Data-Driven Journalism

Inhalt

1. Einleitung

2. Data driven Journalism als neue Form des Journalismus
2.1 Versuch einer Charakterisierung
2.2 Beispiele für Datenjournalismus
2.3 (News) Applikationen als Informationskanal

3. Datenjournalismus aus informationsehtischer Perspektive
3.1 Open Data
3.2 Datenschutz / Privatsphäre
3.3 Transparenz und Glaubwürdigkeit

4. Fazit

Literaturverzeichnis

Abbildungsverzeichnis

1. Einleitung

Daten die Grundlage für journalistische Berichterstattung werden. Erst vor knapp einem Jahrzehnt entwickelte sich aus dieser Idee ein völlig neues journalistisches Genre: der Datenjournalismus oder data-driven journalism. Die Gesellschaft digitalisierte sich zusehend. Mit einer zunehmenden Aufwertung des Internets und den damit verbundenen Technologien, lassen sich immer mehr Datensätze sammeln. „Datenjournalismus ist das Instrument, um der Digitalisierung der Gesellschaft, Wirtschaft und Wissenschaft journalistisch gerecht zu werden.“ (Matzat 2016: 8) Mit diesem neuen Genre des Journalismus stellen sich jedoch neue Kontroversen und auch Bedenken ein. Das Image des konventionellen Journalismus musste in den letzten Jahren an Ansehen einbüßen. „Lügenpresse“ und „Fake News“ haben sich zu Begriffen etabliert mit denen in bestimmten Kontexten sofort auf journalistische Berichterstattung reagiert wird – global, regional, lokal. Und auch der datengetriebene Journalismus bietet Ansätze zur Kritik: Woher kommen die Daten? Handelt es sich um echte oder gefälschte Daten? Wie werden diese Daten verwendet? Diese Fragen sind nur einige, die die Glaubwürdigkeit des Datenjournalismus in Frage stellen.

An diesem Punkt soll daher die vorliegende Arbeit ansetzen. Der Datenjournalismus, so wie er in Deutschland betrieben wird, soll auf seine Kompatibilität mit einigen ausgewählten informationsethischen Aspekten hin geprüft werden. Die Informationsethik konzentriert sich auf „ethische Probleme, die aus den Anwendungen des Internets, des Informationsmanagements und der Computernutzung insgesamt hervorgehen.“ (Heesen 2012: 251). Auch medienethische Aspekte werden, im Zuge des Themas, angeschnitten.

Die Arbeit gliedert sich im Wesentlichen in zwei Teile: Zu Beginn wird das Thema Datenjournalismus genauer betrachtet. Hierfür wird der Versuch einer Charakterisierung vorgenommen, da bisher unterschiedliche Ansätze zur Definition bestehen. Anhand von ausgewählten Beispielen aus dem angelsächsischen und deutschen Journalismus soll der Gegenstand Datenjournalismus verdeutlicht werden. Der zweite Teil beschäftigt sich schließlich mit der informationsehtischer Perspektive des Datenjournalismus. Unter Berücksichtigung der andauernden Journalismuskrise und der Medienethik, wird auf die Thematik von Open Data, Privatsphäre und Datenschutz, sowie Transparenz und Glaubwürdigkeit eingegangen. Den Schluss dieser Arbeit bilden das Fazit und der Ausblick.

Als „Manifest“ des Datenjournalismus gilt ein Blogeintrag des US-amerikanischen Journalisten Adrian Holovarty. In seinem Beitrag „A fundamental way newspaper sites need to change” (2006) beschrieb Holovarty das Vorgehen von (Lokal-)Zeitungen, die in ihrer Berichterstattung nach den typischen W-Fragen vorgehen und diese schließlich in Datenbanken ablegen. Mit der Zeit ließen sich aus diesen Datenbeständen Muster und Zusammenhänge erkennen, die wiederum Material für andere Formen der Berichterstattung zur Verfügung stellen. Kurze Zeit später führte die britische Tageszeitung The Guardian eine Kampagne, die sich dafür aussprach, dass durch Steuergelder finanzierte Datensätze auch der Öffentlichkeit zugänglich gemacht werden müssten. Spätestens seit der Veröffentlichung der Kriegstagebücher aus Afghanistan und dem Irak durch die Enthüllungsplattform WikiLeaks wurde die Nutzung von Datensätzen zu einer häufig genutzten Quelle in der journalistischen Praxis. Besonders der Guardian oder die New York Times nahmen hier eine Vorreiterrolle ein, deutschsprachige Medien wie der Spiegel konnten nur langsam anknüpfen. In Deutschland gilt Lorenz Matzat als einer der führenden Datenjournalisten. 2010 gründete er die Datenjournalismusagentur OpenDataCity und die Softwarefirma Lokaler, die sich auf die Entwicklung von Karten- und Datenanwendungen u.a. für journalistische Medien, spezialisiert hat. Auf diversen Plattformen und sozialen Netzwerken veröffentlicht Matzat Beiträge zum Thema Datenjournalismus.

Hingegen finden sich in der deutschsprachigen Forschung bisher jedoch weniger Publikationen. Zwar gibt es einige Veröffentlichungen, wie etwa diese von Weinacht und Spiller (2014) oder von Ausserhofer et. al. (2017), Grass (2018) jedoch befassen diese und ähnliche sich lediglich auf allgemeiner Grundlage, auch unter Durchführung empirischer Studien, mit der Thematik. Die Brücke zwischen datengetriebenem Journalismus und Aspekten der Ethik schlagen hingegen Possler und Link (2017). Jedoch beziehen sich die Autoren vielmehr auf die Medien- als auf die Informationsethik.

2. Data Driven Journalism als neue Form des Journalismus

2.1 Versuch einer Charakterisierung

Auch wenn die Idee eines datenbezogenen Journalismus bereits 2006 vom englischsprachigen Journalisten Holovarty beschrieben wurde, fand der Datenjournalismus erst einige Jahre später seinen ersten Aufschwung. Als Antrieb für die neu entstehende Journalismusform fungierte das veröffentliche Material der Enthüllungsplattform WikiLeaks der Kriegstagebücher aus Afghanistan und dem Irak. Obwohl der Begriff Datenjournalismus oder sein englisches Pendant data-driven journalism schnell ihren Weg in das Vokabular fanden, bereitet eine konkrete Definition nach wie vor Probleme. Sowohl der Terminus Daten bzw. Data, sowie der Begriff Journalismus bereiten Kernschwierigkeiten, wie es Bradshaw beschreibt: „Some people think of ‘data’ as any collection of numbers, most likely gathered on a spreadsheet. 20 years ago, that was pretty much the only sort of data that journalists dealt with. But we live in a digital world now, a world in which almost anything can be — and almost everything is — described with numbers.” (Bradshaw, 2012) Nach Bradshaw unterscheidet sich der Datenjournalismus vom konventionellen Journalismus dahingehend, als dass das traditionelle Erzählen von Geschichten durch eine große Spanne an verfügbaren Informationen ergänzt wird. Applegren und Nygren (2014: 394) werden in ihrer Definition des Datenjournalismus etwas präziser und bezeichnen diesen als „an emerging form of storytelling, where traditional journalistic working methods are mixes with data analysis, programming and visualiziation techniques. Data journalism stories are usually based on large data sets that often consist of public data or data collected with the aid of the general public, i.e. so-called crowdsourcing. “

Aus den Erkenntnissen ihrer Studie ziehen Weinacht und Spiller (2014) wiederum eine Definition, die sich von den vorhergehenden unterscheidet. Im Mittelpunkt des Datenjournalismus steht die Sammlung, Analyse und Aufbereitung von digitalen Informationen, die am Ende journalistisch veröffentlicht werden soll. Nach Auffassung der Autoren handelt es sich um ein viergliedriges Set:

„1) um eine spezielle Form der Recherche, die Geschichten aus Datensätzen lesen will; 2) eine spezielle Form der Interpretation von Rechercheergebnissen, die sich an statistischen Maßzahlen orientiert; und allzu häufig auch 3) um eine spezielle Darstellungsform, die Kernbotschaften grafisch und insbesondere als interaktive Webanwendung anschaulich machen will. Vereinzelt wird zusätzlich 4) die Veröffentlichung von Datenherkunft und Rohdatensatz im Sinne des Open Data Ansatzes als elementarer Bestandteil des Datenjournalismus genannt.“ (Weinacht und Spiller : 418)

In Abgrenzung zu Bredshaw oder Applegren und Nygren führen die Autoren bei ihrer Definition des Aspekts des Open Data ein. Hierauf wird an späterer Stelle nochmals genauer eingegangen.

Die journalistische Recherche anhand von Datensätzen ist keine neue Methodik. Als Vorläufer des datengetriebenen Journalismus gilt das Computer-Assisted Reporting, welches den 1950er Jahren eingesetzt wird: „CAR was first used in 1952 by CBS to predict the result of the presidential election. Since the 1960s, (mainly investigative, mainly US-based) journalists, have sought to independently monitor power by analyzing databases of public records with scientific methods.” (Bounegru 2012) Ziel der Vertreter des CAR sei es gewesen, Trends aufzudecken, bekanntes Wissen publik zu machen, sowie Ungerechtigkeiten, die von Behörden und privaten Unternehmen begangen wurden, öffentlich zu machen.

Der Unterschied zwischen CAR und DDJ liegt darin, dass maschinenlesbare Datensätze mittels Software miteinander verschränkt und analysiert werden. So werde ein schlüssiger und vorher nicht ersichtlicher informativer Mehrwert gewonnen. Anschließend werden die Informationen in unterschiedlich, aber passenden Visualisierungen veröffentlicht (Matzat 2010).

Mit der neuen Art journalistische Inhalte zu vermitteln, ändert sich auch der Arbeitsablauf der Journalisten. Auch wenn weiterhin die Informationen geprüft und analysiert werden müssen, ehe sie publiziert werden. Jedoch bedarf es nach der Auffassung von Kayser-Bril datenjournalistischen Projekten der Zusammenarbeit zwischen Journalist und Entwickler (Kayser-Bril 2013).

Mit der Datenzwiebel hat Grieß (2011) ein Modell entwickelt, um die verschiedenen Arten von Daten zu kategorisieren. Das Modell vertritt die These, „dass jeder Zustand und jede Entwicklung im Grunde eine Datenmenge ist.“ Es stelle sich nur die Frage, in welcher Form diese vorliegen.

Abbildung in dieser Leseprobe nicht enthalten

Die Datenzwiebel unterteilt Informationen in fünf „Schichten“:

- Open Data:

Nach Grieß sind Open Data das erstrebenswerte Ziel im Datenjournalismus. Die Daten sind frei zugänglich und in einer weiterverwendbaren Form bzw. Schnittstellenoptimiert aufbereitet. Idealerweise seien die Daten frei lizenziert.

- Transparent Data

Transparent Data unterscheide sich in der Aufbereitungsform von der Open Data. Sie sei nicht zusammengefasst und aufbereitet, die Lizensierung sei nicht eindeutig. Transparent Data müsste vom Nutzer eigenständig aufgearbeitet und geordnet werden.

- Leaked Data

Als Leaked Data werde eine Mischform aus Closed und Open Data bezeichnet: „Sie ist Closed Data, die Open wurde.“ (Grieß 2011), Da Leaked Data ursprünglich nicht frei zugänglich war, muss sie für journalistische Zwecke erst aufbereitet werden. Zudem unterliege sie bestimmten Einschränkungen: begrenze Zugänglichkeit, Vollständigkeit und Kontext meist undurchsichtig.

- Closed Data

Diese Form der Daten, die unzugänglich gehalten werden sollen. Es wird hierbei zwischen bekannter Closed Data (z.B. Wissen einer Regierung über Anzahl von Atombomben) und unbekannter Closed Data (Verbreitung eines unentdeckten Computerwurms) unterschieden.

[...]