Wie wird aus Datenjournalismus mehr als Teenager-Sex?

Details: Thema: Wissenschaftsreportage / Technik

Der Stand des deutschen Datenjournalismus nach der Konferenz Datenlabor 2015 und was wir tun müssen, wenn wir unsere Möglichkeiten nicht länger verschenken wollen.

Datenjournalismus ist wie Teenager-Sex: alle reden davon. Keiner weiß so richtig, wie es geht. Jeder denkt, alle anderen tun es. Und deshalb behaupten alle, dass sie es tun. Diese Sätze habe ich von dem US-Psychologen Dan Ariely geklaut – und auch leicht abgewandelt. Es ist mir kürzlich bei einem wissenschaftlichen Vortrag über Bigdata über den Weg gelaufen. Und das, was im wissenschaftlichen Zusammenhang Bigdata ist, erscheint mir im Journalismus derzeit der Datenjournalismus. Der Begriff wird inflationär verwendet, und jede Redaktion, die etwas auf sich hält, unterhält wenigstens ein Datenjournalismus-Team.

Was vor einigen Jahren mit einer Debatte über neue „Storytelling“-Formate im Netz begann, einer Debatte, der man auf keiner Journalistenkonferenz entkam (und die im übrigen den Begriff Storytelling – eine eigene, fabelhafte, viel zu seltene journalistische Stilform - verhunzt), heißt heute Datenjournalismus. Und hej, wenn die ganze Welt von Bigdata redet, wenn Daten wahlweise das Gold oder das Öl der Zukunft sind – dann nichts wie mitgemischt. Irgendwie wollen wir Journalisten ja auch nichts verpassen.

Was ist das nur, dieser Datenjournalismus? Die Frage zieht sich durch den Tag. #datenlabor15 pic.twitter.com/uOt0P4pP5i
— Eva Wolfangel (@evawolfangel) 23. Oktober 2015

Beim #datenlabor15 besteht noch etwas Klärungsbedarf, was #ddj eigentlich ist. — Marcel Pauly (@marcelpauly) 23. Oktober 2015

Aber was ist das eigentlich, dieser Datenjournalismus? Nach der Konferenz Datenlabor vom 23. bis 24. Oktober 2015 des Netzwerk Recherche in Dortmund ist klar: keiner weiß es so genau, aber alle reden darüber. So wie das eben bei Teenagern und Sex der Fall ist. Datenjournalismus ist sexy und jeder will dabei sein. Nur: In jeder Session wurden andere Definitionen diskutiert – und viele der präsentierten Beispiele sind aus meiner Sicht schlicht Visualisierungen von Daten.

Wo steckt hier die journalistische Arbeit? Sie beginnt in Wahrheit erst an diesem Punkt: wenn in der Statistik unerwartete Werte auftauchen, wenn Algorithmen auffällige Muster in Daten finden, dann müssen wir Journalisten anfangen zu recherchieren. Und das – versteht mich nicht falsch – ist eine super Sache! Denn so lassen sich in den Daten die Ausgangspunkte spannender Geschichten finden. Ich habe nichts gegen Datenjournalismus, und ich bin ein Fan davon, moderne Technologien zu nutzen, abzuklopfen und uns all das rauszuziehen, was unsere Arbeit und unsere Produkte besser macht. Aber aktuell bleibt der Datenjournalismus unter seinen Möglichkeiten.

Julius Tröger gibt den Tipp, um geekige Dinge zu verstehen: Googeln und "for journalists" dranhängen! #Datenlabor15
— Gordon Bolduan (@bolduang) 23. Oktober 2015

Es ist ja so, dass Journalisten und Algorithmen in aller Regel nicht gerade Freunde sind. Manche Redaktionen verbieten das Wort „Algorithmus“ in ihren Artikeln, viele Kollegen hören dann auf zu lesen. Und jetzt wollen auf einmal alle Datenjournalismus machen.

Wie unsicher wir noch mit diesem Begriff sind, zeigt eine Szene in Dortmund: „Wer ist hier Datenjournalist?“ fragt die Referentin Anna Behrend in den Saal voller mutmaßlicher Datenjournalisten. Nur einer meldet sich (Julius Tröger von der Berliner Morgenpost - die zweite amtlich anerkannte Datenjournalistin der Republik - Christina Elmer - ist gerade nicht im Raum). Und das ist ja irgendwie auch sympatisch, diese Unsicherheit, dieses Zweifeln an der eigenen Rolle. Und es gehört zu Prozessen, in denen sich Neues entwickelt.

Was muss ich können, um Datenjournalist zu sein, fragen sich viele: Muss ich programmieren können? Statistik an der Uni belegt haben? Und die ehrliche Antwort muss lauten: Ja. Zumindest wenn Du seriösen Content produzieren willst.

Mit Datamining-Programmen findet man immer irgendwas Interessantes: häufig sinnlose Korrelationen, warnt Stefan Hornborstel #datenlabor15 — Eva Wolfangel (@evawolfangel) 23. Oktober 2015

Stefan Hornbostel sagts richtig: Datengrundlage/Erhebung muss bewertet werden. Aber Chefredakteure mögen kein "ist mist" #datenlabor15
— Andreas Grieß (@youdaz) 23. Oktober 2015 Oder du suchst dir Tandempartner, die sich mit Algorithmen und Datenanalyse auskennen. Denn auch das wird beim Datenlabor in Dortmund deutlich: wer seriös Datamining betreiben will, muss vielerlei Fallstricke beachten. Statistik ist nicht profan.

Daten können lügen, sie können unsauber und fehlerhaft sein, man kann die falschen Fragen an sie stellen, und sie können uns auf falsche Spuren führen – meist ohne dass man es merkt. Solche „Storys“ sind deshalb fataler als eine pure Falschmeldung. Modernes „Storytelling“ auf fehlerhafter Datengrundlage ist die potenzierte Zeitungsente von früher.

Meine Prognose: auf der nächsten Konferenz gibt es vielleicht vier oder sechs selbst definierte Datenjournalisten. Und ich finde, das ist gut so, denn das Berufsbild hat ein zentrales Problem: Datenjournalisten müssen Zwitter sein, sie müssen mehr können, als in aller Regel in einer Person vereinbar ist. Das heißt, sie können entweder alles ein bisschen, was dem Ergebnis meistens nicht gut tut, oder sie machen eines richtig.

Die Journalisten so: nee, wir modellieren nicht. Die Forscher so: oh doch, das tut ihr: nur häufig leider falsch. #datenlabor15 — Eva Wolfangel (@evawolfangel) 23. Oktober 2015
Suche nach Minima, Maxima und Outliern setzt bestimmte Annahmen über Beschaffenheit von Daten voraus #datenlabor15 — Stefan Baack (@tweetbaack) 23. Oktober 2015
Wir geben uns wirklich alle mühe, zur eierlegenden Wollmilchsau zu werden, aber Teamwork ist eine tolle Alternative :) #datenlabor15 — Kira Schacht (@daten_drang) 23. Oktober 2015

Wie undefiniert das Berufsbild ist, zeigt beispielsweise die Studie von Ralf Spiller, Professor für Medienmanagement in Köln, der als einer der ersten das Berufsfeld "Datenjournalist" untersucht und alles andere als eine homogene Gruppe gefunden hat: seine 35 Probanden (mehr hat er nach seiner Aussage 2013 noch nicht gefunden) teilte er in drei Subgruppen ein: Journalisten, die sich bisschen eingearbeitet haben aber eher Konzeption machen, Informatiker, und Visualisierer.

Datenjournalismus braucht verschiedene Kompetenzen: Journalisten, die eine Ahnung davon haben, was mit Datamining und explorativer Datenanalyse möglich ist, was die Algorithmen heutzutage können, die Korrelationen und Kausalitäten sorgfältig unterscheiden, Journalisten, die eine These haben und die ihr Handwerk beherrschen, die wissen, wie man Geschichten findet, wie man sie sauber nachrecherchiert und die sie gut aufschreiben können. Und Informatikerinnen und Computerlinguisten, Statistiker und Visualisiererinnen, die den Daten seriös ihre Geheimnisse entlocken und die in enger Zusammenarbeit mit den Journalisten die Methoden und die Recherchewege der Zukunft entwickeln.

Dann kommen wir über das heutige Stadium der meist puren Visualisierung hinaus. Und auch hier nochmal: diese interaktiven Grafiken, die heute meistens unter Datenjournalismus fallen, sind tolle Projekte, ein super Service für den Leser und - ja, auch das ist für manche das entscheidende Kriterium - häufig Klickhits. Für die Zukunft aber ist mehr drin. Dafür brauchen wir eine erweiterte Expertise. Und das ist keine Schande, sondern die Grundlage für Qualität. Damit wir aus den Tools der Zukunft mehr rausholen und der Datenjournalismus seiner Teenage-Sex-Rolle entwächst.

"The more male a person is, the taller he/she is." @LenaGroeger on how #dataviz drives our reception #datenlabor15 pic.twitter.com/CDMWJ0MlWj — Lutz Maicher (@lmaicher) 23. Oktober 2015
Die wichtigsten Grundlagen des #Datenjournalismus (mein Fazit): gesunder Menschenverstand und gute Tandem-Partner (Experten). #datenlabor15 — Eva Wolfangel (@evawolfangel) 24. Oktober 2015