Lässt sich das Sicherheitsgefühl der Bevölkerung automatisiert erfassen

Seit Oktober 2015 sind wir als wissenschaftlicher Partner an zwei von der FFG geforderten Projekten im Sicherheitsforschungsprogramm KIRAS beteiligt. Im Zuge des ersten Projekts (Laufzeit bis Oktober 2016) wurde in Kooperation mit Unternehmensberatern und einer IT-Firma die Online-Plattform Foresight-Cockpit entwickelt. Diese hat das Ziel, die osterreichischen Ministerien in die Lage zu versetzen, kollaborativ sowie ressortubergreifend fruhzeitig auf unerwartete Trendbewegungen und Zukunftsszenarien im Bereich Sicherheit aufmerksam zu werden, sodass dauerhaft die Qualitat des Risiko- und Krisenmanagements gesteigert werden kann. Im aktuellen Projekt (Laufzeit bis Oktober 2017) wurde eine softwarebasierte Losung (genannt „Weblyzard“) zur Analyse von Nachrichtenquellen und Social-Media-Daten in das bestehende Tool integriert, um den kunftigen NutzerInnen der Plattform die Analyse sicherheitspolitischer Lageperzeptionen und Stimmungslagen in der Bevolkerung zu erleichtern. Die vorliegende Fallstudie soll primar die Moglichkeiten und Grenzen von Big-Data-Analysen auf Basis von Medienquellen im Vergleich zu klassischen quantitativen Inhaltsanalysen im Kontext einer Evaluationsstudie aufzeigen. Insofern entschieden wir, mit einer konventionellen Inhaltsanalyse auf Basis von zwei reichweitenstarken Online-Medien (Der Standard und die Kronen Zeitung) parallel zum Weblyzard Haufigkeits- und Sentimentanalysen mit zwei unabhangigen BeobachterInnen durchzufuhren, indem die Anzahl relevanter Artikel und UserInnen-Kommentare von ForscherInnen ausgezahlt und nach Stimmung bewertet wurden. Die Ergebnisse weisen auf deutliche Schwachen und Fehlinterpretationen durch die Software hin, besonders wenn Stimmungsaussagen sowie zynische und irrelevante Statements in die automatisierte Auswertung einfliesen. Die Ergebnisse zeigen deutlich, dass empirische Forschung stets durch theoriegeleitete Interpretationen erganzt werden sollte und nicht nur auf Potenziale, sondern auch gezielt auf Risiken des aktuellen Big-Data-Hypes hinweisen muss, um der Anziehungskraft automatisierter textbasierter Analysen entgegenzuwirken.