Automatisierte Medienresonanzanalyse: Was kann sie und was noch nicht?
Medienresonanzanalysen liefern wertvolle Erkenntnisse darüber, wie Medien Unternehmen, öffentliche Einrichtungen, Vereine oder Einzelpersonen darstellen. So bilden sie die Basis für die Steuerung von Kommunikation. Kommunikations- und Marketingverantwortliche brauchen sie auch, um Erfolge mess- und sichtbar zu machen. Die Vorteile liegen also auf der Hand. Wer sich mit Medienresonanzanalysen schon eingehend beschäftigt hat, weiß aber auch: Sie sind recht aufwendig. Unterstützung bietet sich an – in Form von Künstlicher Intelligenz (KI). Was kann sie leisten, wo liegen ihre Grenzen?
Automatisierte Medienresonanzanalyse
Medienresonanzanalysen (MeRa) basieren auf der sozialwissenschaftlichen Methode der Inhaltsanalyse. MeRas systematisieren Medienberichterstattung. Dazu werden Beiträge aus Social Media, Print- und Onlinemedien, TV und Hörfunk nach Kategorien wie Medientypen, Themen, Bewertungen, Imagefacetten sortiert. Diesen Vorgang nennt man Codierung. Im Ergebnis erhält man z.B. Aussagen darüber, wie häufig das eigene Unternehmen (oder die Konkurrenz) in den Medien präsent war. In welchen Themenzusammenhängen man genannt wurde, wie man bewertet wurde oder wie gut es gelungen ist, die eigenen Kernbotschaften zu transportieren.
Praktisch bedeutet das, dass Menschen – die sogenannten Codierer:innen – Medienbeiträge sammeln, lesen und nach streng definierten Regeln bewerten, ob ein Beitrag Thema A oder B beinhaltet, ob er positiv, negativ, neutral oder ambivalent ist.
Bei automatisierter Medienresonanz- bzw. Inhaltsanalyse trifft nicht ein Mensch, sondern ein Computer diese sogenannten Codierentscheidungen. Vollbringen Computer derartige Intelligenzleistungen, die mit denen von Menschen zu vergleichen sind, spricht man von Künstlicher Intelligenz (KI). Lernen Computer aus Erfahrungen und verbessern sich fortlaufend selbst, sodass sie immer bessere Ergebnisse liefern, wird dies als Machine Learning (ML) bezeichnet, eine Unterform der KI. Wenn das funktioniert, liegen die Vorteile auf der Hand: eine ungeheure Zeitersparnis und damit einhergehend auf Dauer auch eine Kostenersparnis.
Tatsächlich lassen sich einige Aufgaben der MeRa schon sehr gut automatisiert umsetzen – bei anderen gibt es noch Schwierigkeiten.
Was KI schon kann
Gute Ergebnisse liefert KI insbesondere in formalen Kategorien, wie Erscheinungsdatum, berichtendes Medium, Länge / Umfang von Beiträgen, Anzahl von Bildern. Auch einfache inhaltliche Entscheidungen, wie z.B. welche Unternehmenssparte im Beitrag behandelt wird, können oft zuverlässig codiert werden.
Was KI noch nicht kann
Von besonderer Relevanz in Medienresonanzanalysen ist die Tonalität der Artikel, also "Wie wird mein Unternehmen bewertet?". Hier stößt KI an ihre Grenzen. Das ist vor allem auf folgende Ursachen zurückzuführen:
KI ist (noch) nicht in der Lage, zwischen den Zeilen zu lesen
Nuancen in der Tonalität, die manchmal ausschlaggebend sein können, werden nicht zuverlässig erkannt. Darunter fallen auch Ironie, Sarkasmus und Metaphern. Steht in einem Artikel im Zusammenhang mit einem Unternehmen "die Kuh ist vom Eis", verstehen die meisten Menschen, dass dies nicht wörtlich zu nehmen ist, sondern eine schwierige Situation gemeistert wurde. KI aber ist verwirrt. Ebenso ergeht es ihr bei Homonymen, also Wörtern mit unterschiedlichen Bedeutungen, unabhängig davon, ob deren Aussprache unterschiedlich oder gleich ist. Geist, Hahn, Tor, Strom, Mutter, Tau, Kiwi, weiß, rasten, umgehen oder umfahren – Menschen erkennen meist problemlos aus dem Zusammenhang heraus, was gemeint ist, KI aber steht jedes Mal vor einer Entscheidung, die korrekt, aber auch falsch ausfallen kann. Dabei ist auch zu bedenken, dass Wörter nicht nur zwei Bedeutungen annehmen können. Spitzenreiter in der deutschen Sprache ist laut Guinness-Buch der Rekorde das Wort Läufer mit 24 Bedeutungen. Im Duden sind sie gruppiert, doch selbst dort kommt man immerhin noch auf viereinhalb. Da hat KI noch einiges zu lernen.
Bezüge sind nicht immer eindeutig
Aus der Praxis kennen wir vor allem Situationen wie diese: KI hat die Tonalität eines Artikels oder Leserbriefes als "negativ" eingeordnet. Bei unserer Überprüfung stellte sich aber heraus, dass im Text das Unternehmen gar nicht negativ bewertet wurde, sondern die Schelte anderen galt, wie etwa politischen Verantwortlichen. Unsere Mitarbeitenden können leicht erkennen, worauf sich Kritik bezieht, KI hat da noch Schwierigkeiten.
Dynamische Themenwelten
Die Medienberichterstattung hat eine Schnelligkeit und Vielfalt wie nie zuvor: Themen ändern sich, alte Themen verblassen, neue poppen auf, werden abgelöst und mit neuen Schwerpunkten wieder aufgegriffen. Kurz: Themenanalysen müssen dynamisch sein. Für die MeRa bedeutet das konkret, dass neue Themenkategorien entwickelt werden müssen. Eine Leistung, die derzeit nur von Menschen gut und zutreffend erbracht wird.
Bilder und Videos
Bei der Analyse von Texten gibt es also noch einige Hürden. Noch mehr trifft dies auf Bildmaterial zu, da Vorwissen und Interpretationsleistungen für das Verständnis von Bildern und Videos noch entscheidender sind als für Textverständnis.
Fazit: Teilautomatisierte Analysen durchführen und Entwicklungen beobachten
KI ist ein hochinteressantes Feld und für die Inhalts- bzw. Medienresonanzanalyse sehen wir enormes Potential. In einigen Kategorien ist die Zuverlässigkeit der automatisierten Inhaltsanalyse bereits so hoch, dass wir sie einsetzen – bei gleichbleibender oder besserer Qualität unserer Analysen und größerer Geschwindigkeit. Und der Markt verändert sich mit einer rasenden Geschwindigkeit. Während Sie diesen Text lesen, gibt es bereits neue Erkenntnisse und Möglichkeiten. Mit unserem Partner Cronos gestalten wir diese aktuellen Entwicklungen mit, um Lösungen zu entwerfen, die unseren hohen Anforderungen standhalten.
zurück zur Beitragsübersicht