Was im Parlament geschieht hat weitreichende Bedeutung, was auch dadurch untermauert wird, dass sämtliche Sitzungsprotokolle öffentlich zugänglich sind. Die Medien wiederum sind dafür zuständig, zu kontrollieren, was PolitikerInnen so tun. Was aber die Abgeordneten im Parlament sprechen, wird von den Medien und also der breiten Öffentlichkeit nicht wirklich genau verfolgt. Ein Grund dafür ist sicherlich auch, dass vieles in die Kategorie "politische Scharmützel" fällt. Ein anderer ist, dass einfach sehr viel gesprochen wird und oft die Ressourcen fehlen um diese Information zu analysieren.

Informationen auszuwerten ist heutzutage eine Arbeit, die gerne an Computer und Algorithmen ausgelagert wird. Sprachliche Inhalte zu analysieren ist jedoch noch immer ein schwieriges Unterfangen. Wir haben es als Herausforderung betrachtet PolitikerInnen auf den Mund zu schauen und uns der Sache angenommen. Und sind nun zu ersten interessanten Ergebnisse gekommen.

Entwicklung im Team

Die stenographischen Sitzungsprotokolle des Österreichischen Parlamentes werden von selbigem, in digitaler Form, online zur Verfügung gestellt. Diese Information einfacher zugänglich für die Öffentlichkeit zu machen, hat sich unter anderem auch die Initiative Offenes Parlament zum Ziel gesetzt. Um die Protokolle einer tiefergreifenden Analyse zu unterziehen, braucht es ein Team mit einer breiten Palette an Kompetenzen. Im Forschungsprojekt VALiD, einer Kooperation der FH St.Pölten, der Uni Wien, der FH Joanneum Graz und der drahtwarenhandlung, gibt es genau diese Kompetenzen. Der Ansatz des Projektes ist es Information im Zeitverlauf zu analysieren. Dazu haben wir Natural Language Programming (NLP) Algorithmen entwickelt, welche wir auf die Parlamentsprotokolle der vergangenen 20 Jahre losgelassen haben. Dadurch haben wir die Möglichkeit nicht bloß zu "zählen" (z.B. welche Partei hat die meisten Zwischenrufe, welcheR Abgeordnete redet am meisten, wann werden welche Wörter/Themenkomplexe besprochen, ...), sondern Inhalte zu analysieren.

Erste Ergebnisse

Im ersten Schritt haben wir, gemeinsam mit PolitikwissenschaftlerInnen (ebenfalls von der Uni Wien), Algorithmen entwickelt, welche darauf trainiert sind, Negativität zu identifizieren. Also Inhalte (Sätze) hinsichtlich ihrer Negativität von 0 (nicht negativ) bis 1 (sehr negativ) zu klassifizieren. Dieser Prozess, auch "Sentiment-Analyse" genannt, ist generell ein sehr komplexer, in Bezug auf die deutsche Sprache aber noch komplizierter als z.B. für Englisch (Stichwort: Sarkasmus, doppelte Verneinung). Zu den ersten Anlaufschwierigkeiten zählte außerdem, dass sich selbst Menschen nicht immer einig sind was denn nun "negativ" ist. So wurden teilweise die selben Sätze von (menschlichen) Bewertern als nicht negativ und teilweise als sehr negativ bezeichnet.

Allerdings zeigte sich bald, dass die Klassifizierung nicht nur stabil funktioniert, sondern offensichtlich auch aussagekräftige Resultate liefert. Diese wurden inzwischen von den beteiligten Politikwissenschaftlern bei der ECPR-Konferenz (European Consortium for Political Research) in Nottingham präsentiert, und ein weiteres Paper wurde für die ICA in San Diego (International Communication Association) akzeptiert.

Die ersten politikwissenschaftlichen Thesen die getestet wurden waren sehr einfache. Der Hintergedanke war es, mit diesen Thesen zu überprüfen, ob die Ergebnisse der Algorithmen aussagekräftig sind. Zum Beispiel, dass Ewald Stadlers Reden einen der unhöflicheren Plätze belegen werden. Oder, dass Oppositionsparteien unhöflicher Reden als Regierungsparteien. Beides konnte mit der von uns entwickelten automatischen Klassifikation einwandfrei belegt werden. So schaffte es Ewald Stadler nicht bloß unter die Top 10 der negativsten Politiker. Er schaffte dies gleich zweimal: als BZÖ-Abgeordneter und als freier Mandatar. Ebenso konnte die These von Oppositions- vs. Regierungsparteien sehr schön gezeigt werden.

Danach ging es daran tiefgreifendere Thesen zu überprüfen. Etwa wie sich Negativität im Zeitverlauf ändert. Hier war die These, dass vor und nach Wahlen die Reden negativer ausfallen würde als während der normalen Regierungsperioden. Auch diese These konnte mit dem Algorithmus eindrucksvoll unterstützt werden. Mit dieser Bestätigung im Rücken, gingen wir daran interessanteres zu Tage zu fördern...

Negativität der Reden im Verlauf der Regierungsperioden

Mit der Analyse der Reden lässt sich zum Beispiel eindrucksvoll zeigen, wie die SPÖ in der Periode als Oppositionspartei (2000-2008) deutlich an Negativität zulegte. Nur um sie sofort bei erneuter Regierungsbeteiligung wieder abzulegen. Die FPÖ hingegen wurde als Regierungspartei nicht offensichtlich positiver; dafür aber, sofort danach in der Opposition um ein weiteres Eck negativer.

Negativität der Reden im Zeitverlauf; bemerkenswert der SPÖ-Anstieg in Opposition (2000-07) und der FPÖ bei erneuter Opposition (ab 2006).

Doch mit der Computeranalyse geht noch mehr. Wir haben unter anderem die negativsten Debatten der letzten Jahrzehnte verglichen. Und konnten zeigen, dass es die großen Themen sind, die (auch die PolitikerInnen) am emotionalsten Diskutieren. So können von den 25 negativsten Debatten 15 nur drei Themen zugeordnet werden: der Finanzkrise, der Eurofighter-Beschaffung und den vorgezogenen Neuwahlen rund um die FPÖ-ÖVP-BZÖ Koalition.

Was jetzt kommt

Auch wenn dies nur erste Ergebnisse sind, die wir mit dem von uns entwickelten NLP Algorithmen berechnen konnten, so kann alleine schon damit gezeigt werden, dass sie sehr solide sind. Und, dass sie ein enormes Potential beinhalten. In den nächsten Monaten werden wir die Algorithmen einerseits weiter evaluieren und andererseit ausbauen. Geplant ist, dass zusätzlich über die Negativität hinaus auch andere "Sentiments" klassifiziert werden können, und noch mehr Analysen durchgeführt. Und um dem Stein des Anstoßes gerecht zu werden, sollen die Ergebnisse, durch Publikation in den Medien, einer breiten Öffentlichkeit zugängliche gemacht werden.
Falls dir das Projekt gefällt, würden wir uns freuen, wenn du es teilst. Und wenn du Ideen hast was für weitere Auswertungen interessant wären, dann wäre es großartig wenn du uns schreiben würdest!