Diese Gründer wollen Google angreifen – mit Spracherkennung

Recherchen in Videos und Audiobeiträgen sind zeitaufwendig. Im Vergleich zu Texten lassen sie sich schwerer durchsuchen. Das gilt nicht nur für den typischen Internetnutzer, der per Strg-F-Suchfunktion Wörter in Dokumenten finden will. Auch gängige Suchmaschinen wie Google, die textbasiert arbeiten, werden in Bewegtbild- und Ton-Inhalten nicht fündig.

Die Bremer Suchmaschine Spaactor fahndet auch in audiovisuellen Dateien nach Begriffen, durchsucht dazu Kanäle wie YouTube, die ZDF-Mediathek oder den OMR-Podcast. Die Spaactor-Datenbank umfasse zurzeit etwa 1,5 Millionen Dokumente, heißt es vom Startup. Jedes Suchergebnis ist mit einem Zeitstempel versehen, sodass Nutzer gleich zum gesuchten Begriff springen können. Für Privatpersonen ist die Suchmaschine kostenlos.

Thorsten Schoop und Christian Schrumpf gründeten die Spaactor GmbH im Jahr 2015. Ende 2017 sammelten sie einen nach eigenen Angaben „hohen sechsstelligen Betrag“ von der Bremer Internet-Agentur Team Neusta und dem Beratungsunternehmen D2D4 ein. Derzeit erreiche das Startup durch Geschäftskunden monatlich fünfstellige Umsätze. Die Gewinnschwelle sei noch nicht erreicht, sagen die Spaactor-Macher.

Wir haben Mitgründer Thorsten Schoop zum Geschäftsmodell hinter der Suchmaschine gefragt.

Thorsten, auf Eurer Seite können Nutzer nach Worten suchen, etwa in Nachrichtenvideos oder Podcasts. Wie funktioniert das?

Unsere Suchmaschine durchforstet die reichweitenstärksten audiovisuellen Online-Quellen in deutscher Sprache ständig auf neue Dokumente. Wenn sie zum Beispiel auf ein neues Video stößt, extrahiert sie aus dieser Datei die Tonspur und wandelt sie mittels Spracherkennung in ein Transkript um, in dem wir dann eine Volltextsuche durchführen. Das geschieht alles automatisch.

In vielen Mediatheken sind Inhalte mit Schlagworten versehen. Auch Beschreibungstexte werden meist mitgeliefert. Reicht das nicht aus?

In Video- und Audio-Dateien steckt viel mehr als übliche Suchmaschinen finden. Beispiel Tagesschau: In 15 Minuten Sendezeit fallen im Schnitt 1.500 Wörter. Die Beschreibungstexte in der Mediathek sind aber nur 50 bis 60 Wörter lang. Am vergangenen Donnerstag kam der Begriff „Umweltministerium“ dreimal in der Sendung vor. In den Online-Texten kein einziges Mal. Wir können also 30 Mal mehr Inhalte als gängige Suchmaschinen finden. Außerdem rufen wir jede Fundstelle für unsere Nutzer sekundengenau auf. Das spart lange Suchzeiten.

Wie finanziert sich Euer Dienst? Werbung findet man auf der Seite ja kaum.

Mit institutionellen Kunden verdienen wir unser Geld. Dazu zählen PR-Agenturen, Sendeanstalten, Museen oder Stiftungen. Sie haben ein Interesse daran, Medieninhalte zu beobachten oder ihre eigenen, nichtöffentlichen Archive besser durchsuchbar zu machen. Die Günther-Grass-Stiftung hat zum Beispiel ihr audiovisuelles Archiv über uns erschlossen.

Michael Brehm: Der Ex-StudiVZ-Chef startet ein KI-Startup – mit 5 Millionen Seed-Finanzierung

Lange hat er es unter dem Radar gehalten, jetzt startet Michael Brehm sein neues Startup offiziell: Es geht um Sprache und Künstliche Intelligenz.

Mit gängigen Suchbegriffen funktioniert Spaactor recht gut: Angela Merkel, Gründerszene, Gänseblümchen. Schon bei Dateien, in denen österreichisches Deutsch gesprochen wird, hakt das System aber.

Dialekte sind noch schwierig für uns. Ob wir Bayerisch oder Schwäbisch eines Tages einführen, hängt von der Nachfrage ab. Wir können unser Programm grundsätzlich für jede Sprache öffnen. Die Frage ist nur, ob sich das lohnt. Englisch werden wir bald anbieten, dann sind Spanisch, Französisch und Arabisch geplant.

Wie lernt Euer System eine neue Sprache?

Indem wir es mit einer großen Menge an Material in Audio- und Textform füttern. Als Trainingsmaterial bieten sich zum Beispiel Parlamentsreden an, weil diese meist auch transkribiert vorliegen. Das System ist selbstlernend und wird täglich aktualisiert. Für ein neues Sprachmodell brauchen wir etwa vier Monate.

Die Spaactor GmbH ist 2015 aus einem anderen Unternehmen hervorgegangen, das sich mit Medienbeobachtung beschäftigte. Wieso der Strategieschwenk?

Das Modell des Vorgängerunternehmens lag urheberrechtlich in einer Grauzone. Spracherkennung spielte damals aber schon eine Rolle, wir haben in TV- und Radioaufzeichnungen zum Beispiel nach Unternehmensnamen gesucht. Mit einer neuen GmbH und einem neuen Geschäftsmodell wollte ich mich zusammen mit Christian Schrumpf dann ganz auf die Suche von öffentlich verfügbaren, gesprochenen Inhalten mit unserer Spracherkennungstechnologie konzentrieren.

Das Fraunhofer Institut hat zur automatischen Spracherkennung in Bewegtbildern bereits mit der ARD zusammengearbeitet. Google könnte es sich leisten, Euer Modell zu kopieren. Hast Du Angst vor Nachahmern?

Wenn wir bekannter werden, gibt es früher oder später Nachahmer. Unsere Infrastruktur ist in der Cloud organisiert. Diese einfachen Skalierungsmöglichkeiten unseres Geschäftsmodells müssen wir deshalb nutzen, um schnell international zu expandieren.

Bild: Spaactor