebracht.
Sie luden auch Personen mit unterschiedlichen Standpunkten ein, ihre Argumente darzulegen, sodass potenzielle Meinungsverschiedenheiten sichtbar werden, bevor das Projekt voranschreitet. Für Manager ist das ein leicht zu übersehender Schritt: Das Zögern der Mitarbeiter gegenüber KI bedeutet nicht unbedingt, dass sie Veränderungen ablehnen – es kann auch eine Erinnerung daran sein, dass es noch wichtige ungelöste Probleme im Konzept gibt.
Im Gegensatz zu technischen Teams setzen große kreative Teams KI nicht um ihrer selbst Willen ein. Sie müssen sehen können, wohin sich ihre Arbeit in Zukunft entwickelt. Daher erstellte Locks Team in der Untersuchungsphase für jeden Arbeitsablauf eine zweispaltige Tabelle zum Vergleich von „Ist-Zustand und Zukunft“: Auf der linken Seite steht eine Übersicht über den heutigen Arbeitsablauf, Budgetbeschränkungen, Qualitätsunterschiede, lineare Zusammenhänge und Zeitkosten; auf der rechten Seite wird beschrieben, wie sich die Arbeit einer Person verändern könnte, wenn KI eingeführt wird, welche Tätigkeiten abnehmen und welche Urteile wichtiger werden.
Lock tat noch etwas Unübliches: Das Team erstellte fiktive Pressemitteilungen und Social-Media-Beiträge zu den bevorstehenden Ablaufänderungen, um diese Umstellung im Voraus zu „berichten“ und die Erwartungen der Kreativmitarbeiter an die bevorstehende Prozessreform zu wecken.
Strategie zur Abwägung von Vor- und Nachteilen
Nachdem die Vision klar ist, muss das Team noch entscheiden, wohin die Ressourcen fließen sollen.
Lock erwähnt, dass Netflix wichtige strategische Entscheidungen in Form von zwei Optionen formuliert, wobei beide Seiten attraktive Wahlmöglichkeiten darstellen. Bei der KI-Transformation stand das Team vor der Frage:
Zuerst in risikoarmen Szenarien lernen oder zuerst die Werke mit dem größten Einfluss abdecken?
Große beliebte Produktionen wie „Stranger Things“ haben viele Zuschauer und eine breite Verbreitung. Wenn die KI-Anwendung erfolgreich ist, kann der Nutzen deutlich größer sein. Gleichzeitig sind die Qualitätsanforderungen an diese Werke höher, und die Kosten für auftretende Probleme sind größer.
Das Team entschied sich dafür, zuerst in Inhalten und Abläufen mit relativ geringem Risiko zu experimentieren, aus der echten Produktion zu lernen und dann den Einsatzbereich schrittweise entsprechend der technischen Reife und des Vertrauens zu erweitern.
Eine weitere Frage lautet: Zuerst in die Messung investieren oder so schnell wie möglich skalieren?
Netflix wählte die erste Option, was bedeutet, dass in der Anfangsphase Zeit und Ressourcen für Tests investiert werden und die Expansion möglicherweise nicht so schnell vonstattengeht. Lock betonte besonders, dass KI-Investitionen an die Kernmetriken des Unternehmens ausgerichtet werden müssen – nicht nur an neue, für KI spezifische Metriken, und der Zweck der meisten KI-Investitionen darf nicht hauptsächlich auf „Kostensenkung“ basieren.
Anschließend begannen sie, die Umsetzung voranzutreiben. Im Folgenden wird gezeigt, wie Netflix seine KI-Anwendungen in drei kreativen Arbeitsabläufen schrittweise aufbaut.
Die auffälligste Lösung ist nicht unbedingt diejenige, die sich am meisten zur Skalierung lohnt
Der am Anfang dieses Artikels erwähnte Versuch im Synchronisationsprozess verdeutlicht dies sehr gut.
Synchronisation ist eine Kernarbeit des kreativen Teams von Netflix, aber die Herstellung von Synchronisation ist teuer und zeitaufwendig, sodass die Ressourcen oft auf die beliebtesten Filme konzentriert sind. Daher wollte Locks Team eine Methode finden, um Synchronsprecher mithilfe von KI dabei zu unterstützen, qualitativ hochwertige Synchronisationen für mehr Filme verschiedener Genres zu erstellen.
Dass es technisch „machbar“ ist, bedeutet nicht, dass es wirtschaftlich „wertvoll ist, es umfassend umzusetzen“. Nachdem festgestellt wurde, dass die nachträgliche Neuerstellung der Lippenanimation der Schauspieler nicht rentabel ist, schlugen sie eine neue Richtung ein: Sie bauten ein KI-Modell, das Synchronmitarbeiter dabei unterstützt, Momente zu identifizieren, bei denen zwischen Lippenbewegungen und Übersetzung besonders aufmerksam zu achten ist, und die Übereinstimmung durch Anpassung der Übersetzung und andere Methoden zu verbessern.
Im Vergleich zur direkten Änderung des Bildes ist diese Lösung nicht so auffällig, aber sie kommt dem Problem, das das Team lösen möchte, viel näher.
Konzentriere dich nicht nur auf eine einzelne Metrik und gerate in Denkmuster
Das Erste, was man auf der Netflix-Startseite sieht, sind fast immer Werbematerialien: Standbilder, Texte und Trailer. Das Empfehlungssystem personalisiert sie – wenn du und dein Freund denselben Film anschauen, können die Bilder, die ihr seht, völlig unterschiedlich sein. Daher ist eine Materialbibliothek, die die gesamte Bibliothek abdeckt und ausreichend vielfältig ist, das Zentrum der Strategie.
Ein seit langem in Hollywood verwendeter Algorithmus lautet: Je mehr für Marketing ausgegeben wird, desto mehr wird geschaut. Daher gehen Regisseure und Serienschöpfer natürlich davon aus, dass es bei Streaming-Diensten genauso ist. Das Team testete diese Annahme und kam zu dem Schluss, dass die Wirkung von Standbildern und Ausschnitten bei vielen Filmen genauso gut ist wie die von speziell angefertigten Konzeptgrafiken. Also automatisierten sie die Produktion von Ausschnitten und Standbildern in großem Maßstab und behielten die angepassten Grafiken und Trailer für die wenigen beliebten Filme vor, die sie wirklich benötigen.
Aber Locks Team stellte schnell fest: Wenn das System nur auf eine leicht quantifizierbare Metrik optimiert wird, kann das Ergebnis von dem Nutzererlebnis abweichen, das das Team eigentlich erreichen möchte.
Der Algorithmus ist tatsächlich sehr gut darin, Bilder auszuwählen – Nahaufnahmen bestimmter Schauspieler können Nutzer tatsächlich zum Klicken oder Anschauen anregen. Aber wenn das System ständig ähnliche Bilder auswählt, kann die Startseite, die Nutzer sehen, eintönig werden, und sie können einen Krimi und eine Naturdokumentation nicht mehr klar voneinander unterscheiden. Schlimmer noch: Das System kann einen Schauspieler als Hauptbild auswählen, der nicht viele Szenen hat, aber für Zuschauer in bestimmten Regionen attraktiv ist, sodass Nutzer falsche Erwartungen an den Film entwickeln.
Später erarbeitete das Team gemeinsam mit Kreativexperten detailliertere Regeln und passte das Modell und die Bewertungsmethode an – es berücksichtigt sowohl das Zuschauerergebnis als auch, ob das Material dem Charakter des Inhalts entspricht und den Nutzern hilft, das Werk zu verstehen.
Zuerst den Problemumfang verkleinern, dann das Problem lösen
Wenn Unternehmen KI einsetzen, ist es leicht, von den bestehenden Abläufen auszugehen: Jeder Schritt, der früher von Menschen erledigt wurde, wird nach und nach an Maschinen übergeben. Aber die Arbeit an Inhalts-Tags bei Netflix zeigte Locks Team eine andere Möglichkeit: Einige Schritte müssen nicht unbedingt automatisiert werden, sondern müssen neu überdacht werden.
Fast alle Systeme von Netflix laufen auf Tags. Sie sind Wörter, die die Semantik von Inhalten beschreiben und die Empfehlungen für die Reihe von Serien auf der Nutzer-Startseite stützen. Seit Jahren hängt diese Arbeit stark von Handarbeit ab: Inhaltsanalysten schauen sich den gesamten Film von Anfang bis Ende an, schreiben lange Kontextdokumente und versehen ihn dann manuell mit Tags. Das Versehen eines Films mit Tags kann mehr als das Doppelte der Filmlänge dauern, und es dauert zwei Monate, einen Analysten auszubilden, der unabhängig Tags vergeben kann.
Das Team wollte die von KI generierten Tags nutzen, um diese Produktionslinie zu ersetzen. Aber diese Taxonomie ist über Jahre gewachsen, umfasst Tausende von Konzepten und Werten. Teams in allen Bereichen des Unternehmens haben stillschweigend Abläufe an bestimmten Tags aufgebaut, deren Gewicht unterschiedlich ist, und die meisten Tags sind extrem subjektiv. Das sind redaktionelle Urteile, keine Tatsachenurteile – zwei Personen sind sich bei demselben Tag möglicherweise nicht einig, geschweige denn Maschinen.
Wenn man den gesamten alten Ablauf direkt an KI übergibt, bedeutet das implizit, dass alle diese Schritte und Tags unbedingt beibehalten werden müssen. Daher verkleinerte das Team zuerst den Problemumfang: Es ordnete und straffte die einheitlich verwalteten Tag-Konzepte und bearbeitete die verbleibenden Aufgaben dann mit verschiedenen Modellen, Klassifizierungswerkzeugen und manuellen Prüfmechanismen. Ergebnisse mit unzureichendem Vertrauensniveau werden anschließend von Menschen überprüft.
Locks Angaben zufolge ermöglichen die neuen Technologien und Abläufe die Verarbeitung von Tags für einige Inhalte innerhalb weniger Minuten nach dem Einfügen in das System, während der alte Ablauf Wochen dauern konnte. Gleichzeitig hat sich die Arbeit in einigen Positionen auf Qualitätssteuerung, Modell-Prompts, Training und Bewertung verlagert.
Das Ergebnis ist greifbar: Bei dem neuen Ablauf können die Tags eines Films wenige Minuten nach der Aufnahme in die Bibliothek online gehen, ohne dass jemand den gesamten Film anschaut