Können Bias-Meter Nachrichtenaggregatoren nützlicher machen?

Die meisten Nachrichtenaggregatoren versprechen Komfort. Sie sammeln Artikel aus verschiedenen Medien, gruppieren sie nach Themen und ermöglichen es den Lesern, sich einen Überblick über das Tagesgeschehen zu verschaffen, ohne zehn verschiedene Websites öffnen zu müssen. Damit ist zwar ein Problem gelöst, ein anderes bleibt jedoch unberücksichtigt: Die Leser müssen sich nach wie vor selbst ein Bild davon machen, um welche Art von Quelle es sich handelt.

Ein neues Hacker-News-Projekt mit dem Titel “Show HN: Einfacher Nachrichtenaggregator mit Indikatoren zur Tendenz der Quellen” versucht, diesen Kontext besser sichtbar zu machen. Die Idee ist einfach. Anstatt Schlagzeilen so darzustellen, als befänden sie sich in einem neutralen Feed, platziert der Aggregator neben der Quelle einen Tendenzindikator, der den Lesern einen schnellen Hinweis auf die politische oder redaktionelle Ausrichtung des Mediums gibt. Das ist eine nützliche Idee, aber keine einfache.

Ein Bias-Meter kann Lesern helfen, einen Moment innezuhalten, bevor sie eine Schlagzeile für bare Münze nehmen. Es kann ihnen zudem eine schnellere Möglichkeit bieten, zu vergleichen, wie verschiedene Medien dasselbe Thema darstellen. Doch es kann die Notwendigkeit des eigenen Urteilsvermögens nicht ersetzen. Medienvoreingenommenheit ist kein mechanischer Defekt, der sich so eindeutig messen lässt wie die Ladegeschwindigkeit einer Webseite oder ein Aktienkurs. Sie hängt zum Teil mit Eigentumsverhältnissen, Quellenauswahl, Themenauswahl, Darstellung, Sprachgebrauch, Auslassungen und den Erwartungen des Publikums zusammen.

Das macht Bias-Meter sowohl vielversprechend als auch anfällig. Sie können die Medienkompetenz verbessern, wenn sie transparent sind. Sie können jedoch irreführend sein, wenn sie vorgeben, objektiv zu sein, ohne zu erklären, wie die Bewertung zustande kommt.

Das eigentliche Problem ist der Kontext

Der Konsum digitaler Nachrichten ist gleichzeitig einfacher und schwieriger geworden. Es ist einfacher, Informationen schnell zu finden. Es ist jedoch schwieriger zu verstehen, wo diese Informationen innerhalb eines umfassenderen Medienökosystems einzuordnen sind.

Ein Leser sieht vielleicht drei Artikel über dasselbe Ereignis und geht davon aus, dass es sich lediglich um konkurrierende Darstellungen der Wahrheit handelt. Oft handelt es sich dabei aber auch um konkurrierende redaktionelle Entscheidungen. Ein Medium stellt vielleicht den politischen Konflikt in den Vordergrund. Ein anderes stellt die wirtschaftlichen Kosten in den Vordergrund. Wieder ein anderes betont vielleicht institutionelles Versagen, öffentliche Empörung, geopolitische Risiken oder persönliche Auswirkungen. Die Fakten mögen sich überschneiden, doch der Blickwinkel kann die Wahrnehmung des Lesers verändern.

Traditionelle Nachrichtenmarken lieferten früher standardmäßig viel Kontext. Die Leser wussten – oder glaubten zumindest zu wissen –, wofür eine Zeitung stand. In digitalen Feeds ist dieser Kontext dünner. Eine Schlagzeile eines parteiischen Mediums kann neben einer Meldung einer Nachrichtenagentur, einer Lokalzeitung, einer von einer Wahlkampagne finanzierten Website, einem Think-Tank-Blog oder einem von einem ausländischen Staat unterstützten Sender erscheinen. Für den flüchtigen Leser mag das alles wie “Nachrichten” aussehen.

Genau diese Lücke versucht ein Bias-Meter zu schließen. Es liefert dem Leser bereits vor dem Öffnen des Artikels ein paar Metadaten. Diese Quelle neigt dazu, in eine bestimmte Richtung zu tendieren. Diese hier ist eher gemäßigt. Diese hier ist möglicherweise stark parteiisch. Diese hier weist möglicherweise ein bestimmtes redaktionelles Muster auf.

Wenn man das gut macht, kann das die Leser aktiver machen. Sie fragen nicht nur: “Was ist passiert?”, sondern auch: “Wer erzählt mir das, und wie könnte das die Geschichte beeinflussen?”

Voreingenommene Bezeichnungen sind nützlich, aber niemals neutral

Das Hauptrisiko bei einem Messgerät mit Quellenverzerrung besteht darin, dass es ein trügerisches Gefühl von Genauigkeit vermitteln kann. Eine kleine Beschriftung oder eine visuelle Skala kann seriös wirken, selbst wenn die zugrunde liegende Beurteilung umstritten ist.

Voreingenommenheit lässt sich nicht nur als „links gegen rechts“ beschreiben. Eine Wirtschaftszeitung kann wirtschaftspolitisch liberal, sozial moderat und institutionell konservativ sein. Eine Boulevardzeitung kann in manchen Fragen populistisch und in anderen pragmatisch sein. Ein öffentlich-rechtlicher Sender mag zwar Unparteilichkeit anstreben, spiegelt aber dennoch nationale Annahmen, den Konsens der Elite oder eine vorsichtige institutionelle Sprache wider. Eine Fachzeitschrift mag fachlich korrekt sein, steht aber wirtschaftlich gesehen der von ihr behandelten Branche nahe.

Zudem gibt es einen Unterschied zwischen Voreingenommenheit und Zuverlässigkeit. Eine Quelle kann eine klare redaktionelle Ausrichtung haben und dennoch korrekt berichten. Eine andere Quelle mag sich zwar als neutral präsentieren, stützt sich dabei jedoch auf schwache Quellenangaben, eine irreführende Darstellung oder selektive Belege. Wenn ein Voreingenommenheitsmesser lediglich die politische Ausrichtung anzeigt, könnten Leser Neutralität fälschlicherweise mit Qualität verwechseln.

Deshalb würde die beste Version dieser Produktkategorie Quellen nicht nur nach ihrer Voreingenommenheit bewerten. Sie würde auch die Grundlage für die Bewertung erläutern. Basiert die Bewertung auf Datensätzen von Drittanbietern zur Voreingenommenheit von Medien? Auf einer manuellen Überprüfung? Auf einer Sprachanalyse auf Artikelebene? Auf Daten zur Eigentümerschaft? Auf historischen Korrekturen? Auf der Vielfalt der Quellen? Auf Nutzer-Feedback? Oder auf einer Kombination dieser Faktoren?

Ohne diese Transparenz läuft der Aggregator Gefahr, zu einer weiteren „Black Box“ zu werden, die den Lesern vorschreibt, wem sie vertrauen sollen.

Ein besseres Anwendungsbeispiel ist der Vergleich

Bias-Messgeräte sind dann am wertvollsten, wenn sie eher zum Vergleich anregen als zur Gewissheit.

Ein Leser, der eine Schlagzeile sieht, wirft vielleicht einen Blick auf die Quellenangabe und wird dadurch vorsichtiger. Das hilft. Der eigentliche Nutzen zeigt sich jedoch erst, wenn das Tool mehrere Quellen anzeigt, die über dasselbe Thema aus unterschiedlichen Blickwinkeln berichten. Der Leser kann dann erkennen, wie sich die Darstellung je nach Medium unterscheidet.

In einem Artikel wird eine politische Maßnahme vielleicht als Reform beschrieben. In einem anderen wird sie möglicherweise als hartes Durchgreifen bezeichnet. Der eine Artikel konzentriert sich vielleicht auf die Argumente des Ministers. Ein anderer legt den Fokus auf die betroffenen Menschen. Ein Artikel behandelt einen Protest vielleicht als Störung. Ein anderer betrachtet ihn als demokratischen Druck. Diese Unterschiede sind von Bedeutung, denn die meisten Voreingenommenheiten verbergen sich nicht in sachlichen Fehlern, sondern in der Gewichtung der Informationen.

Ein guter Aggregator kann dies verdeutlichen. Er kann den Lesern zeigen, dass Nachrichten nicht nur eine Auflistung von Ereignissen sind, sondern eine Reihe redaktioneller Entscheidungen darüber, was Beachtung verdient und warum.

Das ist sinnvoller, als so zu tun, als gäbe es eine einzige, vollkommen unvoreingenommene Quelle. Die gibt es nämlich nicht. Selbst im hochwertigen Journalismus spielen Ermessensentscheidungen eine Rolle: Was soll recherchiert, was außer Acht gelassen werden, wessen Zitat soll aufgenommen werden, welcher Experte soll befragt werden, welche Überschrift soll gewählt werden und wie viele Hintergrundinformationen sollen vermittelt werden?.

Das Ziel sollte nicht darin bestehen, Werturteile aus den Nachrichten zu verbannen. Vielmehr sollte es darum gehen, Werturteile leichter nachvollziehbar zu machen.

Warum Einfachheit wichtig ist

Der Reiz des Hacker-News-Projekts liegt zum Teil in seiner Einfachheit. Viele Instrumente zur Förderung der Medienkompetenz scheitern daran, dass sie zu hohe Anforderungen an den Nutzer stellen. Sie bieten lange Berichte, komplexe Methodikseiten oder komplizierte Dashboards, die nur hochmotivierte Leser nutzen werden.

Ein kleiner Hinweis auf Voreingenommenheit neben einer Quelle wirkt realistischer. Er greift genau dort, wo der Leser bereits eine Entscheidung trifft. Klicke ich darauf? Vertraue ich dem? Suche ich nach einer anderen Version? Teile ich den Beitrag?

Solche Reibungspunkte können nützlich sein, wenn sie nicht zu stark ausgeprägt sind. Das Produkt sollte den Leser nicht belehren. Es sollte den automatischen Konsum gerade so weit unterbrechen, dass ein zweiter Gedanke entsteht.

Dies ist besonders relevant in einem Umfeld, in dem Menschen Nachrichten zunehmend über Feeds, Screenshots, Suchergebnisse, Newsletter und soziale Plattformen wahrnehmen. Der ursprüngliche Markenkonttext geht dabei oft verloren. Eine Kennzeichnung als voreingenommene Berichterstattung kann einen Teil dieses verlorenen Kontexts wiederherstellen.

Doch Einfachheit hat ihren Preis. Ein zu einfaches Bewertungssystem kann wichtige Unterschiede verwischen. Es kann eine komplexe redaktionelle Einrichtung auf eine Einstufung als „links“ oder „rechts“ reduzieren. Es kann dazu führen, dass Leser Quellen vorschnell ablehnen. Es kann zudem die Bestätigungsverzerrung fördern, wenn Nutzer nur nach Medien suchen, die als ihrer eigenen Position nahe stehend gekennzeichnet sind.

Die Herausforderung beim Produktdesign ist daher heikel: Es muss genügend Kontext geboten werden, um eine Hilfestellung zu geben, aber nicht so viel Gewissheit, dass das Etikett zu einer Abkürzung für das eigene Denken wird.

Was würde das Tool leistungsfähiger machen?

Das wichtigste Merkmal wäre methodische Transparenz. Nutzer sollten auf eine Quellenbewertung klicken und sehen können, warum diese mit einer bestimmten Kennzeichnung versehen wurde. Die Erklärung muss nicht lang sein, sollte aber klar genug sein, um zu verdeutlichen, ob die Bewertung auf externen Datenbanken, einer redaktionellen Beurteilung, einer maschinellen Analyse oder einer Kombination verschiedener Signale beruht.

Eine zweite nützliche Funktion wäre der Vergleich von Quellen nach Themen. Wenn ein Leser ein Hauptthema aufruft, könnte der Aggregator Berichte aus verschiedenen Bereichen des Medienspektrums anzeigen. Dadurch würde sich der „Bias-Meter“ von einer Warnanzeige zu einem Werkzeug zur Entdeckung neuer Informationen wandeln.

Das dritte Merkmal wäre die Trennung zwischen Voreingenommenheit, sachlicher Zuverlässigkeit und Format. Meinungsbeiträge, Nachrichtenberichterstattung, Analysen, gesponserte Inhalte und Interessenvertretung sollten nicht so behandelt werden, als handele es sich um dieselbe Art von Material. Ein pointierter Meinungsbeitrag ist kein missglückter Nachrichtenartikel, sondern ein anderes Format. Der Leser sollte wissen, was er gerade liest.

Das vierte Merkmal wäre geografische und kulturelle Sensibilität. Für die US-Politik entwickelte Kategorien zur Einordnung von Voreingenommenheit lassen sich nicht immer problemlos auf andere Länder übertragen. Die Haltung einer Quelle zu Wirtschaft, Außenpolitik, Religion, Klima, Migration oder Vertrauen in Institutionen lässt sich möglicherweise nicht eindeutig einem nationalen politischen Spektrum zuordnen. Ein seriöses Tool muss vermeiden, die Medienlandschaft eines Landes auf jeden einzelnen Bericht zu übertragen.

Der fünfte Aspekt wäre Bescheidenheit. Die Benutzeroberfläche sollte deutlich machen, dass die Bias-Kennzeichnungen lediglich als Orientierungshilfe dienen und keine endgültigen Urteile darstellen. Das mag unbedeutend klingen, ist aber wichtig. Ein Produkt, das Unsicherheiten einräumt, ist vertrauenswürdiger als eines, das so tut, als ließe sich die Beurteilung von Medien auf eine perfekte Punktzahl reduzieren.

Was Verlagen vielleicht nicht gefällt

Verlage mögen es oft nicht, wenn sie auf externe Bewertungen reduziert werden. Das ist verständlich. Eine Redaktion könnte argumentieren, dass ihre redaktionellen Standards komplexer sind, als es ein einfaches Etikett vermuten lässt. Sie könnte auch Einwände erheben, wenn die Bewertung unzutreffend, veraltet oder politisch gefärbt erscheint.

Doch dem allgemeinen Trend lässt sich kaum entkommen. Die Verbreitung von Nachrichten wird zunehmend kontextbezogen. Leser wollen nicht nur wissen, was in einem Artikel steht, sondern auch, wer ihn verfasst hat, wem das Medium gehört, wie seine Erfolgsbilanz aussieht und wie andere Quellen über dasselbe Thema berichten. KI-basierte Such- und Antwortmaschinen dürften dies noch wichtiger machen, da Artikel zunehmend außerhalb der eigenen Website des Herausgebers zusammengefasst werden könnten.

Für Verlage besteht die Lösung nicht darin, sich dem Kontext zu widersetzen. Vielmehr müssen sie selbst für einen besseren Kontext sorgen: klarere Richtlinien für Korrekturen, transparente Quellenangaben, sichtbare Fachkompetenz der Autoren, Angaben zum Urheber, redaktionelle Standards sowie eine klare Unterscheidung zwischen Nachrichten und Meinungsbeiträgen.

Ein Bias-Meter ist zum Teil eine Reaktion auf die Vertrauenslücke, die Verlage und Plattformen hinterlassen haben. Wenn Nachrichtenorganisationen ihren Lesern nicht dabei helfen, ihre Arbeit zu verstehen, werden Tools von Drittanbietern versuchen, dies für sie zu übernehmen.

Ein nützliches Produkt – sofern es zuverlässig bleibt

Ein einfacher Nachrichtenaggregator mit Anzeigen zur Bewertung der Voreingenommenheit der Quellen wird nicht Fehlinformationen korrigieren. Es wird die Leser nicht vollkommen rational machen. Es wird Streitigkeiten über das Vertrauen in die Medien nicht beilegen. Es wird parteiische Medien nicht in neutrale verwandeln und auch nicht verhindern, dass Menschen sich für Quellen entscheiden, die ihre bestehenden Überzeugungen bestätigen. Aber es kann dennoch nützlich sein.

Es kann die Medienlandschaft übersichtlicher machen. Es kann die Leser daran erinnern, dass Quellen bestimmte Muster aufweisen. Es kann zum Vergleich verschiedener Medien anregen. Es kann den Nutzern helfen zu erkennen, dass eine Schlagzeile nicht nur Information, sondern auch eine bestimmte Darstellung der Dinge ist. Es kann zudem eine Gewohnheit vermitteln, die wertvoller ist als jede einzelne Bewertung: innehalten, vergleichen und hinterfragen, woher die Meldung stammt.

Die konsequenteste Ausprägung dieses Ansatzes würde es vermeiden, sich als Autorität in Sachen Wahrheit darzustellen. Sie würde sich eher wie eine Landkarte verhalten. Eine Landkarte entscheidet nicht, wohin der Leser gehen soll. Sie veranschaulicht lediglich das Gelände.

Vielleicht ist es genau das, was der Nachrichtenkonsum derzeit braucht. Nicht noch ein weiterer Feed, der vorgibt, neutral zu sein, sondern ein Feed, der ehrlich genug ist, um zu zeigen, dass Neutralität nicht der Standardzustand der Medien ist. Der Kontext ist es.