Wie wissenschaftlich ist Datenjournalismus?

Für Visualisierungen untersuchen Journalisten Daten mit „wissenschaftlichen Methoden“. Doch wie wissenschaftlich sind ihre Analysen tatsächlich? Ein Gastbeitrag VON STEFAN WEINACHT und RALF SPILLER

CC BY SA 2.0 Kate Hudson/jwyg

Die ZEIT bringt sie regelmäßig, die Süddeutsche Zeitung immer häufiger und auch die taz mischt manchmal mit. Die Rede ist von datenjournalistischen Projekten der Onlineableger deutscher Leitmedien. Dabei visualisieren Journalisten gemeinsam mit Programmierern und Grafikern große Datenmengen und zeigen neue Beziehungen auf. Häufig kann sich der User selbstständig in den präsentierten Daten orientieren, so z.B. beim bekannten „Zugmonitor“ der Süddeutschen Zeitung, der Verspätungen der Deutschen Bahn visualisiert.

Einige Datenjournalisten rühmen sich ihrer „wissenschaftlichen Methoden“, mit denen sie ihre Datensätze bearbeiten. Die Wissenschaft hat’s bisher wenig interessiert. Doch was steckt wirklich hinter dem Schlagwort? Wie wissenschaftlich ist er, der Datenjournalismus, und sollte er das überhaupt sein?

Kooperationsprojekte zwischen Datenjournalisten und Wissenschaftlern sind bisher nur vereinzelt und lediglich aus Nachbarländern bekannt. Wissenschaftliche Studien zum Datenjournalismus sind rar. Und eine kritische Diskussion des Spezialaspekts der „Wissenschaftlichkeit des Datenjournalismus“ hat bis dato weder unter Datenjournalisten noch unter Wissenschaftlern in bemerkenswertem Rahmen stattgefunden.

Antworten auf diese Frage gibt eine Studie, die wir am Institut für Journalismus und Public Relations der Westfälischen Hochschule sowie an der Macromedia Hochschule für Medien und Kommunikation in Köln durchgeführt wurde. Sie beleuchtete erstmals das Feld, indem wir 33 Datenjournalisten in Deutschland befragt haben.

Wer bezeichnet sich als Datenjournalist?

Zunächst einmal irritiert die geringe Zahl von 33 qualitativ befragten Experten aus methodischen Gründen. Ein Phänomen, das in Journalismus und Ausbildung viel Aufsehen erregt hat, soll durch 33 Erfahrungsberichte, Einstellungen und Meinungen abbildbar sein? Tatsächlich aber erwies sich die empirische Sachlage als ernüchternd: Neben den 33 Befragten fanden sich nur wenige weitere Menschen in Deutschland, die sich selbst als Datenjournalisten bezeichnen. Also wurden ausgehend von der einschlägigen Berichterstattung in Branchenzeitschriften per Schneeballsystem  Datenjournalisten identifiziert. Weil man sich ganz offensichtlich durch Stammtische, Konferenzen und intensive Wettbewerbsbeobachtung innerhalb der Community recht gut kennt und weil alle wiederholt genannten Personen befragt wurden, dürfte das Sample quantitativ und qualitativ belastbar sein. Diese fragwürdig anmutende Identifikation der Grundgesamtheit erwies sich als unumgänglich, so lange es noch keine weithin anerkannte Nominaldefinition für das Phänomen Datenjournalismus gibt.

Unsere gesammelten Ergebnisse ergeben eine deutlich konturierte Momentaufnahme: Nur wenige der Befragten arbeiten heute im Rahmen einer Festanstellung. Die Mehrzahl ist entweder „festangestellt und betreibt den Datenjournalismus als Hobby nebenbei“ oder arbeitet als „freier Journalist, der auch datenjournalistische Projekte realisiert.“

Wer sich heute „Datenjournalist“ nennt, hat studiert. Mehrfach wird Informatik als Studienfach genannt, meist eine der Sozialwissenschaften, häufig speziell Journalismus oder Journalistik. Das Wort der „Wissenschaftlichkeit“ des Datenjournalismus sollte also aus berufenem Munde kommen. Und es wird häufig verwendet, wenn Datenjournalisten über den Datenjournalismus reden.

Das fängt an bei der historischen Betrachtung: Einer sieht den „Datenjournalismus losgetreten durch Leaking-Geschichten und untermauert durch allgemeine Zweifel an der Glaubwürdigkeit der Medien.“ So sei der Trend entstanden, dass Journalisten wissenschaftlicher arbeiteten und ihre Quellen und Daten offenlegen müssten. Deutlich häufiger wird der Datenjournalismus aus dem Computer Assisted Reporting (CAR) abgeleitet, das beschrieben wird als „sozialwissenschaftliche Methode, computergestützt und auf Journalismus angewendet“.

Datenjournalismus schreibt sich oft Wissenschaftlichkeit auf die Fahnen

Noch häufiger wird dem Datenjournalismus eine Wissenschaftlichkeit unterstellt, wenn schlicht danach gefragt wird, was Datenjournalismus eigentlich ist. Irgendwo zwischen Definition und geflügeltem Wort bewegt sich ein Ausspruch von Steve Doig, Professor für CAR an der Walter Cronkite School of Journalism and Mass Communication der Arizona State University. Seiner Meinung nach ist Datenjournalismus „social science done on deadline”. Soweit geht kein deutscher Datenjournalist. Aber die Richtung ist beliebt: „Datenjournalismus ist ein Journalismus, der auf einer großen Menge von Rohdaten basiert, die mit wissenschaftlichen Methoden ausgewertet werden.“ Die hier implizite Abgrenzung zum „normalen“ Journalismus wird auch gerne expliziert: „Normalerweise werden im Journalismus keine sozialwissenschaftlichen oder statistischen Methoden und deren Werkzeuge angewendet“, im Datenjournalismus aber eben schon.

Wie kann dieser Selbstanspruch interpretiert werden? Aus der nüchternen Sicht des Wissenschaftlers kann die These von der Wissenschaftlichkeit des Datenjournalismus sogar gestützt werden: Datenjournalismus ist intersubjektiv nachvollziehbar, wenn die Veröffentlichung begleitet wird von einem Text zur Entstehung. Im Einzelfall ist dann unter Umständen auch die Validität der zu Grunde liegenden Primärerhebung einschätzbar.

Andererseits scheinen Datenjournalismus und Wissenschaft ebenso plausibel abgrenzbar. „Ein Statistiker ist noch kein Datenjournalist, auch reines Computer Assisted Reporting (CAR) ist noch kein Datenjournalismus. Journalistisch am Datenjournalismus ist, dass er Themen aufspürt, Relevanz im Sinne von Nachrichtenwerten entdeckt oder erzeugt und mit journalistischen Darstellungsformen aufbereitet. Vernachlässigen Datenjournalisten eines dieser Kriterien, dann sind sie keine Journalisten, sondern Sozialwissenschaftler, Statistiker oder Infografiker,“ schreibt Annette Leßmöllmann, Professorin für Wissenschaftsjournalismus an der Hochschule Darmstadt.
Für die strikte Trennung von Datenjournalismus und Wissenschaft sprechen drei Argumente:

1.  Datenjournalismus hält sich selten an den idealtypischen Forschungsprozess, der üblicherweise mit einer Forschungsfrage beginnt und für die Antwort nach Daten sucht. Im Datenjournalismus steht am Anfang nicht selten ein Datenberg und eine Forschungsfrage wird zur überflüssigen Nebensache, wenn man nur eine spektakuläre Information in den Daten gefunden hat. „Jeder hat so seine Art, entweder mit der Hypothese oder dem Datensatz anzufangen”, erklärte einer der befragten Datenjournalisten.
2. Die Reliabilität eines datenjournalistischen Projekts mag bei Einzelarbeiten naheliegend sein. Bei Teamarbeiten und insbesondere beim Crowd-Sourcing im Sinne der arbeitsteiligen Interpretation von Datensätzen wird sie allerdings nie gemessen.
3. Vereinzelt entstand in den Interviews der Eindruck, Wissenschaftlichkeit sei gegeben, sobald das Programm Excel verwendet wird. Mehrheitlich aber ergibt sich Wissenschaftlichkeit durch die sachgerechte Anwendung von Erhebungsmethoden. Nur in Einzelfällen ziehen sich Datenjournalisten auch den großen Schuh der „statistischen Auswertung“ an. In der Praxis reichen dem Vernehmen nach rein deskriptive Auszählungen. Man sucht nach Extremwerten und regionalen Häufungen. Man wertet nach journalistischen Kriterien aus: Kann ich skandalisieren? Interessiert das jemanden? Man wertet nicht nach wissenschaftlichen Kriterien aus.

Die Datenjournalisten schreiben sich also gerne Wissenschaftlichkeit auf die Fahnen. Die harten Kriterien des wissenschaftlichen Arbeitens werden aber nur bedingt erfüllt. Was auf den ersten Blick verwerflich scheint, ist auf den zweiten Blick sinnvoll.

Wieso sollten Journalisten – und nur für diese Funktion werden Datenjournalisten von Medienunternehmen bezahlt – nach den Kriterien des Wissenschaftssystems arbeiten? In jedem Fall wäre das wirtschaftlich unrentabel, weil Forschung nun mal zeit- und ressourcenaufwändiger angelegt ist als die journalistische Recherche. Auch normativ erwartet die Gesellschaft vom Journalisten kompaktere Informationen als das ausdifferenzierte Ergebnis einer wissenschaftlichen Studie.

Selbst innerhalb der Wissenschaft variiert das Verständnis von „Methodik“

Schließlich spricht folgender Vergleich für die strikte Trennung von Datenjournalismus und Wissenschaft: Würde man von Datenjournalisten eine Arbeit nach den Qualitätsmaßstäben der Wissenschaft auf Kosten der Effizienz verlangen, wäre das wie die Forderung an einen Wissenschaftler, er möge doch Forschungsberichte mit journalistischer Eleganz und auf Kosten der definitorischen Genauigkeit formulieren.

Die meisten Datenjournalisten, die ihre Arbeit in irgendeinen Zusammenhang mit Wissenschaft brachten, wollen auch gar nicht den Wissenschaftlern die Arbeit abnehmen. Sie nehmen ja nur die Verwendung „wissenschaftlicher Methoden“ in Anspruch. Abgesehen davon, dass viele Wissenschaftsbereiche unter „Methoden“ völlig unterschiedliche Dinge verstehen, überbieten sich Wissenschaftler auf Tagungen in aller Regel auch im Methoden-Wettbewerb: „Wie haben Sie diese Daten denn genau erhoben? Das soll eine ordentliche Befragung gewesen sein?“ Ein guter Methodiker weiß eigentlich immer, wie man eine noch bessere Datenbasis hätte erzielen können. So besehen haben Datenjournalisten, zumal wenn Sie Daten online und zumeist ohne definierbare Grundgesamtheit generieren, wissenschaftlich keinen wirklich guten Stand.

Bevor nun also Journalisten versuchen, hohe wissenschaftliche Standards zu erfüllen, und bevor Wissenschaftler versuchen, Journalisten auf der Autobahn der populären Medien zu überholen, gäbe es noch den gangbareren Mittelweg der projektbezogenen Kooperation. Es ist mehr als erstaunlich, dass nur ein einziger befragter Datenjournalist von einer solchen Zusammenarbeit berichtet hat. Denn: Wo der Wissenschaftler die notwendigen Voraussetzungen für eine sinnvolle Datensammlung und Datenauswertung beherrscht, haben Datenjournalisten in aller Regel die bessere Qualifikation für die Darstellung der Ergebnisse, um Aufmerksamkeit beim Publikum zu erregen.

Was wäre die Zusammenarbeit doch für eine WinWin-Situation! Gemeinsam werden Themen gesucht, die die Wissenschaft voranbringen und ein breites Publikum informieren und unterhalten können. Journalisten sammeln trickreich Daten, die dank wissenschaftlicher Beratung nicht von Anbeginn an Verzerrungen in sich tragen. Wissenschaftler bekämen Daten, die sie sonst nicht hätten, etwa weil Datenjournalisten neue Datenquellen erschließen. Journalisten bekämen sinnvolle und abgesicherte Auswertungen. Und Wissenschaftler könnten schließlich im wissenschaftlichen Wettkampf reüssieren mit Darstellungen, insbesondere Visualisierungen, die eine differenzierte Ergebnisdiskussion beflügeln und diese nicht derart erschlagen, wie das manch dröge Ergebnis-Vorlesung noch heute mit sich bringt.

Stefan Weinacht lehrt an der Westfälischen Hochschule Kommunikationswissenschaft im Institut für Journalismus und Public Relations.

Ralf Spiller unterrichtet im Studiengang Medienmanagement an der Hochschule für Medien und Kommunikation, Köln.