Was ist Datenjournalismus?

Durch die Informationsflut, die mit dem digitalen Zeitalter und dem Aufkommen von Big Data stetig wächst und an Bedeutung gewinnt, hat sich der Datenjournalismus als neue Disziplin der Berichterstattung entwickelt. Neu? Naja. Die Idee dahinter, mit Daten Geschichten zu erzählen, gibt es schon lange. Als Vorreiterin gilt Florence Nightingale, die im 19. Jahrhundert Diagramme benutzte, um ihrer geplanten Krankenhausreform Gehör zu verschaffen. Bereits seit 1960 ist außerdem CAR, Computer-assisted reporting, den meisten Journalisten ein Begriff. Genau wie beim data-driven-journalism, ein anderes Wort für Datenjournalismus, werden beim CAR Daten gesucht, analysiert und interpretiert. Was ist also das Neue, Spektakuläre am Datenjournalismus? Die Antwort ist ganz einfach: das Internet. Das Internet hat so ziemlich jeden Ablauf im Leben der Menschen revolutioniert. Alltagsaktivitäten haben sich in die Onlinewelt verlagert, jede Bestellung, jede Sucheingabe wird in Big Data gespeichert, dank Open-Data-Bewegungen werden große Mengen an Verwaltungsdaten der ganzen Welt zur Verfügung gestellt.

 

  Doch das Internet ist nicht nur zur hervorragenden Datenquelle geworden, es bietet auch zahlreiche Möglichkeiten zur Datenvisualisierung. Aufwendig gestaltete Grafiken und interaktive Anwendungen können teils durch wenige Mausklicks entstehen. Kein Wunder also, dass moderner Datenjournalismus hauptsächlich im Internet stattfindet. Mit Hilfe von vorprogrammierten Werkzeugen lassen sich, auch ohne Vorerfahrungen, tolle Grafiken und Diagramme bauen. Sogar für interaktive Karten gibt es Baukästen. Kann das dann schon als Datenjournalismus bezeichnet werden? Anscheinend schon. Denn bislang konnte keine weitreichend akzeptierte Definition des Begriffs gefunden werden. In der Literatur werden deshalb meistens nur Beispiele zu Erklärungszwecken herangezogen, wie die Projekte der Times oder des Guardian Datablogs. So kann man im Prinzip jede journalistische Arbeit, die irgendwie auf Daten basiert, als Datenjournalismus bezeichnen. Einfache Balkendiagramme aus der Tageszeitung werden also mit komplexen Datenanimationen in einen Topf geworfen (wenn dem auch kein Datenjournalist zustimmen würde).    

 

Was kann ein Datenjournalist?

Sich Datenjournalist zu nennen ist kein Privileg. Man braucht keine Ausbildung, man muss keine Prüfung ablegen. Doch was muss man können, um als Datenjournalist zu arbeiten? Auch hier herrscht durch alle Reihen hindurch Uneinigkeit. Mal soll der Datenjournalist einfache Werkzeuge wie Excel beherrschen können, andere zählen mehrere Programmiersprachen und Kompetenzen im Webdesign zu seinen Must-Haves.

 

  So findet man in der Literatur neben dem Datenjournalisten, der völlig autark Daten sucht, auswertet, visualisiert und veröffentlicht auch den Datenjournalisten, der in einem Team von Grafikern und Programmierern für die Ideengebung und Koordinierung zuständig ist. In Deutschland scheint derzeit letzteres üblicher zu sein. Auch Arbeitgeber formulieren in ihren Jobanzeigen mal exakte Profile, mal ungenaue Rundumschläge. Teilweise scheint es fast, als wüssten sie eigentlich selbst nicht so genau, was die Bewerber können sollten. Betrachtet man einige datenjournalistische Projekte im Internet, oder wirft einen Blick auf simple Diagramme und Prozentangaben in der Tageszeitung, erkennt man vor allem, was viele Journalisten scheinbar nicht beherrschen: Statistik.     Qualität oder nicht Qualität – das ist hier die Frage. Genau aus diesem Grund steckt der aktuelle Datenjournalismus laut einigen Experten bereits jetzt tief in der Krise. Der Hype um die angeblich so neue, chancenreiche Teildisziplin habe etliche Medienmacher in Zugzwang gebracht. Datenjournalismus, so schnell und billig wie möglich ist, was dabei rumgekommen sei. Schlecht recherchierte, naiv interpretierte aber hübsch visualisierte Datengeschichten würden den Markt bereits überschwemmen. Die wirklich guten von den wirklich miesen zu unterscheiden, sei eine Kunst für sich und für den Laien kaum möglich. Was augenscheinlich auf Zahlen und Fakten basiert, kann manipuliert oder völlig falsch interpretiert worden sein. Dabei soll hier keinem Journalisten ein böser Wille unterstellt werden, denn Fehler, die aus einem Minus ein dickes Plus machen, können tatsächlich ganz schnell und ohne Absicht passieren. Da wählt man bei Vergleichen eine falsche Basis, benutzt einen ungeeigneten Mittelwert oder vertraut falschen Zahlen und – zack! – dreht sich die ganze Aussage um. Ein gutes Beispiel ist die oft auch in Qualitätsmedien wie der Süddeutschen Zeitung zitierte Behauptung Das Flugzeug ist das sicherste Verkehrsmittel, die auf einem statistischen Fehlgriff beruht. Die Aussage stimmt, bezieht man die Anzahl Verkehrstoter auf die Anzahl zurück gelegter Kilometer: pro zehn Milliarden Passagier-Kilometer sterben neun Bahnfahrer, aber nur 3 Flugzeuginsassen.    


Wählt man als Basis der Rechnung aber die Passagier-Stunden, so kehrt sich der Flugvorteil um: auf sieben Verkehrstote pro 100 Millionen Stunden in der Bahn kommen plötzlich 24 tote Flugzeugpassagiere. Ein Journalist, dem statistische Grundkenntnisse und Sorgfalt im Detail fehlen, kann so aus Fakten unbeabsichtigt völlig falsche Schlüsse ziehen. Auch bei der Stichprobenauswahl, der visuellen Darstellung und der Wahl des Blickwinkels können sich etliche Fehler einschleichen. Ist die Datenmenge groß genug, um Schlüsse auf die Gesamtheit zuzulassen? Steigt die Kurve wirklich stark an, oder wurde für die Grafik ein zu kleines Intervall gewählt? Zeige ich, dass 90% der Patienten die neue Operationsmethode überleben oder gehe ich auf die 10% Sterbenden ein? Es gibt ganze Bücher und Blogs, die sich mit solchen Fehltritten und Manipulationen von Journalisten beschäftigen.

 

Alles Käse?

Ist Qualität im Datenjournalismus also eine Seltenheit, sollte man den Grafiken und Diagrammen besser gar nicht erst trauen? Steckt der neue Trend tatsächlich bereits in einer tiefen Krise? Überhaupt nicht, finde ich. Obwohl der Markt von schlechten Datengeschichten überschwemmt scheint, finden sich zahlreiche gute Projekte, die durchaus einen Mehrwert für Nutzer und Demokratie erfüllen können. Mit der sich langsam auch in Deutschland breitmachenden Open-Data-Bewegung und den Bemühungen hin zum Open-Government entsteht eine neue Möglichkeit an Massen (hoffentlich) stichfester Daten zu gelangen, die für mehr Transparenz in der Verwaltung von Städten, Ländern und Kontinenten sorgen könnten. Ein tolles Beispiel ist die Anwendung Where does my money go? von der Non-Profit-Organisation Open Knowledge Foundation aus Großbritannien. Bildschirmfoto 2015-07-07 um 23.00.04Durch einige persönliche Angaben können Nutzer hier verfolgen, wohin ihre Steuerabgaben fließen und wie viel Pfund des Gehalts täglich für welchen Bereich genutzt wird. Außerdem ist die Qualitätssicherung im Internet, zumindest was den Datenjournalismus betrifft, eine Art Selbstläufer. Ähnlich wie bei den Plagiatsfällen haben es sich einige Datengeeks zur Aufgabe gemacht, Datengeschichten auf ihre Korrektheit zu überprüfen. Werden die Datenquellen nicht spätestens auf Nachfrage rausgerückt, wird das öffentlich stark kritisiert. Bei FiveThirtyEight und Vox führten als billig gemacht entlarvte Datengeschichten zum starken Leserrückgang.

 

Fazit

Obwohl viele Negativbeispiele aufgezählt werden können, findet sich mindestens genauso viel guter Datenjournalismus, der nicht nur der Unterhaltung dient sondern auch einen Mehrwert für seine Nutzer haben kann. Außerdem beschränkt der sich nicht mehr nur aufs Internet, sondern wird wie beim Schweizer Rundfunk auch ins Fernsehen und Radio getragen. Datenjournalismus muss nicht immer nur Darstellungsform sein, vielmehr sollte er alltäglicher und breiter als Methode verwendet werden. Ob zur Themenfindung oder zum Faktencheck – DDJ könnte in jeder Redaktion und in jedem Ressort eingesetzt werden.

Und mit dem jüngst abgehaltenen Qualitätsbattle auf der Netzwerk Recherche Konferenz 2015 haben große Namen des deutschen Datenjournalismus gezeigt, dass billig, schnell und schlecht nicht an der Tagesordnung steht.

 

 

 

 

Quellenübersicht

BRADSHAW, Paul: Data journalism workflow: Confronting the myths. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 37 – 42.

BRADSHAW, Paul: What Is Data Journalism? IN: BOUNEGRU, Liliana / CHAMBERS, Lucy / GRAY, Jonathan (Hrsg.): The Data Journalism Handbook. O`Reilly. Kalifornien 2012. S. 2 – 3.

CAIRO, Alberto: Data journalism needs to up ist own standards. Niemanlab. URL: http://www.niemanlab.org/2014/07/alberto-cairo-data-journalism-needs-to-up-its-own-standards/. (Stand: 09.07.2014, 13:08 Uhr; abgerufen am: 07.12.2014, 18:21 Uhr.)

DAPP, Thomas-Frank: Open Data – kaum diskutiertes Datenpotential. Aktueller Kommentar. Deutsche Bank Research. URL: https://www.dbresearch.de/PROD/DBR_INTERNET_DE-PROD/PROD0000000000351011/Open+Data+%E2%80%93+kaum+diskutiertes+Datenpotenzial.PDF. (Stand: 18.02.2015; abgerufen am: 22.03.2015, 11:34 Uhr.)

DENKER, Philip / KLESSMANN, Jens / SCHULZ, Sönke E. [u.a.]: Die Grundlagen von Open Government Data. Zusammenfassung. IN: Bundesministerium des Innern: Open Government Data Deutschland. Eine Studie zu Open Government in Deutschland im Auftrag des Bundesministeriums des Inneren. URL: http://www.bmi.bund.de/SharedDocs/Downloads/DE/Themen/OED_Verwaltung/ModerneVerwaltung/opengovernment.pdf?__blob=publicationFile. S. 17. (Stand: Juli 2012; abgerufen am 25.03.2015, 13:28 Uhr.)

DIETRICH, Daniel / GRAY, Jonathan / MCNAMARA, Tim [u.a.]: Was ist Open Data? Open Data Handbook. URL: http://opendatahandbook.org/de/what-is-open-data/index.html . (abgerufen am: 24.03.2015, 23:53 Uhr.)

GLATTHAAR, Boris: Erschreckend kritiklos: Vorsicht bei Datenjournalismus, Teil 1. Research, Report and Journalism. URL: http://researchandreport.wordpress.com/2012/08/27/erschreckend-kritiklos-vorsicht-bei-datenjournalismus/ . (Stand: 27.08.2012; abgerufen am: 07.12.2014, 18:25 Uhr.)

HAARKÖTTER, Hektor: In 80 Fehlern um die „Welt“. Antimedien. URL: http://www.antimedien.de/in-80-fehlern-um-die-welt/ . (Stand: 20.04.2012; abgerufen am: 07.12.2014, 18:27 Uhr.)

HANNAFORD, Liz: Recalculating the newsroom: The rise oft he journo-coder? IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013.S. 175 – 187.

HEWETT, Jonathan: Learning in progress: From computer-assisted reporting to data journalism, via freedom of information, open data and more. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 3 – 14.

HIRSCH, Martin: Infografik. IN: PÜRER, Heinz / RAHER, Meinrad / REITAN, Claus (Hrsg.): Praktischer Journalismus. Band 9. UVK Verlagsgesellschaft. 5. Auflage. Lavis 2004. S. 279 – 286.

HIRST, Tony: So what is a data journalist exactly? A view from the job ads… OUseful.Info, the blog… URL: http://blog.ouseful.info/2013/05/31/data-journalism-jobs-in-the-air/. (abgerufen am: 20.03.2015, 16:12 Uhr.)

HUGHES, Nicola: A beginner`s guide to data journalism and data mining/scraping. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 43 – 50.

KAUTE, Sonja: Datenjournalismus & Open Data: Überblick, Beispiele und Quellen für Journalisten. Stift und Blog. URL: http://stift-und-blog.de/datenjournalismus-opendata/. (Stand: 06.11.2011; abgerufen am 27.03.2015, 02:38 Uhr.)

KRÄMER, Walter: So lügt man mit Statistik. Piper. 4. Auflage. München [u.a.] 2013. S. 75 – 77.

MENDEL, Anja: Transparente Finanzen. „Where does my money go?“ oder „Wo fließen meine Steuern hin?“ Datenjournal. URL: http://www.datenjournal.de/dossier/beispiele.html. (abgerufen am 27.03.2015, 17:42 Uhr.)

NEIßENDORFER, Michael: Nur Fliegen ist sicherer als Bahnfahren. Süddeutsche Zeitung. URL: http://www.sueddeutsche.de/auto/unfallrisiko-von-transportmitteln-nur-fliegen-ist-sicherer-als-bahnfahren-1.1730361. (Stand: 25.07.2013; abgerufen am 27.03.2015, 11:23 Uhr.)

PATER, Monika: Ein besserer Journalismus? Informationsflut und Komplexität als Probleme und Chancen aktueller Medienberichterstattung. IN: FISCHER, Heinz-Dietrich (Hrsg.): Bochumer Studien zur Publizistik- und Kommunikationswissenschaft. Band 75. Universitätsverlag Dr. N. Brockmeyer. Bochum 1993.

REICHERT, Ramon: Einführung. IN: Ebd. (Hrsg.): Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie. Transcript. Bielefeld 2014. S. 9 – 34.

ROGERS, Simon: Why data journalism ist he new punk. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 15 – 18.

SCHWENTKER, Björn: Müssen Datenjournalisten programmieren können? Datenjournalist. URL: http://datenjournalist.de/muessen-datenjournalisten-programmieren-koennen/ . (Stand: 06.08.2014; abgerufen am: 20.03.2015, 13:54 Uhr.)

SPILLER, Ralf / WEINACHT, Stefan: Datenjournalismus in Deutschland: Eine explorative Untersuchung zu Rollenbildern von Datenjournalisten. IN: Publizistik. 59.2014, Heft 4. S. 411 – 433.