Leseprobe
Inhaltsverzeichnis
Abstract
Hinweise
Verwendete Abkürzungen
Tabellen
Abbildungen
1. Einleitung
2. Methodik und Untersuchungsziele
2.1. Untersuchungsziele und Forschungsfrage
2.2. Forschungsstand und Literaturrecherche
2.3. Methode: Qualitative Einzelfallanalysen
2.4. Methode: Leitfadengestützte Interviews
2.4.1. Entwicklung des Leitfadens
2.4.2. Auswertung der Leitfadeninterviews
3. Über ComputerAssisted Reporting und Datenjournalismus
3.1. Geschichtliche Entwicklung:
3.2. Arbeitsdefinition ComputerAssisted Reporting
3.3. Abgrenzungen und Gemeinsamkeiten zwischen CAR und DJ
3.3.1. Erkenntnis: Die Grenzen sind fließend.
3.3.2. Tabellarische Gegenüberstellung von CAR und DJ
3.4. Einordnungen in der Journalistik
4. Techniken und Werkzeuge zur Beschaffung, Analyse und Aufbereitung
von Daten
4.1. Beschaffung von Daten
4.1.1. Scraping
4.1.2. Data Mining
4.1.3. Programmierschnittstellen (API)
4.2. Sortieren, Aufbereiten und Filtern von Daten
4.2.1. Tabellenkaikulations-, Statistik- und Datenbank-Software
4.2.2. Forensische Software
4.3. Visualisierung von Daten
4.3.1. Werkzeuge zur Erstellung von Diagrammen
4.3.2. SoftwarezurErsteiiung von geografischen Karten
4.3.3. Programme für SocialNetwork Analysis
5. Datenquellen für DJ und CAR
5.1. Frei zugängliche Quellen
5.1.1. Exkurs: Informationsfreiheit in Deutschland
5.1.2. Hürden bei der Informationsfreiheit
5.2. Verschlossene Quellen
5.3. Selbst erhobene Daten
6. Hürden für datengestützte Berichterstattung
6.1. Publizistische Hürden
6.2. Ökonomische Hürden
7. Datenjournalismus und CAR in der regionalen Berichterstattung
7.1. Regionale Medien in Deutschland
7.2. Qualitative Einzelfallanalysen: Beispiele aus der regionalen Praxis
7.2.1. BerlinerMorgenpost: Flugroutenradar
7.2.2. Projekt „Offenes Köln".
7.2.3. Stern: Gesundheitsatlas Deutschland
7.2.4. Los Angeles Times
7.2.5. Texas Tribune
8: Leitfadeninterviews mit Medienmachern und Experten
8.1 Querschnitt: Profil der Befragten
8.1.1. Positionen und Rollen derBefragten
8.1.2. Arbeitsschwerpunkte, Themenfelder und Ressorts der interviewten
8.1.3. Medien/Unternehmen derBefragten
8.1.4. Ausbildung
8.1.5. Wohnsitz, Geschlechtund Alter
8.2. Verallgemeinerung und Auswertung der Ergebnisse
8.3. Einsatz von CAR und Datenjournalismus
8.3.1. Geeignete RessortsfürDJ- und CAR-Recherchen
8.3.2. Techniken und Darstellungsformen
8.3.3. Verwendete Quellen
8.3.4. CrossmedialeAufbereitung
8.4. Redaktionsmanagement
8.4.1. Institutionalisierung von Datenjournalismus
8.4.2. Einbettung in den Redaktionsalltag
8.4.3. Einbettung in bestehende redaktionelleStrukturen
8.4.4. Perspektiven
8.5. CAR und DJ in regionalen Medien
8.5.1. Chancen für DJ und CAR in regionalen Medien
8.5.2. Hürden fürDJ und CAR in regionalen Medien
8.5.3. Auswirkungen auf Ansehen und Glaubwürdigkeit eines Mediums
8.5.4. Quellenlage: Daten aufregionaleroderlokalerEbene
8.6. Nötige Voraussetzungen für CAR und DJ in regionalen Medien
8.6.1. Personelle Voraussetzungen
8.6.2. Know-how und technische Voraussetzungen
8.7. Wirtschaftliches Potenzial von CAR und DJ in regionalen Medien
8.7.1. Vermarktbarkeit bei Anzeigenkunden
8.7.2. Wirtschaftliche Effizienz aufdem Lesermarkt
8.8. Resonanz inner- und außerhalb des Mediums
8.8.1. Reaktionen der Leser und Nutzer
8.8.2. Haltung der Chefredaktion / Verlagsleitung
9. Fazit
9.1. Abschlussbetrachtung der Recherche- und Interviewergebnisse
9.2. Handlungsempfehlungen für den Einsatz von CAR in regionalen Medien
9.2.1. Freiräume in derRedaktion schaffen und gegebenenfalls (Teil-jStellen
einrichten
9.2.2. Auf Teamwork setzen und gegebenenfalls externe Fachleute hinzuziehen
9.2.3. Kosten-Controlling: Ein eigenes Budget für DJ und CAR einrichten
9.2.4. Auf Nachhaltigkeit und Skalierbarkeit achten
9.2.5. Mitarbeiter und den Nachwuchs schulen
9.2.6. Kooperationspartner suchen
9.2.7. Öffentliche Informationen einfordern oder notfalls einklagen
9.2.8. Möglichen Wandel der klassischen Journalisten-Rolle akzeptieren
9.2.9. Den journalistischen Ansatz beibehalten, dem Leser einen Mehrwert bieten
Quellenverzeichnis
Primär- und Sekundärliteratur
Leitfadengestützte Experteninterviews
Abstract
Der Untersuchungsgegenstand dieser Arbeit ist der Einsatz der journalistischen Felder Datenjournalismus und Computer Assisted Reporting in der regionalen Berichterstattung in Deutschland. Im Inneren werden die Begriffe Datenjournalismus und Computer Assisted Reporting definiert und ihre historische Entwicklung erörtert. Darüber hinaus werden Techniken, Programme und Datenquellen für die Anwendung dieser Methodenfelder erläutert.
Anhand von qualitativen Einzelfallanalysen und leitfadengestützten Experten-Interviews wird untersucht, ob und unter welchen Voraussetzungen Datenjournalismus und Computer Assisted Reporting in regionalen Medien in Deutschland erfolgsversprechend eingesetzt werden können. Im Schlussteil der Arbeit werden Handlungsempfehlungen dafür formuliert.
Schlagwörter: Datenjournalismus, Computer Assisted Reporting, Journalismus, Redaktionsmanagement, Recherche, Medien, Zeitung, Regionalzeitung, Lokalzeitung.
Hinweise
Unverändert übernommene Zitate sind im Fließtext kursiv ausgezeichnet und in Anführungszeichen gesetzt. Längere wörtlich übernommene Passagen sind ein Stück eingerückt und werden zusätzlich durch einen verminderten Zeilenabstand erkennbar gemacht.
Quellenverweise tauchen in Klammern im Haupttext auf.
Hinweise, etwa auf Webseiten, stehen teilweise in den Fußnoten, um den Lesefluss im Haupttext nicht negativ durch lange URLs zu beeinflussen.
Der Einfachheit halber wird bei Berufsbezeichnungen und ähnlichen Begrifflichkeiten durchgehend die männliche Form verwendet. Es sind jedoch stets beide Geschlechter gemeint.
Mediennamen, Marken- und Firmenbezeichnungen sind kursiv gesetzt.
Verwendete Abkürzungen
Abbildung in dieser Leseprobe nicht enthalten
Tabellen
Tabelle 1: Computer Assisted Reporting und Datenjournalismus (S.27)
Abbildungen
Abb. 1: Frühes Diagramm zur Sterblichkeit in der Britischen Armee. (S. 21) Abb. 2: Frühe Infografik zu den Im- und Exporten Englands. (S. 21)
Abb. 3: Flugroutenradar der Berliner Morgenpost. (S. 49)
Abb. 4: Texas Tribune: Anwendung zu den ins Parlament eingebrachten Gesetzen der 83. Legislaturperiode. (S. 54)
Abb. 5: Heat Map - Verteilung von homophoben Tweets in den USA. (S. 61)
1. Einleitung
Im Digital- oder Online-Zeitalter steht allen Internet-Nutzern - und damit naturgemäß auch Journalisten - in frei zugänglichen Webverzeichnissen und Datenbanken eine kaum zu überblickende Menge von Informationen unmittelbar zur Verfügung. Das deutsche Informationsfreiheitsgesetz und entsprechende Regelungen auf europäischer Ebene haben darüber hinaus dafür gesorgt, dass Behörden und andere öffentliche Einrichtungen hierzulande mittlerweile einen Großteil von Daten im Internet veröffentlichen, welche vor wenigen Jahren noch unter das Amtsgeheimnis gefallen wären.
Informanten spielen investigativen Rechercheuren darüber hinaus heutzutage wohl eher eine Festplatte oder einen USB-Stick voll mit digitalen Dokumenten zu, als den Journalisten heimlich kopierte Papierstapel in die Hand zu drücken.
Die daraus resultierenden Möglichkeiten sind explizit für Journalisten äußerst reizvoll, da sich durch die oben beschriebenen Entwicklungen vormals verschlossene Quellen öffnen und für die Berichterstattung nutzbar werden. Allerdings treiben im Strom der Datenflut auch neue Probleme herum: Datensätze sind mitunter nicht einheitlich formatiert oder schlummern in eher versteckten Datenbanken ohne ansprechende Nutzerschnittstellen vor sich hin.
Folgt man der einschlägigen Branchenfachpresse und spricht mit Medienexperten, scheint Datenjournalismus im Digital-Zeitalter ein Feld mit Zukunftspotenzial zu sein - auch bzw. besonders in der regionalen Berichterstattung. Denn Daten werden auch auf Kommunal- und Kreisebene veröffentlicht oder lassen heruntergebrochen regionale oder lokale Strukturaussagen zu. Meist sind gerade Regional- und Lokalredaktionen jedoch personell deutlich dünner besetzt als die der überregionalen Medien. In der Folge fehlt es dort an der Zeit, umfangreiche Datenjournalismus-Projekte anzugehen. Dabei verbergen sich in den Datenbergen häufig lohnenswerte Geschichten, an die ein Journalist mit konventionellen Recherche-Methoden gar nicht herangekommen wäre.
Aus diesen Datensätzen, egal ob öffentlich zugänglich oder heimlich zugespielt, das Interessante und Relevante herauszudestillieren, die Informationen zu ordnen, technisch aufzubereiten und am besten noch in den Kontext einer spannenden Geschichte zu setzen, erfordert jedoch ein spezielles Know-how. Oder besser gesagt: spezielle handwerkliche journalistische Fertigkeiten. Ist der Umgang mit Daten für Journalisten ebenso erlernbar, wie das Schreiben von Meldungen oder Berichten? Oder müssen Journalisten um Datenjournalismus (DJ) zu betreiben künftig zwangsläufig auch Programmierer sein?
In dieser Arbeit wird diesen Fragen nachgegangen und nach Möglichkeiten gesucht, wie die neuen Felder Datenjournalismus und Computer Assisted Reporting (CAR) die klassische Redaktionsarbeit in der regionalen Berichterstattung sinnvoll ergänzen können. Dazu werden zunächst die Begriffe Datenjournalismus und Computer Assisted Reporting definiert sowie die Historie dieser Arbeitsfelder erläutert. Darüber hinaus werden Techniken erörtert und Best Practice Beispiele vorgestellt.
Anschließend werden leitfadengestützte Interviews, die mit Medienmachern und Experten zum Thema geführt wurden, ausgewertet. Auf dieser Grundlage wird am Ende der Arbeit ein Fazit gezogen und es werden Handlungsempfehlungen für den Einsatz von Datenjournalismus in regionalen Medien formuliert.
2. Methodik und Untersuchungsziele
2.1. Untersuchungsziele und Forschungsfrage
Diese Arbeit hat das Untersuchungsziel, durch qualitative Methoden wie Einzelfallanalysen und leitfadengestützte Experteninterviews herauszufinden, welche Voraussetzungen - technische, wirtschaftliche und personelle - gegeben sein müssen, um Datenjournalismus und Computer Assisted Reporting in die Redaktionen regionaler Medienhäuser in Deutschland strukturell zu integrieren und die Techniken nachhaltig und erfolgversprechend in der Berichterstattung einzusetzen. Diese Nachforschungen geschehen rein kommunikatororientiert: Die Akteure und die Systeme, in denen sie arbeiten, stehen im Fokus der Arbeit.
Es wird hingegen nicht quantitativ erforscht, wie verbreitet DJ und CAR in deutschen Redaktionen und der regionalen Berichterstattung bereits sind. Bei einem vergleichsweise jungen und dynamischen Arbeitsfeld wie Datenjournalismus wären die Ergebnisse einer quantitativen Analyse womöglich zum Zeitpunkt der Fertigstellung der Arbeit ohnehin bereits wieder überholt.
Die Einzelgespräche mit ausgewählten Medienschaffenden sollen aber dennoch Erkenntnisse darüber liefern, ob und in welcher Form die Befragten bei ihrer redaktionellen Arbeit bereits auf datengestützte Recherche und Berichterstattung setzen. Außerdem wird erörtert, welche Voraussetzungen die Interview-Partner für notwendig erachten, um datengestützte Berichterstattung zu betreiben - sowohl überregional wie auch mit dem Blick auf regional orientierte Medienunternehmen. Vor diesem Hintergrund werden auch Chancen und Hürden erörtert, die einen Einsatz dieser Techniken fördern können, diesem aber gegebenenfalls auch entgegenstehen. Darüber hinaus wird der Frage nach der wirtschaftlichen Effizienz nachgegangen: Kann sich der Einsatz von CAR oder DJ aus ökonomischer Sicht für ein Medienunternehmen lohnen? Gleichwohl liegt die Kernkompetenz der Befragten in der Regel - ebenso wie der Schwerpunkt dieser Arbeit - im publizistischen Bereich. Eine detaillierte wirtschaftliche Analyse ist nicht Teil dieser Arbeit, da dafür eher die kaufmännischen Experten in den Verlagen oder sonstigen Medienunternehmen herangezogen und befragt werden sollten.
Ziel dieser Arbeit ist es, auf der Basis der vorangegangenen Untersuchungen Handlungsempfehlungen zu formulieren, mit denen jenen regional orientierten Redaktionen ein Leitfaden angeboten wird, die einen Einsatz von Datenjournalismus oder Computer Assisted Reporting in Betracht ziehen oder diesen perspektivisch sogar bereits planen.
2.2. Forschungsstand und Literaturrecherche
Wissenschaftliche Quellen in Form von Monografien, Studien oder Aufsätzen, die sich - sei es qualitativ oder quantitativ - ausschließlich mit dem Thema Computer Assisted Reporting, Datenjournalismus oder verwandten befassen, finden sich - Stand August 2013 - kaum. In Büchern deutscher Wissenschaftler, etwa Haller 2008 oder Ludwig 2007, werden die computergestützten Recherchetechniken allenfalls beiläufig angeführt und kurz erläutert. In wissenschaftlichen Zeitschriften in Deutschland finden sich hin und wieder Fachaufsätze zum Thema, ein Beispiel ist Stollorz 2013. Lediglich im anglo-amerikanischen Sprachraum sind zum Thema einige Werke erschienen, darunter etwa Meyer 2002.
Auch einschlägige praktische Handbücher für Journalisten sind in der Regel in englischer Sprache verfasst, wenngleich deutsche Journalisten mitunter aktiv daran mitgearbeitet haben, ein aktuelles Beispiel dafür ist Gray et al 2012.
Aufgrund dieses Mangels an wissenschaftlicher Literatur, wurde bei der Recherche verstärkt auf Primärquellen zurückgegriffen.
Darunter sind Texte aus der (Fach-)Presse ebenso wie auch Blogs von Datenjournalisten oder diverse Internet-Präsenzen von Medien, die auf Datenjournalismus oder Computer Assisted Reporting setzen.
2.3. Methode: Qualitative Einzelfallanalysen
Eine Methode in dieser Arbeit ist die qualitative Einzelfallanalyse. Die Vorgehensweise ist angelehnt an die etwa bei Pürer (vgl. Pürer 2003, S.552-553) beschriebene Methode der qualitativen Inhaltsanalyse. Allerdings werden in dieser Arbeit keine Texte untersucht, sondern Online-Anwendungen, Webseiten und weitere (journalistische) Endprodukte, die durch den Einsatz von Datenjournalismus und Computer Assisted Reporting entstanden sind. Anders als bei quantitativen Inhaltsanalysen werden keine großen Mengen nach einem bestimmten vorher festgelegten Kategorieschema untersucht. Stattdessen werden wenige ausgewählte Beispiele herangezogen und exemplarisch betrachtet. Ein Grund ist, dass es in den untersuchten Feldern aktuell keine hinreichende Sekundärliteratur oder wissenschaftliche Untersuchungen gibt, auf die für eine Untersuchung in dieser Arbeit zurückgegriffen werden kann. Die induktive qualitative Analyse der Primärquellen soll daher Schlussfolgerungen ermöglichen, aus denen sich am Ende generelle Erkenntnisse für die Handlungsempfehlungen ziehen lassen.
Die Auswahl der Fallbeispiele geschah nach unterschiedlichen Gesichtspunkten. Teilweise wurden sie von den Gesprächspartnern der Leitfadeninterviews als Best-Practice-Beispiel genannt. Wieder andere sind Beispiele aus Medien aus dem Ausland, bei denen Datenjournalismus und Computer Assisted Reporting in einer systematischen Weise eingesetzt werden, die in Deutschland in vergleichbarer Form noch nicht etabliert ist.
2.4. Methode: Leitfadengestützte Interviews
Als weitere Methode kommen leitfadengestützte Interviews mit Experten zum Einsatz. Wie bei Pürer (vgl. Pürer 2003, S.540) erläutert, nimmt diese Befragungsmethode einen Platz zwischen einem komplett durchstrukturierten Interview und einer völlig freien Befragung ein. Der für diese Arbeit entwickelte Fragebogen ist dementsprechend teilstandardisiert und enthält sowohl offene wie auch geschlossene Fragen. Die Einstiegsfragen beziehen sich vor allem auf persönliche und berufliche Daten des Befragten. Der Hauptteil mit den offenen Fragen ist dagegen eher auf eine subjektive und freie Beantwortung durch den Interviewten ausgelegt.
Diese angesprochenen subjektiven Sichtweisen des InterviewPartners kommen in der bewusst offen gehaltenen Gesprächssituation mit einem Leitfaden laut Claudia Riesmeyer (vgl. Riesmeyer 2011, S223f.) besser zur Geltung als in durchgehend standardisierten Fragebögen. Denn die Fragen des Leitfadens können, je nach Gesprächsverlauf, angepasst und flexibel hintereinander gereiht werden. Da allen Gesprächen derselbe Leitfaden als Basis dient, ist die Vergleichbarkeit trotz der flexiblen Gesprächsführung gewährleistet. Der Leitfaden dient zudem während des Gesprächs als Gedankenstütze und stellt sicher, dass kein relevanter Themenbereich außer Acht gelassen wird. Zudem hilft er bei zwischenzeitlichen Exkursen, wieder zum Thema zurückzufinden. Durch die größtenteils offene und nicht standardisierte Fragestellung und das Fehlen von Antwortvorgaben, kann der Befragte für ihn wichtige Aspekte stärker herausstellen und erläutern und muss nicht auf vorformulierte Antworten zurückgreifen. (vgl. Riesmeyer 2011, S.223-225). Diese Flexibilität gilt allerdings nicht nur für den Antwortenden, sondern auch für den Fragesteller. Er muss nicht zwingend dem Fragebogen folgen, sondern kann auch Fragen weglassen oder zusätzliche Fragen ergänzen. Darüber hinaus kann er gezielt nachhaken oder den Befragten um weitere Erläuterungen bitten. Daher variiert die Gesprächszeit bei Leitfadeninterviews mitunter sehr (vgl. Pürer 2003, S. 540). In der vorliegenden Arbeit dauerten die Interviews in Schnitt zwischen 30 und 75 Minuten. In einem Fall wurde der Fragebogen per E-Mail beantwortet, da kein Gesprächstermin gefunden werden konnte.
Die Besonderheit des Experteninterviews liegt laut Pickel in der Auswahl der Befragten, sprich: in der Auswahl der Stichprobe. Der Experte ist üblicherweise nicht selbst Gegenstand der Forschung, sondern Träger der gewünschten Information. (vgl. Pickel et al., 2009, S. 432-433). Zu diesen gewünschten Informationen gehört auch die Rolle, die der Befragte in der Medienwelt einnimmt. Die in dieser Arbeit befragten Experten hatten gemein, dass sie - bis auf zwei Ausnahmen - in leitender Position in einem Medienunternehmen arbeiten. Alle beschäftigten sich zudem zum Zeitpunkt der Befragung mit der journalistischen Aufbereitung von Themen und Sachverhalten - wenn auch von unterschiedlichen Standpunkten aus und in unterschiedlichen Positionen und Rollen. Um sowohl bei der Beschaffenheit der Medien, für welche die Befragten tätig sind, wie auch den Stellungen und Tätigkeitsbereichen der Interviewten selbst ein möglichst großes Spektrum abzudecken, wurde bei der Auswahl der Befragten Wert auf Pluralismus gelegt. Die Stichprobe erhebt keinen Anspruch auf Vollständigkeit und wurde unter rein qualitativen Aspekten zusammengestellt.
Der subjektive Charakter des offenen Teils bei Leitfadeninterviews wirkt sich auf die Auswertung aus, sie wird intensiviert. Laut Pürer fällt etwa bei vollständig standardisierten Umfragen in der Regel nur eine quantitative Auswertung, sprich: das Zählen, an (vgl. Pürer 2003, S.541). So einfach lassen sich die offenen Antworten jedoch nicht zuordnen. Die konkrete Auswertung hängt vom Forschungsziel ab (vgl. Riesmeyer 2011, S. 231-232).
2.4.1. Entwicklung des Leitfadens
Deutsche Redaktionen sind, wie bei Meier beschrieben, zumeist geschlossene Organismen mit festen Hierarchien und Strukturen (vgl. Meier 2007, S. 159-171). Der Blick auf die ausgewertete Primär- und Sekundärliteratur lässt den Schluss zu, dass es in Deutschland noch nicht allzu viele Redaktionen gibt, in denen das vergleichsweise neue Feld Datenjournalismus bereits fest in die bestehenden Strukturen eingeordnet ist. Ähnlich wie Nagel es am Beispiel des investigativen Journalismus beschreibt, wird auch bei der Auseinandersetzung mit Datenjournalismus und Computer Assisted Reporting in Deutschland die Aufmerksamkeit der Untersuchenden noch hauptsächlich einzelnen Akteuren und ihren Projekten und Arbeitsweisen gewidmet (vgl. Nagel 2007, S. 136). Doch ebenso wie ein Investigativ-Rechercheur schwebt auch ein Datenjournalist „nicht im luftleeren Raum und kann sich nicht unabhängig von seiner Umwelt entfalten" (Nagel 2007, S. 137). Der Fragebogen konzentriert sich daher einerseits darauf, ob und wie die Befragten Datenjournalismus in ihren Redaktionen anwenden, und andererseits, ob und wie sich diese neuen Arbeitsweisen generell in bestehende Strukturen integrieren lassen. Ein Fragenblock widmet sich dem Blick auf die regionale Berichterstattung.
Der Aufbau des Leitfadens im Detail:
Der erste Teil des Leitfadens enthält vor allem geschlossene Fragen zur Person des Befragten, zu seiner Position, seinem Tätigkeitsfeld und seiner Biografie. Alle anderen Blöcke enthalten durchgehend offene Fragen.
Teil zwei legt den Fokus darauf, ob der Befragte Datenjournalismus selbst praktiziert oder ob entsprechende Techniken in seiner Redaktion oder in seinem Unternehmen zum Einsatz kommen. Arbeitet der Befragte nicht in einer klassischen JournalistenPosition, wird der Leitfaden entsprechend angepasst. Im Gespräch wird unter anderem die Frage aufgeworfen, ob der Einsatz von DJ und CAR im Arbeitsumfeld des Befragten in einer besonderen Form institutionalisiert oder organisiert ist. Ferner stehen gegebenenfalls genutzte Quellen und in Anspruch genommene externe Dienstleister im Gegenstand des Interesses.
Der dritte Fragenblock legt das Augenmerk auf DJ und CAR in der regionalen Berichterstattung. Dabei wird beim Stellen der Fragen danach differenziert, ob der Interviewte für ein Regionalmedium arbeitet oder nicht und der Leitfaden dementsprechend angepasst. Die Fragen zielen auf die Beantwortung der Frage, wie gut sich datengestützter Journalismus nach Auffassung der Gesprächspartner für die regionale Berichterstattung eignet und wo gegebenenfalls Stärken und Schwächen liegen. Zudem wird ein Blick auf die Quellenlage geworfen und die Frage nach der Wirkung gestellt, die der Einsatz von DJ und CAR auf Ansehen und Glaubwürdigkeit von Regionalmedien haben kann.
Teil vier des Leitfadens hat vor allem die Voraussetzungen und die wirtschaftliche Effizienz von DJ und CAR im Blick. Es soll herausgefunden werden, welche technischen, wirtschaftlichen und personellen (Mindest-)Voraussetzungen nötig sind, um DJ und CAR erfolgreich in der regionalen Berichterstattung einzusetzen. Darüber hinaus wird zum Beispiel die Frage nach der Wirtschaftlichkeit - etwa durch besondere Vermarktung - von DJ- und CAR-Projekten aufgeworfen. Es wird zudem erfragt, ob es im Unternehmen des Interviewten eine intern bekannte Haltung der Führungsriege oder Eigner zum Thema CAR oder DJ gibt.
Der letzte Teil schließlich bildet den Abschluss der Befragung und ist komplett offen gehalten. Hier kann der Befragte gegebenenfalls noch einmal Anregungen oder Anmerkungen zum Thema nachschieben, die seines Erachtens nach im Fragebogen gefehlt haben.
2.4.2. Auswertung der Leitfadeninterviews
Die Gespräche mit den Experten haben gezeigt, dass die Felder Datenjournalismus und Computer Assisted Reporting von deutschen Journalisten und Medienmachern mitunter sehr unterschiedlich aufgefasst und in die journalistische Arbeit eingebracht werden. Die Befragung der in Dänemark lebenden und arbeitenden gebürtigen Deutschen Brigitte Alfter, bietet noch einen zusätzlichen Blick von außen. Wie bereits von Nagel beschrieben, sind Verallgemeinerungen der Untersuchungsergebnisse aufgrund der geringen Zahl und der gezielten Auswahl der Befragten zwar problematisch (vgl. Nagel 2007, S. 278). Trotzdem wird jedoch im hinteren Teil dieser Arbeit ein Versuch unternommen generelle Erkenntnisse aus den Interviews zu gewinnen, und auf dieser Basis allgemeingültige Handlungsempfehlungen abzugeben. Zusätzlich wird sowohl sinngemäß wie auch wörtlich aus den Interviews zitiert. Die Gesprächsaufzeichnungen liegen zur Nachprüfbarkeit dieser Arbeit im Anhang im Volltext bei.
3. Über Computer Assisted Reporting und Datenjournalismus
3.1. Geschichtliche Entwicklung:
Matthew Reavey stellte bereits 2001 fest, dass Computer Assisted Reporting im Grunde nichts anderes darstelle, als eine neue Technik um zu tun, was Journalisten bereits seit Hunderten von Jahren machen würden: „Gather Facts and weave them into a story" (Reavy 2001, S.3). Auch dass Journalisten gezielt Daten für ihre Berichterstattung nutzen, ist kein Novum des Digital-Zeitalters. Wie Simon Rogers schreibt, benutzte der schottische Ingenieur und Autor William Playfair in einem Atlas bereits im Jahr 1786 Diagramme, die auf statistischen Daten basierten (siehe Abb. 1) - dies sei quasi die Geburt der Infografik gewesen (vgl. Rogers 2013, S. 6). Die Krankenschwester Florence Nightingale veröffentlichte wiederum 1858 den Report „Mortality of the British Army", der ebenfalls vollgepackt war mit Daten und Diagrammen (siehe Abb. 2), welche im 19. Jahrhundert in dieser Weise eine Innovation waren. Damit habe Nightingale die visuelle Präsentation von Informationen verbessert und sie überhaupt erst populär gemacht (vgl. Rogers 2013, S.46-49).
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2: Frühe Infografik zu den Im- lind Exporten Englands. (Quelle: Playfair 1786)
Laut Matthew Reavey gab es indes die ersten „echten" CARGeschichten erst im Jahr 1952. Damals sei zum ersten Mal ein Rechner zur Unterstützung von journalistischer Berichterstattung eingesetzt worden: Der US-amerikanische Fernsehsender CBS setzte den
Großrechner „UNIVAC I" dafür ein, in der Präsidentschaftswahl Prognosen anzustellen. „UNIVAC I" sagte Dwight D. Eisenhower als Wahlsieger voraus - und behielt damit Recht. Danach vergingen rund 15 Jahre, bevor mit Philip Meyer wieder ein Journalist einen Computer zur Unterstützung der nachrichtlichen Berichterstattung benutzte (vgl. Reavy 2001, S. 3-4).
Meyer arbeitete 1967 in Detroit als Journalist. In der Stadt gab es einen Bezirk, der von Rassenunruhen gespalten wurde. Meyer und seine Kollegen von der Detroit Free Press wollten die Ursache der Unruhen ergründen und stellten eine Umfrage unter den Afroamerikanern an, die in dem betroffenen Viertel wohnten (vgl. Meyer 2002, S. 14-16). Die Ergebnisse stellten bis dato aufgestellte Theorien in Frage - etwa die Annahme, dass die Unruhen nur von Menschen ausgelöst würden, die einen niedrigen Bildungsstand hätten. 1968 bekam das Team der Detroit Free Press für die Brillanz ihrer detaillierten nachrichtlichen Berichterstattung und die rasche und akkurate investigative Recherche der grundlegenden Ursachen der Tragödien den Pullitzer-Preis (vgl. Pullitzer 2013-1). Meyer profilierte sich in der Folge als Pionier damit, sozialwissenschaftliche Methoden und die Analyse von Datenbanken in die journalistische Recherche einzubinden. Die neuen Methoden nannte er Precision Journalism und verfasste unter demselben Titel ein Handbuch (siehe Meyer 2002) (vgl. Houston 2004, S.6; vgl. Rösing 2009, S. 13).
Allerdings, so Reavy, sei es in den 1970ern kein einfaches Unterfangen gewesen, Computer Assisted Reporting zu betreiben, da es damals nur Großrechner gegeben habe. Um die Daten zu erfassen, mussten sie durch Fachleute auf Lochkarten übertragen werden, die dann in der richtigen Reihenfolge in den Computer eingegeben werden mussten. Die Journalisten selbst konnten die Rechner in der Regel nicht bedienen. Da die meisten Redaktionen zudem nicht über eigene Großrechner verfügten, musste Rechnerzeit angemietet werden. Die Raten dafür lagen zwischen 75 und 500 US-Dollar pro Stunde. Journalisten brauchten also einen gewissen finanziellen Background, um diese Techniken überhaupt in Erwägung zu ziehen (vgl. Reavy 2001, S. 4-6).
Eine „CAR-Explosion" habe es erst in den 1980er-Jahren gegeben, als die ersten Desktop-Rechner Einzug auf die Schreibtische der Redaktionen hielten und man nicht mehr auf Großrechner angewiesen war. Nun brachten die neuen PCs Leistungsfähigkeit zu moderaten Preisen und mehr und mehr Journalisten setzten sie als Recherche-Helfer ein (vgl. Vallance-Jones/McKie 2009, S.2). Das brachte auch weitere Pullitzer-Preise, zum Beispiel im Jahr 1989: Bill Dedman von The Atlanta Journal & The Atlanta Constitution bekam den Preis für seine Recherchen über rassistische Diskriminierung bei der Vergabe von Hypotheken (vgl. Pullitzer 2013-2), die in der Geschichte „The Color of Money" (siehe Dedmann 1988) mündeten. Dedman hatte dafür mit seinem Team am Rechner staatliche Daten zu Hauskrediten mit Zensus-Daten abgeglichen (vgl. Robert 1993).
Zum Ende der Achtziger Jahre bekam CAR quasi eine echte Zentrale in den USA. Elliot Jaspin legte 1989 mit der Gründung „Missouri Institute of Computer Assisted Reporting" den Grundstein für das heutige „National Institute for Computer Assisted Reporting" (NICAR) (vgl. Reavy 2001, S.6). NICAR bietet heute ebenso CARTraining für Journalisten an, wie auch den Zugang zu Datenbanken. Betrieben wird das Institut von der Missouri School of Journalism und dem Journalistenverband Investigative Reporters und Editors (vgl. NICAR 2013).
Durch die erfolgreichen und vielbeachteten investigativen CARGeschichten und die Gründung eines spezialisierten CAR-Instituts war in den USA der Grundstein für eine Etablierung von CAR in den Redaktionen gelegt worden. Die beständig steigende Leistung im PC-
Bereich in den 1990er Jahren sowie der Internet-Boom zum Ende des zwanzigsten Jahrhunderts mit steigenden Bandbreiten und immer mehr online verfügbaren Daten (vgl. Harnisch 2007, S. 15-17) schufen parallel dazu die technische Basis für die computergestützte Berichterstattung. Tatsächlich ist CAR in den USA seit Jahren ein fester Bestandteil der Arbeit in vielen Redaktionen. Es sind sogar eigene Berufsbilder in diesem Bereich entstanden - etwa der Database Editor (vgl. Nagel 2007, S. 286-287).
In Europa hingegen hielten die computergestützten RechercheTechniken später Einzug - vor allem in Dänemark wurde Pionierarbeit geleistet. In dem skandinavischen Land wurde 1999 nach dem NICAR- Vorbild das Danish Institute for Computer Assisted Reporting (DICAR) gegründet, um Trainingsangebote zu schaffen und eine Brücke zu den Kollegen in den USA zu bauen. (vgl. Mulvad 2003). Allerdings wurde DICAR wegen Geldmangels 2006 wieder geschlossen (vgl. Nagel 2007, S.286). In Deutschland wurde bei der Deutschen Presseagentur (dpa) zwischenzeitlich das Angebot Regio-Data ins Leben gerufen, bei der Tochter-Firma dpa-lnfocom werden wiederum datengetriebene WebAnwendungen im Bereich Sport und Wahlen entwickelt (vgl. Tewes 2013).
Einen weiteren Entwicklungssprung in Europa bedeuteten neue publizistische Angebote, vor allem der Start des Guardian Data Blogs 2009, und eine Bewegung, die unter dem Stichwort Open Data freien Zugang zu Daten aus Wissenschaft, Politik und Wirtschaft einfordert (vgl. Matzat 2010). In Deutschland wirkte vor allem die Ausweitung der Informationsfreiheitsgesetzgebung wegbereitend für eine perspektivische Ausweitung datenjournalistischer Tätigkeiten. (siehe Abschnitt 5.1. ff.)
3.2. Arbeitsdefinition Computer Assisted Reporting
Unter Berufung auf und Zuhilfenahme von Nagel (Nagel 2007, S.285), Houston et al (Houston et al 2002, S.54), Haller (Haller 2008, S.182) und Dietz (Dietz 2006, S.2) formuliert Rösing folgende Definition für Computer Assisted Reporting, die auch in dieser Arbeit Anwendung findet:
„Als CAR (Computer-Assisted Reporting) bezeichnet man das EDV- gestützte Verarbeiten, Aufbereiten und Analysieren elektronischer Datensätze unter Zuhilfenahme spezialisierter SoftwareAnwendungen. Dadurch können diese (Roh-)Daten für die tiefere journalistische Berichterstattung nutzbar gemacht werden indem Hintergründe und Zusammenhänge erkennbar oder Strukturaussagen ermöglicht werden."
(Rösing 2009, S.12)
3.3. Abgrenzungen und Gemeinsamkeiten zwischen CAR und DJ
Laut Liliana Bounegru gibt es bei der Frage, ob es einen signifikanten Unterschied zwischen CAR und DJ, gibt unterschiedliche Auffassungen. Befürworter einer Unterscheidung argumentierten wie folgt: CAR sei eine Technik, zur Sammlung und Analyse von Daten, um damit die (in der Regel investigative) Berichterstattung zu verbessern. Datenjournalismus hingegen schenke dem Datenmaterial selbst genauso viel Aufmerksamkeit wie dem Ziel, mit dem Material eine Geschichte zu optimieren (vgl. Bounegru 2012, S.26).
Während also bei CAR in der Regel demnach immer auf eine Geschichte hingearbeitet wird, begnügt sich Datenjournalismus dagegen mitunter bereits mit der Veröffentlichung aufbereiteter und visualisierter Daten. Bounegru zitiert darüber hinaus aus einem Schreiben des amerikanischen CAR-Pioniers Philip Meyer wie folgt:
„When information was scarce, most of our efforts were devoted to hunting and gathering. Now that information is abundant, processing is more important." (Bounegru 2012)
Lorenz Matzat bezeichnet Datenjournalismus dazu passend als „eine Kombination aus einem Recherche-Ansatz und einer
Veröffentlichungsform" (Matzat 2010). Darüber hinaus bringe Datenjournalismus einen Wandel der Journalisten-Rolle mit sich, schreibt Matzat. Zum Datenjournalismus gehöre, dass der Journalist für größtmögliche Transparenz sorgt, indem er dem Publikum sein Datenmaterial online zur Verfügung stellt oder es sogar um Mithilfe bittet. Datenjournalismus bediene sich im Zeitalter von OnlineRessourcen und Informationsfreiheitsgesetzen in der Regel ohnehin frei zugänglicher Daten und setze auf eine offene und transparente Arbeitsweise sowie den Community-Gedanken im Internet. (vgl. Matzat 2010)
3.3.1. Erkenntnis: Die Grenzen sind fließend
Wie in den voranstehenden beiden Abschnitten deutlich wurde, ist es nicht einfach, zwischen Datenjournalismus und Computer Assisted Reporting eine trennscharfe Grenze zu ziehen. Es wird die Frage aufgeworfen, ob das eine nicht auch zwangsläufig das andere ist. Wo möglicherweise Unterschiede liegen können, wird in der untenstehenden Tabelle aufgezeigt, die auf der Basis der vorangegangenen Abschnitte entstanden ist. Diese ist allerdings nicht dogmatisch zu verstehen, sondern soll lediglich eine Orientierungshilfe darstellen - die Grenzen bleiben fließend.
3.3.2. Tabellarische Gegenüberstellung von CAR und DJ
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1: Computer Assisted Reporting und Datenjournalismus
3.4. Einordnungen in derJournalistik
Das klassische US-amerikanische Computer Assisted Reporting wurde in Nordamerika relativ früh von den 1970 gegründeten „Investigative Reporters und Editors" (IRE) als Part des rechercheintensiven Investigativ-Journalismus vereinnahmt und ausgebaut. Auch das Institut NICAR, die in Abschnitt 3.1. beschriebene amerikanische Zentrale für CAR, befindet sich unter dem Dach der IRE (vgl. Rösing, 2009, S. 18). Auch in Deutschland wurde das „klassische" CAR vor allem dem investigativen Spektrum zugeordnet, etwa bei Haller (vgl. Haller 2004, S. 182) und in der journalistischen Fachpresse (vgl. Wessel 2003). Rösing stellte 2009 zudem einen Abgleich mit einigen Kriterien an, die Ludwig (Ludwig 2007, S. 20-27) für investigativen Journalismus vorgibt. Das Ergebnis: Die Vorgaben lassen sich durchaus auf CARRecherchen übertragen (vgl. Rösing 2009, S. 18-20).
[...]