Bundestagswahl 2017 – Textanalyse des Kanzlerduells

Was sagen uns die Kandidaten?

Das Kanzlerduell zwischen Angela Merkel und Martin Schulz zur Bundestagswahl 2017 war auf gleich vier Kanälen zu sehen, mit entsprechend vielen Moderatoren. Ebenfalls erlaubten sich die Sender live die Zuschauer zu fragen, wer das Duell gewonnen habe. Das Ergebnis: höchst unterschiedlich. Die Kritik wurde live in Social Media sowie in der Presse laut: große Zukunftsthemen wie Bildung und Digitalisierung fehlten gänzlich. Den großen Bogen zu spannen, war auch für vier Moderatoren schwer. Worüber sprachen die Kontrahenten denn letztlich?

Künstliche Intelligenz klärt auf

Unsere Passion ist es, Mensch und Maschine in ein gutes Miteinander zu bringen. Dazu programmieren wir (oder unsere „Software-Schwester“ SmartMunk) Textanalyse-Systeme, die es ermöglichen, ganz objektiv (Maschine halt) die Texte unter die Lupe zu nehmen. Ziel ist es, Strukturen aufzudecken, so dass der Mensch sich ein besseres Bild machen kann. Hierzu laden wir sie ein.

Viel reden versus viel sagen

Ein erster Indikator ist der Redeanteil und der Informationsgehalt der Aussagen. Die Moderatoren hatten, mit ihren Fragen, den größten Redeanteil (48 %), naturgemäß aber wenig Informationsgehalt. Der „Content Indicator“ (letzte Spalte) ist ein Maß für die Reichhaltigkeit der Aussagen. Je mehr Neues zum Gespräch beigesteuert wird, desto höher fällt dieser Wert aus.

Interessant ist, dass Martin Schulz zwar den längeren Redebeitrag hatte (oder in gleicher Zeit schneller sprach), aber in dem Mehr an Worten nicht mehr Information beisteuerte. Im Gegenteil, die Kanzlerin zeigt den höchsten Informationsgehalt in ihren Aussagen. Offenbar schnitt sie mehr Themen und neue Gesprächsfelder an als ihr Kontrahent. Ein ähnliches Verhältnis zeigten übrigens auch Trump und Clinton in ihrer Debatte 2016.

Mehr Emotion bei der Kanzlerin als beim Herausforderer

Ergebnis der Textanalysen sind „Landkarten“, die Inhalte und ihre Struktur aufdecken. Einige dieser Landkarten haben wir für Sie hier eingestellt. Zum Beispiel die TreeMaps. In diesen werden die Reden als visuelles Mapping dargestellt. Die sogenannte Ontologie besteht als eine Art Meta-Kategoriensystem aus neun Kategorien: Handlungen (rot), Funktionen (grün), Emotionen (rosa), Personen (orange), Orte (braun), Zeit (grau), Produkt (türkis), Marke (blau), Werbung (lila).

Erstaunt waren wir beim ersten Vergleich: Angela Merkel war in ihren Aussagen emotionaler als ihr Herausforderer. Der Großteil der Wortbeiträge waren Handlungen (rot). Ähnliches kennen wir aus Analysen vergangener Politduelle, etwa auch hier Trump gegen Clinton. In den Debattenbeiträgen der Kanzlerin folgten rationale Argumente (17 % ihrer Beiträge), gefolgt von emotionalen Aspekten (13 %) und Personen.

Das Verhältnis sieht bei Herrn Schulz anders aus. Nach Handlungen und Ratio folgen Aussagen zu Personen. Auffällig ist, dass die Kanzlerin deutlich häufiger Bezug auf Flüchtlinge nimmt und konkrete Berufsgruppen wie Polizisten, Arbeitslose oder Familien benennt, während Martin Schulz allgemeiner bleibt.

Faktor Mensch versus Europa

Eine weitere Sicht auf die Aussagen hilft uns den Kern der Aussagen und ihren Kontext besser zu verstehen. Während die Kanzlerin viel Bezug zum Faktor Mensch zeigt, sprach Martin Schulz deutlich mehr über Europa, seine Nachbarn und entsprechende Politik. Sicherlich Ergebnis seiner Vergangenheit als Europapolitiker.

Eine weitere Perspektive

Die Analyse dient nicht dazu, einen Sieger zu prognostizieren. Aber sie bietet eine rationale Sicht auf die Debatte. Künstliche Intelligenz wird uns in Zukunft immer mehr unterstützen, Strukturen zu entdecken, wo der Mensch sie – vor lauter Datenfülle – nicht gleich sieht. Die Auswahl der Daten und Interpretation der Ergebnisse werden weiterhin wir Menschen übernehmen. Wir sind gespannt, was Ihre Interpretation des Gefundenen ist.

Fragen?