Grafik von Influence Networks (by OWNI)
Zwei Millionen weltweit aktive Akteure aus Politik, Wirtschaft und anderen Sektoren der Gesellschaft werden in einer Datenbank erfasst und können mit dem Recherchewerkzeug “Influence Networks” auf ihre Beziehungen hin untersucht werden. Der Datenjournalist Nicolas Kayser-Bril hat es mitentwickelt. In diesem Beitrag zeigt er, wie es funktioniert. Im Video-Portrait erklärt er wiederum, warum Journalisten heutzutage von Hackern, Programmierern und Entwicklern lernen müssen.
Meiner Meinung nach müssen Journalisten heute mehr zu Programmierern werden. Wir sehen heute, dass Hacker, Programmierer und Entwickler Anwendungen und Webseiten erstellen, die dazu beitragen Informationen in Bedeutung umzuwandeln – was ja im Grunde der Job von Journalisten ist. Bestes Beispiel für diesen neuen Typus Journalist sind Adrian Holovaty und Julian Assange. Holovaty (geboren 1981) ist Entwickler und Journalist und hat mit EveryBlock ein lokales Micro-Blogging-Angebot geschaffen, das Nachbarschaften miteinander vernetzen hilft.
Was Assange wiederum mit WikiLeaks geschafft hat, hat er in erster Linie als Hacker und Programmierer geschafft. Deshalb denke ich, dass Journalisten unbedingt lernen müssen, wie man Daten im Internet aufbereitet – wenn sie das nicht tun, werden die Entwickler das selbst in die Hand nehmen.
Zusammenarbeit organisieren
Ich habe mir das Programmieren selbst beigebracht. Anfangs habe ich vor allem kleine Anwendungen programmiert. Mit diesen Fähigkeiten bin ich dann zu der Firma OWNI gegangen. Dort besteht meine Aufgabe darin, Journalisten, Entwickler und Designer zusammenzubringen, damit diese gemeinsam Informationen bearbeiten können. Ich merke in meiner Arbeit, wie es immer wichtiger wird, dass Journalisten als Projektmanager arbeiten und verschiedene Menschen und Professionen zusammenbringen.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren
Um mal ein Beispiel zu nennen: Wir haben ein großen Projekt realisiert, in dem es um Immobilien und die Entwicklungen des Wohnungsmarktes ging. Dafür hatten wir tausende von Daten zusammengesammelt. Diese mussten wir in einer Datenbank sortieren. Um sie für den Endnutzer auch verständlich zu machen, brauchten wir Interface-Designer. Um die Daten überhaupt zu generieren, brauchten wir Data-Miner und Entwickler. Zusammen mit all diesen Menschen war es uns dann möglich, Verbindungen zwischen diesen Daten herzustellen und ein verlässliches Abbild davon zu schaffen, wie sich der Wohnungs- und Häusermarkt in Frankreich entwickelt.
Das ist ein gutes Beispiel dafür, wie Menschen mit verschiedenen Fähigkeiten zusammenkommen, um eine Geschichte zu produzieren. Bekanntlich nennt man das heutzutage Datenjournalismus. Das Interessante am Datenjournalismus ist: Du kannst Oberflächen generieren, die es Amateuren oder einfachen Bürgern ermöglichen, Daten bereitzustellen und vielleicht sogar daran mitzuwirken, diese Daten dann auch aufzubereiten. Das nennt man Crowdsourcing.
Crowdsourcing kann ganz einfach ablaufen: Du öffnest den Kommentarbereich und forderst die Community auf: „Ok, erzähl uns deine Geschichte!“. Aber Crowdsourcing kann auch darüber hinaus gehen. Man kann das Crowdsourcing auch organisieren – dabei ermöglicht man es den Nutzern an Validierungsprozessen teilzunehmen. Dabei gibt es zum Beispiel das Prinzip der review. Diese Art des Crowdsourcing haben wir auch für unser Projekt Influence Networks betrieben.
Das Recherche-Werkzeug “Influence Networks”
Auf der Startseite von „Influence Networks“ kann man zwischen drei Aktionen wählen: Eine Beziehung hinzufügen, eine Beziehung überprüfen oder eine Beziehung visualisieren. Hier findet man auch den Link zum About-Text. Am wichtigsten jedoch: Hier gibt es die Möglichkeit, Fehler zu melden, sich den Programmiercode anzusehen und etwas zum Code beizutragen.
Wenn du Dich also dazu entscheidest, “eine Beziehung hinzuzufügen” und auf der “add a relation”-Seite landest (siehe Bild unten), kannst du jegliche Art von Beziehung zwischen zwei Akteuren eingeben und dann ihren Typus bestimmen.
Wir sind noch dabei, eine Ontologie zu den Beziehungen zu etablieren, beispielsweise mit Hilfe einer Liste von Konzepten, die die jeweilige Beziehung näher beschreiben. So schufen wir unter anderem den Beziehungstypus “Rivalität”. Nicht sehr wissenschaftlich, aber sehr wichtig, wenn du eine Gruppe von Personen auf ihre Beziehungen hin untersuchst.
Im nächsten Schritt wird die von Dir eingegebene Beziehung durch die anderen Nutzerinnen und Nutzer von “Influence Networks” überprüft. Es geht hierbei vor allem darum, die Vertrauenswürdigkeit dieser Beziehung zu bewerten. Die Ergebnisse werden schließlich auf dem Visualisierungsscreen präsentiert (siehe Bild oben). Hier können die User sehen, was Menschen miteinander verbindet. Wenn man hier beispielsweise zweimal auf Gaddafi klickt, sieht man, dass er von 2007 bis 2011 mit Sarkozy befreundet war und dass sie daraufhin Rivalen geworden sind.
Dieses Beispiel deutet an, wie “Influence Networks” als Recherche-Werkzeug dazu herangezogen werden kann, eine neue Form des investigativen Journalismus zu betreiben. Ich würde das investigativen Datenjournalismus nennen.
Anm.d.Red.: Das Video-Portrait wurde am Rande der Konferenz re:publica#11 unmittelbar nach Nicolas Kayser-Brils Vortrag aufgezeichnet.
sehr spannend!
“Journalisten müssen heute Projektmanager sein, die es verschiedenen Leuten ermöglichen zusammenzuarbeiten” — dies ist doch mal eine zeitgemaesse Defintion des Berufs!
“Investigativer Datenjournalismus” ist ein interessantes Stichwort: Recherchen im wachsenden Datenmeer ist ja das erste, was einem dazu einfällt. Also die Investigationen nicht mehr in der analogen Welt, sindern in der digitalen Welt durchführen. Bin gespannt, was da noch kommt.!
ich habe mich schon seit längerem gefragt, wie im Datenjournalismus die Zusammenarbeit zwischen Amateuren und Profis gestaltet werden kann. Und ich sehe da durchaus Ansätze, bei denen auf gleicher Augenhöhe gearbeitet werden kann. Es überwiegt allerdings der Trend zu einer alten Asymmetrie.
Nicolas Kayser-Brils Aussagen zufolge haben wir es gar mit einer Verschiebung zu tun: das tendenziell symmetrische Modell, bei dem Blogger und Journalisten auf Augenhöhe zusammenarbeiten, wird nun mit dem Datenjournalismus durch eine neues Modell ersetzt: die Amateuren arbeiten den Profis zu.
Da wir es hier mit einer sehr technologisch orientierten Form des Journalismus zu tun haben, werden viele Menschen vermutlich erst gar nicht stutzig, dass hier “einige wenige” das Ruder übernehmen und “die Massen” zuarbeiten — dennoch müssen wir uns fragen: wieviel Potenzial liegt in den Massen in Sachen Medien- und Technik-Kompetenz? Und wie hoch müssen die Schwellen sein?
Ganz allgemein fühle ich mich bei dem Beitrag an meinen Text über die neue Rolle des Hackers erinnert, bei dem ich auch die neue Dimension der Zusammenarbeit unterstrichen habe – zwischen der Technik-Elite und dem “Rest”. Und hier geht es mir vor allem um Austausch auf Augenhöhe, was die Kenntnisse im Bereich von Politik und Gesellschaft angeht.
hier der Link zum besagten Text:
http://berlinergazette.de/wikileaks-vs-microsoft-stadt/
Der Kommentar von Krystian Woznicki#4 bezieht sich auf die Aussage, die Nicolas Kayser-Bril am Ende des VideoPortraits macht: “Vor fünf Jahren haben wir noch über Bürgerjournalismus gesprochen – eigentlich keine so gute Idee: JedeR kann schreiben was er oder sie möchte. Heute kann man die Amateure in die Prozesse der Informationsentstehung einbinden, die Profis stehen dabei jedoch im Zentrum. Sie helfen den Laien, relevante und wahre Informationen beizutragen.”
die Science Fiction ist in der GEGENWART angekommen ; )
ich bewundere Leute, die so Technik-Gurus sind, und ich kann mir vorstellen, auch im Journalismus diese Art von Bewunderung aufkommen zu lassen, dort, wo ich bisher keine so starken Gefühle von Respekt hatte. Ich glaube, man muss erkennen, das ein Datenjournalismus dem Journalismus wieder diesen Respekt zurückgeben kann, den der Journalismus auch verdient.
Und was kriegt er auf diese Weise heraus? Was rauskommt ist so unergiebig wie die fb Daten, wenn es um harte Fakten geht. X und Y kennen sich, na und? Wer kennt sich nicht?