#rC3 - Wir wissen, was ihr letzten Sommer gesagt habt! - Open Discourse und die Transparenz des Bun

Wikipaka Intro Musik

Florian: Herzlich willkommen zu unserem
Talk "Wir wissen, was ihr letzten Sommer

gesagt habt". Wir sind sehr aufgeregt und
freuen uns sehr, dass wir das heute

vorstellen dürfen. Wir sind Philip Koch
und Florian Richter und wir wollen euch

heute unser Projekt Open Discourse
vorstellen und inwiefern Open Discourse

die Transparenz des Bundestages erhöhen
kann. An Open Discourse haben wir die

letzten anderthalb Jahre gearbeitet, in
einem Team von insgesamt neun Personen.

Und genau. Worüber wollen wir euch
eigentlich heute erzählen? Für Open

Discourse haben wir die Plenarprotokolle
des Deutschen Bundestages aufgearbeitet

und die Plenarprotokolle seht ihr hier auf
der rechten Seite, die sehen so aus. Das

heißt für jede Sitzung im Bundestag gibt
es Stenograph:innen, die jedes gesprochene

Wort von den Parteien bzw. von den
Politiker:innen, die gerade eine Rede

halten, aufzeichnen. Und außerdem wird
auch jeder Zwischenruf, jede Reaktion aus

dem Plenum mit aufgezeichnet. Diese
Plenarprotokolle stellt der Bundestag zur

Verfügung, seit 1949. Allerdings als PDF-
Dokument. Das birgt natürlich einige

Probleme, weil PDF Dokumente sind nicht
gut durchsuchbar, weil wir jetzt z.B.

nicht gezielt suchen könnten, was ein
bestimmter Politiker einer bestimmten

Partei im Jahre 1950 beispielsweise gesagt
hat. Das heißt, das ist das Problem, das

wir eigentlich haben. Aber eigentlich
beinhalten diese Plenarprotokoll ziemlich

viel wertvolle Information. Weil
beispielsweise natürlich die einzelnen

Redebeiträge, die Zwischenrufe usw, diese
sind aber als Fließtext in diesem PDF

enthalten. Das heißt, wir brauchen
eigentlich irgendeinen Weg, um das

herauszubrechen. Und genau, das gab's
bisher noch nicht. Mit Open Discourse

haben wir es jetzt erstmals geschafft,
seit 1949 alle Reden, alle Zwischenrufe,

alle Reaktionen und so weiter
herauszuarbeiten. Warum machen wir das

eigentlich? Die Motivation hinter Open
Discourse beruht im Kern darauf, dass wir

davon ausgehen oder wir finden, das
Plenarprotokolle eigentlich eine ziemlich

wertvolle Ressource sind und die Debatten
im Bundestag ja eigentlich so transparent

wie möglich stattfinden sollten. Das
heißt, wir alle haben ein Recht darauf,

auch noch nach 20 Jahren zu wissen, was
eine bestimmte Politikerin oder ein

bestimmter Politiker zu einem bestimmten
Thema gesagt hat. Was auffällt, wenn wir

uns Plenarprotokolle und die Befassung mit
Plenarprotokollen ansehen, ist, dass das vor

allen Dingen in der deutschen
Politikwissenschaft eigentlich ein Thema

ist, das nicht besonders oft angefasst
wird. Es ist unterrepräsentiert in der

Forschung. Das hat mehrere Gründe: Zum
einen.. oder zwei Hauptgründe

wahrscheinlich. Zum einen ist die deutsche
Politikwissenschaft eher aus der

politischen Ideengeschichte erwachsen. Das
heißt, man kümmert sich eigentlich eher

qualitativ um Texte als quantitativ. Das
ändert sich in den letzten Jahren ein

bisschen. Aber im Kern befasst sich die
deutsche Politikwissenschaft immer noch

relativ wenig mit dem Plenardebatten. Und
der große Grund dafür ist dann natürlich

auch, dass diese Plenarprotokolle bisher
noch nicht maschinenlesbar und nicht

leicht auswertbar vorlagen. Man kann sich
vorstellen, wenn man jetzt nach einer

gezielten Fragestellung die
Plenarprotokolle untersuchen möchte,

müsste man im Zweifelsfall über 4 000
Protokolle händisch durchlesen, um zu

schauen: In welchem Protokoll steht jetzt
irgendeine Information, die wichtig ist

für meine Fragestellung. In den letzten
Jahren sehen wir aber, dass das Interesse

an diesen Plenarprotokollen zunehmend
wächst. Und an der Stelle haben wir uns

gedacht, als Team aus in erster Linie Data
Scientists und Software Developern, dass

wir eigentlich die Skills dazu haben,
diese Daten aufzubereiten und der

Öffentlichkeit zur Verfügung zu stellen.
Genau. Das ist also der der aktuelle

Stand. Wir haben das große Problem, dass
es keine einfache Möglichkeit gibt, diese

Plenarprotokolle zu durchsuchen und diese
Plenarprotokolle auch nicht

maschinenlesbar sind, wir also keine
aktuellen Analysemethoden über diesen

Textkorpus laufen lassen können. Unsere
Ziele, die wir uns gesetzt haben für

dieses Projekt, waren mehr Transparenz des
politischen Diskurses in Deutschland, eine

detaillierte Durchsuchbarkeit der
Plenardebatten, ein öffentlicher und

möglichst niedrigschwelliger Zugang zu
diesen Daten, die Anschlussfähigkeit

unseres Projektes, damit dieses Projekt
weiterentwickelt werden kann, dass neue

Projekte daraus entstehen können. Und
natürlich, dass mit diesen Daten auch

geforscht werden kann und wir demnach ein
wissenschaftliches Niveau für diese Daten

brauchen. Ok, kurz zum Status Quo. In den
letzten Jahren, wie gerade angesprochen

hat sich natürlich das Interesse für diese
Plenarprotokoll deutlich erhöht. 2017

beispielsweise gab es das sehr spannende
Projekt Offenes Parlament, was von der

Open Knowledge Foundation getrieben wurde
oder durchgeführt wurde. In diesem Projekt

wurden die Plenarprotokolle der 18.
Wahlperiode aufgearbeitet und diese waren

dann auch granular durchsuchbar, das
heißt, wir hatten Dimensionen zum Datum,

zum Inhalt der Redebeiträge, welche Person
diesen Redebeitrag gehalten hat usw.

Ebenfalls 2017 und 2018 kamen die Projekte
ParlSpeech und GermaParl und wurden

veröffentlicht. Das sind zwei
wissenschaftliche Projekte, die ebenfalls

sehr granular die Redebeiträge aufbereitet
haben des Bundestages. Allerdings im Falle

von ParlSpeech, die haben dieses Jahr
nochmal ein Update von ihrem Datensatz

gemacht. Reicht jetzt von der 12. bis 19.
Wahlperiode. Bei GermaParl sind aktuell

die 13. bis zur 18. Wahlperiode abgedeckt.
D.h. wir haben da auch nicht den

kompletten Umfang der Plenardebatten. Und
an dieser Stelle vor einem Jahr haben

Martin Haars und Kai Biermann das Projekt
vorgestellt, das Zeit Online

veröffentlicht hat, wo das erste Mal alle
oder jedes gesprochene Wort seit 1949

bereitgestellt wurde und es möglich war,
eine Keyword Suche über diesen Korpus zu

laufen zu lassen. Das heißt, man konnte
dadurch erstmals schauen: Wie hat sich

beispielsweise das Keyword Umweltschutz in
den Debatten dargestellt? Wie hat sich das

verändert über die Zeit? Genau. An dieser
Stelle gebe ich jetzt an Philipp weiter

und er wird euch mal erklären, was wir
jetzt eigentlich mit Open Discourse noch

zusätzlich machen können.
Philipp: Genau. Also wir sehen so ein

bisschen oder wir erinnern euch oder viele
von euch erinnern sich vielleicht an den

den Talk von Martin Haase und Kai Biermann
vor einem Jahr. Da haben die gezeigt, wie

sie diese Worte über die Zeit analysiert
haben und haben auch gezeigt, welche

Beschimpfungen in Deutschen Bundestag
relativ typisch waren. Also wir haben

sowas wie Heuchler und Lügner:in und
Idioten und Lümmel und Flegel. Und nur um

da so ein Stück anzuknüpfen und um zu
zeigen, wie wir an dieser Stelle ansetzen

können und das ein Stück weiter denken
können, hab ich euch das mal mitgebracht

und hab euch mal geplottet über die Zeit,
wie häufig mit welcher relativen

Häufigkeit Beschimpfungen im Deutschen
Bundestag passiert sind. Und wir sehen,

dass es eine Zeit gab, in der mal mehr und
mal weniger beschimpft wurde. Und was wir

jetzt aber machen können mit dem Open
Discourse Datensatz: Wir können neue

Dimensionen hinzufügen, denn wir haben
nicht mehr nur das reine gesprochene Wort,

sondern wir haben all die
Metainformationen, weil wir wissen, wer

dieses Wort gesprochen hat. Ich kann also
gucken, ob Männer oder Frauen mehr

geflucht haben und ich stelle fest, dass
Männer mit großem großem Abstand mehr

fluchen als Frauen. Männer sind
diejenigen, die das treiben im Deutschen

Bundestag, und die fluchen und beschimpfen
und beleidigen. Wenn ich die Frauen

dagegen plotte - Das erste Mal, dass eine
Frau im Deutschen Bundestag mit der

Auswahl dieser Beschimpfungen geflucht
hat, war 1977 ungefähr. Und auch so reden

Frauen deutlich, deutlich deutlich weniger
quasi in diesem Wortschatz. Und das Ganze

können wir jetzt immer und immer weiter
berechnen, denn wir haben mit Open

Discourse die Dimensionalität, um diese
Fragestellungen zu beantworten. Fluchen war

z.B. früher ein Thema von Doktor:innen.
Das heißt, Abgeordnete mit einem

akademischen Grad haben deutlich mehr
geflucht und erst in den 85er Jahren haben

dann auch nicht Doktor:innen angefangen,
stärker zu fluchen und Beschimpfungen in

ihren Wortschatz aufzunehmen. Wir können
weiter reingucken und können gucken, wer

denn eigentlich flucht. Also wenn ich
jetzt mal vergleichen möchte, wie die die

Mitte rechts und die Mitte Links Fraktion
im Deutschen Bundestag, wie die sich

unterscheiden in ihrer Nutzung von
Schimpfworten, dann kann ich feststellen,

dass ungefähr seit den 85er Jahren das
Fluchen eine typisch linke Disziplin ist.

Das ist in der Mitte Links Fraktion
ziemlich verortet, jetzt in dem Fall hier

definiert als SPD, Linke, PDS und Grüne im
Vergleich zur CDU, CSU, FDP-Fraktion, die

ein gutes Stück weniger flucht. Wir können
auch bis auf die einzelne Person

runtergehen und wir können die Gewinner im
Beschimpfen des Deutschen Bundestages seit

1949 küren. Vielleicht hat jemand von euch
eine Idee, wer da so drinsteckt. Auf Platz

vier ist es Norbert Blüm von der CDU. Auf
Platz drei ist es Carlo Schmidt von der

SPD, ein bisschen früherer Politiker. Auf
Platz zwei, Ottmar Schreiner von der SPD.

Und auf Platz eins ist es Franz Josef
Strauß von der CSU, der mit großem Abstand

die meisten Flüche im Deutschen Bundestag
gesprochen hat. Ihr seht also: Das, was

wir mit Open Discourse machen können, ist,
wir können dem gleichen Projekt, was auch

die Kollegen von der Zeit haben,
Mehrdimensionalität hinzufügen, weil wir

in unserem Korpus eine Realität abbilden
können und den gesamten PDF-Datensatz

quasi komplett als Datenbank-Struktur
verfügbar gemacht haben. Das heißt, was

wir früher konnten ist, wir konnten Worte
über eine Zeit plotten. Das war so der

Status quo. Und was wir jetzt gemacht
haben ist, wir haben diesen Fließtext,

dieses PDF umgebrochen in eine
Datenbankstruktur und können das jetzt

beliebig filtern und beliebig analysieren
und können da sehr, sehr, sehr tief in die

quantitativen Analysen gehen. Das heißt,
wir fügen diesen Plenardebatten mehr

Dimensionalität hinzu. Früher also Worte
und Zeit und heute eben auch, welche

Person gesprochen hat und damit eben auch
welche Fraktion, welche

Regierungsposition, welches Geschlecht,
welches Alter hat der oder die Sprechende?

Was ist der Beruf der sprechenden Person?
Der akademische Grad, die Jahre im

Bundestag? Der Geburtsort, der Adelstitel.
Und wir haben natürlich auch alle

Reaktionen und Interaktionen des
Bundestag. Das heißt, wir können genau

gucken, welche Personen, welche Fraktion
lacht oder amüsiert sich oder klatscht.

Und welche Einzelpersonen sind es denn,
wenn es irgendwelche Zwischenrufe sind?

Und wenn wir uns das so einer Größe
angucken, dann haben wir ein Datensatz,

bei dem wir etwa 331 Tausend Plenarseiten
ausgewertet haben seit 1949. Wir haben

dadurch 211 Millionen Tokens, also Worte,
in unserem Datensatz von ungefähr 900 000

Redebeiträgen, die wir verzeichnet haben,
gesprochen von 4100 Politiker:innen.

Darauf haben wir dann 2,2 Millionen
Reaktionen und Zwischenrufe des Plenums

von insgesamt 27 Fraktionen und Gruppen
seit der Gründung des Bundestages. Wie

haben wir das gemacht? Vielleicht ein ganz
kurzes Wort dazu, was dahinter steckt. Wir

haben die öffentlich verfügbaren Daten
genommen, die, die daliegen. Das heißt,

das sind die Plenarprotokolle des
Bundestages als PDF. Wir haben das

angereichert mit den Stammdaten der
Abgeordneten, die auch der Bundestag

erfasst und selbst herausgibt. Und wir
haben die Liste der deutschen

Regierungsmitglieder seit 1949 noch mit
dazugegeben, denn es gab relativ viele

oder es gab einige Regierungsmitglieder,
die selbst kein Bundestagsmandat haben.

Auch die haben wir hinzugefügt. Und dann
haben wir diese unendlich langen Texte

eben vorwiegend durch Regular Expressions
gefiltert. Das heißt, wir haben die

relevanten Teile und Protokolle
extrahiert. Wir haben das aufgegliedert.

Und wir haben dann eben nach Redebeiträge,
nach Redner:innen, Zwischenrufe,

Reaktionen unterteilt. Das war mal einer
der längsten Regular Expression Strings.

Der war dann irgendwann so lang, wir haben
dann irgendwann unserem Head of Regular

Expressions das auf ein T-Shirt gedruckt.
Das hatte die gute Vorderseite genutzt.

Und nach diesen ganzen Regular Expressions
haben wir dann auch viel Fuzzy Search und

Matching gemacht, um eben die Fehler auch
in dem Plenarprotokoll auszumerzen. Das

heißt, Politiker:innen sind falsch
geschrieben, irgendwelche Worte sind

zerrissen. Und um das alles wieder
zusammenzuführen, haben wir dann Fuzzy

String Matching angeführt.
Florian: Genau, und an der Stelle kommt

ihr jetzt eigentlich ins Spiel. Das heißt,
was wir im Kern machen wollten und jetzt

geschafft haben, ist diesen die, dieses
Korpus oder diesen Datensatz so

bereitzustellen, dass ihr euch den
auschecken könnt und eigene Analysen mit

diesen Daten durchführen könnt. Das heißt,
der Open Discourse Datensatz und das ganze

Repository dazu ist veröffentlicht. Ihr
könnt euch den Source Code anschauen,

auschecken, die Datenbank bei euch lokal
aufbauen. Und ihr habt noch ein paar

andere Möglichkeiten, auf die ich später
noch genauer ein. Genau. Das Spannende,

finden wir, an diesem Datensatz ist jetzt,
dass es erstmals möglich ist, Analysen

durchzuführen, die vorher in der Form
nicht durchführbar waren. Und während wir

auf eure Analysen warten, zeigen wir euch
ein paar Analysen, die wir schon mal

durchgeführt haben, um euch eine kleine
Inspiration zu geben, was denn eigentlich

möglich ist. Und an dieser Stelle ein
kleiner Disclaimer: Alles, was wir jetzt

gleich zeigen, dient als Inspiration. Wir
haben die Analysen mit größter Sorgfalt

durchgeführt. Aber es ist keine
politikwissenschaftliche Forschung. Und

gerade weil wir jetzt über Politik
sprechen, sollten wir an dieser Stelle ein

bisschen vorsichtig sein. Wir sind uns
weitestgehend sicher, dass die Ergebnisse,

die wir euch präsentieren, sehr plausibel
und weitestgehend korrekt sein werden.

Aber wie gesagt, das ist jetzt keine
politikwissenschaftliche Forschung, das

ist nicht durch ein Peer Review Prozess
gegangen. Soweit als kleiner Disclaimer

dazu. Okay, wir gucken uns jetzt folgend
zwei große Themen an, die in der

Geschichte der Bundesrepublik ziemlich
große Relevanz hatten. Und wir starten mit

dem Thema Datenschutz. Und wir könnten
jetzt dieses Thema so untersuchen, wie es

traditionell bisher immer möglich war. Das
heißt, wir schauen uns mal an, wie oft

eigentlich das Wort Datenschutz in den
Plenarsitzungen gesagt wurde. Und wenn wir

das machen Sie das ungefähr so aus. Das
heißt, wir haben die erste Nennung des

Begriffs Datenschutz Anfang der siebziger
Jahre. Das würde ungefähr so passen, weil

in dem Zeitraum auch Hessen als erstes
Land oder sogar weltweit das erste

Datenschutzgesetz verabschiedet hat. Das
heißt, damals wurde der Begriff

anscheinend das erste Mal genutzt, auch im
Bundestag. Und ab dann ging es weiter. Wir

sehen einen kleinen Abfall in den 90ern,
einen Anstieg dann wieder in den 2000er

Jahren. Genau. Aber das ist eigentlich
noch nicht gut interpretierbar. Wir haben

jetzt einfach nur die Worthäufigkeiten.
Wir wissen nicht, wer hat das eigentlich

gesagt hat. Das heißt, an der Stelle
nutzen wir jetzt unseren Open Discourse

Korpus, um uns das ein bisschen genauer
anzuschauen. Was wir zusätzlich jetzt noch

gemacht haben, ist: Wir haben ein LDA
Topic Modeling trainiert. Das funktioniert

im Wesentlichen so, dass wir davon
ausgehen... bzw. ein LDA Topic Modeling

ist dafür da oder kann genutzt werden, um
latente Themen in Textkorpora zu

ermitteln. Und wir wollen uns ja das Thema
Datenschutz ansehen. Das heißt, wir müssen

versuchen, ein LDA Topic Modeling so zu
trainieren, dass wir dieses

Datenschutzthema auch finden in unseren
Daten. Natürlich nur, solange es da ist.

Glücklicherweise ist es tatsächlich da,
weil darüber ziemlich viel gesprochen

wurde. Das heißt, wenn wir jetzt
eigentlich untersuchen wollen, wie oder in

welchem Ausmaß über Datenschutz gesprochen
wurde im Bundestag, dann ist es natürlich

nicht bloß der Begriff Datenschutz
relevant. Sondern man kann auch über den

Datenschutz reden, dabei aber Begriffe
nutzen wie Informationsfreiheit,

Datenverarbeitung, Speicherung,
Privatsphäre usw.. Das heißt, es ist

eigentlich viel relevanter, dieses latente
Thema des Datenschutzes zu nutzen als

einen spezifischen Begriff. Dafür haben
wir das LDA Topic Modeling trainiert. Das

funktioniert im Wesentlichen so, dass wir
vorgegeben haben, was wir oder wie viele

Topics, spezifische Topics, wir im Korpus
erwarten. Da haben wir verschiedene

Nummern ausprobiert und bei
zweihundertfünfzig letztlich sehr

konsistente Themen gefunden. Und mit
diesem Model haben wir jetzt die weiteren

Analysen durchgeführt. Dieses LDA Topic
Modeling hat als Ergebnis, dass wir für

jeden Redebeitrag, den wir im Korpus
haben, Angaben darüber bekommen, wie der

prozentuale Anteil der jeweiligen 250
Themen in dieser Rede war. Das heißt, wir

haben genau 250 Zahlenwerte für jeden
Redebeitrag. Das ist das, was wir jetzt

folgend zusammen aggregieren und auf der
Y-Achse als Relevanz definieren. Genau das

ist jetzt auch erstmals möglich, weil wir
die einzelnen Redebeiträge als Dokumente

im LDA Topic Modeling nutzen können. Alles
klar. Zurück zum Thema Datenschutz. Okay,

wir plotten uns jetzt mal die
durchschnittlichen Gebrauch des ganzen

Thema Datenschutz im Plenar oder im
Verlauf der Plenarsitzungen. Und was uns

jetzt zum Beispiel schon mal auffällt,
ist, dass auch vor 1970 schon in einem

gewissen sehr geringen Maße über
Datenschutz-Themen gesprochen wurde. Der

Begriff Datenschutz wurde dabei jedoch
nicht genutzt. Wir sehen immer noch, dass

es quasi zwei große Phasen oder zwei große
Wellen gibt. Es gibt die erste Welle, die

ungefähr Mitte der 70er angefangen hat und
dann zum zum Ende der 80er Jahre abgeflaut

ist. Und wir haben eine zweite Welle, die
zum in den 2000er Jahren begonnen hat und

jetzt langsam wieder abflaut. Um zu
validieren, dass das, was wir jetzt hier

gefunden haben oder das, was uns das Topic
Model grad anzeigt, stimmt, haben wir mal

geschaut, was denn eigentlich in diesen
Zeiten so passiert ist. Und wenn wir uns

die 80er Jahre oder den Raum um die 80er
Jahre anschauen, sehen wir, dass derzeit

das Bundesdatenschutzgesetz, also das
erste Datenschutzgesetz auf nationaler

Ebene beschlossen wurde in Deutschland,
dass es die Volkszählungsboykotte gab. Es

sollte eine Volkszählung durchgeführt
werden und die sollte in dem Fall das

erste Mal digital die Daten der
Bevölkerung erfassen. Das hat natürlich

zur Boykotten, zu Protesten und zu Sorgen,
was denn eigentlich, welche Belange das

mit dem eigenen Datenschutz hat. Außerdem:
In der Zeit wurde der CCC gegründet. Es

gab ein ziemlich entscheidendes Urteil vom
Bundesverfassungsgericht, auch im Rahmen

dieser Volkszählung. Und in dem Rahmen
tauchte dann auch erstmals der Begriff der

informationellen Selbstbestimmung auf. Das
heißt, okay, an dem Rahmen oder in dem

Maße ist die erste Welle ziemlich
plausibel. Das wurde im Bundestag dann

offensichtlich auch sehr intensiv
besprochen. Danach ist das ein bisschen

abgeflaut. Wir haben einen kleinen Peak
ungefähr 1995, da wurde die europäische

Datenschutzrichtlinie verabschiedet. Aber
den richtigen Anstieg hatten wir dann erst

zur zweiten Welle. Da kamen dann
Diskussionen auf wie Zensursula und die

DSGVO. Also bei Zensursula wurde halt
diskutiert, inwiefern der Staat eigentlich

das Recht hat, Inhalte im Internet zu
zensieren. Auf der anderen Seite wurde

auch sehr, sehr stark diskutiert, ob der
Staat eigentlich das Recht hat,

Hausdurchsuchungen auf den eigenen
Rechnern quasi durchzuführen. Das heißt,

die zwei Wellen, die wir jetzt hier sehen,
die sind ziemlich plausibel. Das waren

tatsächlich die Zeiten, in denen die
Debatte um den Datenschutz ziemlich stark

ausgeführt wurde. Okay, jetzt schauen wir
uns mal an, welche Dimension wir

eigentlich dazu packen können, um
vielleicht mehr Informationen darüber zu

bekommen, wie das denn diskutiert wurde
und welche Partei sich mehr und welche

Partei sich weniger darum gekümmert hat um
dieses Thema. Und dazu haben wir uns mal

angeschaut, wie die historisch zwei großen
Parteien in Deutschland diese Themen

behandelt haben. Zuerst haben wir uns die
CDU angeschaut und wir sehen, dass die CDU

in der ersten Welle deutlich
überdurchschnittlich über das Thema

Datenschutz gesprochen hat, im Plenarsaal,
in der zweiten Welle aber deutlich

unterdurchschnittlich. Im Vergleich dazu
haben wir uns dann mal angeschaut, wie die

SPD drüber gesprochen hat. Die SPD hat der
ersten Welle unterdurchschnittlich viel

über Datenschutz gesprochen oder hatte in
ihren Reden deutlich weniger Datenschutz

aufgegriffen. In der zweiten Welle oder im
Beginn der zweiten Welle ein bisschen

überdurchschnittlich, dann hat es aber
deutlich abgeflacht. Das könnte - wird

höchstwahrscheinlich damit zu tun haben,
dass während der ersten Welle die SPD in

der Regierung war und die CDU nicht, dass
die CDU das deshalb vielleicht als

relevanter angesehen hat, das Thema
Datenschutz intensiver zu besprechen. In

der zweiten Welle sehen wir, dass zum
Beginn der zweiten Welle die SPD noch eine

Opposition war. Aktuell ist sie natürlich
mit in der Regierung. Das könnte die

Bewegung erklären, warum zu Beginn der
zweiten Welle die SPD leicht

überdurchschnittlich oder das Thema
Datenschutz leicht überdurchschnittlich

relevant fand, dann aber zunehmend
weniger. Wir plotten mal noch zwei andere

spannende Parteien dazu, nämlich die FDP
und die Grünen. Da können wir nämlich

ablesen, dass diese zwei
Oppositionsparteien, zumindest in der

Zeit, dass diese zwei Parteien auch nach
dem Abflauen der ersten Welle die Relevanz

aufrecht erhalten haben. Das heißt, diese
zwei Parteien hatten das Thema trotzdem

weiter im Fokus gehalten. Okay, schauen
wir uns eine andere Dimension an. Wir

schauen uns mal an, wie das vielleicht mit
dem Alter zu tun haben könnte. Und zwar

haben wir das Alter der Politiker:in nach
dem Durchschnitt ungefähr geteilt. Das

heißt, das Durchschnittsalter des
Bundestags aktuell liegt ungefähr bei 50

Jahren. Und so haben wir jetzt
unterschieden nach eher jüngeren

Politikern, die unter 50 Jahre zum
Zeitpunkt der Rede waren und älteren

Politikern, die älter als 50 waren zum
Zeitpunkt der Rede. Und hier sehen wir,

dass die jüngeren Politiker das Thema
Datenschutz deutlich relevanter finden als

die älteren. Okay, als letzte Dimension
schauen wir uns jetzt nochmal an, ob das

dann vielleicht auch ein Zusammenhang mit
dem akademischen Grad hat bzw. ob eine

Politikerin oder ein Politiker einen
Doktortitel trägt. Und an der Stelle sehen

wir das, wenn eine Politiker:in einen
Doktortitel trägt, das dann tendenziell

überdurchschnittlich über Datenschutz
gesprochen wird, als wenn die Person

keinen Doktortitel hat. Man könnte jetzt
versuchen, das irgendwie zusammenzufassen.

Beispielsweise könnte man versuchen, das
so zu interpretieren, dass wenn man

möchte, dass im Plenarsaal viel über
Datenschutz gesprochen wird, dann sollte

man Oppositionsparteien wählen, die eher
jüngere Leute hat. Und diese jüngeren

Leuten sollten vielleicht eher einen
Doktortitel tragen, vielleicht aber auch

nicht. Genau. Aber genau. Diese
Auswertungen waren vorher nicht möglich.

Und jetzt könnte man reinschauen und
gucken: Okay, was steckt denn da

eigentlich drin? Welche Bewegungen stecken
denn in diesen Daten? Wir wollen jetzt

nochmal zwei Personen krönen, die sich
sehr verdient gemacht haben, also die sehr

oder die höchste Relevanzwerte hatten für
das Thema Datenschutz in der ersten und in

der zweiten Welle. In der ersten Welle
geht diese Auszeichnung an Burkhard

Hirsch, der insbesondere zum ersten in der
ersten Phase der ersten Welle

Innenminister war und sich ganz stark
gegen staatliche Überwachung eingesetzt

hat. Das heißt, das klingt auch sehr
plausibel, dass unsere Analyse Burkhard

Hirsch hier als Vorreiter sieht. In der
zweiten Welle haben unsere Analysen

ergeben, dass das Gisela Piltz war, die
sich in besonderem Maße mit Datenschutz

auseinandergesetzt hat. Und Gisela Piltz
hat sich ganz... oder setzt sich ganz

stark gegen die Vorratsdatenspeicherung
ein. Also von daher wirkt auch das

ziemlich plausibel. Genau. Das wäre jetzt
das Beispiel Datenschutz, das wir

aufbereitet haben, um zu gucken: Okay, was
könnte in diesen Daten denn drinstecken

und welche spannenden Fragen könnte man
denn damit eigentlich stellen und

potenziell auch beantworten? Jetzt haben
wir uns noch ein zweites großes Thema

angeschaut, was gerade in den letzten
Jahren ganz, ganz stark an Relevanz

gewonnen hat. Und da wird euch Philipp
jetzt mal erzählen, was wir da so gefunden

haben.
Philipp: Genau. Also wir kommen nochmal

ein bisschen vom Datenschutz zum
Klimaschutz und stellen uns so ein

bisschen den gleichen methodischen Ansatz.
Also wir gucken mal, wie das reine Wort

Klimaschutz verwendet wurde. Und wir
stellen fest, dass das Wort Klimaschutz

eigentlich ein relativ neuer Begriff ist.
Ab den 2000ern. Aber zurück zu dem, was

Florian gerade eben schon gesagt hat Die
reine Analyse einzelner Begriffe ist noch

nicht ausreichend, um diesen Themenkomplex
und die latenten Grundstrukturen darunter

zu erfassen. Deswegen reicht dieser
Begriff Klimaschutz nicht, sondern wir

haben auch hier wieder ein automatisiertes
LDA Topic Modeling verwendet, was uns

hunderte Begriffe automatisiert findet,
die da reinpassen. Also natürlich kann ich

über Klimaschutz reden, ohne den Begriff
Klimaschutz zu verwenden. Ich kann über

das Emissionsschutzgesetz sprechen. Ich
kann über Nachhaltigkeit, über erneuerbare

Energien reden, ohne auch nur einmal das
Wort Klimaschutz zu verwenden. Dieses

Thema also voll fokussieren. Deswegen
haben wir daraus ein Thema gemacht und

gucken uns jetzt diesen ganzen Komplex an
und nicht mehr nur den Begriff. Wenn wir

das tun, dann stellen wir fest, dass seit
1949 dieses Thema nicht erst in den

2000ern an Relevanz gewonnen hat, sondern
auch früher schon da war. Wenn ich jetzt

auch hier wieder so ein bisschen die
Wegmarker setze, dann kann ich auch das

validieren. Also die ersten
Umweltprogramme von Willy Brandt 1970, der

Einzug der Grünen in den Bundestag, die
Atomkatastrophe von Tschernobyl. Wir haben

danach in den 90ern, das ist auch relativ
plausibel, ein Abschwachen dieses Themas,

denn wir hatten gerade in der
Wiedervereinigung dann

Verteilungskonflikte, die so ein bisschen
relevanter wurden. Dadurch ist das Thema

des Klimawandels und des Klimaschutzes so
ein bisschen hinten runtergefallen. Wir

haben weitere Punkte - wir haben die rot
grüne Regierung von Schröder und Fischer

2000, so Richtung 2000 2005. Wir haben
Fukushima und die Energiewende. Wir haben

das Pariser Klimaschutzabkommen. Und wir
sehen jetzt auch schon diesen Drall nach

oben, insbesondere durch Fridays For
Future und die neue Auseinandersetzung mit

der Einhaltung des Pariser
Klimaschutzabkommens. Was wir jetzt hier

wieder machen können, ist: Wir können uns
wieder angucken, wie einzelne Parteien

denn eigentlich darüber reden. Und wir
können feststellen, dass die CDU ziemlich

durchschnittlich über dieses Thema redet.
In den letzten Jahren sogar deutlich

abfallend, also deutlich
unterdurchschnittlich. Gerade seit dem

Pariser Klimaschutzabkommen ist das Thema
für die CDU nicht mehr ganz so relevant

vielleicht. Wir können die SPD plotten,
das sieht auch ganz durchschnittlich aus.

Bei der FDP sieht es auch ganz
durchschnittlich aus, bei den Linken sogar

ein Stück unterdurchschnittlich. Und so
ein bisschen wie erwartet sind es die

Grünen, die dieses Thema extrem pushen und
die diesen Diskurs sehr, sehr hoch halten.

Das heißt, die Grünen ziehen hier deutlich
den den Rolling Mean nach oben und steuern

dieses Thema ganz stark. Wir können aber
auch hier noch ein bisschen weiter

reingucken, nämlich: Wer sind das denn?
Sind es die jüngeren oder sind es die

älteren Politiker? Wenn ich mir hier das
mal angucke, dann stelle ich fest, dass

die mittelalten Politiker zwischen 39 und
59 sich mit dem Thema sehr

durchschnittlich auseinandersetzen. Und so
ein bisschen wie erwarten kann ich mir

dann entsprechend vorstellen, dass sich
ältere Politiker über 60 mit diesem Thema

sehr gering, sehr unterdurchschnittlich
auseinandersetzen und jüngere

Politikerinnen unter 39 sich mit diesem
Thema deutlich stärker auseinandersetzen.

Wir sehen auch hier nicht nur eine
stärkere Auseinandersetzung, sondern eben

auch eine frühere Auseinandersetzung.
Während bei älteren Politikerinnen diese

Auseinandersetzung immer zeitlich rechts
versetzt ist und immer deutlich weniger

intensiv ist. Wir können mit dem Open
Discourse Datensatz die Stammdaten des

Deutschen Bundestages anzapfen und noch
ein kleines Stück tiefer gehen. Wir können

nämlich die Berufe der Abgeordneten
auswerten. Jeder Abgeordnete gibt seinen

Beruf oder seinen seinen beruflichen
Hintergrund an. Und diese Daten können wir

auswerten. Wir haben über 1 000 unique
Berufsbezeichnungen von über 4 000

Politiker:innen. Wenn ich mir die jetzt
hier mal so angucke, dann sind es Ärzte

und Apotheker und Unternehmer und
Landwirte und Buchhalter:innen. Und wenn

ich das so ein bisschen cluster, dann hab
ich jetzt für die folgende Analyse mal 12

Berufsgruppen gefiltert. Und jetzt kann
man sich angucken, welche Berufsgruppen

denn dieses Thema besonders stark
fokussieren. Und was auch wieder sehr

erwartbar ist, ist, dass die
Naturwissenschaftler:innen dieses Thema

deutlich stärker fokussieren, als andere
das tun. Also das Thema ist sehr

exorbitant getragen durch Physiker:innen,
durch Biolog:innen, durch alle Personen,

die irgendwie einen Berufshintergrund in
dem Feld der Naturwissenschaften haben.

Ich habe uns hier immer noch die
Agrarwirte dazu geplottet. Also alle

Landwirte und alle Forstwirte und die, die
Bauer oder Bäuerin als Berufsbezeichnung

angegeben haben. Wir sehen, dass es in der
ersten Welle der Klimadebatte noch sehr

relevant war und jetzt grad so Richtung
der neueren Zeit für die Landwirte ein

unterdurchschnittlich relevantes Thema
geworden ist. Und wir können feststellen,

dass die, die eine Berufsbezeichnung im
Wirtschaftsfeld angegeben haben, sich mit

diesem Thema auch auseinandersetzen.
Allerdings deutlich weniger intensiv und

auch wieder rechts verlagert, also
zeitlich zurück verlagert, nachdem sich

die Naturwissenschaftler:innen mit diesem
Thema zuerst auseinandergesetzt haben. Was

können wir feststellen oder was könnten
wir mal so ein bisschen uns angucken? Wir

können uns angucken, was denn eigentlich
die perfekte Gruppe ist, um sich mit dem

Thema Klimaschutz auseinanderzusetzen und
diese perfekte Trennlinie zwischen der

perfekten Gruppe von Abgeordneten und der
schlechtesten Gruppe von Abgeordneten, die

macht sich ziemlich einfach am Geschlecht
und an dem Alter fest. Wenn ich also mir

mal angucke, wie sich alte männliche
Politiker mit dem Thema auseinandersetzen

im Vergleich zu jungen weiblichen
Politikerinnen, dann stelle ich fest, dass

wir da sowohl wieder eine frühere
Auseinandersetzung mit diesem Thema haben.

Wir haben eine intensivere
Auseinandersetzung mit dem Thema und für

ältere Politiker, in diesem Fall jetzt
hier über 60, ist die Auseinandersetzung

wirklich sehr weit unter dem Durchschnitt
des Parlaments. Wir können uns also hier

vielleicht ein bisschen überlegen, welche
Person wir denn ganz gerne im Bundestag

hätten, um progressive Themen, so auch den
Datenschutz stärker zu treiben. Wir können

auch hier im Klimawandel wieder die Top
Runner identifizieren, das können wir

beliebig operationalisieren. Wir haben uns
immer die Vielredner genommen. Also

Politiker:innen mit mehr als 500 Reden.
Und haben dann geguckt: Welche haben denn

den höchsten Klima-Score auf dieses Topic?
Tatsächlich ist es Angela Merkel, die als

Vielrednerin sich mit diesem Thema am
stärksten auseinandergesetzt haben. Wir

wollten uns aber auch nochmal einen
Newcomer angucken, in großen

Anführungszeichen, also Politiker:innen
mit 100 bis 500 Reden. Und da ist es Julia

Verlinden von den Grünen, die sich am
stärksten mit diesem Thema

auseinandersetzt. Das ganze Fridays For
Future hat immer auch das... geht es immer

viel um das Schwänzen und um das
Fernbleiben von Inhalten. Und wir haben

uns deswegen mal angeguckt, wer denn so
die großen Klimaschwänzer sind im

Deutschen Bundestag. Das haben wir
operationalisiert, indem wir gesagt haben,

wir wollen nicht den Politiker, die
Politikerin mit dem geringsten Wert über

die gesamte Zeit finden, sondern wir
wollen so einen Punkt nehmen, ab dem die

Klimadebatte wohl in aller Munde sein
müsste. Und wir haben dafür den ersten

Global Climate Strike genommen, am 19., am
15. März 2019. Und wir haben dann von den

Politikern geguckt, die die Gelegenheit
hatten, darüber zu reden. Also die

mindestens 40 Redebeiträge seitdem hatten,
wie sie sich damit auseinandersetzen. Wir

stellen fest, dass diejenigen, die sich am
wenigsten damit auseinandersetzen, drei

Männer sind, alle aus der gleichen
Fraktion. Wir haben also Volker Ullrich,

der sich trotz Gelegenheit am wenigsten
damit auseinandersetzt. Wir haben Thorsten

Frei, der sich trotz Gelegenheit am
zweitwenigsten damit auseinandersetzt. Und

wir haben hier auch den Spätzünder im
Klimathema, Philipp Amthor, der sich trotz

sehr vieler Reden nie mit diesem Thema
oder sehr selten mit diesem Thema

auseinandersetzt. Wichtig ist hier
vielleicht noch zu sagen, dass wir nicht

die reinen Reden zum Klimawandel zählen,
sondern dass allein die Verwendung von den

relevanten Begriffen, um dieses Thema ein
bisschen z.B. in Steuer- oder in

Haushaltsdebatten zu bringen, hier gezählt
wird. Also wir haben eine sehr komplexe

Betrachtung des gesprochenen Wortes.
Florian: Genau. Soviel erst einmal zu

einigen Analysen, die wir bisher
durchgeführt haben. Wie bereits

angesprochen ist unser eigentliches Ziel
ja aber, dass ihr und alle anderen auch

Analysen jetzt mit diesen Daten
durchführen können und auf unserem Weg bis

zur Veröffentlichung, die jetzt im Rahmen
oder auch zu genau dieser Zeit, wenn wir

diesen Vortrag halten, passiert, haben
schon andere Partner und Partnerinnen, mit

denen wir zusammengearbeitet haben oder
die mit unseren Daten schon arbeiten

konnten, ein paar Analysen durchgeführt
oder sind gerade dabei, diese Analysen

noch durchzuführen. Beispielsweise
CorrelAid, CorrelAid ist ein Netzwerk von

freiwilligen Data Scientists. Und bei
CorrelAid haben sich zwei Projektteams

zusammengefunden, die mit unseren Daten
schon seit einiger Zeit ein bisschen herum

arbeiten. Und die werden auch bald ihre
Ergebnisse und Analysen veröffentlichen.

Die findet ihr dann zum einen in den
entsprechenden Kanälen von CorrelAid. Auf

der anderen Seite werden wir die auch bei
uns auf unserer Open Discourse Website

dann zu gegebener Zeit einbetten. Ein paar
Sachen, die da beispielsweise schon

gemacht wurden, ist Ann-Kristin Vester hat
sich angeschaut, wie eigentlich die

Geschlechter im Bundestag auftreten, wie
die, wie der Sprachgebrauch sich

unterscheidet. An der Stelle auch
nochmal kurz hier der Hinweis bei allen

Analysen, die wir bisher durchgeführt
haben: Wir betrachten Geschlecht bisher

immer binär, weil der Bundestag das nicht
anders hergibt. Es gibt bloß eine binäre

Geschlechtseinteilung. Deswegen mussten
wir das in den Analysen auch so vornehmen

und das ist auch der Artikel, den Ann-
Kristin Vester geschrieben hat, das ist

auch dort mit erwähnt. Also eine tiefere
oder eine diversere Untersuchung von den

Geschlechtern im Bundestag ist aktuell
leider noch nicht möglich. Genau. Eine

andere Analyse wurde von Alexandra Wörner
durchgeführt. Alexandra Wörner hat sich

angeschaut, wie denn eigentlich über
Diskriminierung im Bundestag gesprochen

wurde, von welchen Parteien das wie
intensiv benutzt wurde oder darüber

gesprochen wurde und wie sich das über den
zeitlichen Verlauf verändert hat. Auch

ziemlich spannend. Ein anderes Projekt,
das bereits mit unseren Daten durchgeführt

wurde, kam von ZDF heute.
Datenjournalist:innen von ZDF Heute hatten

uns Frühsommer/Sommer angeschrieben und
gefragt, ob sie unsere Daten nicht schon

vor Veröffentlichung mal haben könnten, um
zu schauen, ob sie diese Daten für einen

Artikel schon nutzen könnten. Und daraus
ist ein Artikel entstanden, in dem sich

die Journalist:innen damit
auseinandergesetzt haben, wie der

Bundestag denn eigentlich über Pandemien
und über das Coronavirus im speziellen

unterhalten hat oder wie das debattiert
wurde. Das Ergebnis war eher, dass der

Bundestag da nicht besonders viel
Aufmerksamkeit draufgelegt hat. Auch ein

sehr spannender Artikel. Und als letztes
wollen wir noch kurz das Projekt Open

Parliament TV eher anteasern, weil der
offizielle Veröffentlichungstermin ist für

Mai 2021 vorgesehen. Open Parliament TV
hat als Kernziel eigentlich ein sehr

ähnliches Ideal wie wir bei Open
Discourse. Es geht darum, den Bundestag

transparenter zu machen. Open Parliament
TV hat dabei das Ziel, die

Videomitschnitte der Plenardebatten mit
den entsprechenden Transkripten, also

Plenarprotokollen zusammenzuführen, um
darüber eine noch viel wirksamere oder

detailliertere Recherchefunktion zu
ermöglichen. Und an der Stelle wird

gerade evaluiert, wie die Daten von Open
Discourse diesem Projekt noch weiter

helfen können. Genau. Und jetzt wieder zu
euch. Wie gerade schon angesprochen sind

unsere Daten ab sofort und unserer Source
Code komplett öffentlich verfügbar. Das

heißt, ihr habt jetzt die Möglichkeit, mit
diesen Daten zu machen, was ihr wollt. Wir

haben bei der Veröffentlichung das Ziel
gehabt, die so verfügbar wie möglich zu

machen und haben dabei auf drei große
Säulen versucht zu achten. Die erste Säule

dabei sind die Techniker:innen unter euch,
also alle Techniker:innen unter euch. Ihr

könnt euch unsere GitHub Seite anschauen
von Open Discourse und dort findet ihr

natürlich den Source Code. Ihr könnt das
alles auschecken, lokal bei euch

aufsetzen, überprüfen, wie wir eigentlich
vorgegangen sind, verbessern,

Schwachstellen finden. Außerdem findet ihr
auf der GitHub Seite auch einen Docker

Container, wo die komplette Datenbank als
Image vorliegt, d.h. die könnt ihr euch

auch sofort aufsetzen oder halt nochmal
neu generieren lassen, wenn ihr wollt. Für

die Analytiker:innen und die
Wissenschaftler:innen unter euch haben wir

ein Harvard Dataverse angelegt. Dort
findet ihr die aktuelle Version unserer

Datenbank als Data Dump und wir haben das
in vier verschiedenen Dateiformaten

bereitgestellt als CSV, Feather, Pickle
und RDS-Files, damit ihr je nachdem, womit

ihr am liebsten arbeitet, genau das
perfekte Dateiformat für euch findet. Und

als letztes haben wir noch für quasi Quick
Reviews oder schnelle Recherchen auf

unserer Webseite eine Volltextsuche mit
Filter-Option bereitgestellt. Da könnt ihr

also nach Stichworten, nach
Parteizugehörigkeit, nach den Namen der

Politiker, nach Datum usw. filtern und
schauen, ob euch was spannendes auffällt

oder ob ihr eure Fragen beantworten könnt.
Genau. So viel dann erst mal von uns. Wir

bedanken uns ganz, ganz herzlich für euer
Interesse und dass ihr uns zugehört habt.

Wir bedanken uns natürlich auch bei der C
Base dafür, dass wir das Video hier

aufnehmen konnten. Bei Fragen und
Anregungen schreibt uns gerne eine Mail

oder kontaktiert uns über die
einschlägigen Kanäle. Oder wir sprechen

uns dann gleich bei der Fragerunde. Alles
klar. Vielen Dank. Danke schön.

Herald: Wir sind nun mit den Sprechern
verbunden, sind uns zugeschaltet für

Fragen und Antworten, die uns zugespielt
worden sind. Herzlich willkommen!

Philipp & Florian: Hallo!
Herald: Die zweite Welle des Datenschutzes ist

ja angesichts der Zeit gerade die perfekte
Metapher. Wie lange wird die zweite Welle

des Datenschutzes wohl noch gehen?
Florian: Ja, gute Frage. Keine Ahnung. Man

hat ja gesehen, dass es schon ein bisschen
bergab wieder geht, aber viel mehr kann

ich da eigentlich nicht zu sagen. Aber es
ist spannend, das jetzt im Auge behalten

zu können.
Herald: Ist auf jeden Fall auf absehbare

Zeit nicht mit einer Impfung zu rechnen.
Eine Frage, die uns zugespielt worden ist

über die Hashtags und über IRC, die wir
empfangen und die wir weitergeben, ist: Es

gibt noch einen weiteren Text Korpus. Ihr
habt jetzt den Deutschen Bundestag

analysiert, aber es gibt noch eine andere
legislative Kammer, die es lange Jahre

gab, nämlich die Volkskammer der DDR. Gibt
es dort überhaupt entsprechende Unterlagen

oder entsprechendes Material, das man
analysieren könnte?

Florian: Da bin ich mir gar nicht so
sicher. Also ich hab - also davon weiß ich

nichts. Wir hatten da jetzt auch gar nicht
so weiter reingeguckt. Wir hatten

natürlich, während wir an dem Projekt
gearbeitet hatten, schon überlegt, wie man

das alles noch weiterdenken könnte, was
man zusätzlich noch mit aufnehmen könnte.

Da war die Volkskammer auch schon mal im
Gespräch, aber wir sind da jetzt erstmal

nicht weiter rein gesprungen. Aber
prinzipiell wird das natürlich total

spannend, noch weiter in die Richtung zu
denken und das auch noch mit aufzunehmen.

Aber ich weiß gar nicht, ob es die
Plenarprotokolle da so auch detailliert

gibt. Genau. Wahrscheinlich wäre es auch
ein relativ großer Aufwand, könnte ich mir

vorstellen, die Regex Patterns, die wir
jetzt für den Bundestag aufbereitet haben,

auf die Volkskammer zu übertragen. Weil
wenn sich da... also im Prinzip basiert,

die Aufarbeitung, die wir gemacht haben
darauf, dass die Struktur in den

Plenarprotokollen einigermaßen ähnlich
bleibt, über die Legislaturperioden. Die

wird natürlich jedes Mal angepasst, wenn's
dann notwendig war. Auf der anderen Seite

brauchen wir die Stammdaten der
Politiker:innen, weil wir das für die

Fuzzy Matching Logiken nutzen, um zuweisen
zu können: Wer hat denn eigentlich was

gesagt? Total spannend, das für die
Volkskammer auch noch zu machen.

Vielleicht jetzt als nächster Schritt. Wir
sind erstmal froh, dass wir den Bundestag

fertig bekommen haben.
Herald: Auf jeden Fall. Gibt es denn

Wünsche, die ihr habt für die
Zugänglichkeit von Daten, die euch das

Leben oder anderen das Leben
einfacher machen würden, bei solchen

Auswertungen?
Philipp: Das ist glaube ich vor allem die

strukturierte Erfassung, also eigentlich
hätte der Bundestag selbst die

Möglichkeit, diese Daten von sich aus
schon strukturiert verfügbar zu machen.

Vor allem, weil eben diese ganz einfachen
Sachen - ich suche nach Begriffen oder ich

suche nach Themen oder ich möchte das mal
ein bisschen strukturiert durchsuchen -

das ist derzeit eine absolut händische
Aufgabe und das ist eigentlich in unserer

jetzigen Zeit ein kleines bisschen hinter
der Zeit hinterher. Von daher wäre es

eigentlich sehr sinnvoll, wenn man so
Grundideen von strukturierter Datenhaltung

dann auch in öffentlichen Verwaltungen
hätte, um eben diesen Zugang zu

erleichtern. Der Bundestag hat uns jetzt
quasi eineinhalb Jahre Arbeit gekostet,

das aufzubrechen. Und wär natürlich super,
wenn man solche Grundthemen der

Datenhaltung, der öffentlich verfügbaren
Datenhaltung auch irgendwie direkt

mitdenkt.
Florian: Ein ganz kleiner Nachtrag da

noch. Ein großer Wunsch, der uns vieles
erleichtern würde, jetzt auch Open

Discourse up to date zu halten, wäre ein
RSS-Feed vom Bundestag. Da sitzen auch die

Leute von Open Parliament TV so ein
bisschen dran und hoffen, dass das

irgendwie bereitgestellt wird. Aber das
würde uns natürlich ermöglichen,

automatisiert den Datensatz zu erweitern,
sobald irgendwie eine neue Rede

bereitgestellt wurde auf den Servern. Im
Moment geht das leider so noch nicht.

Herald: Strukturierte, maschinenlesbare
Verwaltung und strukturierte Daten quasi

als Wunsch. Es gibt ja zum Teil zumindest
eigene Projekte, wo aus dritter Hand

solche Daten für Dritte bereitgestellt
werden, wie z.B. Wikidata. Ist das eine

Quelle, auf die ihr euch, die ihr
verwenden könnt für so was?

Florian: Genau. Teilweise hatten wir das
auch verwendet. Also auf dem Weg zum

fertigen Produkt haben wir auch mit
Wikidata-Daten gearbeitet. Zum Beispiel

gibt es in den Stammdaten ja Informationen
darüber, wo Personen geboren wurden und

das sind die Originalgeburtsorte von
damals, quasi mit den historischen Namen.

Und an der Stelle hatten wir dann mal als
Test-Experiment bei uns intern für jede

Person, die wir im Bundestag hatten, jeden
Abgeordneten und jede Abgeordnete, die

Wikidata-IDs rausgesucht, damit wir mappen
können: Okay, was ist denn jetzt

eigentlich die ID für den Geburtsort
dahinter, damit wir damit weiterarbeiten

können? Das liegt aber bei uns nur, also
das ist jetzt nicht Teil des Korpus, weil

wir das nicht weit... also so weit
validiert haben, dass wir sicher sein

können, dass das korrekt ist. Aber auf
jeden Fall. Also das wäre so ein bisschen

die Anschlussfähigkeit, die wir uns
eigentlich wünschen. Also im Idealfall

wäre jetzt und wäre vielleicht die
Community dazu auch aufgerufen, für jede

Politiker:in noch die entsprechende
Wikidata ID mit zum am Korpus dazu zu

packen, damit wir noch viel mehr Daten und
viel mehr Dimensionen haben für den ganzen

Datensatz haben.
Herald: Wohin wenden sich denn Menschen,

wenn sie bei eurem Projekt mitmachen
möchten?

Florian: Am besten z.B.
[e-mail] oder auf

unserer Webseite opendiscourse.de findet
ihr auch verschiedene

Kontaktmöglichkeiten. Ihr könnt natürlich
auch direkt über das Repository uns

Tickets schreiben, falls ihr irgendwie
Sachen habt, die euch aufhalten. Twitter,

Instagram, sämtliche Kanäle.
Herald: Alle sozialen Netzwerke. Seid ihr

auf TikTok?
Florian: Nur privat...

Herald: Zum Thema Transferierbarkeit gab's
dann auch nochmal eine Frage aus dem Chat.

Zum Beispiel für die Republik Österreich.
Wie gehen den Menschen vor - ihr habt ja

vorhin umrissen, dass es gar nicht so
einfach ist, so einen Datensatz zu

analysieren. Aber wie würden denn Menschen
vorgehen, die sagen: Das finden sie

interessant. Zum Beispiel für ihr
Landesparlament oder eben auch für ein

anderes Land?
Florian: Genau, an der Stelle sind wir

leider auch nicht ausreichend Expert:innen
für die Plenarprotokolle, wie die auf

Landesebene aussehen. Also es könnte sein.
Wir haben da halt noch nicht reingeschaut.

Es könnte sein, dass es eigentlich gar
nicht zu viele Abänderungen der Regex

Patterns voraussetzt, um es zu übertragen.
Es könnte aber auch sein, dass es relativ

aufwändig ist. Wir würden da jetzt so ein
bisschen auf die Stimmen von euch warten.

Also was interessiert euch denn eigentlich
am meisten? Und wir sind natürlich auch

sehr dankbar für jedes weitere Paar Augen,
das auf unsere Daten oder bzw. auf unseren

Source Code draufschaut, um vielleicht
Ideen zu entwickeln, wie man das jetzt

möglichst effizient auf andere
Anwendungsbereiche übertragen kann.

Herald: Okay, dann ist noch eine Frage aus
dem Chat, nämlich vielleicht kam das im

Talk vor. Er schreibt die Person: Aber wie
ist das Projekt zustande gekommen?

Insbesondere von der Finanzierung her?
Philipp: Also die Idee, die Grundidee war

glaube ich war, als wir zusammensaßen und
uns überlegt haben, wie können wir denn

eigentlich in Anbetracht von so vielen
schönen und künstlerischen oder

politischen Programmen und Aktionen die so
gibt, was können wir da eigentlich

beitragen, um irgendwas zu machen? Wir
sind Informatiker und Data Scientists und

das ist nicht so direkt der Punkt, wo man
jetzt die Welt ins Positive drehen kann.

Aber dann ist uns aufgefallen, dass eben
diese Daten, der Datensatz nicht

ausreichend verfügbar ist, dass der nicht
maschinenlesbar ist, dass es nur händisch

durchsuchbare Protokolle sind. Und dann
haben wir diesen Datensatz genommen und

aufgebrochenen. Grundlegend sind wir sonst
normalerweise in Agenturen und erbringen

Data Science Machine Learning
Dienstleistungen. Und haben dieses Projekt

aber in Abstimmung mit unserem Team,
also wir waren zu neunt an diesem Projekt,

haben das quasi komplett von unserem
Business getrennt und haben quasi gesagt:

Okay, wann immer wir Arbeitsstunden frei
haben, haben wir Zeit um dieses Projekt zu

treiben. Und damit diese quasi Bindung der
Privatwirtschaft, die da ja dran sein

könnte, dass die natürlich auch komplett
eliminiert ist, ist dieses Projekt

komplett offen und ist komplett
durchsuchbar und ist komplett frei, sodass

validiert werden kann, dass wir das
natürlich... Wir haben natürlich eine

eigene politische Meinung, aber die soll
natürlich nicht mit in diesen Datensatz

fließen. Daher liegt der Datensatz
komplett offen und kann vollkommen

durchsucht werden. Finanziert ist das aber
quasi aus den Freistunden, die wir als

Data Science Agentur hatten.
Herald: Vielen Dank Florian, vielen Dank

für dieses spannende Projekt und wirklich
gehaltvolle Projekt. Bei den

Beleidigungen muss man auch sagen: Franz
Josef Strauß war von der Runterzählung der

Top 5 fast zu erwarten, dass der
rauskommt. Ich hatte eigentlich noch Herrn

Wehner auch erwartet, der eigentlich sein
sein traditioneller Widersacher war. Habt

ihr denn ein Lieblingsschlagaustausch oder
eine Lieblingsbeleidigung gefunden in

eurer Arbeit.
Philipp: Ich glaube, man kann es auf so

unterschiedliche Art und Weisen auch
operationalisieren. Ich glaube wir hatten

mal eine ganz, eine ganz spannende... ich
glaube das müssten wir nochmal...

Vielleicht machen wir dafür nochmal einen
extra Teil auf der Website, wo wir die

spannendsten Beleidigungen nochmal
aufgreifen. Das wäre ein gutes Thema.

Florian: Wir hatten glaube ich teilweise
in so einem kleinen Dokument mal ein paar

Sachen gesammelt. Aber ich hab die grad
auch gar nicht im Kopf.

Herald: Okay, also einen Ausbaupotenzial
für den Spaß da hinten dran, für die

Spaßig-Seite der Datenanalyse ist auf
jeden Fall vorhanden. Vielen Dank für

euren Beitrag. Ich hoffe, ihr bekommt viel
Feedback und noch viel Input, wie man hier

noch mehr draus machen kann. Danke euch!
- Vielen Dank auch.

- Danke dir.

Wikipaka Outro Musik

Untertitel erstellt von c3subtitles.de
im Jahr 2021. Mach mit und hilf uns!