English version – German version below
In today’s media environment, where information can appear and spread within seconds, journalism needs one thing above all: reliable methods and tools to verify content and provide meaningful context. For the past five years, dpa, with the support of the Google News Initiative (GNI), has worked to equip newsrooms with these skills and tools. The initiative has helped journalists develop robust verification practices and understand complex topics with greater precision.
On March 20, 2026, the next step will follow: an event for media organizations and creators who produce news. Together, we will look at innovation, responsibility, and shared challenges in journalism — and learn from one another.
Five years of building newsroom skills
Since 2021, the training programs offered by dpa with GNI support have supported newsrooms. The results include:
- more than 3,000 participating journalists from local, regional, and national media
- collaboration across three countries including APA in Austria and Keystone-SDA in Switzerland
- hundreds of trainings – from two-day foundational courses to compact deep dives
Demand for training remains high – and continues to grow. In particular, newsrooms are prioritising skills in detecting AI-generated content, AI-supported image and video analysis, reliable methods to verify the location and timing of footage, and the responsible use of AI tools.
Looking ahead: advancing together
New forms of synthetic media, a constantly shifting platform landscape, and an accelerating news cycle are making verification a core competency of modern journalism. At the same time, AI is unlocking new opportunities: tools that support analysis, help surface relevant content more quickly, and assist journalists in explaining complex developments more clearly. dpa will continue this work in the year ahead together with the journalistic community.
Practice, not theory: Case studies reveal what newsrooms really need
To better understand these needs in practice, dpa AI expert Ann-Marie Utz examined how journalists work with new AI tools in their daily newsroom routines.
Case Study 1: Using SynthID to Identify AI-Generated Images and Video
Current situation
AI-generated images and videos are becoming increasingly common across digital platforms. For journalists, the ability to reliably distinguish between authentic visual material and AI-generated or manipulated content has therefore become an essential skill. As synthetic media continues to spread at scale, newsrooms are faced with the growing challenge of assessing the origin and authenticity of images and videos quickly and with confidence — especially in fast-moving news situations.
According to the Reuters Digital News Report 2025, more than half of respondents worldwide (58%) worry about whether the news they see is genuine. But how do people verify authenticity?
- 38% say they turn to trusted news websites,
- 33% use a search engine,
- only 9% turn to a chatbot for help.
In the survey for this case study, only 20% of journalists stated that they currently use AI to detect AI-generated content.
This raises a key question: What do tools need to deliver in order to increase adoption?
To explore this, the study examined SynthID with regard to its practical usability in everyday editorial work.
SynthID in practice
The study draws on the expertise of a specialized test group. Participants represent a high level of professional experience:
- 60% have more than 15 years in journalism,
- 40% have between 1 and 7 years of experience.
Their work focuses primarily on verification, fact-checking, and editorial research projects.
Reliability, trust, and process integration
A central finding is the high level of trust participants place in the tool.
75% said they trust the results provided by SynthID — an indicator of confidence in the underlying technology.
Equally, 75% of participants reported that SynthID integrated well into their existing workflows — a key factor for adoption amid time-sensitive editorial routines.
SynthID is not designed as a general detection tool for AI-generated content, but rather as a tool from Google DeepMind that embeds invisible watermarks in AI-generated content and detects them. Users in editorial offices also expressed an urgent need for an equally reliable tool that can detect AI-generated content in general.
Recommendations
Expanded database:
Participants expressed a desire for a search history or a repository of previously verified SynthID results to avoid redundant work.
Detection beyond AI:
Extending detection capabilities to include conventional (non-AI) image manipulation was highlighted as important for comprehensive verification.
Conclusion
This case study shows that Google’s SynthID is already a trusted and well-integrated tool for identifying AI-generated content in professional workflows. While its current limitation to the Google ecosystem reduces overall satisfaction, high trust scores and strong process compatibility underscore its potential.
Case Study 2: Using Gemini to Support Video Desk Workflows
Background
Whether it’s footage from a fire department response or a local wildlife park: every day, large volumes of raw video material from videographers arrive at central video desks in newsrooms. For editors, this marks the beginning of a time-consuming process: reviewing footage to identify the sequences that matter for a compelling video report.
The editors surveyed in this study reported spending around two hours per day solely on analyzing raw video material, plus around one additional hour on accompanying text work for videos.
This workflow consumes significant resources. The following case study explores whether and how video desk work could be streamlined through AI support using Gemini.
Approach
The case study is based on the experience of two video editorial teams. Participants had little to no prior knowledge of AI tools and were specifically trained to use custom AI assistants (“Gems”) within Gemini. The goal was to test whether a system trained on editorial needs could help reduce manual steps — for example, by generating transcripts directly from raw footage or producing initial editing suggestions.
While AI tools are already used in participants’ general daily work, the survey reveals a clear gap in video production: AI is not yet used for tasks such as video analysis or transcription.
By contrast, AI assistance is already established in areas like text transformation, editing suggestions, headline and title generation, and voice-over support.
User Satisfaction
Overall satisfaction with Gemini for video desk tasks was high. Participants unanimously reported positive experiences. According to the survey, Gemini can provide satisfactory to strong support in both video analysis and text work for videos.
These findings indicate that the technology already produces solid and usable results, though the perceived quality has not yet reached a consistent “excellent” level. The general reliability of AI tools in a journalistic context was rated as good.
Process Integration
The potential value of the technology was unanimously recognized. All participants saw meaningful use cases for a trained Gem in video analysis (including transcription) and text transformation. For editing suggestions and topic suggestions, 50% of respondents perceived clear benefits.
To unlock this potential in daily newsroom workflows, participants emphasized the importance of ease of use as a core requirement for successful integration.
Recommendations
Feedback from the test group led to two concrete recommendations:
- Functional expansion:
Editors expressed a desire for an automated “pre-cut” feature for videos. A capability that goes beyond analysis and produces rough initial edit sequences would significantly increase practical value. - Workflow optimization:
To ensure ease of use, integration with existing editing software was highlighted as essential.
Conclusion
The case study shows a clear demand for support in video analysis. All participants identified a role for Gemini in this field. At the same time, the results indicate that the technology is not yet perceived as a full replacement for manual processes. Particularly for further processing of material (such as pre-cuts), deeper integration into existing workflows would be highly beneficial.
————————————————————————————————–
Journalismus stärken in einer sich rasant wandelnden Welt: Fünf Jahre Kompetenzaufbau in Redaktionen
In der heutigen Medienlandschaft, in der Informationen innerhalb von Sekunden entstehen und sich verbreiten können, braucht Journalismus vor allem eines: verlässliche Methoden und Werkzeuge, um Inhalte zu überprüfen und sinnvoll einzuordnen. In den vergangenen fünf Jahren hat dpa mit Unterstützung der Google News Initiative (GNI) daran gearbeitet, Redaktionen genau mit diesen Fähigkeiten und Tools auszustatten. Die Initiative hat Journalistinnen und Journalisten dabei geholfen, belastbare Verifikationspraktiken zu entwickeln und komplexe Themen besser zu verstehen.
Am 20. März 2026 folgt der nächste Schritt: eine Veranstaltung für Medienhäuser und Content Creator, die Nachrichten produzieren. Gemeinsam wollen wir Innovation, Verantwortung und gemeinsame Herausforderungen im Journalismus in den Blick nehmen – und voneinander lernen.
Fünf Jahre Aufbau redaktioneller Kompetenzen
Seit 2021 haben die Trainingsprogramme von dpa mit Unterstützung der GNI Redaktionen unterstützt. Zu den Ergebnissen zählen:
- mehr als 3.000 teilnehmende Journalistinnen und Journalisten aus lokalen, regionalen und nationalen Medien,
- länderübergreifende Zusammenarbeit in drei Ländern, unter anderem mit der APA in Österreich und Keystone-SDA in der Schweiz,
- Hunderte von Trainings – von zweitägigen Grundlagenkursen bis hin zu kompakten Deep-Dive-Formaten.
Die Nachfrage nach Weiterbildungen ist weiterhin hoch – und wächst stetig. Besonders im Fokus stehen Kompetenzen zur Erkennung KI-generierter Inhalte, KI-gestützte Bild- und Videoanalyse, verlässliche Methoden zur Verifikation von Ort und Zeitpunkt von Aufnahmen sowie der verantwortungsvolle Einsatz von KI-Tools.
Ausblick: Gemeinsam weiter vorangehen
Neue Formen synthetischer Medien, eine sich ständig wandelnde Plattformlandschaft und ein sich beschleunigender Nachrichtenzyklus machen Verifikation zu einer Schlüsselkompetenz des modernen Journalismus. Gleichzeitig eröffnet Künstliche Intelligenz neue Möglichkeiten: Tools, die Analysen unterstützen, relevante Inhalte schneller sichtbar machen und Journalistinnen und Journalisten dabei helfen, komplexe Entwicklungen verständlicher zu erklären. dpa wird diese Arbeit im kommenden Jahr gemeinsam mit der journalistischen Community fortsetzen.
Praxis statt Theorie: Fallstudien zeigen, was Redaktionen wirklich brauchen
Um diese Bedarfe besser zu verstehen, hat dpa-KI-Expertin Ann-Marie Utz untersucht, wie Journalistinnen und Journalisten neue KI-Tools im redaktionellen Alltag einsetzen.
Fallstudie 1: Einsatz von SynthID zur Identifikation KI-generierter Bilder und Videos
Aktuelle Situation
KI-generierte Bilder und Videos sind auf digitalen Plattformen zunehmend verbreitet. Für Journalistinnen und Journalisten ist die Fähigkeit, authentisches visuelles Material zuverlässig von KI-generierten oder manipulierten Inhalten zu unterscheiden, daher zu einer zentralen Kompetenz geworden. Mit der zunehmenden Verbreitung synthetischer Medien stehen Redaktionen vor der Herausforderung, Herkunft und Authentizität von Bildern und Videos schnell und sicher zu bewerten – insbesondere in dynamischen Nachrichtenlagen.
Laut dem Reuters Digital News Report 2025 sorgen sich weltweit mehr als die Hälfte der Befragten (58%), ob die Nachrichten, die sie sehen, echt sind. Doch wie überprüfen Menschen die Authentizität von Inhalten?
- 38% wenden sich an vertrauenswürdige Nachrichtenwebsites,
- 33% nutzen eine Suchmaschine,
- nur 9% greifen auf einen Chatbot zurück.
In der Umfrage zu dieser Fallstudie gaben lediglich 20% der Journalistinnen und Journalisten an, derzeit KI zur Erkennung KI-generierter Inhalte einzusetzen.
Das wirft eine zentrale Frage auf: Was müssen Tools leisten, um ihre Nutzung in Redaktionen zu erhöhen?
Um dieser Frage nachzugehen, wurde SynthID im Hinblick auf seine praktische Nutzbarkeit im redaktionellen Alltag untersucht.
SynthID in der Praxis
Die Studie stützt sich auf die Expertise einer spezialisierten Testgruppe. Die Teilnehmenden verfügen über ein hohes Maß an Berufserfahrung:
- 60% arbeiten seit mehr als 15 Jahren im Journalismus,
- 40% verfügen über 1 bis 7 Jahre Berufserfahrung.
Ihr Arbeitsschwerpunkt liegt vor allem auf Verifikation, Faktenchecks und redaktionellen Rechercheprojekten.
Zuverlässigkeit, Vertrauen und Integration in Prozesse
Ein zentrales Ergebnis der Studie ist das hohe Vertrauen in das Tool:
- 75% der Teilnehmenden gaben an, den von SynthID gelieferten Ergebnissen zu vertrauen – ein Indikator für das Vertrauen in die zugrunde liegende Technologie.
Ebenso berichteten 75% der Befragten, dass sich SynthID gut in bestehende Workflows integrieren lässt – ein entscheidender Faktor für die Nutzung in zeitkritischen redaktionellen Abläufen.
SynthID ist nicht als allgemeines Erkennungstool für KI-generierte Inhalte konzipiert, sondern als ein von Google DeepMind entwickeltes System, das unsichtbare Wasserzeichen in KI-generierte Inhalte einbettet und diese erkennt. Gleichzeitig äußerten Nutzerinnen und Nutzer in Redaktionen einen dringenden Bedarf an einem ebenso zuverlässigen Tool, das KI-generierte Inhalte plattformübergreifend erkennen kann.
Empfehlungen
Erweiterte Datenbasis:
Die Teilnehmenden wünschten sich eine Suchhistorie oder ein Archiv bereits geprüfter SynthID-Ergebnisse, um redundante Arbeit zu vermeiden.
Erkennung über KI hinaus:
Eine Ausweitung der Erkennungsfunktionen auf klassische (nicht KI-basierte) Bildmanipulationen wurde als wichtig für eine umfassende Verifikation hervorgehoben.
Fazit
Die Fallstudie zeigt, dass Googles SynthID bereits ein vertrauenswürdiges und gut in professionelle Workflows integriertes Tool zur Identifikation KI-generierter Inhalte ist. Auch wenn die derzeitige Beschränkung auf das Google-Ökosystem die Gesamtzufriedenheit mindert, unterstreichen die hohen Vertrauenswerte und die gute Prozesskompatibilität das Potenzial des Tools.
Fallstudie 2: Einsatz von Gemini zur Unterstützung von Video-Desk-Workflows
Hintergrund
Ob Aufnahmen eines Feuerwehreinsatzes oder Material aus einem lokalen Tierpark: Täglich erreichen große Mengen an Rohmaterial von Videografinnen und Videografen die Video-Desks in Redaktionen. Für die Redakteurinnen und Redakteure beginnt damit ein zeitaufwendiger Prozess: das Sichten des Materials, um relevante Sequenzen für einen überzeugenden Videobeitrag zu identifizieren.
Die in dieser Studie befragten Redakteurinnen und Redakteure gaben an, täglich rund zwei Stunden ausschließlich für die Analyse von Rohmaterial aufzuwenden, hinzu kommt etwa eine weitere Stunde für begleitende Textarbeit zu Videos.
Dieser Workflow bindet erhebliche Ressourcen. Die folgende Fallstudie untersucht, ob und wie sich die Arbeit am Video-Desk durch KI-Unterstützung mit Gemini effizienter gestalten lässt.
Vorgehen
Die Fallstudie basiert auf den Erfahrungen zweier Video-Redaktionsteams. Die Teilnehmenden verfügten über wenig bis keine Vorerfahrung mit KI-Tools und wurden gezielt im Umgang mit individuellen KI-Assistenten („Gems“) innerhalb von Gemini geschult. Ziel war es zu testen, ob ein auf redaktionelle Bedürfnisse trainiertes System manuelle Arbeitsschritte reduzieren kann – etwa durch die automatische Erstellung von Transkripten aus Rohmaterial oder durch erste Schnittvorschläge.
Während KI-Tools im allgemeinen Arbeitsalltag bereits eingesetzt werden, zeigt die Umfrage eine klare Lücke in der Videoproduktion: Für Aufgaben wie Videoanalyse oder Transkription wird KI bislang kaum genutzt.
Demgegenüber sind KI-Anwendungen in Bereichen wie Textüberarbeitung, Schnitt- und Formulierungsvorschlägen, der Generierung von Überschriften und Titeln sowie bei Sprechertexten bereits etabliert.
Zufriedenheit der Nutzerinnen und Nutzer
Die Gesamtzufriedenheit mit Gemini bei Aufgaben am Video-Desk war hoch. Alle Teilnehmenden berichteten von positiven Erfahrungen. Laut Umfrage kann Gemini sowohl bei der Videoanalyse als auch bei der textlichen Begleitung von Videos eine zufriedenstellende bis gute Unterstützung leisten.
Die Ergebnisse zeigen, dass die Technologie bereits solide und gut nutzbare Resultate liefert, auch wenn die wahrgenommene Qualität noch nicht durchgängig als „exzellent“ bewertet wird. Die grundsätzliche Zuverlässigkeit von KI-Tools im journalistischen Kontext wurde als gut eingeschätzt.
Integration in redaktionelle Abläufe
Der potenzielle Mehrwert der Technologie wurde einhellig anerkannt. Alle Teilnehmenden sahen sinnvolle Einsatzmöglichkeiten für einen trainierten Gem in der Videoanalyse (einschließlich Transkription) sowie bei der Textbearbeitung. Für Schnitt- und Themenvorschläge sahen 50% der Befragten einen klaren Nutzen.
Um dieses Potenzial im redaktionellen Alltag zu erschließen, betonten die Teilnehmenden die einfache Bedienbarkeit als zentrale Voraussetzung für eine erfolgreiche Integration.
Empfehlungen
Funktionale Erweiterung:
Redakteurinnen und Redakteure äußerten den Wunsch nach einer automatisierten „Pre-Cut“-Funktion für Videos. Eine Lösung, die über reine Analyse hinausgeht und grobe erste Schnittsequenzen erstellt, würde den praktischen Nutzen demnach deutlich erhöhen.
Optimierung der Workflows:
Um eine einfache Nutzung zu gewährleisten, wurde die Anbindung an bestehende Schnittsoftware als essenziell hervorgehoben.
Fazit
Die Fallstudie zeigt einen klaren Bedarf an Unterstützung bei der Videoanalyse. Alle Teilnehmenden sehen eine Rolle für Gemini in diesem Bereich. Gleichzeitig verdeutlichen die Ergebnisse, dass die Technologie derzeit noch nicht als vollständiger Ersatz manueller Prozesse wahrgenommen wird. Insbesondere für die Weiterverarbeitung des Materials – etwa in Form von Pre-Cuts – wäre eine tiefere Integration in bestehende Workflows von großem Vorteil.
