Die Einsatzmöglichkeiten von KI-Anwendungen wie beispielsweise ChatGPT sind beinahe unendlich. Auch Akteure der politischen Kommunikation müssen sich eingestehen, dass das letzte verbliebene Alleinstellungsmerkmal von Expertinnen und Experten durch die Technologie aufgeweicht wird: Das Fachwissen.
Öffentliche Meinung in Sekundenschnelle messbar
In einer datenorientierten politischen Kommunikation spielt bereits heute die Sentiment-Analyse eine wichtige Rolle. Durch Sentiment-Analysen kann die Stimmung zu einem bestimmten Thema beispielsweise innerhalb einer Community einer Social-Media-Plattform ermittelt werden und diese Erkenntnisse für eine gezielte Ansprache und Ausspielung von Inhalten nutzbar gemacht werden. Politische Kommunikation wird dadurch zielgerichteter.
In der Analyse von Stimmung zu Beiträgen in sozialen Medien, Nachrichtenartikeln und anderen Quellen können Algorithmen dabei helfen, herauszufinden, welche Themen bei der Öffentlichkeit auf Resonanz stoßen und welche nicht. Die dafür eingesetzten Algorithmen fokussieren auf „Natural Language Processing“ (im Folgenden: NLP) – es geht dabei um die Analyse, das Verstehen und die Generierung von menschlicher Sprache durch Computer. Bei der Anwendung werden Wissen und Methoden aus Linguistik, Informatik, künstlicher Intelligenz und maschinellem Lernen kombiniert, um menschliche Sprache maschinell zu verstehen und zu produzieren.
Diese Technologie kann für politische Kampagnen besonders wertvoll sein, die diese Informationen nutzen können, um ihre Botschaften und Strategien in Echtzeit anzupassen. So wird in Sekunden die öffentliche Meinung zu verschiedenen Themen ermittelt, sodass politische Akteurinnen und Akteure einen raschen Zugang zu öffentlicher Meinung erhalten. Die Stimmungsanalyse kann auch dazu beitragen, potenzielle Krisen in der Öffentlichkeitsarbeit zu erkennen, indem sie negative Stimmungen gegenüber einem bestimmten Thema oder einer Person aufzeigt. Dies birgt insbesondere für eine politische Krisenkommunikation große Chancen, um potentielle „Shit-Storms“ abzuwenden und frühzeitig agieren zu können.
NLP ist zu einem wichtigen Instrument geworden, um Datenerkenntnisse aus Social-Media-Kanälen nutzbar zu machen. Die Stimmungsanalyse hilft die Sprache zu analysieren, die in Social-Media-Posts, Antworten, Bewertungen usw. verwendet wird, um so Einstellungen und Emotionen als Reaktion auf politische Prozesse zu extrahieren.
NLP entlastet politische Kommunikatorinnen und Kommunikatoren
Durch das Trainieren von Algorithmen auf großen Datensätzen menschlicher Sprache kann NLP Antworten auf Fragen oder Kommentare generieren, die praktisch nicht von denen zu unterscheiden sind, die von Menschen geschrieben wurden. Diese Technologie birgt ein enormes Potenzial für die politische Kommunikation, wo sie zur Generierung automatischer Antworten genutzt werden kann. Ein Anwendungsfall ist das Community Management auf Social-Media. Antworten können automatisch generiert werden und so für politische Akteurinnen und Akteure in der Betreuung ihrer Social-Media-Auftritte eine enorme Zeitersparnis einbringen.
NLP kann auch dazu verwendet werden, die Zusammenfassung und Synthese großer Textmengen zu automatisieren. Dies kann besonders im Bereich der politischen Kommunikation nützlich sein, um beispielsweise Kernthesen herauszufiltern. Mit NLP-Systemen können Maschinen schnell und präzise etwa die wichtigsten Punkte einer politischen Rede identifizieren und zusammenfassen. An diesem Beispiel zeigt sich besonders wie, in einem klassischen Kommunikationsmodell, sowohl Sender- als auch Empfänger-Seite von NLP profitieren können. Anwendungen für die Zusammenfassung von Texten verwenden semantisches Denken und die Erzeugung natürlicher Sprache (Natural Language Generation), um den Zusammenfassungen nützliche Kontexte und Schlussfolgerungen hinzuzufügen. NLP hat das Potenzial, politische Kommunikation effektiver zu gestalten, da es politischen Akteuren ermöglicht, große Mengen von Daten schnell und effizient zu analysieren.
Kommunikation an den Bürgerinnen und Bürgern ausrichten
Diese Erkenntnisse können dazu beitragen, politische Kampagnen und Einzelmaßnahmen in der politischen Kommunikation besser auf die Bedürfnisse von Bürgerinnen und Bürgern anzupassen. Ein Beispiel dafür ist nicht nur die inhaltliche Ausrichtung, sondern insbesondere auch Sprache. Noch immer ist politische Kommunikation häufig entfernt von Alltagssprache – durch die Messung und Analyse werden Sprachmuster in Diskursen festgestellt – eine Möglichkeit für politische Akteurinnen und Akteure sich auf diesem Weg die Sprache wieder mehr anzueignen.
NLP umfasst darüber hinaus eine Vielzahl von Anwendungen, wie zum Beispiel automatische Übersetzung, Textanalyse und -generierung sowie Spracherkennung. NLP-Systeme verwenden komplexe Algorithmen und Modelle, um Sprache zu verstehen und zu generieren, indem sie Sprachstrukturen wie Syntax, Semantik und Pragmatik analysieren und interpretieren. Insgesamt ist NLP ein sich schnell entwickelndes Feld mit breiten Anwendungsbereichen und großen Potenzialen für die Verbesserung von menschlicher Kommunikation und Interaktion mit Maschinen.
Über die Autorin
Julia Fleiner leitet die Abteilung Online-Kommunikation und digitale Dienste der Konrad-Adenauer-Stiftung. Bevor sie zur Stiftung kam, war sie mehrere Jahre für die ARD journalistisch tätig, in erster Linie für Formate des Bayerischen Rundfunks in Online, TV und Rundfunk und als wissenschaftliche Mitarbeiterin der Universität Bayreuth.
Topics
About this series
Rund um die Themen Kommunikation, Kampagnenmanagement und Digitale Strategie gibt der Blog Einblicke in aktuelle Trends der Politischen Kommunikation. Kommunikationsexpertinnen und -experten geben innovative, praktische Tipps für die politische Kampagne und für die Umsetzung.
Creating the Space for Competitive & Resilient Digital Europe
Tools for ‘smart’ urban development: Urban Digital Twins
Intra-party democracy in the elections for the CDU and SPD party leadership
Something New More Often: The electorate of the new left-conservative party BSW
Synergies of Blockchain and AI