Was eine KI-gestützte Themenanalyse leisten kann

Redaktionen veröffentlichen jeden Tag eine große Zahl unterschiedlicher Inhalte. Ressorts und Schlagworte beschreiben einen Teil davon, sind aber historisch gewachsen und zwischen Angeboten kaum vergleichbar. Sprachmodelle und andere Verfahren der Textanalyse können Artikel nach inhaltlichen Merkmalen gruppieren, Themen benennen und Beziehungen sichtbar machen. Das eröffnet eine zusätzliche Sicht auf das tatsächliche redaktionelle Portfolio.

Interessant wird diese Sicht, wenn sie mit belastbaren Nutzungsdaten verbunden wird. Dann lässt sich untersuchen, welche Themen wiederkehrend genutzt werden, wie sich Interesse im Zeitverlauf verändert und ob unterschiedliche Darstellungsformen andere Muster zeigen. Die KI liefert dabei keine Wahrheit über journalistische Qualität. Sie hilft, große Mengen Material nach nachvollziehbaren Regeln zu erschließen.

Die wichtigste Voraussetzung ist eine klare Frage. Soll die Analyse Themenvielfalt beschreiben, neue Entwicklungen erkennen oder Nutzung nach Themen vergleichen? Wer einfach alle Texte in ein Modell gibt und auf Erkenntnis hofft, erhält meist eine sehr ordentlich formulierte Sammlung dessen, was man vorher nicht genau definiert hat.

Warum Ressorts und Keywords nicht genügen

Ressorts bilden organisatorische Strukturen ab. Ein Beitrag über die Regulierung künstlicher Intelligenz kann gleichzeitig Wirtschaft, Politik, Technik und Gesellschaft betreffen. Schlagworte helfen, hängen aber von redaktioneller Vergabe und einheitlicher Pflege ab. Freie Textanalyse kann Querverbindungen erkennen, die in diesen Strukturen verborgen bleiben.

Dazu gehören semantische Ähnlichkeiten, wiederkehrende Akteure, zeitliche Entwicklungen und Kombinationen von Themen. Eine KI kann beispielsweise erkennen, dass Beiträge über Energieversorgung, Lieferketten und IT-Sicherheit einen gemeinsamen Resilienzaspekt besitzen. Ob dieser Zusammenhang redaktionell sinnvoll ist, muss ein Mensch bewerten. Alles hängt mit allem zusammen – aber nicht jede statistische Nähe verdient gleich eine neue Strategie.

Eine Themenanalyse kann außerdem ältere Archive neu erschließen. Begriffe ändern sich, während Sachverhalte ähnlich bleiben. Modelle können historische und aktuelle Formulierungen zusammenführen. Gerade dabei müssen Zeitraum und Kontext sichtbar bleiben. Ein heutiger Begriff darf nicht stillschweigend so behandelt werden, als sei er im Jahr 2005 bereits mit derselben Bedeutung verwendet worden.

Nutzungsmessung und Themenanalyse sauber verbinden

Die IVW und INFOnline stehen für standardisierte und überprüfbare Messverfahren digitaler Nutzung. Solche Daten beantworten definierte Fragen zu Kontakten, Besuchen oder qualifizierten Geräten. Eine Themenanalyse fügt eine inhaltliche Dimension hinzu. Beide Ebenen dürfen nicht vermischt werden: Das Modell ordnet den Inhalt, das Messsystem erfasst Nutzung nach seiner jeweiligen Methode.

Für die Verbindung braucht jeder Beitrag eine stabile Zuordnung, einen festgelegten Zeitraum und dokumentierte Regeln. Mehrfachzuordnungen können sinnvoll sein, müssen aber bei Summen berücksichtigt werden. Sonst wird ein Artikel, der drei Themen berührt, unbemerkt dreimal zum Gesamtergebnis. Eine bunte Grafik kann das kaschieren. Die Mathematik wird davon nicht höflicher.

Auch die gewählte Kennzahl bestimmt die Aussage. Seitenaufrufe zeigen etwas anderes als Besuche, Nutzungsdauer oder wiederkehrende Geräte. Eine hohe Nutzung kann durch Nachrichtenlage, Startseitenplatzierung, Suchmaschinen oder soziale Verbreitung entstehen. Themeninteresse ist eine mögliche Erklärung, keine automatisch gemessene Ursache.

Ein tragfähiges Vorgehen in sechs Schritten

  • Fragestellung, Zeitraum und zulässige Aussagen festlegen
  • Texte, Metadaten und Messwerte auf Qualität und eindeutige Zuordnung prüfen
  • ein verständliches Themenmodell mit Beispielen entwickeln
  • eine Stichprobe durch Fachleute bewerten und Regeln nachschärfen
  • Ergebnisse mit Reichweite, Platzierung und Ereignissen im Kontext lesen
  • Modellversion, Änderungen und bekannte Grenzen dokumentieren

Die Stichprobe ist keine lästige Vorstufe, sondern der Kern der Qualitätssicherung. Redakteurinnen und Redakteure erkennen schnell, ob Cluster fachlich sinnvoll sind oder nur ähnliche Wörter enthalten. Abweichungen sollten nicht einfach als Fehler der Menschen abgetan werden. Häufig zeigen sie, dass die Kategorien unklar oder für den vorgesehenen Zweck ungeeignet sind.

Nach einer Änderung des Modells muss geprüft werden, ob Zeitreihen vergleichbar bleiben. Neue Modelle können besser wirken und trotzdem Kategorien anders abgrenzen. Für operative Entscheidungen mag das vertretbar sein. Für veröffentlichte Marktvergleiche braucht es nachvollziehbare Übergänge und gegebenenfalls Parallelrechnungen.

Datenschutz, Urheberrecht und redaktionelle Verantwortung

Bei der Analyse veröffentlichter Artikel geht es nicht nur um personenbezogene Daten. Auch Nutzungsrechte, Verträge mit Dienstleistern, Betriebsgeheimnisse und mögliche Trainingsnutzung müssen geprüft werden. Werden unveröffentlichte Texte oder interne Planungen verarbeitet, steigt die Schutzbedürftigkeit. Ein öffentlicher Chatdienst ist dann selten der richtige Ort für einen schnellen Test.

Der EU AI Act verlangt je nach Rolle und Einsatz unterschiedliche Pflichten; zudem gilt seit Februar 2025 die Pflicht, für ausreichende KI-Kompetenz der eingesetzten Personen zu sorgen. Für eine gewöhnliche redaktionelle Themenanalyse ist nicht automatisch die höchste Risikoklasse einschlägig. Transparenz, Datenschutz und fachliche Kontrolle bleiben dennoch notwendig. Die konkrete rechtliche Einordnung hängt vom System und seiner Verwendung ab.

Redaktionelle Entscheidungen dürfen nicht an ein Themenmodell delegiert werden. Wenn ein Cluster wenig Nutzung zeigt, kann das an geringer Sichtbarkeit, saisonaler Relevanz oder einer kleinen, aber wichtigen Zielgruppe liegen. Journalismus besteht nicht nur darin, das häufig Nachgefragte häufiger anzubieten. Daten unterstützen Entscheidungen; sie ersetzen Auftrag und Urteil nicht.

Welche Ergebnisse praktisch nützlich sind

Hilfreich sind stabile Themenkarten, auffällige Veränderungen und Fragen für die weitere Analyse. Welche Themen wachsen über mehrere Monate? Welche Kombinationen finden sich in erfolgreichen Formaten? Wo weicht ein Angebot deutlich von einer passenden Vergleichsgruppe ab? Solche Hinweise können Produktentwicklung, Archivpflege und redaktionelle Planung unterstützen.

Weniger sinnvoll ist eine scheinbar exakte Rangliste journalistischer Qualität. Nutzung, Vielfalt, Relevanz, Vertrauen und Wirkung sind verschiedene Dimensionen. Eine Themenanalyse kann einige davon beschreiben, keine vollständig ersetzen. Das Ergebnis sollte daher immer zeigen, welche Daten und Regeln dahinterstehen – und welche Fragen offenbleiben.

Kurz gesagt

KI-gestützte Themenanalyse kann Medieninhalte über Ressortgrenzen hinweg ordnen und mit standardisierter Nutzungsmessung verbinden. Der Nutzen liegt in neuen, überprüfbaren Fragen und nicht in einem automatischen Redaktionsorakel. Klare Ziele, dokumentierte Modelle, geprüfte Stichproben, passende Kennzahlen und menschliche Einordnung machen aus vielen Texten eine belastbare Analyse.

Quellen und weiterführende Informationen

Zuletzt fachlich geprüft:

Passend zum Thema