Zu viele Daten, zu wenig Durchblick

Was True-Crime-Recherchen und Verlagsarchive gemeinsam haben? Beide ertrinken mitunter in unstrukturierten Datenmassen. Das irische Technologie-Start-up Druid Learning, Wildcard-Gewinner der Frankfurter Buchmesse 2026, verwandelt digitale Inhalte in KI-taugliche Datensätze. Im Gespräch erklärt CEO Niamh Faller, wie ihre Technologie funktioniert, wo sie an Grenzen stößt, und was ein System wie dieses mit den Epstein Files anfangen könnte.

Herzlichen Glückwunsch zur Wildcard 2026! Sie kommen als Start-up in eine Branche, die KI gleichzeitig fasziniert und misstrauisch beäugt – einerseits der Druck und Wunsch zu innovieren, andererseits die Sorge um Datenkontrolle und faire Vergütung. Mit wem würden Sie in Frankfurt gerne über diese Punkte ins Gespräch kommen?

Niamh Faller: Vielen Dank! Wir freuen uns riesig, die Wildcard gewonnen zu haben und dieses Jahr dabei zu sein. Um Ihre Frage direkt zu beantworten: Ich möchte mit den Menschen im Raum sitzen, die aktiv KI-Strategien entwickeln, wie zum Beispiel die SVPs und Chief Digital Officers großer Verlags- und Medienhäuser. Verlage verfügen über unglaublich wertvolle, urheberrechtlich geschützte Inhalte, doch die meisten Unternehmen verfügen noch nicht über die Infrastruktur, um diese sicher zu optimieren und gewinnbringend zu nutzen. Genau diesen Konfliktpunkt soll Druid Learning lösen. Als wachsendes Unternehmen sehen wir die Frankfurter Buchmesse als Möglichkeit, mit den Vordenkern im Daten- und KI-Bereich in Kontakt zu treten, und betrachten sie als großartige Gelegenheit, unser Geschäft auszubauen.

Viele Verlage haben Archive voller Backlists, PDFs aus den Neunzigern, gescannte Bücher, Metadaten irgendwo in einer Excel-Tabelle. Wenn ein Verlag heute morgen zu Ihnen käme und sagte: „Wir haben Hunderttausende digitale Assets – Backlist-Titel, Manuskripte, Abbildungen, Metadaten in zwölf verschiedenen Systemen, die wir für KI-Anwendungen nutzbar machen wollen" – was würde als Erstes passieren?

Niamh Faller: Stellen Sie sich Druid Learning als eine riesige, intelligente Schaltzentrale für Ihre Inhalte vor. Der Vorgang erfolgt in drei Schritten, hinter denen eine Vielzahl technischer Algorithmen steckt. So läuft der Prozess ab:

Zunächst erfolgt die universelle Erfassung: Unsere Plattform erfasst alles. Es spielt keine Rolle, ob sich Ihre Inhalte auf einem FTP-Server befinden, über eine API zugänglich sind, in einer veralteten Datenbank vergraben sind oder als EPUBs, veraltete Flash-Dateien, Bilder und rohe OCR-Daten vorliegen. 

Sobald wir alle relevanten Informationen zentralisiert haben, konzentrieren wir uns auf die „Deep Contextual Enrichment“. Hier gehen wir über herkömmliche CMS- und Archivierungstools hinaus. Wir legen zwei unterschiedliche Kontextebenen über die angereicherten Metadaten.

In der Parameterebene verfügen Kunden oft über spezifische, firmeneigene Kategorien, Taxonomien und Bezeichnungen, die sie implementieren möchten; falls noch kein etabliertes Content-Framework vorhanden ist, führen wir Workshops mit den Archiv- und Redaktionsteams unserer Kunden durch, um maßgeschneiderte und optimierte Content-Tags sicherzustellen. In der Beschriftungsebene kennzeichnet unser System jede Datei automatisch nach Inhaltsthema, vergibt Querverweise bezüglich der Relevanz und verknüpft sie semantisch mit verwandten Inhalten in Ihrem gesamten Archiv.

Am Ende des Prozesses sorgt unser Schritt „Datenorganisation und -integration“ dafür, dass die verarbeiteten Dateien in einen strukturierten, proprietären Datensatz umgewandelt werden, der sich nahtlos über eine API mit Ihren bestehenden Tools wie einem CMS, Analyseplattformen oder internen Anwendungen verbinden lässt.

Und was bleibt am Ende beim Verlag, das er vorher nicht hatte?

Niamh Faller:  Nach der Aufbereitung liegt der wahre Wert dieses Datensatzes in seiner umfassenden Flexibilität. Druid Learning verwandelt einen statischen digitalen Aktenschrank in eine live verfügbare Informationsschicht, die Ihr Unternehmen tatsächlich nutzen kann. Unsere Kunden profitieren derzeit auf drei Arten davon.

Der erste Aspekt sind verbesserte datengestützte Erkenntnisse. Da wir Inhalte auf granularer Ebene kennzeichnen, lassen sich diese strukturierten Daten direkt in Standardplattformen wie Google Analytics einbinden. So erhalten Kunden Kennzahlen zum Engagement auf Themen- und Inhaltsebene sowie in einigen Fällen Echtzeit-Trendanalysen dazu, welche Themen und strukturellen Schwerpunkte bei ihrem Publikum Anklang finden. Der zweite Vorteil ist die redaktionelle Optimierung. Der Datensatz liefert Autoren bereits während des Schreibprozesses sofortige Vorschläge; Autoren und Redakteure können automatisch verwandte Archivinhalte aufrufen, um diese in neue Arbeiten einzubinden, sowie automatisierte Empfehlungen für Tags und Hyperlinks erhalten. Der dritte Vorteil ist die Monetarisierung und Feinabstimmung von KI. Kunden können ihre firmeneigenen Archive bündeln, um sichere, private interne LLMs zu trainieren, oder ältere Inhalte sauber an große KI-Entwickler lizenzieren, die nach hochwertigen, verifizierten Trainingsdaten suchen.

Ihre Technologie strukturiert und erschließt also riesige, ungeordnete Dokumentenarchive. Gerade stehen Journalist*innen und Rechercheur*innen weltweit vor über fünf Millionen Dokumenten aus den Epstein-Files – von denen bis heute erst ein winziger Bruchteil systematisch ausgewertet wurde. Wäre auch ein solches Szenario ein Fall für Druid Learning?

Niamh Faller: Ja, und wir tun etwas sehr Ähnliches im akademischen und wissenschaftlichen Forschungskontext. Unser System verarbeitet große Dokumentensätze zügig und versieht sie sofort mit Themen-Tags, Bezeichnungen für benannte Entitäten (Personen, Daten, Themen) und Inhaltskategorien. Das bedeutet, dass Journalisten und Forscher Millionen von Dateien gruppieren, segmentieren und durchsuchbar machen können, anstatt sie linear durchzulesen. Aber es geht über die reine Suche hinaus. Sobald die Daten mit Tags versehen sind, können diese strukturierten Daten zur tiefergehenden Untersuchung an Musteranalyse-Tools von Drittanbietern weitergeleitet werden. Der Engpass bei Dokumenten wie den „Epstein-Akten“ ist nicht der Zugang, sondern die Fähigkeit, Zusammenhänge in großem Maßstab aufzudecken. Genau dafür sind wir gemacht.

Zurück zum Publishing: Fachinformation, Sachbuch, Wissenschaft – da lässt sich vieles gut strukturieren. Aber wo zieht die automatisierte Klassifizierung eine Grenze? Gibt es Genres oder Inhaltstypen, bei denen Druid Learning schlicht sagt: Das ist nicht unsere Baustelle?

Niamh Faller: Wir können nahezu jede Art von Inhalt strukturieren und kennzeichnen. Schwierigkeiten treten erst dann auf, wenn es sich um hochspezialisierte Themen oder sprachliche Nischenbereiche handelt. Wir haben bereits Inhalte auf Irisch, Schottisch, Walisisch und Euskera (Baskisch) verarbeitet; da es für diese Sprachen jedoch weniger KI-Basismodelle gibt, mussten wir vor der Skalierung einen Beispiel-Datensatz gemeinsam mit menschlichen Fachexperten validieren. Dieser Überprüfungsschritt ist fest in unseren Prozess integriert und nicht nachträglich hinzugefügt. Der einzige Bereich, in dem wir uns bewusst zurückgehalten haben, sind komplexe personenbezogene Daten wie laufende Gerichtsakten und medizinische Unterlagen – nicht, weil wir technisch nicht in der Lage wären, diese zu verarbeiten, sondern weil sie zusätzliche Compliance- und Filterstufen erfordern, die wir derzeit noch aufbauen.

Metadaten sind bisher vor allem gut darin, Eindeutiges zu beschreiben – Autor, Erscheinungsjahr, Genre. Aber Literatur lebt oft gerade von dem, was sich nicht eindeutig einordnen lässt: Ironie, Ambivalenz, Stil. Wohin geht Ihrer Meinung nach die Entwicklung? Wird es irgendwann Metadaten-Strukturen geben, die so etwas abbilden können?

Niamh Faller: Ehrlich gesagt glaube ich, dass wir näher dran sind, als den meisten Menschen bewusst ist. Bei Druid Learning gehen unsere Kontext- und Beschriftungsebenen bereits über starre, altmodische Metadaten hinaus, um umfassendere thematische Rahmenbedingungen und inhaltliche Zusammenhänge zu erfassen, die kommerzielle Tools aktiv vorantreiben. Können Metadaten die Nuancen von Ironie perfekt erfassen? Noch nicht mit absoluter, makelloser Zuverlässigkeit. Aber Elemente wie Sprachregister, emotionaler Tonfall, thematische Mehrdeutigkeit und komplexe intertextuelle Verknüpfungen rücken rasch in greifbare Nähe. Die Verlage, die heute in den Aufbau reichhaltiger, tief strukturierter semantischer Datenarchitekturen investieren, werden sich einen enormen Wettbewerbsvorteil sichern, sobald diese fortschrittlichen stilistischen KI-Fähigkeiten voll ausgereift sind. Die grundlegende Architektur, die Sie gerade aufbauen, ist von enormer Bedeutung.

Über Druid Learning

Das irische Technologie-Startup Druid Learning hat sich auf die Umwandlung digital archivierter Inhalte in KI-fähige Datensätze für Publishing-Workflows spezialisiert. Druid Learning reichert in einem automatisierten Prozess Metadaten an und strukturiert Inhalte so, dass Verlage vorhandene Inhalte für KI-Anwendungen nutzen können. Im Gegensatz zu vielen KI-Tools nimmt Druid keine inhaltlichen Änderungen vor und Datenhoheit sowie Nutzungsrechte bleiben bei den Verlagen.

Auf der Frankfurter Buchmesse 2026 befindet sich Druid Learning in Halle 4.1 / G23(Öffnet neues Fenster).

Das Interview führte Katrin Hage, PR Managerin der Frankfurter Buchmesse.