Schöner Schein oder tiefgreifende Erkenntnisse? - Datenjournalismus im redaktionel
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Formal Metadata
| Title |
| |
| Title of Series | ||
| Number of Parts | 234 | |
| Author | ||
| License | CC Attribution - ShareAlike 3.0 Germany: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor and the work or content is shared also in adapted form only under the conditions of this | |
| Identifiers | 10.5446/33052 (DOI) | |
| Publisher | ||
| Release Date | ||
| Language |
Content Metadata
| Subject Area | ||
| Genre | ||
| Abstract |
|
re:publica 2017140 / 234
1
5
7
10
12
13
18
19
20
22
31
32
37
42
43
44
48
51
65
72
74
78
79
88
89
101
104
106
107
108
109
115
127
138
142
150
152
156
159
160
166
167
172
175
181
183
185
186
188
191
197
201
204
206
208
210
213
214
215
217
220
221
223
224
226
234
00:00
Lorenz curveComputer animationJSONXMLUMLLecture/Conference
00:52
Set (mathematics)Visualization (computer graphics)Potential gameLecture/Conference
02:14
Physical quantitySmart cardVisualization (computer graphics)IP addressSound effectElectronic data processingRun-time systemDiagramAutomationMeeting/Interview
05:18
AutomationRow (database)Meeting/InterviewLecture/Conference
06:13
Software developerRow (database)Visualization (computer graphics)Lecture/Conference
07:05
BioinformatikStatisticsComputer programmingLecture/ConferenceMeeting/Interview
08:04
PAUSPlane (geometry)Lecture/Conference
08:57
Service (economics)Plane (geometry)Meeting/Interview
09:54
Software developerPlane (geometry)Service (economics)Meeting/Interview
11:12
Row (database)Moment (mathematics)Spring (hydrology)Lecture/Conference
12:11
Spring (hydrology)Set (mathematics)Row (database)Table (information)Lecture/ConferenceMeeting/Interview
14:11
InformationRow (database)Lecture/Conference
15:07
Moment (mathematics)Hausdorff spaceRow (database)Liste <Informatik>Lecture/Conference
16:43
MeasurementPhysical lawRow (database)SoftwareUmweltdatenBusiness reportingRobotPrint <4->Lecture/ConferenceMeeting/Interview
19:10
Plane (geometry)Data analysisOnline-MedienBusiness modelMeeting/Interview
20:08
Lecture/ConferenceMeeting/Interview
20:58
Mobile appEigenvalues and eigenvectorsHand fanRow (database)SurfaceLecture/Conference
21:56
Print <4->Row (database)Moment (mathematics)PriorityMathematical structureHausdorff spaceStatistikerLecture/ConferenceMeeting/Interview
24:46
Moment (mathematics)Execution unitSimilarity (geometry)MittelungsverfahrenLecture/ConferenceMeeting/Interview
27:12
Potential gameGRADEDiagramVisualization (computer graphics)Zusammenhang <Mathematik>FacebookConcurrency (computer science)CW-KomplexMeeting/Interview
28:56
Virtual realityPlane (geometry)Visualization (computer graphics)Lecture/ConferenceMeeting/Interview
29:42
Plane (geometry)File formatInformationSoftwareComputing platformHypercubeMeeting/Interview
32:05
DigitizingContent (media)Visualization (computer graphics)InformationsmengeMeeting/Interview
33:14
Zusammenhang <Mathematik>Visualization (computer graphics)Computing platformInformationCladeALT <Programm>Bewegtes BildForestCognitionLecture/ConferenceMeeting/Interview
34:49
Point (geometry)DesktopPositionPlane (geometry)InformationVisualization (computer graphics)Physical quantityMeeting/Interview
35:42
InformationVisualization (computer graphics)Lecture/Conference
36:32
Visualization (computer graphics)TouchscreenAlgorithmFacebookKapazität <Mathematik>Meeting/InterviewLecture/Conference
37:35
Mobile appSpeciesLösung <Mathematik>IntegerLecture/ConferenceMeeting/Interview
42:12
Visualization (computer graphics)Electronic visual displayFile formatDirection (geometry)Digital mediaSoftware developerLecture/ConferenceMeeting/Interview
43:20
DesktopMobile WebFile formatDigital mediaPhysical quantityWind waveLecture/Conference
44:25
InformationComputing platformDistanceDatabaseSoftware developerSonificationVisualization (computer graphics)Lecture/ConferenceMeeting/Interview
46:09
Expert systemRoundingApple <Marke>PriorityForm (programming)Lecture/Conference
47:07
Atomic nucleusExplosionswelleLecture/Conference
48:05
PILOT <Programmiersprache>Visualization (computer graphics)Virtual realityMeeting/Interview
49:19
Beta functionDirection (geometry)Interface (computing)Line (geometry)Lecture/Conference
50:23
Direction (geometry)Lecture/ConferenceMeeting/Interview
51:34
Row (database)HypothesisMeeting/InterviewLecture/Conference
52:48
DatabaseState of matterLecture/ConferenceMeeting/Interview
53:35
Decision tree learningMoment (mathematics)DatabaseLecture/Conference
54:39
InformationContent (media)Lecture/ConferenceMeeting/Interview
55:29
Moment (mathematics)Sample (statistics)Punched cardSmart cardLecture/ConferenceMeeting/Interview
56:20
Data analysisBerechnungExpert systemRow (database)Lecture/Conference
58:23
State of matterCarriagewayPlane (geometry)Lecture/ConferenceMeeting/Interview
59:44
Lecture/Conference
01:00:33
Lecture/ConferenceComputer animation
Transcript: German(auto-generated)
00:15
So, ich freue mich sehr, dass der Laden so voll geworden ist. Ich will auch gar nicht so viel lange erzählen, sondern eigentlich möglichst schnell zu meinen Gästen und Gästinnen kommen,
00:26
damit wir auch schnell starten können, um über Datenjournalismus zu sprechen. Denn, wie schon angekündigt von Jens, haben wir tatsächlich vier ganz kompetente Gäste hier, auf die ich mich wirklich sehr freue. Und wir fangen mal an mit Christina Elmer, sie ist Ressortleitung Datenjournalismus bei Spiegel Online
00:44
und dort auch Mitglied der Chefredaktion. Christina, komm her. Dann Ulrike Köppen aus dem Datenteam vom Bayerischen Rundfunk.
01:05
Lorenz Matz hat ebenfalls Datenjournalist und auch Unternehmer. Und Wolfram Leitz, Redaktionsleiter bei RBB24.
01:23
Schön, dass ihr alle da seid, dass wir jetzt über Datenjournalismus reden können. Und ich glaube, das Wichtigste ist gleich mal eigentlich ganz vorne anzufangen. Ein bisschen was hat Jens schon gesagt. Datenjournalismus ist nämlich ein sehr, sehr weites Feld. Wir haben auf jeden Fall eine Menge Daten, das sagt das Wort schon mal, und irgendwas tut man mit diesen Daten.
01:43
Man versucht, sie zu visualisieren, man versucht, Geschichten daraus zu bekommen. Wie genau sieht das aber eigentlich aus? Darum soll es auch hier gehen und welche Potenziale liegen da drin. Und vielleicht könnt ihr gleich mal jeder aus seinen einzelnen Projekten, die ihr schon gemacht habt, ein kurzes Beispiel vorstellen, um mal zu zeigen, was bedeutet eigentlich Datenjournalismus und welche Potenziale liegen da drin.
02:04
Also aus den eigenen Projekten vorgestellt, würde ich sagen, das fängt an mit einer klugen, weil irgendwie andersartigen Visualisierung von Wahlergebnissen zum Beispiel oder einem Zusammenschnitt von unterschiedlichen Daten, Wahlen und sozio-demografischen Daten vielleicht. Das kann also relativ klein sein.
02:21
Und manche Recherchen lassen sich am Ende tatsächlich auf einen Diagramm runterbrechen, so wenn man an die Visualisierung denkt. Und das reicht bis hin zu automatisierten Datenverarbeitungen, wo wir dann ja in jeder Woche mit ja tausenden Datenpunkten im Prinzip arbeiten. Uli Köppen?
02:41
Dann schließe ich da an. Ich glaube, es gibt sehr viele Beispiele, die man nennen kann, aber es, was Christina noch nicht genannt hat, das Durchsuchbarmachen von Daten, wie unsere letzte Madeira-Recherche, da ging es um Steueroasen. Es geht um regionalisierbare Geschichten, das ist auch sehr schön, weil man eine große Geschichte erzählen kann.
03:02
Und die vielen kleinen Geschichten, die dann auch darin stecken, kann man eben mit Daten auf verschiedene Orte herunterbrechen, sodass der User sich dann personalisiert die Daten und die Geschichten heraussuchen kann, die ihn interessieren. Auch sehr charmant für den Datenjournalismus. Und dann lasse ich dir noch einige Beispiele offen.
03:20
Loris Marzat? Ja, ich hatte verstanden, wir sollen ein Beispiel nennen. Wir sammeln gerade die oder schauen uns die Programmdaten des ersten Programmes, der ARD, an. Weil das Schöne an Datenjournalismus finde ich, dass man so gefühlte Wahrheiten mal unterfüttern kann mit Substanz oder mit Fakten.
03:45
Und so die Ausgangsfrage ist, wie viel dieses gefühlten 30-prozentigen Anteils an Krimis im ersten ist tatsächlich, wie viel Prozent macht das Programm aus? Man kann natürlich auch sehen, wie viel Sport, Nachrichten, Kultur, Unterhaltung.
04:01
Und man kommt zum Glück an die Daten bis, ich glaube, 2012 mehr oder minder problemlos dran. Die stehen im Netz schön aufbereitet von der ARD. Und das ist sozusagen eigentlich immer so die oder eine der Grundansätze bei Datenjournalismus. Große Datenmengen nehmen und gucken, was finden wir da eigentlich an
04:23
Mustern, was lässt sich zählen, was sind Auffälligkeiten oder eben auch Unauffälligkeiten. Das letzte Beispiel, was wir gemacht haben und realisiert haben bei RBB24 war ein Investitionsatlas, wo wir uns mal angeschaut haben, was die Stadt so alles investiert und auch an welchen Stellen sie das tut.
04:41
Berlin? Genau, Berlin. Da hatten wir die Daten und haben die ein bisschen aufgeschlüsselt, so am Ende, dass der Nutzer eigentlich sagen konnte, wo findet denn jetzt eigentlich was statt in meiner Umgebung mit einer Umkreissuche, also ein nutzerzentrierter Ansatz, wird was gebaut. Und das gab schon so ein paar ganz interessante Effekte, dass man gesehen hat, so eine selbst riesige Investitionssumme verteilen sich über die Stadt
05:04
und am Ende bleiben vielleicht an manchen Gegenden gar keine Punkte übrig. Das hat auch ein bisschen ein Problem gezeigt, dass wir eben nicht alle Daten tatsächlich lokalisieren konnten, also mit Adressen versehen konnten, weil Beispiel die Automatisierung der Justiz im Sinne von der juristischen Akte, die in eine Datenakte zu verwandeln,
05:26
das ist nichts, was sich lokalisieren kann, ist aber ein riesen Investitionsbrocken. Also mit einem Nutzeransatz, aber auch mit dem Erkenntnisansatz, es geht eben nicht alles. Und hoffentlich ein bisschen ein spielerischer Ansatz auch dabei. Genau, auf die Probleme kommen wir auf jeden Fall auch noch mal zu sprechen.
05:40
Zunächst würde mich aber interessieren, nicht alle hier sind tatsächlich Datenjournalisten. Wolfram Leitz ist eigentlich Redaktionsleiter einer Online-Redaktion. Ihr seid aber alles Datenjournalisten im weitesten Sinne. Vielleicht könnt ihr mal umschreiben, was eure Tätigkeiten tatsächlich bedeuten und was man eben auch dafür braucht, um im Datenjournalismus tätig zu sein.
06:03
Das kommt ganz drauf an, welche Rolle man in so einem Team übernimmt. Also wir haben bei uns im Team sowohl datenanalytische Fähigkeiten sehr stark, also dass man in der Lage ist, mit größeren Datensätzen überhaupt erst mal umzugehen, die auch systematisch zu verarbeiten, auszuwerten, zu visualisieren. Dann geht es darum, diese Visualisierung auch stimmig zu machen.
06:22
Da muss man auch jemanden haben und letztlich auch das Redaktionelle noch mal zu betreuen. Bei mir selbst ist es so, dass ich nicht programmieren kann, ich gebe es ganz ehrlich zu, sondern das machen tatsächlich die Kollegen und ich mache eher das Redaktionelle, die Projektplanung und kann kleinere Datensätze selbst auswerten, aber mit denen haben wir zunehmend weniger zu tun.
06:41
Aber das heißt, man braucht eigentlich schon, um Datenjournalismus betreiben zu können, einen Programmierer mindestens im Team? Ich würde sagen ja, also beziehungsweise jemanden, der das kann. Ich finde nicht, dass alle Fähigkeiten sozusagen auf einzelne Personen überlagert sein sollten, aber ich glaube auch nicht, dass es irgendwie wirklich realistisch ist, so wie das beispielsweise ProPublica machen, dass das alles auf eine Person vereint sein muss.
07:07
Bei uns ist das sehr ähnlich. Ich will gar nicht wiederholen, was Christina gesagt hat. Wir arbeiten auch interdisziplinär in einem Team und da sind verschiedene Fähigkeiten auf verschiedene Personen verteilt, Coding, Journalismus, Programmierung, Ahnung von Statistik
07:22
und dann auch teilweise Spezialwissen. Einer meiner Kollegen ist Bioinformatiker, mit dem habe ich auch an einem Testosteronprojekt gearbeitet. Dann arbeiten wir auch immer mit Redaktionen aus dem Haus zusammen. Das ist für uns als Bayerischer Rundfunk natürlich ganz großartig,
07:41
dass wir im Prinzip für jedes Thema einen Spezialisten im Haus haben. Wir springen von Thema zu Thema, das heißt, wir haben von Sport über Wirtschaft, Investigativgeschichten, teilweise auch spielerische Ansätze, haben wir alles dabei und wir versuchen dann sehr früh, wenn wir eine Geschichte identifizieren, mit den Fachkollegen zu sprechen und dann kommt meistens ein Kollege vom Fernsehen,
08:03
ein Kollege vom Radio dazu. Wir bilden ein Autorenteam, ein Rechercheteam. Die Recherche kann dann sehr lange dauern, mit Pausen dazwischen, weil man häufig Daten anfragt, die dann zusammenführt, wieder warten muss und das kann dann sehr viel Geduld erfordern. Wahrscheinlich auch so ein Problem beim Datenjournalismus,
08:22
dass es nicht sofort und zackig und immer so geht, wie man sich das möchte, wie man sich das vorstellen möchte. Und so arbeiten wir eben im Team interdisziplinär und dann auch noch so sternförmig ins Haus hinein. Bei mir ist es so, ich bin ja kein Vertreter eines Medienhauses,
08:42
sondern wir arbeiten in der Regel mit anderen Medienhäusern zusammen. Also mit Christina Elmer von Spiegel Online und Wolfram Leitz vom RBB habe ich jeweils schon zusammengearbeitet. Das heißt, da gibt es dann eben verschiedene Ebenen. Manchmal ist das eher eine Kooperation und manchmal sind wir Auftragnehmer
09:01
und haben dann eben mehr Dienstleistungsverhältnis, dass wir dann eben auch quasi nur umsetzen, was uns jemand bittet, zu realisieren. Und in dem Kontext bin ich jemand, der die konzeptionelle Seite macht. Das heißt, ich mache Recherche und Entwerfe und mache eben das Konzept,
09:22
wie so eine zum Beispiel interaktive Anwendung aussehen kann und bin dann für das Projektmanagement zuständig. Das heißt, eben da mit Christina und Wolfram Kontakt zu halten, Sachen zu klären, sich zu treffen, dafür zu sorgen, dass jetzt bei uns, auf unserer Seite eben, wir haben einige Entwickler im Haus
09:40
oder arbeiten mit externen Freien zusammen, dass das dann eben realisiert wird, dass das Produkt produziert wird. Ja, soll ich noch dazu was sagen? Ja, absolut, denn sozusagen auch deine Rolle ist auch ein wenig anders. Meine Job ist eine andere Rolle, meine Job ist sozusagen, diese Gewerke oder diese Parts zusammen zu kriegen,
10:02
was ihr also auch auf einer kleineren Ebene macht, nämlich jetzt ein Programmierer und ein Designer und ein Konzept da vielleicht zusammenzubringen, ist eigentlich ein bisschen so wie beim BR, nämlich das Haus mit einzubinden und die Redaktion und die Datenschonalisten eigentlich zusammenzubringen, weil das sind ja immer noch irgendwo getrennte Bereiche, häufig.
10:23
Jedenfalls so erlebe ich das. Vielleicht seid ihr da ein Stückchen weiter. Wir haben dieses kleine Datenschonalismus-Team, das wir haben beim RBB, haben wir angedockt an RBB24 und gleichzeitig aber auch an unsere Entwicklungsredaktion, die Online-Koordination.
10:41
Das heißt, die Hengen sind so ein bisschen DIN A2-er Herren und das ist eigentlich eigentlich ganz gut. Aber sozusagen, wie steuer ich mein Datenschonalismus-Team, wie kriege ich ein Projekt zügig umgesetzt und dann in der ganzen Bandbreite, nämlich von Tagesaktuell bis über Monate hinweg, das ist tatsächlich so ein bisschen mein Job.
11:03
Was ich aber daraus mitnehme, ist auf jeden Fall, es gibt nicht den Datenschonalisten und es gibt auch nicht das Berufsbild des Datenjournalisten, sondern es ist eben schon sehr divers, was ein Datenjournalist leistet und es ist doch viel eben Teamarbeit, also nichts, was einer in aller Regel alleine tut.
11:20
Trotzdem gibt es ja immer wieder so die Vorstellung oder auch den Wunsch, ja, wir brauchen ja mehr von diesen Datenjournalisten und sollte das nicht auch was sein, was eben ausgebildet wird? Wie ist das eurer Meinung nach? Ist es eben, wenn es ja gar nicht so einen ganz klaren, umrissenen Beruf gibt oder einen Tätigkeitsfeld sozusagen gibt, dass dann einer bedient auch überhaupt so einen Auftrag an Journalistenschulen
11:41
beispielsweise, wie denn ausgebildet werden soll? Auf jeden Fall. Also ich denke, dass es Bestandteil einer jeden Ausbildung sein sollte, zumindest Grundzüge des Datenjournalismus zu verstehen, selbst auch kleine Datensätze auswerten zu können. Ich glaube nicht, dass jeder sich da total lange vertiefen muss, aber im Moment kommt man einfach auch noch drum herum
12:00
und ich denke einfach, dass das sowas im Prinzip wie ein medizinischer Kunstfehler wäre. Wir haben diese Daten als Quellen, die wir benutzen können, um unsere Geschichten zu finden, zu verifizieren, zu erzählen und da müssen wir die auch irgendwie in der Lage sein, die zu benutzen. Also ich glaube, dass ohne geht es eigentlich nicht mehr. Da sind wir eigentlich auch schon beim Thema Quellen.
12:21
Es gibt also eine ganze Menge Quellen, auf die ihr eigentlich zugreifen könnt und manchmal eben auch nicht. Was für Quellen sind das denn im Alltag, also im sagen wir mal normalen redaktionellen Geschäft, auf die ihr dann zurückgreift, um eure Projekte zu starten? Was ist das so in der Regel? Da fällt die Antwort dann wahrscheinlich genauso aus, wie was ist Datenjournalismus?
12:42
Das hängt sehr vom Projekt und vom Thema ab. Also wir arbeiten natürlich auch viel mit offenen Daten, die man einfach beim Bundesamt oder Landesamt bekommt. Wir versuchen das zu kombinieren mit Daten, die nicht so offen zutage liegen. Ich kann wieder das Testosteronbeispiel nennen. Da haben wir versucht, mit Zolldaten zu arbeiten
13:02
und hatten dann aber zusätzlich noch Zugang zu einem exklusiven Datensatz. Das war eine Auswertung eines Dopinglabors. Da ging es darum, zu schauen, wie funktioniert der Schwarzmarkt mit Testosterondoping. Und das wäre ein gutes Beispiel zu sehen, dass man einerseits mit Daten, die der Zoll sammelt
13:21
und die aber auch gar nicht so leicht zusammenzuführen waren. In dem Fall ist es nicht so, dass man da einfach Tabellen anfragt und dann bekommt man die, sondern das ist meistens sehr ungeordnet, was man zurückbekommt. Und man muss stark zurückfragen, wie die gesammelt wurden und was die Daten genau sagen. Das wären aber trotzdem Daten, die offen zutage liegen,
13:41
kombiniert mit einem exklusiven Datensatz, den wir ausgewertet haben, sodass man dann ein Thema einkreist im Grunde mit verschiedenen Daten setzen und hoffentlich neue Erkenntnisse daraus gewinnen. In dem Fall, wie funktioniert der Schwarzmarkt und wie riskant ist es eigentlich, auf dem Schwarzmarkt Testosteron zu kaufen, weil man gar nicht weiß, welche Konzentration man da bekommt
14:03
und man unter Umständen eine Überdosierung bekommt, obwohl man eigentlich nur schöne Muskeln im Fitnessstudio aufbauen möchte. Ich frage es vielleicht auch noch mal anders. Wie wichtig ist es denn, dass es offene Daten eben gibt für euren Alltag? Oder vielleicht ist es eben auch nicht so wichtig. Ihr besorgt euch eure Informationen selber.
14:21
Aber wie funktioniert das dann? Ich glaube, da kann ich jetzt für alle sprechen. Es ist total wichtig, dass offene Daten da sind. Es ist viel zu wenig da. Es ist viel zu wenig Bewusstsein da, dass diese Daten allgemein gut sind, meistens mit Steuergeldern bezahlt wurden und in Behörden liegen, die dann nicht so einfach diese Daten wieder rausgeben und auch diese Daten schon nicht so sammeln,
14:42
dass sie dafür gedacht sind, rauszugeben. Also wenn zum Beispiel jede Zollfahndungsstelle ein eigenes System hat, ob ich jetzt in Ampullen oder in Millilitern oder in Kilo oder in, ich weiß es nicht, was, abrechne, dann ist schon bei der Sammlung dieses Datensatzes inherent, dass man damit eigentlich nichts anfangen kann und sie bundesweit nicht zusammenführen kann.
15:02
Und das ist ein Problem. Und da ist meistens auch wenig Verständnis und wenig Bewusstsein da. Und genau, dazu fällt mir auch noch das Beispiel BAMF ein. Wir haben versucht, in der großen Recherche gemeinsam mit Schülern der Henry-Nannen-Schule und mehreren Kollegen aus dem Haus nachzuvollziehen, wie gut die Integration funktioniert und wie gut Kurse tatsächlich angenommen werden,
15:22
angeboten werden in den Bundesländern. Und diese Daten werden einfach nicht bundeseinheitlich gesammelt und zusammengeführt bei einem Thema, das uns im Moment eigentlich alle umtreibt und das irre wichtig ist, um irgendwie auch letztlich das Gelingen der Integrationspolitik zu bemessen. Und ja, das ist zum Beispiel auch so ein Thema,
15:41
wo da einfach auch die Daten fehlen. Sind Datenjournalisten diejenigen, die da in die Bresche springen? Vielleicht zwar die Daten nicht sammeln, aber zumindest eben ja auch zusammenführen, zum Teil ja sogar auch selber versuchen, zusammenzusammeln dann, wenn sie eben nicht vorliegen. Ist das so eine Aufgabe, die euch also auch betrifft? Das machen wir dann auch, ja.
16:00
Wenn das nicht anders geht, dann versuchen wir das, was da ist, irgendwie sinnvoll zusammenzuführen. Es gibt auch Recherchen, bei denen man selber einen Datensatz quasi aufbaut, in dem man selbst Gruppen klastert und beispielsweise auch selbst Daten erhebt. Kannst du ein Beispiel geben? Ja, Kollegen aus dem Gesundheitsressort haben das mit uns zusammen gemacht.
16:21
Sie haben untersucht, wie Schleichwerbung möglicherweise in anderen Publikationen auftaucht, haben dann immer geschaut, für welche Medikamente wird in diesen Zeitschriften geworben und welche tauchen dann wiederum auch in redaktionellen Beiträgen auf. Und das ist natürlich am Ende eine Strichliste, die man zählt, auswertet und dann ins Verhältnis setzt zur Gesamtzahl der Artikel und so weiter. Und am Ende wurde daraus auch eine datenjournalistische Auswertung.
16:43
Welche Rolle spielt denn das Data-Mining, also eben das automatisierte Abgreifen von Daten beim Datensjournalismus? Vielleicht Lorenz Mazat. Zumindest in Deutschland, wie ich es beobachte, zu wenig. ich habe den Eindruck,
17:01
dass, also wir haben jetzt hier mit Christina und Ulli haben wir hier zwei einer eher seltenen Spezies auf dem Podium sitzen. Es gibt nicht so viele Datenjournalistinnen und Datenjournalisten in Deutschland. Vielleicht 100 bis 200, je nachdem, wie man das definiert. Und die sind auch eher auf
17:21
überregionale Medien verteilt. Also es gibt Ausnahmen natürlich, aber vor allem in dem Bereich der regionalen und Lokalzeitungen und auch also im Print- und Onlinebereich gibt es sehr wenig. Da wäre es aber meiner Meinung nach mit am nötigsten, dass dort Datenjournalismus geschieht.
17:40
Und was das Data-Mining, was kann man jetzt auch darüber streiten, was das genau bedeutet. Es gibt schon relativ viele Daten, die sind zumindest halb öffentlich im Graubereich. Es gibt auch oft Unklarheiten darüber, was sind eigentlich offene Daten bzw. welche rechtlichen Schutz genießen die? Können die überhaupt urheberrechtlich geschützt sein? In der Regel nein.
18:02
Unterliegen sie im Datenbankschutzrecht. Das heißt, darf man sie komplett überhaupt auslesen und verwenden und so weiter und so fort. Da gibt es vor allem bei offiziellen Daten, also Beispiel ist allein alle Gesetze in Deutschland unterliegen eigentlich überhaupt keinem wirklichen weder im Urheberrecht noch irgendeinem anderen rechtlichen Schutz. Aber es gibt
18:21
einen Verlag, der darf die drucken. Offiziell kann aber eigentlich jeder andere auch machen. Und und und. So viele Beispiele gibt es auch. Aber es gibt eben auch Messungen von Feinstaubdaten, anderen Umweltdaten. Die sind zum Teil im Netz auch öffentlich. Die sind aber nicht zugänglich. Das heißt, ich muss mir als Redaktion in der Regel einen Zugang verschaffen, indem ich eine
18:42
Software schreibe, also ein kleines Programm, ein Scraper, also ein Ausschaber oder wie man sie nennen möchte. Einen kleinen Roboter, einen Bot, der das regelmäßig ausliest und eigentlich erst zum Datensatz macht, der verwendbar ist. Und das kann man natürlich sehr mit allen möglichen Sachen machen. Verkehrsdaten, öffentlichen Personennahverkehr, wie oft kommen Verspätungen und so weiter,
19:01
tauchen die auf. Eigentlich alles Sachen, was Leute interessiert. Bildung, Schulberichte, Kitaplätze, die frei sind und so weiter und so fort. Diese Daten liegen auch auf viel auf, soweit ich es beurteilen kann, auf kommunaler Ebene vor. Also da, wo eigentlich Lokalzeitungen tätig sein müssten.
19:20
Und da könnte man viel automatisieren, denke ich. Und das ist ein anderes Thema vielleicht, aber auch diverse Geschäftsmodelle etablieren, die auch Geld für Online-Journalismus einbringen, jenseits von schlechter Werbung. Und das könnte alles geschehen. Also indem man eher
19:41
automatisierte Datenauswertungen auch macht, die einen als Redaktion eher ein Fingerzeug gibt. Hier, guck mal, hier verändert sich wegen mir ein Muster gerade was. Da scheint jetzt wegen mir irgendwas los zu sein, die Luftverschmutzung oder Luftverschmutzung. Dann hängt das vielleicht zusammen mit der neuen
20:02
Schweinemastanlage, die da gerade errichtet worden ist. Oder, oder. Wenn man jetzt also diese Daten automatisiert auch vorliegen hat, was würde das sozusagen den Redaktionen auch erleichtern? Also nimmt es dann der Redaktionarbeit letztlich ab oder macht das vielleicht die Arbeit sogar größer, weil ich natürlich umso mehr Daten
20:20
habe, umso mehr habe ich letztlich auch auszuwerten? Wenn man das System intelligent aufsetzt, hat man ja da direkt schon einen Indikator oder einfach eigentlich einen Hinweis, wo man mal hinschauen muss. Also wir arbeiten ja als Datenjournalisten nicht unabhängig von der herkömmlichen Recherche, sondern das braucht es immer auch, damit die Projekte gut werden, damit die Geschichten auch überhaupt
20:41
auch gut erzählt werden können und damit man den Sinn hinter dem, was man in den Daten findet, natürlich auch überhaupt erst mal herausfindet. Insofern glaube ich macht den Kollegen nicht mehr Arbeit, sondern ermöglicht ihn eigentlich nur Geschichten zu finden, die sie sonst nicht gefunden hätten und die die anderen auch nicht haben. Wie läuft das im redaktionellen Alltag dann ab?
21:01
Also ihr habt so eine Geschichte identifiziert. Ist das eine, die ihr dann mit eurem Team selber, also dem Team der Datenjournalisten macht oder, du hast vorhin zumindest mal angesprochen, es gab mal eine Kooperation mit dem Gesundheitsressort. Also wie übergreifend findet die Arbeit tatsächlich mit den Datenjournalisten statt? Jedes Thema machen wir mit einem Ressort zusammen. Wir haben keine eigene Abspielplattform sozusagen
21:22
auf Spiegel online, sondern es kommt immer noch ein Kollege aus dem Fachressort dazu, der dann auch die besten Fragen an den Datensatz stellen kann, wenn man ehrlich ist. Das sind einfach die Kollegen, die sich inhaltlich besser auskennen als wir und die dann auch die Geschichte am Ende schreiben. Also das passiert einfach total arbeitsteilig und da macht jeder das, was er am besten kann. Und so haben wir auch in der Redaktion glaube ich eine ganz
21:42
gute Einbindung. Die Kollegen kennen uns, wissen, wie wir arbeiten, denken an uns, wenn ihnen mal was auffällt, wenn ihnen ein Datensatz in die Hände fällt und das ist eher so dieser integrative Ansatz, der vielleicht ein bisschen länger dauert, aber am Ende ganz konstruktiv ist. Wolfram Leitz, es klang vorhin schon so an, beim RBW klappt es noch nicht ganz so gut.
22:00
Das klappt natürlich perfekt beim RBW, das ist doch klar. Nein, aber ich würde wirklich gerne mal den Finger in die Wunde lehnen, weil wir tun jetzt so ein bisschen, als wären wir alle hier perfekt und wüssten, was Datenschonalismus ist und können das alles. Aber du hast gerade so schön gesagt, wir haben 100 bis 200 Datenschonalisten vielleicht in der
22:21
Bundesrepublik. Und da gibt es Tausende von Journalisten, die davon noch keine Ahnung haben. Und ich will jetzt gar nicht auf die alten Medien und die Kollegen von den linearen Medien schimpfen, aber tatsächlich ist da ein großes Potenzial. Das werdet ihr beim Spiegel und du beim BR natürlich genauso machen. Da sitzen die schreibenden Kollegen und werden jetzt auf einmal
22:41
mit etwas konfrontiert, was es bisher so nicht gab. Und da glaube ich, ist noch ganz viel Potenzial. Also auch in der Teamarbeit. Für mich ist Datenschonalismus wirklich eine Teamarbeit. Wenn das nicht funktioniert, kann man das vergessen. Weil am Ende finde ich, muss man eine Geschichte erzählen. Das macht man, wenn man Glück hat und gute Fachressorts hat, dann nimmt man die mit rein.
23:01
Aber man muss tatsächlich auch die Kollegen erst mal mit einbinden. Wir haben im RBW einen Reporterpool, investigative Recherche und Hintergrund und haben zum Beispiel festgestellt, die wissen sehr viel über die Mietlage, über die Wohnungslage in der Stadt. Und haben an den Stellen gezielt mit denen zusammen gearbeitet.
23:21
Das ist aber dann nochmal ein bisschen was anderes, weil die Kollegen haben sogar Datensätze besorgt, bei uns aber abgeliefert. So geht es nicht eben. Man muss dann schon sozusagen in dem Wechselspiel hin und her sagen, was ist eigentlich drin da drin und welche Geschichte erzählen wir. Und natürlich kann der Datenschonalist sagen,
23:41
ich hab da einen Peak und dann gucken wir uns jetzt mal genauer an. Aber dann muss, finde ich, wirklich in einem Zusammenspiel gehen. Das ist jetzt nochmal ein bisschen was anderes, wenn man es bei Print macht, bei den trimedialen Häusern, da wirst du auch deine Erfahrungen haben. Das ist kompliziert, weil wir einfach in anderen Strukturen arbeiten.
24:01
Es ist aber ein Potenzial da. Und ich glaube ehrlich gesagt, was ich kenne von Kollegen in den Zeitungen, mit denen wir auch zum Teil kooperieren, haben die das gleiche Problem eigentlich. Wie kriegen sie sozusagen ihr Datenteam an die Redaktion richtig nah ran? Das ist tatsächlich ein alltägliches Problem, was simpel
24:21
klingt, aber es ist sehr komplex, es wirklich so zu lösen, dass man effizient auch die Ressourcen einsetzt. Weil wir machen es ja nicht nur für einen Spaß und für die Freude und die Breite dieser Projekte ist ja riesig, von sehr teuer bis ganz preiswert. Und da sozusagen die richtigen
24:41
Prioritäten zu setzen, ich glaube, da können wir alle noch viel Erfahrung machen. Wie ist da im Moment eher der Status Quo? Also, dass im redaktionellen Alltag tagesaktuell oder zumindest Wochenaktuell Daten ausgewertet werden oder dass man an ganz großen Projekten ran arbeitet, wo man vielleicht auch mal monatelang eben Recherche oder auch eine Auswertung
25:01
vor sich hat, bevor man dann mit einer Geschichte rausgeht. Was ist im Moment so gang und gäbe beim Datenjournalismus? Denn das hängt ja sicherlich auch sehr eng damit zusammen, wie die Zusammenarbeit in der Redaktion funktioniert. Also ich kann jetzt nur für uns antworten. Wir arbeiten eher in größeren Geschichten mit längeren
25:20
Recherchen. Es gibt aber genauso gute Einheiten, die tagesaktuell arbeiten. Das sind dann in dem Fall nicht wir. Also es ist wie immer alles möglich. Ich glaube, da kann man wieder so eine allgemeine Antwort geben. Aber um nochmal darauf zu antworten, weil du implizit diese Frage auch an mich weitergegeben hast. Wir sind ganz weit
25:42
davon entfernt perfekt zu sein. Also das will ich auch überhaupt gar nicht so im Raum stehen lassen. Es ist nur so, dass ich mit der Devise arbeite. Wir arbeiten einfach mit den Redaktionen, die auf uns zukommen und die positiv reagieren, wenn wir auf sie zukommen.
26:00
Und das werden einfach immer mehr. Wir haben mittlerweile mehr Anfragen, als wir bearbeiten können. Wir sind ja auch ein kleines Team. Und ich kann da nur dafür werben, einfach loszulegen, gute Geschichten zu machen und dann kommen schon die richtigen Leute auf die Redaktion zu. Ich glaube, Christina macht da sehr ähnliche Erfahrungen, oder? Im Prinzip ist es bei uns genauso. Was wir
26:22
vielleicht stärker haben als ihr, ist, dass wir in den tagesaktuellen Redaktionskonferenzen auch vertreten sind. Das heißt, wir machen auch mal kleine Jobs zwischendurch. Was wäre so ein kleiner Job? Da war es mal wieder eine Schießerei in den USA. Und es möchte jemand wissen, wie häufig kommt das eigentlich vor. Das kam in letzter Zeit vielleicht häufiger vor.
26:41
Und dann machen wir beispielsweise so eine Kalendergrafik, wo man irgendwie sieht, an welchem Tag wie viele Mess-Shootings waren. Und das kann man relativ schnell auswerten, visualisieren und dann ins Tagesgeschäft mit einbringen, ohne dass das jetzt Tage oder Wochen lang dauert. Was wir weniger machen zunehmend, sind solche mittellangen Projekte, weil das irgendwie
27:02
ein Format ist, das ist dann nichts halbes, nichts ganzes. Man hat dann das Gefühl, man macht irgendwie was, aber eigentlich sind es eher längere Projekte und diese kurzen Sprints. Vielleicht auch gerade, weil man Zeit braucht, um Redaktionen zusammenzuführen, vielleicht auch einen Datenschatz sozusagen zu heben und dann auch vernünftig
27:22
auszuwerten, eine Geschichte darüber rumzusticken. Sind das dann auch so die Gründe, warum dann doch eben die Projekte vielleicht eher manchmal etwas größer sind und da auch eher so die Potenziale im Datenjournalismus liegen? Weil ich glaube, das Diagramm oder die Grafik, das ist ja an sich nicht die Neuerfindung des Grades. Das sind ja auch Sachen, die wir eigentlich schon sehr lange kennen, auch schon aus alter Zeit,
27:41
aus alten Journalismus tagen, oder? Ich glaube, da tut sich ein bisschen was. Also wenn ich jetzt so gerade mal in die letzte Zeit gucke, oder in die letzten Zeiten gucke, was die Süddeutsche macht, was die AfD Tagesspiegel gemacht hat zum Thema AfD-Twitter-Accounts oder Facebook-Welten, da finde ich, ist der Anspruch
28:01
gestiegen für was Visualisierungen angeht. Vielleicht könnt ihr das noch besser beurteilen, wie viel Arbeit dahinter steckt, weil das kann ich zum Beispiel nicht sehen. Aber ich finde, da zeigt sich, wie viel Wert die Kollegen in die Visualisierung anlegen, damit ich diesen komplexen Zusammenhang auch gut verstehe. Also ein Beispiel war, die das jetzt in kurze Videoclips
28:22
gepackt haben. Da wurde ich geführt, da wurde noch mal anders erzählt, es wurde mir nicht nur die Grafik hingehauen. Und das ist für mich zum Beispiel, da hat sich das Niveau deutlich verbessert, und das ist nicht nur eine einfache, simple Visualisierung, die hat schon was Komplexes, zeigt mir das aber auch auf dem Weg, wie ich es nachvollziehen kann, ohne jetzt schon in dieser Facebook-
28:42
Nerd-Welt drinzustecken. Also da hat sich, finde ich, in letzter Zeit gibt es da Beispiele, die da zeigen, dass das Niveau eigentlich steigt, damit auch der Anspruch für alle, die da in dem Geschäft sind, das muss man ganz klar sagen, wir sind deiner Konkurrenz. Lorenz Mazat, du hast ja auch ein Projekt mit dem RBB zusammen gemacht, wo es um Virtual Reality sogar ging. Klingt auf den ersten
29:02
Blick vielleicht sogar so, was hat denn Datenjournalismus jetzt auch noch mit Virtual Reality zu tun, ist aber vielleicht ebenso die nächste Ebene der Visualisierung. Das braucht ja technisches Knowhow, das braucht vielleicht auch eine Technik beim Nutzer ja sogar. Ist das was, was alltagstauglich ist, was praktikabel ist,
29:20
oder sind das dann eben auch letztlich Prestigeprojekte, um eben zu zeigen, was Datenjournalismus eigentlich leisten kann? Also ich bin mir so, heute würde ich sagen, VR als, sagen wir mal, Massenmedium ist noch ein paar Jahre weg, zumindest im Nachrichtenwesen, wenn es überhaupt je dazu kommen wird. Da kann man sogar streiten.
29:43
Insofern war das, also ich, wir haben das jetzt zusammen gemacht, ich habe das eher so als Exzument verstanden. Es war natürlich auch, ihr erinnert euch vielleicht, vor eineinhalb oder zwei Jahren ein gewisser Hype um das Medium entstanden, wie es ja ebenso Konjunkturen gibt. Bei der VR war es die dritte oder vierte Hype-Welle, wenn man so will, die da am Laufen war
30:02
in den letzten Jahrzehnten. Und wir haben auch probiert, ob wir eben ein städtebauliches Projekt sichtbar machen können, das noch gar nicht existiert, aber in seinen Auswirkungen und in seinen Dimensionen, wie dann eben ein Autobahnabschnitt durch einen Stadtteil von Berlin laufen wird, nämlich durch Friedrichshain.
30:20
Wir haben es auch verhindert, dass wir jetzt im Koalitionsvertrag erst mal ausgeschlossen wurden. Danke. Vielleicht war es aber auch wer anderes Schuld, dass es nicht kommt, wie dem auch sei. Das war ein Experiment, um eben auch zu gucken, wie praktikabel ist das, überhaupt eine Idee zu kriegen. Was heißt das? Ich würde vermuten,
30:42
dass wir in einigen Jahren auch Software haben, Werkzeuge, die das viel schneller ermöglichen würden, zu tun. Wir wissen noch nicht, ob zum Beispiel die sogenannte Augmented Reality, also wo ihr über euer Sichtfeld hinweg Informationen einblenden könnt, jetzt wirklich als Technologie
31:00
Plattform kommt. Ja, das wird sich jetzt, denke ich, in den nächsten Jahren zeigen, ob sich das etabliert. Das sind verwandte Formate, die dann kommen. Also ihr seid dann wegen mir in Friedrichshain und könnt euch dann eben angucken, wo diese Autobahn langlaufen würde vor Ort. Versuche gab es natürlich schon immer wieder. Und vielleicht
31:22
zu dem Aspekt Daten, die spielen natürlich eine große Rolle. Wir haben uns eben mit zum Einerseits Verkehrsbewegung befasst, um so ein bisschen zu verstehen, worum geht es eigentlich, welchen Verkehr sollte eigentlich kanalisiert werden und macht das Sinn oder nicht. Das war eine Ebene. Die andere Ebene der Daten war eben
31:40
Kartendaten. Wo läuft das Ding lang? Also am Ende des Tages sind spaziale Daten oder Katastrakarten oder sonst was auch eben schon visualisierte Daten, die man wiederum in andere Daten transformieren kann. Das zeigt vielleicht, dass Datenjournalismus ist eher, also ich würde es auch eher als eine Methodik
32:02
verstehen. Also es ist eher eine Herangehensweise an ein Thema, als jetzt ein, vielleicht als ein Genre. Also eher wenn man will, ein Werkzeugkasten. Und dadurch aber auch einerseits sehr vielfältig einsetzbar, weil es kaum Bereiche gibt im heutigen Leben, wo nicht Daten anfallen
32:21
oder auch gemessen werden oder sich messen lassen. Und B eben unheimlich zukunftsfähig, glaube ich, weil es eben also die Digitalisierung dieser Gesellschaft ist eher am Anfang als am Ende. Das heißt, da entstehen Felder. Von denen haben wir heute noch wenig Ahnung.
32:42
Haben wir denn tatsächlich auch einen größeren Bedarf an Visualisierung aufgrund der Digitalisierung dahingehend, dass ja auch alles ein bisschen schneller wird. Die Aufmerksamkeit auf bestimmten journalistischen Inhalten ist nicht mehr so groß. Ich lese vielleicht nicht mehr die lange Reportage. Und wenn, dann brauche ich eben die Visualisierung dazu. Ist das ein wichtiger,
33:02
treibender Aspekt, der vielleicht auch dazu geführt hat, dass der Datenjournalismus Auftrieb bekommen hat? Vorstellbar finde ich das auf jeden Fall. Also die Verdichtung von großen Informationsmengen ist sicherlich irgendwie eine Aufgabe, die jetzt in den letzten Jahren nochmal stärker auch da ist bei uns. Und die sich mit datenjournalistischen Methoden, also aus diesen Werkzeugkasten
33:21
eben häufig lösen lässt. Zum Beispiel dann auch um kleine Animationsfilme aus diesen Datenvisualisierungen zu machen, die dann auf Social Media wieder auch funktionieren und so weiter. Also alles, was irgendwie visuell macht, was wir nicht so richtig fassen können, ist natürlich hilfreich in dem Zusammenhang. Also ich glaube,
33:40
es kommt zum Trend entgegen. Den kann man gut oder schlecht finden, dass Leute weniger lesen. Was sieht man eben an, dass so eine Plattform wie Instagram sich unheimlich gut verbreitet, zumindest in bestimmten Altersgruppierungen, wo es eigentlich nur ums Visuelle geht und sehr wenig Text, außer Loll und OMG. Genau, ich bin ein alter Sack.
34:02
Ich kann damit nichts mehr anfangen. Und natürlich auch YouTube, also so genannte Bewegbild. Das heißt, das Visuelle, was ja auch den Aufstieg von Grafiken oder Visualisierungen hat ja damit zu tun, dass wir visuelle Wesen sind und eben Informationen über solche
34:22
Grafiken wahnsinnig gut aufnehmen können oder diese Bandbreite, die da drinstecken kann, weil unser Hören darauf optimiert ist, mit unseren Augen sehr viel Information zu verarbeiten. Und das kommt glaube ich auch dem Trend entgegen, dass natürlich vor allem auch in sozialen Medien lässt sich eine schöne kleine Grafik eben
34:40
viel schneller verbreiten oder mit immer nach wie vor immer noch mehr Aufsehen mitzuregen, als eben geschriebenes Wort. Wobei die Grafik muss dann auch schön und klein sein. Also das ist auch eine neue Herausforderung für uns. Am Anfang, als ich vor zehn Jahren mit dem Job angefangen habe, war noch so das Idealbild, die große Fullsize Datenvisualisierung, die richtig schön
35:01
ist und sehr komplex und möglichst viele Ebenen hat, durch die man sich da durchklickt und wir merken eigentlich zunehmend, dass das nicht wirklich funktioniert. Also dass unsere Leser das auch gar nicht wollen, dass sie auch gar nicht nur in dieser Position sitzen wollen, sich das selbst zu erschließen, sondern dass es sowieso für Mobiltelefone total wichtig ist, dass wir das Ganze noch stärker verdichten und dann
35:21
erst vielleicht für Desktop wieder größer denken und auch, dass wir sie eher da durchführen und ihnen zeigen, an welchen Punkten diese Visualisierung wirklich etwas Relevantes zeigt und ja, das ist eigentlich eher jetzt noch interessanter geworden dadurch. Und das Coole an Datenjournalismus ist ja, dass du einerseits
35:40
so dieses Scrawlen über Informationen dadurch erleichterst, weil du auf einen Blick eben so einen linearen Erzählfluss ermöglichst und auf der anderen Seite für diejenigen, die sich interessieren, auch wirklich eine Vertiefung. Das heißt, wenn ich als Handy-User einfach nur schnell über einen Nachrichtenartikel mit einem Chart scrollen möchte, dann kann ich das einfach sehr viel schneller aufnehmen und diejenigen, die sich für das Thema interessieren, können draufklicken
36:02
und können dann einfach nochmal tiefer eintauchen. Wir arbeiten jetzt an Erzählformen, wo genau das möglich ist, also wo du einerseits linear drüber gehen kannst und einfach mit so Ankerpunkten die wichtigsten Informationen aufnehmen kannst und andererseits an manchen Stellen tiefer eintauchen kannst. Also Interaktivität da, wo sie Sinn macht,
36:20
aber eben nicht mehr diese riesen Visualisierungen, die Christina gerade angesprochen hat. Gibt es da noch eine Ergänzung? Ja, ist aber wirklich nur die Ergänzung. Genau. Ich glaube, dass der Bedarf da ist für Visualisierung, weil wir über komplexe Sachverhalte reden. Das kann Facebook-Algorithmus sein, das kann sonst was sein. Ich glaube, dass es da braucht, dass es auch besondere Perfektion braucht bei der Visualisierung
36:41
und dass es auf das mobile Ausspiegel geht. Und damit ist tatsächlich wirklich mal noch ein neues Fass aufgemacht, weil im Vergleich zu früher, wo wir ein bisschen ehrlich gesagt vom eigenen Arbeitsplatz ausgedacht haben und der ist halt nun meistens irgendwie 15 oder 20 Zoll Screen. Kann man denn Geschichten mit dem Datenjournalismus oder kann man
37:02
völlig neue Geschichten mit dem Datenjournalismus erzählen oder erzählt man sie eben nur anders, erzählt man sie bildhafter, erzählt man sie greifbarer oder gibt es eben auch aufgrund vielleicht auch gerade der automatisierten Beschaffung von Daten die Möglichkeit, völlig neue Geschichten erzählen zu können, die vorher so gar nicht möglich waren, weil die Kapazitäten dafür
37:22
gefehlt haben? Ich würde sagen beides. Wir arbeiten gerade an einer Geschichte, wo man große Datenmengen sammelt und diese Geschichte würde es nicht geben. Also zusammen, wenn wir diese Daten nicht sammeln würden. Auf der anderen Seite kannst du auch illustrieren. Also das ist eben so diese große, schöne Wunderkiste, aus der man sich
37:42
bedienen kann und wie jeder gute Regisseur muss man sich dann die richtigen Sachen rausnehmen, die man eben braucht. Hat der Datenjournalismus denn schon so eine besondere Rolle immer noch oder ist er eben, weil es klang schon so ein paar Mal an, er ist letztlich doch ein Handwerkszeug, er ist sozusagen nicht irgendwie ein ganz eigenständiges Genre,
38:02
das den Journalismus neu erfindet. Wie ist da so euer Eindruck? Jein. Weil? Naja, also wir sitzen hier auf dem Podium, wir reden darüber, es scheint ja irgendwas Besonderes zu sein, sonst würden wir hier nicht
38:20
sitzen, das wäre die eine Antwort. Wir reden ja nicht über Printjournalismus, Chancen oder Risiko. auf der anderen Seite ist es so, oder aus meiner Sicht ist es natürlich mittlerweile sollte man darüber sich nicht mehr unterhalten, weil
38:40
es gibt eigentlich, das ist glaube ich wenig umstritten, dass diese Methode oder das Genre keinen Sinn macht. Also es hat sich eigentlich in verschiedensten Geschichten gezeigt, dass dieser Ansatz gekommen ist, um zu bleiben.
39:01
Das interessante an diesem, das habe ich vorhin ja schonmal versucht, zu sagen, ist, dass es eigentlich im ständigen Wandel unterworfen ist, dieses, wenn man es jetzt Genre nennen möchte, was Wolfram auch gesagt hat. Also ich gucke mir das jetzt auch schon so 7, 8 Jahre an, diesen Bereich. Es gibt
39:22
einerseits einen wahnsinnig technologischen Fortschritt, was die ganzen Tools angeht, die in dem Kontext entstanden sind oder dafür zu verwenden sind. Also als man das 2009 oder 2010 gemacht hat, gab es da irgendwie vielleicht eine Handvoll, die da irgendwie verwertbar waren. Jetzt wird man eigentlich erschlagen von
39:41
kleinen Visualisierungswerkzeugen, Daten, Tools, sehr großen Lösungen, dass es schon wieder fast zu viel ist. Aber es gibt sozusagen eigentlich für jeden und jede, die damit anfangen will, mittlerweile einen viel einfacheren Einstieg in das Thema. Und
40:00
man merkt, dass es sozusagen echt sehr eng dran ist, wie der digitale Journalismus sich eigentlich permanent transformiert. Diese Leuchttürme, wie man sie auch nennt, also diese großen Stücke mit wahnsinnig opulenten, interaktiven Grafiken, die auch wahnsinnig teuer einfach sind, leistet sich kaum noch jemand. Also in Berlin gibt es die Berliner
40:21
Morgenpost, die macht das. Die hat es sozusagen für sich als, würde ich sagen, als eine Art Nische und gefunden. Kann man darüber streiten, ob das Sinn macht oder nicht. so wie ich Spiegel Online zum Beispiel beobachte, ist das da auch einfach zurück gegangen. Also das wirklich letzte große Stück, was ich von euch erinnere,
40:41
ist Betongold gewesen. Was, wo ich finde, ganz kurz einen Satz dazu. Das war ein Stück darüber. Leute haben ihre Altersversorgung, investieren sozusagen in Immobilien und hoffen darauf sozusagen, dass das Geld, das sie dort angelegen haben, sie eben durch ihre
41:01
Pension oder Rente bringt. Und die habt, finde ich, sehr gut gezeigt, dass es eben, dass da ein unheimlicher Wandel oder dass es oft nicht mehr der Fall ist, dass dieses Investment eigentlich zum heutigen Zeitpunkt, zum heutigen Finanzmarkt und Immobilienmarkt Zeitpunkt falsch war. Und
41:20
das konnte jeder und jeder konnte da seine Posthaltzahler, glaube ich, eingeben und sehen, wie sieht es in meiner Region aus? Und das ist was, als Format, es hat, gab es entweder in ganz spezifischen Fachzeitschriften früher vielleicht, aber als sozusagen Teil eines Tages oder eines Journalismus, eines, der sich an die breite Masse wendet,
41:41
hat es das vorher nicht gegeben. Und das sehe ich auch als ein wichtiges Format, was, glaube ich, viel mehr kommen müsste, vor allem im ganzen Bereich Rente, Sozialversicherung etc., ist ein unheimliches Potenzial drin, noch viel mehr zu zeigen. Was heißen eigentlich diese ganzen Zahlen, die dann in der Tagesschau
42:01
irgendwas wird, um 0,3% erhöht? Und was hat das überhaupt für Auswirkungen auf die gesamte Gesellschaft, zum einen, oder auf mich? Und das kann eigentlich nur die Methodik des Datenjournalismus, glaube ich, zeigen. Der Datenjournalismus muss ja immer sehr weit vorne sein, bei den Entwicklungen, würde ich jetzt einfach mal behaupten, vielleicht noch
42:20
ein bisschen weiter vorne immer als der Rest der Redaktion. Gerade wenn es eben um Visualisierung geht und wir vielleicht an neue Medien denken, dann muss natürlich auch die Visualisierung immer dem folgen, was gerade über die Bildschirme läuft und welche Formate man auch alleine an Geräten hat und solchen Dingen. In wiefern betrifft euch das im täglichen Nachdenken auch über Formate,
42:42
die in Zukunft auf euch zukommen, wenn man eben auch weiß, vielleicht werden die Bildschirme wieder kleiner, vielleicht auch größer. Wir haben vorhin schon gehört, Instagram ist zum Beispiel jetzt besonders beliebt. Was bedeutet das für euch? Redet ihr darüber? Wie stellt ihr eure Formate ein? Wir denken schon immer vorher auch darüber nach,
43:01
was aus der Recherche ist jetzt möglicherweise das, was man teilen kann. Und denken die Themen eben von klein nach groß. Also es macht A viel mehr Spaß als andersrum, als wenn man dann am Ende sich total beschneiden muss in alle Richtungen. Und gleichzeitig ergibt es auch nur so Sinn, weil wir an anderen Stellen ganz viele verschiedene Handyformate ja gar nicht bedienen können.
43:21
Also letztlich dieses responsive Denken von Mobil hin zu Desktop. Das ist etwas, was uns in der täglichen Arbeit eigentlich immer begleitet. Und die Frage, was davon passt auf welchen Social Media Kanal, ist auch etwas, was immer mitläuft. Wir machen bei allen Projekten Besprechungen mit dem Social Media Team, wo wir uns Cards überlegen, wo wir kleine
43:40
Trailer überlegen, wo wir schauen, was aus den Grafiken zum Beispiel kann man da noch teilen. Denkt ihr da schon immer auch einen Schritt weiter? Also was könnte die nächste Entwicklung sein? Das ist der letzte große Halbfass Snapchat. Wie würde das da zum Beispiel dazu passen? Was ist vielleicht aber die nächste Welle? Oder läuft es dann doch eher so, man wartet, was auf einen
44:01
Zug kommt an neuen Medien und überlegt sich dann, wie passe ich mein Format auch als Datenjournalist da ein? Ja, letzteres ehrlich gesagt. Also wir haben mit den verschiedenen Screens, die wir jetzt bedienen müssen und wollen, eigentlich schon erstmal einigermaßen viel zu tun. Und da würde ich jetzt nicht quasi proaktiv nochmal
44:21
15 verschiedene andere Formate ausprobieren und anbieten, die es noch gar nicht gibt. Also jetzt bei Snapchat zum Beispiel, da sind wir ja auch dabei und da schauen wir dann eben auch jetzt hin in Zusammenarbeit mit dem Team, das wir da haben. Ich finde, es gibt ja eine Entwicklung, was Sprache angeht, also dass man mit Amazon Echo oder anderen
44:41
Geräten eben spricht und Informationen mehr oder weniger individuell auf sich zugeschnitten erhält, also Personalisierung. Ich glaube, Personalisierung wird, denke ich, ein großes Thema werden, auch im Nachrichtenbereich. Die Zeit dafür ist eigentlich reif. Da spielen Daten natürlich eine große Rolle, sei es Nutzungsverhalten, aber eben auch,
45:00
dass sich jemanden personalisiert seine Informationen geben kann. Er hat ganz viel mit Datenbanken zu tun. Und dann eben die Frage ist, kann man mit Sound auch Datenvisualisierung, also es wird so unter Begriffen Sonification oder Sonification oder Akustifisierung oder wie du es auch immer nennen willst,
45:22
gehandelt. Und das wird jetzt unter dem Aspekt zum Beispiel nochmal spannender. Wenn du das nur im Radio machst, kannst du, da gibt es dann Versuche zu zeigen, jemand läuft beim 100-Meter-Lauf ins Ziel ein, die Läufer oder Läuferinnen, mit welchem Abstand treffen die einen. Das wird dann eben
45:40
durch einen Klang hörbar gemacht. So kann man sich das in etwa vorstellen. Und jetzt wäre eben die Frage, wenn es so Plattformen gibt, und die sich wirklich etablieren, über einen sagen wir Early Adapter Kreis hinaus, dass Leute mit Geräten sprechen, um Informationen zu erhalten. Wie machen wir da
46:01
oder lässt sich da Datenschutz machen? Das wäre so eine interessante Frage. Und wie kann der sich ja anhören? Ich habe das Gefühl, jetzt haben alle hier eine Aufgabe. Es kommt schon so, ah, interessant, das müssen wir auch mal ausprobieren. Ich würde an dieser Stelle gerne die Runde öffnen, falls es Fragen an unsere vier Expertinnen
46:21
und Experten gibt. Ja, sehr schön. Ja. Ja, hallo, Michael, von der Open-Deutsch Foundation Deutschland hier. Wir arbeiten auch häufiger mit Ratenjournalisten
46:41
zusammen. Und ich frage mich manchmal so ein bisschen, wie läuft das mit der Priorisierung? Also wann überlegt ihr euch? Okay, die Story bringen wir da nicht. Vor allem, wenn ihr wisst, okay, jetzt, da brauchen wir aber mindestens nochmal drei Monate, um da reinzusteigen. Und vielleicht ist es dann gar nicht mehr interessant vom Thema her.
47:01
Also, ich glaube, ihr wisst, was ich meine, von der Problematik. Vielleicht könnt ihr da nochmal ein bisschen reinsteigen. Das würde mich auf jeden Fall interessieren. Also, das ist auf jeden Fall ein Punkt, wenn wir wissen, dass wir ein Thema nicht so schnell bearbeiten können, bis es dann wirklich, also, dass es noch on time funktioniert. Dann würden wir es eher nicht machen. Für uns sind eigentlich im Kern erstmal journalistische Entscheidungskriterien wichtig. Also, wenn das Thema relevant ist,
47:21
viele Leute betrifft, unsere Leser interessiert und so weiter, dann ist es für uns auch interessant. Und vor allen Dingen dann, wenn wir mit unseren Werkzeugen wirklich einen Mehrwert bieten können. Also, wenn wir damit wirklich irgendwas zeigen können, was ein herkömmlicher Text dann nicht übermitteln kann. Für uns ist auch spannend, wenn wir mit tollen Kooperationspartnern zusammenarbeiten können. Das ist immer eine Bereicherung. Und wenn wir irgendwelche neuen Tools
47:41
ausprobieren können dabei. Das ist auch auf jeden Fall ein Argument. Ich würde die Frage gerne einmal an Wolfram Meleitz weiterspielen. Einfach aus dem Grunde, weil öffentlich-rechtlich natürlich auch nochmal anders arbeitet als jetzt eben Spiegel Online zum Beispiel. Also, es ist auch sozusagen weniger monetären Druck dahinter gibt dahingehend, dass man also jetzt sozusagen den großen Knaller
48:01
leisten muss. Und es kann ja auch etwas sein, was Bildungsauftrag hat beispielsweise. Ja, das ist richtig. Aber die Frage stellt sich genau, wann hören wir auf und sagen, das ist jetzt etwas, was wir einfach nicht in Daten schnell zu fassen kriegen. Also, wir haben das so gemacht, dass unser Datenteam zum Beispiel in der Redaktionskonferenz dabei ist. Und wenn es klappt, ist was morgens als Idee da.
48:21
Und am Nachmittag ist irgendeine simple Visualisierung oder irgendwas da. Und wir müssen tatsächlich, oder wir sind dabei zu lernen, auch genau abzuschätzen, wie lange dauert sowas. Ich glaube, das ist etwas, wo wir noch viel Bedarf haben, weil bei manchen Sachen fangen wir dann an und dann sagen wir es auch eine tolle Idee und dann skräben wir einen Haufen
48:41
Daten, um dann festzustellen, hatten wir gerade letztens mal schöne These, können wir nicht erhärten. Und außerdem wäre eigentlich das Thema schon vorbei. Das ist, ich glaube, da gibt es keine Regeln. Das sind Erfahrungswerte. Deswegen machen wir es auch. Also, wir machen Projekte manchmal einfach, ums zu gucken. Das Projekt, das wir zusammen gemacht haben, die A100, war ein Pilot.
49:02
Und wir wollten eigentlich lernen, können wir sowas in eine Online-Nachrichtenredaktion integrieren oder können wir das nicht integrieren? Und die Antwort hast du schon ein bisschen gegeben. Wir können sie nicht in den Regelfall integrieren. Dafür ist es viel zu aufwendig. Also zumindest ein Virtual Reality Projekt. Bitte? Ein Virtual Reality Projekt. Bei einem Virtual Reality Projekt. Aber bei jedem anderen auch so. Ich habe keine
49:22
klare Antwort darauf. Das sind journalistische Erfahrungen, Erfahrungen des Datenteams, das sagt, Daten sind verfügbar oder sie sind nicht verfügbar. Sie sind ja auch manchmal nicht verfügbar. Also, wir haben jetzt einen Fall, wo wir überlegen und werden es, denke ich, auch machen. Die Daten kriegen wir nicht von einer Behörde und wir werden sie einklagen, weil wir finden, wir sollten sie haben.
49:42
Ich kann dazu noch sagen, wir kooperieren total gerne. Also, falls es irgendwelche Ideen gibt, in anderen Bereichen versuche ich, die immer auch zu integrieren, weil ich finde, dass der Journalismus sich da auch öffnen muss. Gerade alles, was Richtung Open Data-Aktivismus geht, hat große Schnittstellen
50:02
mit Journalismus. Muss man natürlich aufpassen, dass man nicht in Richtung Aktivismus geht. Das ist mir schon klar. Aber sich für andere Ideen zu öffnen ist für uns total wichtig. Also, falls es hier tolle Ideen im Saal gibt, wir freuen uns da sehr. data-at-br.de Vielleicht gibt es da gleich noch eine tolle Idee. Wir haben auf jeden Fall noch eine Frage.
50:21
Genau. Mein Name ist Friederike. Ich arbeite für eine Oppositionsfraktion, sage ich an der Stelle, weil ihr habt am Anfang so etwas gesagt, was in die Richtung geht. Man guckt dann mal so in den Daten, ob die Daten irgendwas hergeben. Die Sozialwissenschaftlerin in mir würde da denken, eigentlich habe ich doch erst, was Sie gerade gesagt haben, so eine Art Theorie oder eine Idee im Kopf.
50:42
Und dann gucke ich, ob das die Daten hergeben oder nicht. Deswegen war ich da nur am Anfang. Ich stolper über sowas, wenn ich sage, ich habe da mal so ein, weiß ich mal, es gibt ja Unmengen von Daten, mal mehr, mal weniger leicht zugänglich und mal mehr oder mal weniger vergleichbar. Also, ich fand das Beispiel auch ganz passend, dass sozusagen Sachen nicht immer vergleichbar sind, weil sie
51:00
unterschiedlich erhoben werden. Weil wir kennen das halt als Oppositionsfraktion. Man fragt Sachen nach. Dann auch dieses manchmal kriegt man sie dann auch nicht in der Art und Weise aufbereitet, dass man damit überhaupt irgendwas anfangen kann. Oder eben so maschinenlesbare Daten ist da auch so ein wunderschönes Thema für. Aber da hat man ja vorher sozusagen aus dem Politischen heraus,
51:21
also so wie wir aber, so wie wir arbeiten, so eine Idee, okay, das und das ist ein Problem und genau dieses, ich gleiche das dann ab mit der Realität. Also meine, das, was ich sozusagen in der Realität irgendwie meine wahrzunehmen, versuche ich sozusagen mit Daten abzugleichen. Und da wollte ich einfach fragen, nochmal ganz zurück zum Anfang, also wie kommen sozusagen auch Ideen
51:41
einfach zustande? Weil das ist ja nicht, wir lassen da mal irgendwie den Praktikanten oder die Praktikante mal durch Datensätze wühlen und mal gucken, ob irgendwas auffällt, weil das ist ja kein, ja, kein guter Ansatz. Also vielleicht mal kurz zusammengefasst, Hypothese und überprüfen oder erstmal gucken, Hypothese finden? Beides, sorry, und zwar, also klar,
52:00
Hypothesen geleitet meistens tatsächlich. Andererseits schauen wir uns immer auch an, wenn wir einen guten Indikator haben, der vergleichbar ist, zum Beispiel über regionale, also über eine regionale Verteilung von Daten, dann schauen wir schon offen da rein. Also wo haben wir jetzt hier eigentlich welche Unterschiede? Und dann braucht man am Anfang natürlich erstmal jetzt noch nicht die These, dass man
52:20
das Saarland hier besonders gut oder schlecht abschneidet, sondern das ist dann eher offen. Aber die Frage, was ist eigentlich ein guter, vergleichbarer Indikator, der ist am Anfang natürlich schon von Fachwissen getrieben. Und da gehen wir dann auch nicht mit den Praktikanten ran, sondern eher mit dem Fachredakteur, der uns da berät, welche Fragen wir an den Datensatz stellen sollten. Und dann ist es einfach ein Ping-Pong. Also immer
52:40
wieder, guck mal, hier, das haben wir gefunden. Und dann sagt er, na, findet er irgendwie nicht spannend, kennt er schon. Und dann versuchen wir was Neues Spannendes zu finden. Irgendwo gibt es noch eine Frage. Vielleicht mal die... Ah ja, gut. Wie wurde das Mikro gereicht? Ja, ich arbeite für den WDR und wollte nochmal, ihr habt das Thema Rechte vorhin schon mal angesprochen, doch nochmal fragen, was ihr so für Erfahrungen habt, weil ich glaube,
53:02
da kann man sehr Gemischte machen, gerade auch mit gescrapten Daten. Wie einfach ist es da so an Daten ranzukommen? Manchmal gibt es ja vielleicht sogar Diskussionen mit Leuten, also ihr hattet es auch schon erwähnt, die das gar nicht so richtig verstehen, was man eigentlich damit anstellen will. Also konkret das Thema Rechte und Datenbanken. Was ihr für Erfahrungen habt.
53:21
Ich könnte was von Euros für Ärzte erzählen. Das ist vielleicht ganz interessant, weil wir da ja zusammen mit Korrektiv die Daten gescrapet haben, die die, oder die einige Pharmaunternehmen ins Netz gestellt hatten, wozu auch die Ärzte, die da drin standen, ihre Einwilligung gegeben hatten, dass das veröffentlicht wird. Und wir haben ja diese Daten genommen und dann bei uns wiederum auch ausgewertet und auch in einer Datenbank
53:42
veröffentlicht und haben wirklich sehr, sehr viel Rückmeldung dazu bekommen, sage ich jetzt mal ganz neutral, und eben auch sehr viele juristische Anfragen dazu, wo sich Ärzte dagegen gewährt haben, auch mithilfe ihrer Anwälte zum Beispiel. Und da war es total wichtig, dass wir vorher von unseren Juristen im Haus ein ganz klares Briefing hatten, dass wir das dürfen,
54:02
also dass in dem Moment, wo die Daten eben unter Einwilligung oder Nacheinwilligung der Ärzte im Netz stehen, dass wir sie dann auch verwenden dürfen, nach dem Presseprivileg nämlich, und dass wir dann selbst wenn die die Einwilligung der Pharmafirma gegenüber zurückziehen, dann hat das auf unsere Veröffentlichung keinen Einfluss. Und so das alles zu wissen, also einen richtigen Entscheidungsbaum vorher aufzumalen,
54:22
was passiert eigentlich jetzt, wenn die das und das machen, das war irre wichtig, damit wir einfach auch mit einem Formblatt sozusagen, also mit einem vorbereiteten Schreiben, auf alle Fragen reagieren konnten. Und da ist es schon vorher total wichtig, sich da eine Strategie zurechtzulegen.
54:41
Möchtest du uns sammeln, ein paar Fragen? Oder noch ein paar wenige? Deswegen vielleicht, wenn es mehrere gibt, mal kurz die Hände hoch und wir sammeln, genau. Da auf jeden Fall, da. Okay, die zwei Fragen nehmen wir auf jeden Fall noch mit. Hände hoch. Da und da. Dann fange ich mal hier an, weil es zu nahe ist.
55:02
Mein Name ist Stefan, ich bin auch Sozialwissenschaftler, deshalb frage ich mich mal, die relevanten Informationen man aus Daten sieht, hängen ja von den Fragen ab, die man in die Daten stellt. Und man kriegt oft auch mit, dass eben halt Auswertungen eigentlich manipulativ sind. Und die Frage wäre, wie kann Journalismus das leisten, dass eben halt praktisch
55:21
dieser Prozess, wie man die Information aus den Daten bekommt, mit transparent wird. Und so diese Einung der Manipulation verloren geht. Fake data, sammeln. Moment, wir sammeln, genau, schnell die zweite Frage. Gibt es den Begriff fake data eigentlich schon? Oder sollten wir ihn gleich löschen?
55:41
Hallo, Alcino, ich bin Designer. Ich habe eine kurze Frage, und zwar einfach in Bezug auf deutschen Datenjournalismus. Da hat man immer so ein bisschen das Gefühl, es ist immer so ein Schritt zurück. Also wenn man das jetzt mal vergleicht mit den Sachen, die in Amerika passieren. Gut, gibt es in vielen Bereichen, aber da ist es immer so, wenn man sich so anguckt, was eigentlich in deutschen Datenjournalismus passiert, dass ich das Gefühl habe, da wird nicht so viel
56:01
analysiert. Also da wird sehr viel immer dargestellt, sehr viel auf Karten gepackt und so weiter. Aber wenn man sich jetzt mal so ein Medium anguckt, wie FiveThirtyEight in Amerika oder natürlich auch die New York Times, die machen natürlich schon immer oft noch mal einen Schritt tiefer. Und da wäre meine Frage, inwieweit seht ihr das genauso? Und wenn ja, was könnte man machen, um das zu ändern? Wir fangen vielleicht einfach
56:22
mit der ersten Frage an. Uli Köppen, glaube ich, wollte auch schon antworten. Da ging es um die Frage, inwieweit man Datenauswertungen so gestalten kann, dass man am Schluss keine fake Daten rausbekommt, glaube ich, war der Begriff. Ich weiß, ja, genau.
56:41
Ich glaube, es kommt immer darauf an, wie man, es ist, glaube ich, auch ganz normales journalistisches Handwerk, weil wenn ich normal journalistisch arbeite, in Anführungszeichen, dann ist es auch meine Wahl, welchen Protagonisten ich zitiere und welche einzelnen Perspektiven ich da zusammenfüge. Und ähnlich ist es auch, wenn man einen Datensatz befragt. Aber natürlich
57:00
braucht man dafür auch Fachwissen. Da geht es nicht nur um einen Bias, den man im Kopf hat, den man als Journalist ausgleichen muss, sondern es geht auch darum, wie viel versteht man denn von den Daten, denen man da gegenüber sitzt. Und wir versuchen das insofern einzufangen, indem wir sehr früh mit Experten arbeiten, die sehr viel mehr von diesen Daten wissen als wir.
57:20
Am liebsten ist es uns, wenn wir mit den Leuten selbst sprechen können, die die Daten gesammelt haben, weil bereits bei der Sammlung der Daten Fehler passieren können oder einfach bestimmte Fragestellungen schon gestellt wurden, die man nicht weiß, wenn man sie auswertet, was ein großes Problem ist. Wenn das nicht möglich ist, gehen wir an Unis und suchen uns Experten, die länger schon mit diesen Daten gearbeitet haben. Wir haben zum Beispiel ein
57:42
Projekt gemacht, da ging es um Klimawandel in Skigebieten. Da haben wir sehr früh mit dem Deutschen Wetterdienst gearbeitet, weil die Berechnung von Wetterdaten wirklich ein sehr eigenes Feld ist und wir da einfach bei weitem nicht die Expertise haben, wie die beim Deutschen Wetterdienst. Und dann sprechen wir mit diesen Leuten, wie man die auswertet, welche Fragen man stellt. Und wir legen
58:02
auch immer sehr offen, wie wir da rangehen. Also wir zeigen ihnen, was wir suchen, wie wir das suchen, wie wir das auswerten und fragen dann immer, würdet ihr das auch so machen? Und dann kommt es durchaus vor, dass die dann sagen, ne, da seid ihr total auf dem Holzweg, müsst ihr anders machen oder müsst ihr vielleicht einen anderen Datensatz nehmen. Ist dann immer sehr unbequem, weil man dann wieder zurückgehen muss. Aber versuchen wir eigentlich bei jedem
58:21
größeren Projekt zu machen. Vielleicht kommen wir jetzt auch direkt zur letzten Frage, einfach aufgrund der Zeit. Warum Deutschland doch noch ein bisschen hinterher den Staaten in Sachen Datensjournalismus? Die Frage kann ich nicht beantworten, warum das so ist. Aber ich würde es genauso sehen. Also ich denke auch,
58:41
dass wir in der Darstellung schon weiter sind als in der Analyse von großen Datenmengen. Und ich sehe das auch als Defizit, muss ich sagen. Du hast vorhin angesprochen, dass es auf der regionalen Ebene vielleicht auch das manchmal braucht, wenn man sich die Daten da anguckt. Und die alte Regelfolge der Spur des Geldes ist auch immer eine gute. Und ich glaube,
59:02
da machen wir echt auch noch zu wenig. Das ist jetzt keine Entschuldigung, aber es ist tatsächlich so, unsere Datenteams sind immer noch manchmal klein. Und deswegen habe ich auch vorhin dafür plädiert, dass wir die Kollegen aus den linearen Medien damit reinholen und auch in Kooperationen über die Redaktionen hinweg arbeiten. Weil das ist manchmal einfach nicht zu leisten, wenn wir über große Projekte
59:22
reden. Genau das zu machen. Und das zweite Plädiet, das habe ich auch schon gesagt, deswegen gehört es für mich dazu, dass eigentlich in die Journalistenausbildung das rein gehört, damit man nicht mehr die Essentials von Datenschonalismus eigentlich jemand erklären, der 30 oder 35 Jahre alt ist und Journalist ist. Das sollte er heute möglichst in der Ausbildung schon mitkriegen.
59:41
Ich weiß gar nicht, ob tatsächlich wir so wenig analysieren. Haben wir gerade kurz drüber gesprochen. Vielleicht schreiben wir nicht so viel darüber, wie viel wir analysieren. Und gleichzeitig glaube ich aber auch, ohne da jetzt zu weit ausholen zu wollen, die USA hat halt eine andere Tradition. Also mit dem Computer Ich glaube, das ist das beste Reporting, das einfach schon viel älter ist, als der Datenschonalismus in Deutschland.
01:00:01
Haben die einfach auch eine sehr viel stärkere Verbreiterung des Themas, auch in den Redaktionen. Also viele Journalisten kommen da einfach mit grundlegenden Skills auch in die Redaktionen. Und dadurch bildet sich dann vielleicht auch schneller so ein Expertisebereich raus. Und die sind echt auch viel größer als bei uns. Also wenn ich bei uns mal schaue, unser Datenteam hat sechs Köpfe und drei Stellen oder sowas. Also das ist wirklich
01:00:21
nicht viel. Und bei der New York Times ist das natürlich ein bisschen anders. Also es sind ja Dutzende Kollegen. Ja, also ich glaube einfach dadurch erklärt sich, dass sie sind einfach schon länger dabei auch. In diesem Sinne tragt die Botschaft weiter. Wir brauchen mehr Datenjournalisten. Vielen, vielen Dank. Und dass ihr alle da wart und zugehört habt.
01:00:41
Und auch vielen Dank an euch.