Noch keine KI-Analyse
Ausführen: python script_run_ai_scoring.py --profile jakob
Stellenbeschreibung
Start: 17.11.2025 | End: 31.01.2026 | Remote: 100%
Beschreibung
Unser Ziel ist es, die Verbreitung von Nachrichteninhalten auf Social Media mithilfe von Machine Learning und Deep Learning strategisch zu optimieren. Wir teilen täglich rund 4.000 Nachrichtenartikel auf Facebook, die zusammen etwa eine Million Link-Klicks pro Tag generieren.
Da uns jedoch ein Vielfaches an potenziellen Inhalten zur Verfügung steht, möchten wir mit datengetriebenen Methoden herausfinden, welche Inhalte wir wann und wie teilen sollten, um Reichweite, Engagement und Klickzahlen nachhaltig zu maximieren.
Hintergrund
Wir arbeiten mit renommierten Zeitungen und starken Marken zusammen und verfügen über eine enorme Menge an historischen Daten — unter anderem zu:
Performance einzelner Artikel (Klicks, Shares, CTR, Engagement),
Zeitpunkten und Frequenz der Veröffentlichungen,
thematischer Relevanz und Textmerkmalen der Inhalte,
visuellen Eigenschaften (Bilder, Thumbnails, Headlines) und
Zielgruppenverhalten über verschiedene Tageszeiten und Wochentage.
Diese Datenbasis bietet ideale Voraussetzungen, um KI-gestützte Prognosen und Optimierungen zu entwickeln.
Projektumfang
Das Projekt umfasst die Entwicklung von intelligenten Machine-Learning-Systemen, die:
automatisch bewerten, welche Inhalte das höchste Klickpotenzial besitzen,
vorhersagen, zu welchen Zeiten und an welchen Tagen bestimmte Inhalte am erfolgreichsten performen,
Empfehlungen geben, wie Inhalte (z. B. Überschriften, Bilder, Textlängen) gestaltet werden sollten,
und langfristig eine automatisierte Content-Auswahl und -Planung ermöglichen.
Dabei sollen sowohl klassische Machine-Learning-Ansätze (z. B. Gradient Boosting, Random Forests) als auch Deep-Learning-Modelle (z. B. Transformer-basierte Modelle für Textanalyse, Recurrent Networks für Zeitreihenanalyse) eingesetzt werden.
Anwendungsziel
Das Endergebnis ist ein intelligentes Empfehlungssystem, das in Echtzeit bestimmen kann:
welche Artikel veröffentlicht werden sollen,
wann der ideale Veröffentlichungszeitpunkt ist,
und welche Gestaltung (Text, Bild, Tonalität) das höchste Klick- und Engagement-Potenzial bietet.
Damit schaffen wir eine datengetriebene Content-Strategie, die täglich Millionen potenzieller Interaktionen optimiert.