Session-Recap Data & Insights: Insights im digitalen Rauschen

Wenn wir messen, was wir gar nicht messen wollen

In unserer Juni-Session hat Dr. Marc Jungblut (LMU München, IfKW) ein Kernproblem der Disziplin seziert: Wir entscheiden auf einem systematisch verzerrten Datenfundament. Sein Bild: Daten sind nicht Gold, sondern Erz, ohne Verarbeitung wertlos. Zwei Fehlschlüsse standen im Zentrum.

1. Audience: Das digitale Stimmungsbild ist nicht die öffentliche Meinung. 

Wer sich äußert, ist nicht repräsentativ. Die Posting-Wahrscheinlichkeit hängt von Status, Persönlichkeit, Involvement und Kultur ab, eine Engagement-Rate misst also nur die ohnehin Aktiven. Jede Plattform bildet zudem eine eigene Teilöffentlichkeit ab. Negative Inhalte erzeugen mehr Engagement und werden algorithmisch verstärkt, ruhige Mehrheiten bleiben unterrepräsentiert. Gängige Messungen gewichten jede Stimme gleich, obwohl Opinion Leader dominieren (Beispiel: ein Post zündet erst, als Musk ihn kommentiert und CNN aufgreift). Dazu das Authentizitätsproblem: Trolle, gekauftes Engagement, Agentur-zu-Agentur- und zunehmend KI-zu-KI-Kommunikation erzeugen Scheinresonanz. These: Online-Öffentlichkeiten sind ein Rauschen, in dem es Signale zu erkennen gilt.

2. Metriken: Wir messen selten, was wir zu messen glauben. 

Der Zusammenhang zwischen Engagement und Kaufabsicht ist wissenschaftlich schwach. Der zentrale Punkt: Sentiment messen wir nicht wirklich. Der Ansatz war für distinkte Emotionen gedacht, nicht für simple Positiv-Negativ-Valenz. Tools scheitern an Ironie, selbst KI erreicht nur Korrelationen von 0,6 bis 0,77 mit menschlichen Urteilen, die ihrerseits uneinig sind. Sentiment ist themen- und plattformabhängig, und negatives Sentiment ist nicht gleich negativer Impact: Der preisgekrönte Edeka-Weihnachtsspot löst Rührung aus, in der Tool-Logik negativ gepolt. Gerade in Social Media misst man so oft ein Artefakt. Dazu die Verschiebung von SEO zu GAIO/GEO: Aus stabilem Ranking wird eine Blackbox individualisierter Antworten ohne Zugang zur Ground Truth.

Lösung und Botschaft. Data Donations öffnen diese Blackbox DSGVO-konform über die Nutzerseite, kämpfen aber mit Selbstselektion (Teilnahmequoten um 20 Prozent). Jungbluts Empfehlung: nicht wie viele, sondern wer interagiert; Metriken hinterfragen; Methoden kombinieren, Surveys sind nicht tot. Der Kern: Ohne Data Literacy messen wir Rauschen statt Signal. Der Hebel sitzt bei den Menschen, die wissen, was eine Zahl bedeutet und was nicht.

Aus der Diskussion. Die Ground-Truth-Frage traf einen Nerv, viele trauen ihren human-annotierten Datensätzen nicht mehr. Beim Dauerthema Brand Values der einhellige Tenor: schwer messbar, oft verworfen. Konsens: wieder qualitativer herangehen. Eine Session mit weniger fertigen Antworten als besseren Fragen. Genau das ist die Grundlage echter Data Culture.