Freie Universität Berlin

Fachbereich Politik- und Sozialwissenschaften

Institut für Publizistik- und Kommunikationswissenschaft
Arbeitsstelle Medienanalyse/Forschungsmethoden

Erstprüfer: Prof. Dr. Joachim Trebbe

Zweitprüfer: Prof. Dr. Otfried Jarren

Framing Künstlicher Intelligenz

in der deutschen Presseberichterstattung
– Eine quantitative Inhaltsanalyse zu Frames in der
Süddeutsche Zeitung und Frankfurter Allgemeine Zeitung

Esra Eres

Datum: 6.12.2021
Inhaltsverzeichnis

1. Einführung ............................................................................................................................................... 1
2. Gegenstandsbeschreibung ...................................................................................................................... 5
3. Theoretische Grundlagen ........................................................................................................................ 7

3.1 Einführung in den Framing-Ansatz ................................................................................................... 7

3.2 Der kommunikationswissenschaftliche Framing-Ansatz.................................................................. 8
3.3 Framing-Ansatz nach Semetko und Valkenburg (2000)................................................................. 12
3.4 Framing-Ansatz nach Entman ........................................................................................................ 15

4. Forschungsstand....................................................................................................................................16

4.1 Medienberichterstattung zu wissenschaftlich-technischen Themen ............................................. 16

4.2 Medienberichterstattung zu Künstlicher Intelligenz ...................................................................... 19
4.3 Forschungsdesigns der Studien zur KI-Medienberichterstattung .................................................. 19
4.4 Ergebnisse der Studien zur KI-Medienberichterstattung................................................................ 20

5. Erkenntnisinteresse, Forschungsfragen und Hypothesen ....................................................................25

6. Methode .............................................................................................................................................27

6.1 Untersuchungsdesign ..................................................................................................................... 27

6.2 Materialauswahl ............................................................................................................................. 28
6.3 Operationalisierung der Variablen ................................................................................................. 30
6.4 Reliabilitätsprüfung des Untersuchungsinstruments ..................................................................... 33
6.5 Datenauswertung ........................................................................................................................... 34

7. Ergebnisse .............................................................................................................................................34

7.1 Formale Kategorien ........................................................................................................................ 34

7.2 Inhaltliche Kategorien ..................................................................................................................... 38
7.3 Frames der Künstlichen Intelligenz ................................................................................................. 41

8. Diskussion .............................................................................................................................................43

8.1 Formale Kategorien ........................................................................................................................ 43

8.2 Inhaltliche Kategorien ..................................................................................................................... 46
8.3 Frames der Künstlichen Intelligenz ................................................................................................. 46
Ergebnis 1: Künstliche Intelligenz als wirtschaftlicher Fortschritt................................................... 46
Ergebnis 2: Internationaler Wettbewerb und politischer Konflikt um Künstliche Intelligenz ........ 48
Ergebnis 3: KI als gesellschaftliche Veränderung ............................................................................ 51

8.4 Limitationen .................................................................................................................................... 55

9. Fazit und Ausblick ..................................................................................................................................55

Literatur .............................................................................................................................................58

2
 1. Einführung
Das Thema Künstliche Intelligenz (KI) hat sich in den vergangenen Jahrzehnten zu ei-
nem relevanten Gegenstand der Politik, Wissenschaft und Wirtschaft entfaltet (Brennen, Ho-
ward & Nielsen, 2020). Um an ihren potenziellen Vorteilen teilzuhaben, wurde politisch auf
globaler Ebene bereits durch mehr als 50 Staaten Strategien und Richtlinien zur Förderung
von Künstlicher Intelligenz angekündigt oder entwickelt (Holoniq, 2020). Die deutsche Bun-
desregierung verabschiedete Ende 2018 ihre KI-Strategie. Damit verfolgt sie unter anderem
das Ziel, „Deutschland und Europa zu einem führenden KI-Standort [zu] machen und so zur
Sicherung der künftigen Wettbewerbsfähigkeit Deutschlands bei[zu]tragen“ (Bundesregie-
rung, 2018, S. 8). Diese Aussage gibt sowohl über den internationalen Wettbewerb Auskunft
als auch darüber, dass Künstlicher Intelligenz eine Bedeutung für das Entwicklungspotenzial
eines Landes zugemessen wird. Bis 2025 will die Bundesregierung etwa fünf Milliarden Euro
in die Umsetzung der KI-Strategie investieren und geht von einer „Verdoppelung dieser Mit-
tel“ aus (Bundesregierung, 2018, S. 6). Davon wird der größte Anteil dem Bundesministeriums
für Bildung und Forschung (BMBF) bereitgestellt (BMBF, o. J.). So wird politisch wie auch wis-
senschaftlich der KI viel Aufmerksamkeit geschenkt. Es werden Forschungs- und Kompetenz-
zentren1 gegründet, Professuren für KI geschaffen, Forschungsschnittstellen etabliert und
durch Formate wie dem Wissenschaftsjahr, einer Initiative des BMBF, wissenswerte Inhalte
den Bürger:innen präsentiert (BMBF, o. J.).

Darüber hinaus bildet Künstliche Intelligenz auch innerhalb der Wirtschaft einen
Schwerpunkt: Sie wird als „eine der entscheidenden Schlüsseltechnologien“ gewertet (Bun-
desministerium für Wirtschaft und Energie, 2020, S. 2). Entscheidungsträger:innen auf höchs-
ter Ebene schreiben der Künstlichen Intelligenz große Potenziale zu. Der Präsident des Bun-
desverbands der Deutschen Industrie Siegfried Russwurm versteht KI als „eine Basistechnolo-
gie“, die auf allen Ebenen bedacht werden sollte (Martin-Jung, 2020, S. 18). Das starke Enga-
gement der Wirtschaft, Politik und Wissenschaft an der Entwicklung der Künstlichen Intelli-
genz sorgt dafür, dass sie ebenfalls an gesellschaftlicher Aufmerksamkeit gewinnt. Sie wird

1
Beispiele dafür sind das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und MCML - Munich
Center for Machine Learning.

1
zum Objekt von Diskussionen der Öffentlichkeit. Die Themen, die dabei debattiert werden,
sind vielfältig und schneiden verschiedene Lebensbereiche an. In Form von Automatisierung
im Bereich der Mobilität, Empfehlungsalgorithmen bei Unterhaltungformaten, Gesichtserken-
nung, Sprachassistenten und Smart Home-Anwendungen begleitet Künstliche Intelligenz den
Menschen im Alltag. Ihr Einsatz geschieht hauptsächlich ohne das Wissen der betreffenden
Nutzer:innen. In den wenigsten Fällen wird eine Künstliche Intelligenz vermutet – geschweige
denn gewusst, wie sie funktioniert2.

Diese Wirkungsfelder verdeutlichen, dass Künstliche Intelligenz sich zunehmend so-

wohl im Öffentlichen als auch Privaten ausweitet und damit das Interesse der Medien auf sich
zieht. Es wird vermehrt über KI in unterschiedlichen Formaten berichtet. Wichtig hierbei ist
die Frage, wie und in welchem Rahmen Künstliche Intelligenz dargestellt wird. Eine Möglich-
keit, Antworten zu finden, ist sich dem kommunikationswissenschaftlichen Framing-Ansatz zu
bedienen. Dieser versucht zu erklären, wie bestimmte Rahmen „entstehen, wie sie sich än-
dern sowie sich gegenseitig beeinflussen“ (Matthes, 2014, S. 10). Diese Rahmen, die gewisse
Blickwinkel darstellen, werden als Frames bezeichnet.

Frames sind das Ergebnis eines aktiven dynamischen Prozesses der Selektion und Be-
tonung (Salienz) bestimmter Informationen, sowie dem Ausblenden anderer (Matthes, 2014).
Aufgrund von begrenzter medialer und öffentlicher Aufmerksamkeit und der großen Vielfalt
an Akteur:innen konkurrieren Frames verschiedener Kommunikator:innen miteinander. So
sind letztere bestrebt, strategisch ihre eigenen Positionen im öffentlichen Diskurs durchzuset-
zen und damit das Ziel der Deutungshoheit zu erlangen (Scheufele, 2003). Die Möglichkeit des
Einflusses von Kommunikator:innen auf die Deutung bestimmter Themen erweist sich als ein
Zeichen von Macht (Scheufele, 2003). Dies äußert sich unter anderem darin, dass sie Begriffe
definieren und mit Inhalt füllen. Erst durch die Bestimmung und Charakterisierung kann ei-
nem Begriff Bedeutung verliehen werden. „Die Grenzen meiner Sprache bedeuten die Gren-

2
Nach der repräsentativen Telefonumfrage (n=1004; ab 18 Jahre) der Bitkom Research im Jahr 2020 wissen 48
Prozent der Befragten nicht genau, was Künstliche Intelligenz bedeutet (Bitkom, 2020).

2
zen meiner Welt“ (Wittgenstein, 1922, S. 6). Dieses Zitat von Ludwig Wittgenstein verdeut-
licht, welche Relevanz Definitionen zukommt. Die Einsicht und Erkenntnis, sowie Sensibilisie-
rung zu Themenfeldern erschließt sich nur über die Sprache. Sachverhalte und Objekte, die
beim Menschen in keiner sprachlichen Konstruktion vorkommen, sind dadurch nicht intellek-
tuell aufzuarbeiten. Die Sprache ist das Mittel zur Kommunikation. So verwenden auch Jour-
nalist:innen Sprache, um Informationen zu vermitteln. Rezipient:innen erfahren von der Welt
„durch die Massenmedien“ (Luhmann, 1996, S. 9). Die Existenz bestimmter Begriffe wird
meist erst durch Medien erschlossen. Im weiteren Schritt werden Bilder dazu konstruiert und
eine Meinung gebildet (Brossard, 2013).

Da Künstliche Intelligenz Gegenstand vielfältiger Fachbereiche und Disziplinen ist, kön-

nen bei der Medienberichterstattung unterschiedliche Perspektiven eingenommen werden.
Bereits in der Vergangenheit übernahmen Medien in der Kommunikation und Wahrnehmung
unter anderem von Wissenschaft und Technik eine aufklärerische Rolle: Die mediale Darstel-
lung von Themen wie Gentechnik, Nanotechnik und Klimawandel bieten Lehren für die Be-
deutung der Medien im Verständnis der öffentlichen Debatte (Anderson, 2009). Medien
schaffen einen Raum, in dem sie diese Themen erwähnen und darüber diskutieren (Brossard,
2013). Hierbei nehmen Medien eine höchst relevante Stellung ein, weil Menschen aufgrund
des Mangels an direkter und expliziter Erfahrung mit dem Gegenstand auf die Berichterstat-
tung von Journalist:innen angewiesen sind (Vergeer, 2020). Neben der Vielfältigkeit ist das
Thema Künstliche Intelligenz zudem recht komplex und setzt zum Verständnis spezifisches
Wissen voraus. Medien fungieren hierbei als Übersetzer für Laien, sodass sie trotz der Distanz
zur Technologie und trotz mangelnden Wissens eine Idee entwickeln können. Außerdem we-
cken Medien als Intermediäre bei Rezipient:innen gewisse Erwartungen hinsichtlich einer
Technologie, welche sich auf ihre weitere Theoretisierung, Richtung und Entwicklung auswir-
ken (Nisbet & Lewenstein, 2002; Guzman, 2018). Damit verhelfen sie zur Identifizierung und
Adressierung von öffentlich relevanten Problemen und setzen Schwerpunkte.

Die Thematisierung von Künstlicher Intelligenz in der Wirtschaft, Politik und Wissen-
schaft, sowie ihr Einsatz im Alltag untermauern die Relevanz der Untersuchung. Es gibt nur
wenige systematische oder empirische Studien darüber, wie das Thema Künstliche Intelligenz

3
in der deutschen Presseberichterstattung verhandelt wird. Das Ziel der vorliegenden Arbeit
ist, mithilfe einer quantitativen Inhaltsanalyse von Frames deutsche reichweitenstarke Zeitun-
gen hinsichtlich ihrer Berichterstattung zu Künstlicher Intelligenz zu analysieren. Denn aufbau-
end auf vorangegangener Forschung zu Frames und der Darstellung wissenschaftlich-techno-
logischer Themen in den Medien, hilft die Auseinandersetzung mit der Presseberichterstat-
tung über Künstliche Intelligenz zu erklären, wie diese öffentlich verhandelt werden. Aufgrund
der starken Verbreitung von Künstlicher Intelligenz in öffentlichen und privaten Lebensberei-
chen, sowie des Einflusses von Medien auf die öffentliche Meinung und Haltung gegenüber
Themen wird es notwendig, ein besseres Verständnis darüber zu erlangen. Somit lautet die
Forschungsfrage der vorliegenden Arbeit: Wie wird Künstliche Intelligenz in der deutschen
Presseberichterstattung bzw. in der Süddeutschen Zeitung und Frankfurter Allgemeinen Zei-
tung geframt?

Zur Beantwortung der Frage werden 306 Artikel mit einer quantitativen Inhaltsanalyse
nach sieben deduktiv bestimmten Frames untersucht. Die Auswahl der Frames beruht auf Er-
gebnissen von Semetko und Valkenburg (2000), Entman (1993) und Dahinden (2006), sowie
Ergebnissen aus empirischen Untersuchungen zur Medienberichterstattung über technisch-
wissenschaftliche Themen und Künstlicher Intelligenz. Diese Kombination der Informationen
aus der Theorie und Empirie wurde als Grundlage ausgewählt, da somit verschiedene Dimen-
sionen mitbedacht werden. Beim Aufbau der Arbeit geht es vom Allgemeinen zum Konkreten
und von älteren Beiträgen zu aktuelleren. Die Arbeit beginnt zur Einführung mit einer Be-
schreibung des Gegenstandes. Damit soll seine Relevanz verdeutlicht werden. Dann folgen die
theoretischen Grundlagen, in denen vom disziplinübergreifenden Framing-Ansatz speziell der
kommunikationswissenschaftliche Fokus vorgestellt wird. Innerhalb dessen wird die Auswahl
des Framing-Ansatzes nach Semetko und Valkenburg (2000) getroffen. So wird trichterartig
zum theoretischen Kern der Arbeit hingeführt. Im vierten Kapitel wird der Forschungsstand
vorgestellt. Da die kommunikationswissenschaftliche Erforschung des Themas Künstliche In-
telligenz recht neu ist, wird hier zunächst auf Ergebnisse aus der Medienberichterstattung
wissenschaftlich-technischer Themen eingegangen, bevor dann Ergebnisse zur Medienbe-
richterstattung von Künstlicher Intelligenz besprochen werden. Wie in der Forschungsfrage
angegeben, liegt der Schwerpunkt auf den Frames: So werden besonders häufig gefundene

4
Frames thematisiert. Das fünfte Kapitel fasst basierend auf den vorangegangenen Kapiteln
das Erkenntnisinteresse, die Forschungsfragen und Hypothesen zusammen. Anschließend
wird die Methode mit Unterkapiteln zum Untersuchungsdesign, zur Materialauswahl, Opera-
tionalisierung, Reliabilitätsprüfung sowie Datenauswertung vorgestellt. Es folgen die Ergeb-
nisse der Analyse, die im nächsten Kapitel diskutiert werden. Dafür werden Interpretationen
und Begründungen dargelegt. Außerdem wird die Forschungsfrage beantwortet und auf die
Limitationen der Arbeit eingegangen. Die Arbeit endet mit einer Zusammenfassung und ei-
nem Ausblick zum Framing Künstlicher Intelligenz in der deutschen Presseberichterstattung.

2. Gegenstandsbeschreibung
Um ein gewisses Verständnis für den Gegenstand zu erlangen, werden im Folgenden
die wichtigsten Aspekte zur Künstlichen Intelligenz beschrieben. KI ist ein Teilgebiet der Infor-
matik. Sie wird als eine Schlüsseltechnologie gewertet, die einerseits komplexe Muster und
Formen analysiert und andererseits abstrakt beschriebene Aufgaben sowie kognitive Fähig-
keiten in Computersystemen realisiert und im weiteren Schritt sich an Erfahrungen, verän-
derte Bedingungen und ihre Umwelt anpasst (Bitkom3 & DFKI4, 2017). Der aktuelle Entwick-
lungsstand der KI konnte durch interdisziplinäre Arbeit erreicht werden. Die Zusammenarbeit
von unter anderem wirtschaftlichen und wissenschaftlichen Akteur:innen schaffte Infrastruk-
turen. So gehören zu den Voraussetzungen unter anderem Innovationen in der Datenverfüg-
barkeit, Prozessor- und Speichertechnologie, Sensorik, Robotik und Cloud Computing (Bitkom
& DFKI, 2017).

Der Begriff wurde erstmals von dem amerikanischen Informatiker John McCarthy 1955
gebraucht, als er Wissenschaftler zu der Konferenz Dartmouth Summer Research Project on
Artificial Intelligence einlud. Sie hatten die Annahme, dass „every aspect of learning or any
other feature of intelligence can in principle be so precisely described that a machine can be
made to simulate it“ (McCarthy, Minky, Rochester & Shannon, 1955, Absatz 1). Ihr Ziel war
die Untersuchung, „how to make machines use language, form abstractions and concepts,

3
Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V.
4
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

5
solve kinds of problems now reserved for humans, and improve themselves“ (McCarthy,
Minky, Rochester & Shannon, 1955, Absatz 1). Damit wurde der Grundstein für das For-
schungsthema Künstliche Intelligenz gelegt. Anhand dieser Beschreibung kann im Vergleich zu
heute eine Aussage darüber gemacht werden, wie sich das Verständnis für KI gewandelt hat.
Denn auch wenn heute keine einheitliche Definition des Begriffs existiert, sind sich die Cha-
rakteristika der Definition von KI ähnlich – es geht um die Erfüllung bestimmter Aufgaben.

Obwohl der Begriff auf das Jahr 1955 zurückzuführen ist, ist die Idee der KI schon äl-
ter. Denn bereits 1936 hat Alan Turing Rechenmaschinen kognitive Prozesse ausführen las-
sen, indem er die Aufgabe in mehrere Einzelschritte zerlegte und sie in einen Algorithmus
übersetzte. Genau das beschreibt den Kern der Technologie: Jede Künstliche Intelligenz wird
für eine spezifische Aufgabe entwickelt, für die zuvor eine gewisse menschliche Intelligenz
notwendig war. Dabei ist die Intelligenz der KI begrenzt und nur für die vorgegebene Aufgabe
verwendbar. Künstliche Intelligenzen sind weit von menschlichen Intelligenzen entfernt. Diese
Kritik wurde bereits 1976 durch den Computerwissenschaftler Joseph Weizenbaum geäußert.
Weizenbaum erfand das Computerprogramm ELIZA, das die Möglichkeiten der Kommunika-
tion zwischen Mensch und Maschine über die natürliche Sprache aufzeigen sollte. Es wurde
ein Gespräch mit einer Psychotherapeutin simuliert. Weizenbaum wählte diesen Kontext aus,
„because the psychiatric interview is one of the few examples of categorized dyadic natural
language communication in which one of the participating pair is free to assume the pose of
knowing almost nothing of the real world“ (Weizenbaum, 1966, S. 42). So war entgegen jener,
die behaupten, Maschinen können die natürliche Sprache des Menschen verstehen, Weizen-
baums Intention aufzuzeigen, dass Sprache nicht kontextlos verstanden werden kann: „[L]an-
guage is understood only in contextual frameworks, that even these can be shared by people
to only a limited extent, and that consequently even people are not embodiments of any such
general solution” (Weizenbaum, 1976, S. 7). Auch in den nächsten Kapiteln der vorliegenden
Arbeit wird argumentiert, dass ein kontextueller Rahmen zum Verständnis von Sprache – und
darüber hinaus – zum Verständnis von komplexen Sachverhalten, wie in diesem Beispiel der
Künstlichen Intelligenz, notwendig ist. Im konkreten Bezug auf das Thema dieser Arbeit neh-
men Massenmedien für Rezipient:innen diese Stellung ein.

6
 3. Theoretische Grundlagen
Massenmedien haben eine besondere Relevanz für die Demokratie. Sie nehmen „als
intersystemische Organisationen […] eine hochgradig institutionalisierte Vermittlungsrolle für
alle Akteure der Gesellschaft“ ein (Jarren, 2008, S. 342). Ihnen werden verschiedene Aufga-
ben und Verantwortungen zugeschrieben, wie beispielsweise Information, Meinungsbildung,
Partizipation, Orientierung, Kontrolle und Kritik. Für die vorliegende Arbeit ist die folgende
Aufgabe von besonderer Bedeutung: Massenmedien „reduzieren und fokussieren die durch
horizontale und vertikale Differenzierung auf allen Öffentlichkeitsebenen steigende Themen-
komplexität im Kontext von kollektiven wie individuellen Entscheidungsnotwendigkeiten“
(Jarren, 2008, S. 329). Die Themenkomplexität zu bewältigen, stellt für die Rezipient:innen
eine Herausforderung dar. Außerdem finden nur die wenigsten Ereignisse in unmittelbarer
Nähe der Rezipient:innen statt, sodass sogar das Wissen über dessen Existenz im Verborge-
nen bliebe. Deshalb bieten Massenmedien Information und Orientierung: „Sie ermöglichen
den raschen Überblick auf Basis einer wiederkehrenden Ordnung (zeitliche Publikationsrhyth-
men, Aufbau und Struktur des Angebots, Formate etc.) und entlasten dadurch die Rezipien-
ten“ (Jarren, 2008, S. 332). Hierbei bedienen sie sich dem Framing-Ansatz. Er ist in die Tradi-
tion der Medienwirkungsforschung einzuordnen und wird in den nächsten Kapiteln näher er-
läutert.

3.1 Einführung in den Framing-Ansatz

Als theoretische Grundlage für die vorliegende Arbeit wird der seit Mitte der 1990er
Jahre in den Kommunikationswissenschaften etablierte Framing-Ansatz verwendet. Seine
Quellen stammen aus der Soziologie und der Psychologie: Goffman (1974) beschrieb, dass
Frames in Kommunikationsprozessen Komplexität reduzieren und Kahneman und Tversky
(1984) stellten fest, dass Frames kognitive Prozesse, wie beispielsweise Entscheidungen, be-
einflussen. Das Framing ist damit seit Beginn an ein disziplinübergreifendes Forschungsfeld
und findet unter anderem Anwendung in der Kognitionswissenschaft, Linguistik, Sozial- und
Kommunikationswissenschaft. Es gibt keine einheitliche Definition und keine einheitliche ana-
lytische Herangehensweise. Die Diversität der Lesart unterscheidet sich nach jeweiligem Er-
kenntnisinteresse der Forschungsdisziplin.

7
3.2 Der kommunikationswissenschaftliche Framing-Ansatz
Auf der Grundlage der erwähnten soziologischen und psychologischen Ergebnisse
widmet sich auch die Kommunikationswissenschaft dem Framing-Ansatz. Im letzten Jahrzehnt
ist eine zunehmende Beschäftigung seitens der Kommunikationswissenschaftler:innen mit
dem Framing-Ansatz zu beobachten. Das wird darauf zurückgeführt, dass „Funktionen und Ei-
genschaften komplexer, massenmedial vermittelter Kommunikationsprozesse durch den Fra-
ming-Ansatz darstellbar werden“ (Wimmer, 2007, S. 289). Im deutschsprachigen Raum stellen
die Arbeiten von D. Scheufele (1999), B. Scheufele (2003), Dahinden (2006), Matthes (2007)
und Matthes (2014) umfassende systematische Bestrebungen dar, die verschiedenen For-
schungsperspektiven des Framing-Ansatzes zu bündeln.

Aus kommunikationswissenschaftlicher Perspektive sind Frames das Ergebnis aktiver

Auswahl, Betonung und Hervorhebung von Informationen, sowie das Abschwächen und Weg-
lassen anderer (Matthes, 2014). Man kann sie als „Interpretationsmuster verstehen, die hel-
fen, neue Informationen sinnvoll einzuordnen und effizient zu verarbeiten“ (Scheufele, 2003,
S. 46). Der Vorgang hierzu wird als Framing bezeichnet. Die Selektion bewirkt, dass die Kom-
plexität eines Sachverhalts reduziert wird. Außerdem werden durch Frames eine Reihe von
Ereignissen oder Aspekte organisiert und gebündelt, sodass diesen eine gemeinsame Bedeu-
tung verliehen wird (Gamson & Modigliani, 1989). Frames erlauben es, Auskunft darüber zu
erhalten, wie verschiedene Akteur:innen Themen definieren, rahmen, ihnen Relevanz verlei-
hen und wen sie hierbei zur Verantwortung ziehen (Nisbet, 2009a). Wirkungszentrierte Fra-
ming-Studien nehmen an, dass das Framing die Kognitionen und Interpretationsmuster der
Rezipient:innen beeinflusst und sich im zweiten Schritt auf die die Affektionen, also Entschei-
dungen, Überzeugungen, Einstellungen und Urteile der Rezipient:innen auswirkt, welches als
das Zwei-Stufen-Modell bezeichnet wird (Scheufele, 2003). Dabei können Frames – auch
wenn sie normativ sind – sowohl positiv als auch negativ bewertet werden (Trebbe, 2009). So-
wohl Frames als auch Deutungsmuster sind „kollektive Sinngehalte einer Gruppe oder Gesell-
schaft“ (Scheufele, 2003, S. 44).

8
 Der Framing-Ansatz baut auf vier Grundannahmen auf (Matthes, 2007), mit deren
Auseinandersetzung ein besseres Verständnis zum Ansatz erlangt werden kann:
(1) Das Ambivalenzprinzip gibt an, dass Themen mehrdeutig beurteilt werden können, weil
Kommunikator:innen vielfältigen Ziele haben und ein Wettbewerb um Ressourcen herrscht.
(2) Das Selektionsprinzip beschreibt, dass mit Frames nur bestimmte Gesichtspunkte eines
Themas ausgewählt und betont werden, sodass eine Gewichtung vorgenommen wird.
(3) Das Konsistenzprinzip meint, dass durch das Verbinden einzelner Elemente eines Frames
ein konsistenter Sinnhorizont hergestellt wird, der eine einheitliche Bewertung ermöglicht.
(4) Das Wettstreitprinzip besagt, dass zwischen den Frames verschiedener Akteur:innen ein
Wettbewerb um die Deutungshoheit eines Themas besteht.

Neben den vorangegangenen Grundannahmen sind auch die verschiedenen Ebenen

von Frames wichtig zu erwähnen: Es gibt jene der Kommunikator:innen, Journalist:innen und
Rezipient:innen. Die Zusammenhänge und Wechselwirkungen sind dynamisch. Innerhalb ihrer
eigenen Ebene und auch Ebenen übergreifend werden Frames formuliert und kommuniziert.
Darüber hinaus müssen sich die einzelnen Akteur:innen mit den Frames anderer auseinander-
setzten und entsprechend reagieren (Matthes, 2014). Unterschiedliche Kommunikator:innen
definieren verschiedene Frames. Diese werden entweder größtenteils, teilweise oder gar
nicht von Journalist:innen in die Berichterstattung aufgenommen5. Sie selbst bringen ihre ei-
genen Themen und Frames ein (journalistische Frames). So lassen sich in Medien spezifische
Muster wiederfinden, die als Medien-Frames bezeichnet werden und in Form von Schlüssel-
begriffen, Verbildlichungen, Argumente und Ausdrücke eine gewisse Bewertung vorschlagen
(Matthes, 2014). Durch die Vielfalt der Medienangebote erhalten Rezipient:innen mehrere
Sichtweisen und Themen präsentiert6, welches als Frame-Setting bezeichnet wird. Rezipi-
ent:innen haben und entwickeln ebenfalls ihre eigenen Themenschwerpunkte und Meinun-
gen zu Themen (Rezipienten-Frames), welche im Prozess durch Journalist:innen oder Kommu-
nikator:innen aufgenommen werden. Insgesamt gilt, dass Frames stetig um ihre Stellung im

5
Der Einfluss der Kommunikator:innen-Frames auf die Journalist:innen-Frames wird als Frame-Building benannt.
6
Der Einfluss der Journalist:innen-Frames auf die Rezipient:innen-Frames wird als Frame-Setting bezeichnet.

9
Wettbewerb zueinanderstehen, ausgehandelt, neu formuliert, adaptiert und ausgewechselt
werden (Matthes, 2014).

Die lange Forschungstradition zum Framing-Ansatz erlaubt Aussagen über die Variab-
len zu treffen, die die erfolgreiche Etablierung von Frames beeinflussen. Festzuhalten ist, dass
eine Vielzahl an Faktoren verantwortlich sein kann. Beispielsweise sind für Gamson und Mo-
digliani bestimmende Faktoren für den Erfolg von Frames „cultural resonances, sponsor acti-
vities, and media practices” (1989, S. 5). Cultural resonances beschreibt unter anderem, dass
die sprachliche Gestaltung eines Frames mit entsprechenden kulturellen Metaphern, Symbo-
len und Narrativen den Frame „natural and familiar“ erscheinen lässt (Gamson & Modigliani,
1989, S. 5), ihn leicht zu merken und greifbar macht. Media practices umfasst, dass der Erfolg
eines Frames von seiner Übereinstimmung mit Normen und Praktiken der Medien abhängig
ist. Je kongruenter, desto wahrscheinlicher ist ihr Erfolg. Das liegt daran, dass Journalist:innen
gewissen Bedingungen sowie Prozessen unterliegen (Organisationskultur), in bestimmten Be-
ziehungen agieren und in einem komplexen System wirken, wie beispielsweise im Rahmen ih-
rer Blattlinie. So sind sie sowohl in der Position des Produzent:innen als auch Konsument:in-
nen, da sie sich von der bestehenden Medienberichterstattung beeinflussen lassen und Me-
dien-Frames adaptieren können. Sponsor activities bezeichnet sämtliche Bestrebungen und
Maßnahmen der an der Durchsetzung des Frames interessierten Kommunikator:innen. Diese
hängen mit ihren materiellen und immateriellen Ressourcen zusammen. Gleichfalls fallen Be-
ziehungen in diese Kategorie, wie die wechselseitige Abhängigkeit von Kommunikator:innen
mit Journalist:innen.

Ähnlich hierzu betrachtet Entman (2004) die Macht der Akteur:innen als zentrale De-
terminante für den Erfolg: Eliten setzen leichter ihre Frames durch als andere. Zusätzlich be-
schreibt er, dass jene erfolgreich sind, die „fully congruent with schemas habitually used by
most members of society” sind (2004, S. 14), welches dem Faktor cultural resonances gleicht.
So ist also die Übereinstimmung mit bestehenden Erfahrungen der Mehrheit der Gesellschaft
ausschlaggebend. Weiterhin ist die Glaubwürdigkeit der Frames grundlegend, die sich aus der
„Konsistenz der Argumentation, der Glaubwürdigkeit des Argumentierenden und der empiri-
schen Glaubwürdigkeit, also der Verifizierbarkeit und tatsächlichen Verifizierung der vom

10
Kommunikator vorgeschlagenen Ursachen und Lösungen“ zusammensetzt (Matthes, 2014, S.
54). Nach Potthoff (2012) ist auch die Ideologie der Journalist:innen ausschlaggebend.

Ganz allgemein kann hinsichtlich des Erfolgs von Frames festgehalten werden, dass er
davon beeinflusst wird, ob sich Journalist:innen in ihrer Tätigkeit in einer Routinephase oder
Orientierungsphase befinden. In Routinephasen verwenden Journalisten „konstant[e] Selekti-
ons- und Strukturierungskriterien“ (Scheufele, 2003, S. 53), die damit zusammenhängen, dass
sich stark an Kolleg:innen orientiert wird, dass langfristig Wiederholungen auftreten und dass
Frames aus verschiedenen miteinander vernetzten Elemente bestehen (Scheufele, 2003). Bei
Orientierungsphasen werden „bestehende Bezugsrahmen veränder[t] oder neue etablier[t]“
(Scheufele, 2003, S. 53). Dies geschieht „langfristig z.B. im Zuge von Wertewandel [.], mittel-
fristig durch Aktionen politischer Akteure oder kurzfristig durch Schlüsselereignisse“ (Scheu-
fele, 2003, S. 106). Bei solchen Veränderungen steigt das Bedürfnis nach Orientierung und es
bildet sich ein neuer Schwerpunkt eines bestehenden Themas oder insgesamt ein neues
Thema heraus (Brosius & Eps, 1993).

Mit der Erklärung der Definition von Frames, ihren Grundannahmen, ihrer Differenzie-
rung und was zu ihrem Erfolg verhilft, sollen im nächsten Schritt die Auswirkungen des Fra-
mings und ihre Randbedingungen zur Intensität des Effekts vorgestellt werden. Frames haben
eine stärkere Wirkung, etablieren sich besser zu festen Mustern und lassen sich leichter abru-
fen, [1] je häufiger sie wiederholt werden (Matthes, 2007) (Frame-Wiederholungen), [2] je
weniger Frames in einem Thema miteinander konkurrieren (Matthes, 2014) (Frame-Wett-
streit), [3] je stärker die Argumente eines Frames sind (Chong & Druckman, 2007) oder Emoti-
onen angesprochen werden (Aarøe, 2011) (Frame-Stärke) und [4] je glaubwürdiger die Kom-
munikator:innen eingestuft werden (Druckman, 2001; Matthes & Kohring, 2003) (Frame-
Glaubwürdigkeit). Auf der Seite der Rezipient:innen sind die Voreinstellung und Werte
(Matthes, 2014), sowie die Persönlichkeit und interpersonale Kommunikation weitere Fakto-
ren (Druckman & Nelson, 2003).

11
 Durch die Analyse der Presseberichterstattung können Tendenzen in der Einstellung
und dem Interesse festgestellt werden. Damit wird es zu einer wichtigen Aufgabe, das Fra-
ming zu untersuchen und ein Verständnis dafür zu entwickeln, um ihren Einfluss auf die öf-
fentliche Meinung zu verstehen. Der Framing-Ansatz hilft, Deutungsmuster empirisch identifi-
zierbar und untersuchbar zu machen. Frames lassen sich in Medientexten an Schlüsselbegrif-
fen, Metaphern, Argumentationen oder in der Bildsprache erkennen (Matthes, 2014). Damit
wird versucht, eine Wertung nahezubringen. Hierbei liegt die Herausforderung darin, die be-
deutungskonstruierenden und frame-relevanten Elemente von anderen zu lösen und eine all-
gemein intersubjektive Nachvollziehbarkeit zu schaffen (Matthes, 2014). Themen werden so
durch Häufigkeit und Intensität Priorität verliehen.

3.3 Framing-Ansatz nach Semetko und Valkenburg (2000)

Für die vorliegende Arbeit gilt als richtungsweisende Herangehensweise zur Identifi-
zierung von Frames die Studie von Semetko und Valkenburg (2000). Ihr Aufsatz Framing Euro-
pean politics: A content analysis of press and television news ist eine der bekannteren Studien
mit themenübergreifenden Frames und wurde viel zitiert. Themenübergreifende statt -spezi-
fische Frames haben den Vorteil abstrakt auf unterschiedliche Themen, Zeiten und Kontexte
anwendbar zu sein (De Vreese, 2005; Semetko & Valkenburg, 2000). Sie werden auch generi-
sche Frames genannt und stehen themenspezifischen Frames gegenüber.

Semetko und Valkenburg beziehen sich in ihrer Arbeit auf vorangegangene For-
schungsliteratur. Vor allem sehen sie ihre Arbeit als „an extension of the research of Neuman
et al. (1992)“, bei dem sie zusätzlich „elaborate on the theoretical work of Iyengar (1991)“.
Die Kernthesen dieser beider Analysen lässt sich folgendermaßen zusammenfassen: Neuman
et al. untersuchen in einer umfassenden Mixed-Method-Studie die Darstellung und Wirkung
von Nachrichten in US-Medien in den Jahren 1985-1987. Sie identifizieren die fünf Frames
economic frame, conflict frame, human impact frame, powerlessness frame und morality
frame. Dahingegen widmet sich Iyengar (1991) der Frage, auf welchen Ebenen und wie sich
„attributions of responsibility“ in den US-Medien wiederfinden lässt (Iyengar, 1991, S. 16).
Sein Ergebnis ist, dass Verantwortung vor allem auf individueller Ebene anhand exemplari-

12
scher Ereignisse dargestellt wird (episodic news frame), anstatt der Thematisierung von Hin-
tergrundinformationen (thematic news frame) (Iyengar, 1991, S. 2). Außerdem unterscheidet
er zwischen „causal responsibility“ (Ursache des Problems) und „treatment responsibility“
(Lösung des Problems) (Iyengar, 1991, S. 8).

Basierend auf diesen Ergebnissen bestimmen Semetko & Valkenburg (2000) die fünf
Frames conflict frame, human interest frame, economic consequences frame, morality frame
und responsibility frame (2000, S. 95-96), die sie folgendermaßen beschreiben:

Tabelle 1
Frames nach Semetko & Valkenburg (2000, S. 95-96)

Conflict frame „emphasizes conflict [...] as a means of capturing audience interest

[and] [...] reduc[ing] complex [...] debate to overly simplistic conflict. “
(S. 95)

Human interest frame „refers to an effort to personalize [...], dramatize or ‚emotionalize‘ the
news, in order to capture and retain audience interest” (S. 96)

Economic consequences frame „reports an [...] issue in terms of the consequences it will have eco-
nomically” (S. 96)

Morality frame „puts the [...] issue in the context of religious tenets, [social] or moral
prescriptions [...] [e.g.] indirectly—through quotation or inference” (S.
96)

Responsibility frame „presents an issue [...] in such a way as to attribute responsibility for ist
cause or solution” (S. 96)

Semetko und Valkenburg (2000) überprüfen deduktiv die Existenz der Frames inner-
halb der Berichterstattung verschiedener politischer Themen. Inhaltlich wird ein Treffen der
EU-Regierungschefs im Jahr 1997 in Amsterdam thematisiert. Sie untersuchen alle fünf Fra-
mes für ein Ereignis. Für jedes Frame wird eine Itembatterie in Form von Fragen entwickelt.
Diese werden mit vorhanden oder nicht vorhanden beantwortet. Insgesamt sind es 20 Fragen
(siehe Anhang 4), die in eine Faktorenanalyse eingehen. Sie schließen einige der Items aus
und gehen auf die Herausforderung der Binarität der Daten ein. Mit einer Hauptkomponen-
tenanalyse und Faktorenanalyse identifizieren sie fünf Faktoren, die die Frames repräsentie-
ren. Außerdem wenden sie eine Clusteranalyse an, mit der die Frames, die erwartet werden,

13
bestimmt werden. Hinsichtlich der dimensionsreduzierenden methodischen Verfahren (Fak-
toren-/Clusteranalyse) muss das Risiko bedacht werden, „ein unvollständiges Variablenset
festzuhalten“, wobei gleichzeitig die Möglichkeit besteht, „neue Frames zu bestimmen und
[…] näher an den Daten zu bleiben“ (Koch, 2012, S. 69).

Wie bereits erwähnt, wird dem Framing-Ansatz in der Kommunikationswissenschaft

große Aufmerksamkeit entgegengebracht. Es gibt viele Bemühungen, ihre Dimensionen zu er-
weitern und sie empirisch zu fundieren. Die Studie von Semetko und Valkenburg gilt gemäß
unterschiedlicher Forscher:innen als eine, die beachtungswürdig ist, da ihr viel Interesse be-
kundet und sie häufig diskutiert wurde. Damit gliedert sie sich in eine Reihe von viel zitierten
Framing-Studien ein. Um wiederum diese Sammlung an vielfältigen Studien zu bündeln und
zu systematisieren und das integrative Potential des Framing-Ansatzes darzustellen, werden
Meta-Analysen erstellt. Hierbei wird dem Bestreben gefolgt, die verschiedenen Framing-Stu-
dien miteinander zu vergleichen und sogenannte Basisframes zu identifizieren. Basisframes
sind themenunabhängige Frames, die den Anspruch hegen, gewissermaßen universal zu sein
(Dahinden, 2006).

Zur Untermauerung und Unterstützung der Annahmen und Ergebnisse von Semetko
und Valkenburg (2020) wird für die vorliegende Arbeit die Meta-Analyse von Dahinden (2006)
zu Basisframes herangezogen. Es soll als eine Art Konkretisierung dienen. Dahinden unter-
sucht die von 23 empirischen Studien ermittelten Frames und extrahiert daraus qualitativ fünf
Basisframes: Wirtschaftlichkeit, Fortschritt, Konflikt, Moral und Personalisierung, die in ver-
schiedenen Arten in den jeweiligen Studien auftreten (2006). Diese stimmen mit denen in der
Arbeit von Semetko und Valkenburg identifizierten Frames überein oder ähneln ihnen. Bei-
spielsweise entspricht der Personalisierungs-Frame von Dahinden, der die individuelle Betrof-
fenheit und personalisierte Perspektive thematisiert (2006, S. 109), mit dem Human Interest-
Frame von Semetko und Valkenburg, da dieser „brings a human face or an emotional angle to
the presentation of an event, issue, or problem“ (2000, S. 95). Ausnahmen bilden der Frame
Responsibility, der zwar bei Semetko und Valkenburg vorhanden, bei Dahinden aber nicht prä-
sent ist und vice versa der Frame Fortschritt von Dahinden, der bei Semetko und Valkenburg

14
nicht vorhanden ist. Sowohl der Artikel von Semetko und Valkenburg als auch der von Dahin-
den sind ältere Beiträge zum Framing. Sie werden dennoch für die vorliegende Arbeit genutzt,
da sie eine adaptierbare und verständliche Herangehensweise zum Gegenstand bieten.

3.4 Framing-Ansatz nach Entman

Neben den Arbeiten von Semetko & Valkenburg (2000) und Dahinden (2006) bietet
der Aufsatz von Robert Entman eine weitere Betrachtungsweise als Werkzeug für das Ver-
ständnis der Analyse von Frames. In seinem Aufsatz geht es nicht primär um den Frame an
sich, sondern um dessen einzelne Frame-Elemente. Seine Arbeit erhielt ebenfalls viel Auf-
merksamkeit und ist „a standard reference in frame research“ (Vliegenthart & van Zoonen,
2011, S. 105). Entman definiert Frames folgendermaßen: „To frame is to select some aspects
of a perceived reality and make them more salient in a communicating text, in such a way as
to promote a particular problem definition, causal interpretation, moral evaluation, and/or
treatment recommendation“ (Entman, 1993, S. 52).

Nach Entman bestehen Frames aus Frame-Elementen: problem definition (Problembe-

schreibung), kausal interpretation (Ursachenbeschreibung), moral evaluation (Moralische Be-
wertung) und treatment recommendation (Lösungsvorschlag) (1993, S. 52). Diese vier be-
zeichnet er als „functions“ (1993, S. 52). Im Vergleich zu bisherigen Ansätzen ermöglicht Ent-
man mit seiner Arbeit eine „relativ konkret[e] und für die sozialwissenschaftliche[n] Studien
fassbare“ Betrachtungsweise (Jecker, 2014, S. 85). Gleichzeitig wird kritisiert, dass hinsichtlich
der vier Elemente zentrale Begriffe recht vage bleiben (Scheufele, 2003, S. 46) und für empiri-
sche Studien folglich unklar sei, wie eine Operationalisierung aussehen könnte. Dies spiegelt
sich in Entmans weiterführenden Arbeiten zum Framing nach 1993 wider. Er publizierte ver-
schiedene Aufsätze, in denen er seinen anfangs postulierten Ansatz erneut aufgreift, jedoch
sie in Teilen unbegründet unterschiedlich benennt. Im Bewusstsein der unklaren Operationa-
lisierung soll jedoch für die vorliegende Arbeit seine Idee der Untergliederung des Frames in
Frame-Elemente genutzt werden.

15
 4. Forschungsstand
Zur Beantwortung der Forschungsfrage, wie in der deutschen Presseberichterstattung
Künstliche Intelligenz geframt wird, sollen im Folgenden Ergebnisse aus vorangegangenen
Analysen zum Framing von Medienbeiträgen betrachtet werden. In Kapitel 1 wurde beschrie-
ben, dass das Thema Künstliche Intelligenz relativ neu ist und es dementsprechend nicht viele
Studien gibt, die die Medienberichterstattung analysieren. Aus diesem Grund wird zusätzlich
zur Betrachtung des Forschungsstandes zum Framing Künstlicher Intelligenz eine Ebene zu-
rückgegangen und allgemein der Forschungsstand zum Framing wissenschaftlich-technischer
Themen erarbeitet. Aus ihnen können Lehren für die Klärung der Forschungsfrage der vorlie-
genden Arbeit gezogen werden. Zur Transparenz und Nachvollziehbarkeit gestaltete sich die
Auswahl der Artikel folgendermaßen: Über die führende Forschungsdatenbank für den Be-
reich Kommunikationswissenschaften Communication Source sowie über Google Scholar
wurde mit der Verwendung Boolescher Operatoren und Trunkierung nach Artikeln gesucht.
Ihre Titelbeschreibungen und Abstracts wurden einzeln danach gesichtet, ob sie die Bericht-
erstattung von Künstlicher Intelligenz thematisieren und bei Entsprechung in die Auswahl für
den Forschungsstand aufgenommen. Gleichzeitig diente das Schneeballsystem zur Literatur-
recherche, bei der als Ausgangstexte jene Artikel fungierten, die in der Datenbanksuche aus-
gewählt wurden. Als Suchwörter für Studien zu wissenschaftlich-technischen Themen galt:
„science OR techn* AND cover* OR news* OR fram*“ und für den Forschungsstand zur KI-
Medienberichterstattung die Suchwörter „Artificial Intelligence AND cover* OR news* OR
fram*“.

4.1 Medienberichterstattung zu wissenschaftlich-technischen Themen

Nachfolgend wird der Forschungsstand zur Medienberichterstattung von wissen-
schaftlich-technischen Themen zusammengefasst. Kriterien für die Auswahl der Aufsätze sind
Verwendung des Framings als theoretische Grundlage die Inhaltsanalyse als methodischer Zu-
gang sowie die Publikation innerhalb der letzten zehn Jahre. Inbegriffen sind neun Artikel, die
sich mit der Biotechnologie (Maeseele, 2011), der Nanotechnologie (Strekalova, 2015; Metag
& Marcinkowski, 2014; Kohring, Donk & Metag, 2011), dem Klima (Han, Sun & Lu, 2017; Bigl,
2017; Schmid-Petri & Arlt, 2016), dem autonomen Fahren (Taddicken et al., 2020) und Tech-

16
nologien im Allgemeinen (Kubler, 2020) befassen. Die Reihenfolge orientiert sich an der Häu-
figkeit des vorgefundenen Frames. Die Zusammenfassung des Forschungsstandes zielt darauf
ab, Auffälligkeiten und Gemeinsamkeiten der Studien sowie Wiederholungen von Ergebnissen
darzustellen. Zur Übersichtlichkeit der folgenden Ergebnisse ist im Anhang 1 die Tabelle 10
mit dem Forschungsstand zu wissenschaftlich-technischen Themen aufgeführt.

Progress Frame
Sechs der neun Untersuchungen kommen zum Ergebnis, dass wissenschaftlich-techni-
sche Themen in der Berichterstattung im Rahmen von Fortschritt behandelt werden. Dieser
wird entweder allgemeiner gefasst als „[a] perspective of progress“ (Metag & Marcinkowski,
2014, S. 463) oder spezieller beispielsweise als wissenschaftlicher Fortschritt (Kohring, Donk &
Metag, 2011; Maeseele, 2011; Strekalova, 2015). Taddicken et al. ermitteln in ihrer Studie
den Frame „technologischer Fortschritt“ am häufigsten (2020, S. 421).

Politics Frame
Bei der Hälfte der Untersuchungen ist ein prägnantes Ergebnis, dass mit der Berichter-
stattung das wissenschaftlich-technische Thema politisiert wird (Han, Sun & Lu, 2017; Mae-
seele, 2011; Bigl, 2017; Schmid-Petri & Arlt, 2016). Eine Erklärung hierfür könnten gemäß
Han, Sun und Lu „factors relating to the news production process and political economy“
liefern (2017, S. 2903). Bigl beobachtet, dass die Berichterstattung „influenced by political
considerations and geopolitical developments“ (2017, S. 240) und „mostly framed economi-
cally or politically“ ist (2017, S. 242). In der Untersuchung von Schmid-Petri und Arlt ist die
Berichterstattung „mainly dominated by political actors“ (2016, S. 281), welches sie damit
erklären, dass „[it] makes the coverage even more enticing for potential readers“ (2016, S.
281).

Conflict Frame
Darüber hinaus liegt bei der Hälfte der Forschungsstudien ein Schwerpunkt auf den
Aspekten Konflikt und Kontroverse (Kohring, Donk & Metag, 2011; Bigl, 2017; Schmid-Petri &
Arlt, 2016; Han, Sun & Lu, 2017). Bigl ermittelt in der Berichterstattung „two opposing camps
of supporters and opponents struggle for interpretational sovereignty“ (2017, S. 242).

17
Schmid-Petri und Arlt beobachten ebenfalls einen starken Fokus auf Konflikte und Kontro-
verse, sodass mehr Aufmerksamkeit seitens der Rezipient:innen erlangt werden kann (2016,
S. 281). Gleichzeitig verweisen sie darauf, dass diese Betonung des Konflikts verschiedene
Auswirkungen auf das Publikum hat, wie beispielsweise eine verzerrte Wahrnehmung der Dis-
kussion: „[T]here appears to be far more controversy than there actually is […], [it] reduces
the audience’s perceptions of scientific certainty […] [and] leads to an over-representation in
the coverage of the views of a small minority of opposing scientists […]“ (Schmid-Petri & Arlt,
2016, S. 281). Han, Sun und Lu kommen zum Ergebnis, dass „about 50% of the sampled arti-
cles applied frames of conflict, collaboration, and leadership“ (2017, S. 2903).

Economic Frame
Eine weitere Gemeinsamkeit im Forschungsstand der Medienberichterstattung zu wis-
senschaftlich-technischen Themen ist der Fokus auf Wirtschaft (Bigl, 2017; Taddicken et al.,
2020; Maeseele, 2011; Strekalova, 2015). Taddicken et al. finden heraus, dass bei der Bericht-
erstattung besonders „wirtschaftlich[e] Aspekte“ hervorgehoben werden (2020, S. 423). Auch
bei Strekalova ist ein dominierendes Thema „economic consequence“ (2015, S. 151). Eben-
falls erhält Bigl als Ergebnis, dass „the coverage of these issues is mostly framed economically
or politically“ (2017, S. 242). Maeseeles Studie zeigt, dass wissenschaftlich-technische
Themen definiert werden „as a matter of scientific progress and economic prospects“ (2011,
S. 101). Kubler findet den „economic growth frame“ am häufigsten in seiner Studie (2020, S.
830).

Ethics Frame
Neben dessen, das bestimmte Frames auffällig häufig vorkommen, haben die Hälfte
der Studien gemeinsam, dass in der Berichterstattung zu wissenschaftlich-technischen The-
men Ethik kaum Beachtung findet (Taddicken et al., 2020; Bigl, 2017; Maeseele, 2011; Streka-
lova, 2015). Maeseele beobachtet, dass „especially ethical frames generally fail to influence
news discourse“ (2011, S. 103). Nach Metag und Marcinkowski existiert kaum kritische Be-
richterstattung (2014, S. 463). Taddicken et al. beobachten, dass „ethische sowie Sicherheits-
bedenken (bisher) kaum diskutiert werden“ (2020, S. 423), und „selbst ein tödlicher Unfall of-

18
fenbar kein Auslöser für eine Themenwende ist“ (2020, S. 423). Gleichfalls werden in der Un-
tersuchung von Bigl trotz im Untersuchungszeitraum vorhandener Unfälle und Umweltschä-
den diese nicht erwähnt (2017). Auch Strekalovas Untersuchung zeigt, dass „regulations and
moral issues were the least discussed topics“ (2015, S. 151). Eine Erklärung sieht sie darin,
dass „technologies are still being developed and have not attracted enough of the public’s at-
tention“ (2015, S. 167).

4.2 Medienberichterstattung zu Künstlicher Intelligenz

In diesem Kapitel sollen zunächst, um einen Überblick zu erhalten, allgemein die For-
schungsdesigns der Studien zur KI-Medienberichterstattung dargestellt werden. Anschließend
geht es um die Inhalte der Studien, wobei hier hauptsächlich auf die für diese Arbeit relevante
Forschungsfrage des Framings von Künstlicher Intelligenz eingegangen wird. Weitere Inhalte
der Studien werden nur angeführt, wenn sie einen Beitrag zur Forschungsfrage leisten. Im An-
hang 2 stellt die Anhang 2: Tabelle 11. Empirische Studien zur Analyse der KI-Medienbe-
richterstattung von Künstlicher Intelligenz dar.

4.3 Forschungsdesigns der Studien zur KI-Medienberichterstattung

Zur Medienberichterstattung über Künstliche Intelligenz gibt es bereits einige Studien.
Sie sind alle noch recht jung (Fast & Horvitz, 2017; Brennen, Howard & Nielsen, 2018;
Holguín, 2018; Obozintsev, 2018; Chuan, Tsai & Cho, 2019; Vergeer, 2020; Wartianien, 2020;
Brokensha, 2020; Fink, 2020; Brennen, Howard & Nielsen, 2020). Die Berichterstattungen be-
ziehen sich bis auf wenige länderübergreifende Vergleiche (Holguín, 2018) auf nur ein be-
stimmtes Land. In der für diese Arbeit getätigten Auswahl sind diese USA, Vereinigtes König-
reich, Niederlande, Schweden, Deutschland und Südafrika. Die angewandten Methoden un-
terscheiden sich von qualitativen Inhaltsanalyen und Diskursanalysen bis zu Topic Modeling
und quantitativen Inhaltsanalysen. Die theoretische Basis ist nahezu bei allen das Framing. Je-
doch erfolgt die Bestimmung der Frames nach unterschiedlichen theoretischen Zugängen,
wie beispielsweise nach Entman (1993), Semetko und Valkenburg (2000) oder Nisbet (2009b).
Die Mehrheit der Studien entwickelt jedoch eigene Frames. Die Untersuchungszeiträume kön-
nen in drei Kategorien geordnet werden: lang (18-9 Jahre), mittel (3-2 Jahre) oder kurz (12-8
Monate). Im Mediensample werden immer reichweitenstarke Zeitungen ausgewählt. Es wird

19
entweder eine Vollerhebung (Vergeer, 2020) oder Teilerhebung durchgeführt, bei der ver-
schiedene Dimensionen verglichen werden. Brennen, Howard und Nielsen (2018) bestimmen
ihre Zeitungsauswahl nach vielfältiger Darstellung politischer Tendenzen; Obozintsev (2018)
vergleicht verschiedene Medienformate wie Zeitung und TV miteinander.

Die Forschungsfragen gehen auf unterschiedliche Aspekte ein. Die drei am häufigsten
gestellten Fragen sind, wie Künstliche Intelligenz geframt wird (Obozintsev, 2018; Brokensha,
2020; Chuan, Tsai & Cho, 2019), wie über KI berichtet wird (Brennen, Howard & Nielsen,
2018; Vergeer, 2020) und welche Themen bei der KI-Berichterstattung noch erwähnt werden
(Chuan, Tsai & Cho, 2019; Brokensha, 2020; Vergeer, 2020). Außerdem gehen einzelne Stu-
dien auf die mit der Künstlichen Intelligenz assoziierte Stimmung und die Veränderung der
Berichterstattung im Zeitverlauf ein (Vergeer, 2020). Andere untersuchen die mit der KI er-
wähnten Unternehmen (Brokensha, 2020) oder die zitierten Personen (Brennen, Howard &
Nielsen, 2018).

4.4 Ergebnisse der Studien zur KI-Medienberichterstattung

Die Ergebnisse der Studien zur Berichterstattung von Künstlicher Intelligenz werden im
Folgenden zusammengefasst. Wichtig zu beachten ist, dass alle zehn Arbeiten, die in diese Zu-
sammenfassung eingehen, verschiedene Fragestellungen und Begriffe genutzt haben. Der
nächste Absatz ist ein Versuch, diese nachvollziehbar an Kriterien und mit Zitaten belegt inei-
nander zu integrieren, um so Schlussfolgerungen für die vorliegende Arbeit ziehen zu können.
Es werden nur Auffälligkeiten und häufige Vorkommnisse präsentiert. Frames und Ergebnisse,
die nur in einer oder zwei Untersuchungen vorkamen, werden aufgrund des begrenzten Um-
fangs der Arbeit nicht vorgestellt. Tabelle 2 zeigt die Auswahl an Aufsätzen, die die Medienbe-
richterstattung zu Künstlicher Intelligenz untersuchen, sowie die thematisierten Frames und
ihre originalen Bezeichnungen.

20
Tabelle 2
Originale Bezeichnung der Frames zur KI-Berichterstattung. Eigene Darstellung

Obozintsev, Brennen, Chuan, Fink, 2020 Brokensha, Wartiainen, Vergeer,

Aufsatz
2018 Howard & Tsai & Cho, 2020 2020 2020
Nielsen, 2019
Frame 2018
Frame
Economy economic de- economics business & Wirtschaft business, economics & finance
frame velopment & & geopoli- economy & Industrie finance & geopolitics & eco-
competitive- tics economy nomics
ness
Ethics morality & ethics ethics Ethik morality & morality,
frame ethics ethics ethics & dis-
crimination
Politics politicisa- policy & Politisie- geopolitics
frame tion politics rung

Conflict conflict & Konkur- competi-

frame strategy renz tion

Progress social relevant & For- social

frame progress competent schungs- progress
solution fortschritte

Economic Frame
Am Forschungsstand zur KI-Berichterstattung ist besonders auffällig, dass in jeder Un-
tersuchung von KI-Medienbeiträgen eine Verbindung zwischen Künstlicher Intelligenz und
Wirtschaft beobachtet wurde. In der Mehrheit der Studien galt dieser als das am häufigsten
Vorkommende (Brennen, Howard & Nielsen, 2018; Brokensha, 2020; Chuan, Tsai & Cho,
2019; Wartiainen, 2020).

Aufgrund der Vielfalt an Forschungsfragen in den Studien zum Forschungsstand ist es

wichtig, zu beachten, dass der Wirtschaftsaspekt verschieden kategorisiert wird – in topic [1],
theme [2] und frame [3]7. [1] So behandeln Chuan, Tsai & Cho (2019) und Brokensha (2020)
angelehnt an die Untersuchung von Strekalova (2015) den Wirtschaftsaspekt als topic: „Topic
is defined as a manifest subject, an issue or event that provides message content. Frame, by
contrast, is a perspective through which the content is presented. A single news article may

7
Das gilt auch für die weiteren Verbindungen zwischen Künstlicher Intelligenz und anderen Aspekten.

21
incorporate multiple topics and multiple frames” (Chuan, Tsai & Cho, 2019, S. 340). [2] Bren-
nen, Howard und Nielsen (2018) hingegen betrachten den Wirtschaftsaspekt als das promi-
nenteste theme. Zwar definieren sie die einzelnen Begriffe nicht, jedoch erschließt sich das
Verständnis aus dem Kontext: Der Unterschied zwischen theme und topic liegt darin, dass
theme abstrakter ist und mehrere Aspekte umfasst. Topic hingegen ist konkreter und bezieht
sich auf etwas einzelnes. Brennen, Howard und Nielsen (2018) fassen unter dem Wirtschafts-
theme Industrie, Produkte und Unternehmen. [3] Wartianien (2020) bezieht sich auf frühere
Studien wie die von Nisbet (2008) und gebraucht den Wirtschaftsaspekt als frame. Sie fasst
darunter: „mentions of an economic investment; market, benefit or risk in terms of AI“ (War-
tianien, 2020, S. 14). Ungeachtet dessen, wie der Wirtschaftsaspekt definiert wird, kann als
Gemeinsamkeit festgehalten werden, dass er bei den erwähnten Studien am häufigsten vor-
kommt.

Eine weitere Gemeinsamkeit ist, dass am häufigsten Quellen aus der Wirtschaft zitiert
werden (Brennen, Howard & Nielsen, 2018; Chuan, Tsai & Cho, 2019; Fink, 2020). Dies wird
von einigen Autor:innen als problematisch eingeordnet: „in being so consistently indexed to
industry sources and concerns, [media] outlets limit the range of voices included in public
conversation” (Brennen, Howard & Nielsen, 2018, S. 8). Andere wie Fink (2020) sehen das dif-
ferenzierter, da die die Wahrnehmung haben, dass die Wirtschaft zwar als Quelle fungiert, je-
doch nicht uneingeschränkt von dieser Machtposition profitiert. Das liegt erstens daran, dass
wirtschaftliche Quellen und Sprecher in den Artikeln nicht (positiv) hervorgehoben werden
und ihre Position im Diskurs teilweise delegitimiert wird (Fink, 2020). Zweitens werden Tech-
nologieunternehmen in der öffentlichen Berichterstattung für unvorhersehbare Auswirkun-
gen von Künstlicher Intelligenz sowie für daraus resultierende ethische und moralische Be-
denken verantwortlich gemacht. Der mediale Diskurs nutzt die Wirtschaft als Quelle und prä-
sentiert sie gleichzeitig als „Feindbild“ (Fink, 2020, S. 72). Ein weiterer Grund für den starken
Fokus auf die Wirtschaft bei der Berichterstattung zu Künstlicher Intelligenz könnte darin lie-
gen, dass die Artikel bezahlt worden sind. In einer Untersuchung von Vergeer (2020) waren
mehr als zwei Prozent der Artikel von Unternehmen bezahlt und platziert.

22
Ethics Frame
Neben dem Wirtschaftsaspekt kommt in den meisten Forschungsstudien zur KI-Be-
richterstattung eine Verbindung zwischen Künstlicher Intelligenz und Ethik vor. Ein in ver-
schiedenen Studien häufig beobachtetes Ergebnis ist, dass es in Artikeln „mehr Aufrufe zu
ethischen Diskussionen als eine Diskussion selbst [über Ethik] gibt“ (Fink, 2020, S. 67-68).
Ebenso ermitteln Chuan, Tsai und Cho: „[…] articles did not discuss a particular ethical issue
in-depth, but raised general questions about potential ethical concerns […] without providing
specific discussions” (2019, S. 343). Gleichermaßen stellen Brennen, Howard und Nielsen fest:
„articles substitute calls for discussion about ethics for actual ethical discussion. Articles fre-
quently identify ethical topics or questions, but then stop before going further” (2018, S. 6).

Ein weiteres gemeinsames Untersuchungsergebnis ist, dass unter dem Ethikaspekt un-
terschiedliche Bedenken liegen. Wissenschaft und Wirtschaft sorgen sich um die „Ethik und
Moral der Entwicklung und Anwendung“ von Künstlicher Intelligenz, Medien hingegen gehen
„stark auf persönliche Folgen von KI ein“, die die Privatsphäre und den Datenschutz beinhal-
ten (Fink, 2020, S. 67). In beiden Fällen werden ethische Problemstellungen oft mit dem „Ein-
satz von Künstlicher Intelligenz“ verbunden (Fink, 2020, S. 64). So kann festgehalten werden,
dass der Ethikaspekt recht breitgefächert ist. Beispielsweise fassen Brennen, Howard und
Nielsen darin „deepfakes, automation, autonomous vehicles and weapons, data, privacy, hi-
ring, facial recognition, human enhancement, and discrimination“ (2018, S. 6). In ihrem Da-
tensatz kommt der Ethikaspekt als zweithäufigstes theme vor. Sie untersuchen, wie sich die
KI-Berichterstattung zwischen linksorientierten und konservativen Medien unterscheidet.
Während konservative Medien vor allem Wirtschaft und Geopolitik behandeln, beschäftigen
sich linksorientierte Medien häufig mit Fragen der Ethik (Brennen, Howard & Nielsen, 2018).
Eine weitere Untersuchung zur unterschiedlichen KI-Berichterstattung findet sich bei Wartiai-
nen (2020): Sie untersucht die KI-Berichterstattung in China und in den USA und kommt zu
dem Ergebnis, dass US-amerikanische Medien häufiger als chinesische Medien Ethik, Diskrimi-
nierung und Verantwortung thematisieren. Eine mögliche Begründung dafür sieht sie darin,
dass „United States is a democracy with a free press, which can result in newspapers being
able to criticize powerful actors, informing the public on pressing issues“ (Wartiainen, 2020, S.
7).

23
 Eine dritte Besonderheit zum Ethikaspekt ist, dass wenn in der KI-Berichterstattung As-
pekte zur Ethik erwähnt werden, häufig eine Negativität mitschwingt. Beispielsweise stellt
Brokensha (2020) fest, dass vor allem in diesen Artikeln eine Technikfeindlichkeit zu finden ist.
In ihrem Korpus nimmt der ethics/morality frame 29 Prozent der identifizierten Frames ein
(Brokensha, 2020). Im Datensatz von Chuan, Tsai und Cho (2019) kommen ethical or moral
problems nur in Erwähnung von Risiken vor. Außerdem verzeichnen sie in der Untersuchung
des Zeitraumes 2009-2018 für die Jahre 2017-2018 einen dramatischen Zuwachs an Artikeln,
die Ethik behandeln – von acht Prozent auf 27 Prozent (Chuan, Tsai & Cho, 2019).

Politics Frame
Ein weiteres Ergebnis, dass häufig vorkommt, ist der politische Aspekt (Chuan, Tsai &
Cho, 2019; Fink, 2020; Brennen, Howard & Nielsen, 2018; Wartiainen, 2020). Brennen, How-
ard und Nielsen beobachten „the incipient politicisation of AI as a public issue” (2018, S. 3).
Wenn in der Berichterstattung die „Politisierung von Künstlicher Intelligenz“ (Fink, 2020, S.
76) thematisiert wird, äußert sie sich darin, dass Regulationen des Staates notwendig werden
oder darin, Künstliche Intelligenz industrie- und geopolitisch zu fördern (Fink, 2020). Die
starke Verbindung zur Geopolitik wird auch in der Untersuchung von Wartiainen (2020) deut-
lich, da hier der am häufigsten vorkommende Frame geopolitics ist. Dabei wird Künstliche In-
telligenz entweder als ein geopolitischer Aspekt geframt, der die Wirtschaft und Politik erheb-
lich beeinflussen wird oder als ein Werkzeug, das genutzt wird, um international politische
Machtpositionen auszuhandeln (Wartiainen, 2020).

Progress Frame
In der Berichterstattung zu Künstlicher Intelligenz wird Fortschritt auffällig betont
(Fink, 2020; Obozintsev, 2018; Brokensha, 2020; Brennen, Howard & Nielsen, 2018). Obozin-
tsev (2018) und Brokensha (2020) ermitteln social progress als den häufigsten Frame der KI-
Berichterstattung. Beide orientieren sich an der Framing-Typologie von Nisbet (2009a), die
wiederum auf Überlegungen anderer Forscher:innen aufbaut. Hier wird social progress defin-
iert als „improving quality of life, or solution to problems“ (Nisbet, 2009a, S. 29). Auch Bren-
nen, Howard und Nielsen stellen fest, dass in ihrer Studie zur Berichterstattung Künstlicher
Intelligenz als „a relevant and competent solution” begriffen wird (2018, S. 1). Frühere

24
Studien, wie die von Nisbet und Lewenstein machten dieselbe Beobachtung und begründeten
diese mit „a heavy reliance on science, industry and government sources – who clearly have a
vested interest in the development of such technology“ (2002, S. 18).

Conflict Frame
Eine weitere Auffälligkeit im Forschungsstand zu KI-Berichterstattung ist die dualisti-
sche Darstellungsweise: Es werden sowohl technologie-freundliche als auch -feindliche Argu-
mentationen innerhalb eines Artikels vorgestellt (Brennan, Howard & Nielsen, 2018; Chuan,
Tsai & Cho, 2019; Obozintsev, 2018). Einen Grund dafür sehen Obozintsev (2018) und Bro-
kensha (2020) darin, dass dies die Leserschaft und Einschaltquoten erhöht. Aufmerksamkeit
ist nur begrenzt verfügbar und bringt Medien unter Erfolgsdruck, Leserschaft zu generieren.
So wirkt es reizvoll für Medien, widersprüchliche Diskurse zu produzieren (Holguin, 2018).
Fink beschreibt die mediale Darstellung von Künstlicher Intelligenz als ein „paradox[es] Ver-
hältnis zwischen Faszination und Bedrohung“ (2020, S. 76). In mehr als der Hälfte der Artikel
findet Brokensha (2020) einen dualistischen Frame, der sich in Utopien und Dystopien oder
Sicherheit und Ungewissheit äußert.

5. Erkenntnisinteresse, Forschungsfragen und Hypothesen

Aus der Theorie und dem Forschungsstand zur Medienberichterstattung wissenschaft-
lich-technischer Themen und Künstlicher Intelligenz werden wiederkehrende Muster ersicht-
lich, die in vorangegangenen Kapiteln ausführlich beschrieben wurden. In Tabelle 3 wird die
Auswahl der zu untersuchenden Frames zur Nachvollziehbarkeit dargestellt.

25
Tabelle 3

Übersicht der zu untersuchenden Frames und ihr Hintergrund. Eigene Darstellung.

Grundlagen Ergebnisse aus der Ergebnisse aus der Zusammen-

Theorie Empirie fassung beider

Iyengar, Newman Semetko Dahinden, Frames Frames zu Frames für die

1991 et al, 1992 & Valken- 2006 wissen- Künstlicher vorliegende
burg, 2000 schaftlich- Intelligenz Analyse (dt.
technischer Übersetzung)
Themen
b
economic economic Wirtschaft- economic economic economic
a lichkeit frame
(Wirtschaft)
morality s morality Moral ethics ethics morality frame
(Moral)
i
conflict e conflict Konflikt conflict conflict conflict frame
(Konflikt)
r
t politics politics politics frame
(Politik)

Fortschritt progress progress progress frame

a (Fortschritt)
u
causal and respon- responsibility
treatment f sibility frame (Verant-
respon- wortung)
sibility
human- human Personali- human interest
impact interest sierung frame
(Menschliches)

Es ist anzunehmen, dass sich diese Muster für die deutsche Presseberichterstattung
zur Künstlichen Intelligenz wiederfinden lassen. So lautet die Forschungsfrage der vorliegen-
den Arbeit: Wie wird Künstliche Intelligenz in der deutschen Presseberichterstattung bzw. in
der Süddeutschen Zeitung und Frankfurter Allgemeinen Zeitung geframt?

Die Hypothesen hierzu werden aus der Theorie und dem Forschungsstand generiert.
H1: Die deutsche Presseberichterstattung zur KI ist geprägt vom economic frame.
H2: Die deutsche Presseberichterstattung zur KI ist geprägt vom morality frame.
H3: Die deutsche Presseberichterstattung zur KI ist geprägt vom conflict frame.

26
H4: Die deutsche Presseberichterstattung zur KI ist geprägt vom politics frame.
H5: Die deutsche Presseberichterstattung zur KI ist geprägt vom progress frame.
H6: Die deutsche Presseberichterstattung zur KI ist geprägt vom responsibility frame.
H7: Die deutsche Presseberichterstattung zur KI ist geprägt vom human interest frame.

6. Methode
Die nächsten Kapitel beschreiben das Untersuchungsdesign der Studie. Hierzu wird die
Methodenwahl, der Untersuchungsgegenstand, die Operationalisierung, die Stichprobenzie-
hung, die Kategorienbildung, die Datenqualität und der Pretest vorgestellt, um eine intersub-
jektive Nachvollziehbarkeit zu gewährleisten.

6.1 Untersuchungsdesign
Zur Bearbeitung der Forschungsfrage wird als Methode der vorliegenden Arbeit die
quantitative Inhaltsanalyse ausgewählt. Sie „ist eine empirische Methode zur systematischen,
intersubjektiv nachvollziehbaren Beschreibung inhaltlicher und formaler Merkmale von Mit-
teilungen“ (Früh, 2015, S. 29) und hat die Funktion, „die Komplexität der Berichterstattung
[zu reduzieren], indem sie deren zentrale Muster herausarbeitet“ (Rössler, 2017, S. 18). Ihre
Aussagekraft kann diagnostisch (Inferenz auf Sender und Kontext), deskriptiv (Inferenz auf
Text- und Medieneigenschaft) oder prognostisch (Inferenz auf Eigenschaften der Empfän-
ger:innen) sein. Die Inhaltsanalyse wurde als die Methode der vorliegenden Arbeit gewählt,
um die Presseberichterstattung zu beschreiben und anschließend interpretieren zu können.
Außerdem bietet die Inhaltsanalyse die Vorteile, dass keine Veränderung des Untersuchungs-
objektes eintritt und die Untersuchung so häufig wie gewünscht reproduzierbar ist. Darüber
hinaus ist keine Kooperation mit Personen nötig und der Zugriff auf das Material ist nicht zeit-
gebunden. In Abgrenzung zur qualitativen Inhaltsanalyse wurde in der vorliegenden Arbeit die
quantitative Inhaltsanalyse ausgewählt, weil so eine Quantifizierung möglich wird. Es sollen
Häufigkeiten, Verteilungen, Strukturen und Muster ermittelt werden. Die Untersuchung ist
eine Querschnittstudie, so wird eine Momentaufnahme für das Jahr 2020 erzielt. Das Jahr
2020 wurde aufgrund der Aktualität ausgewählt. Es sollte das letzte abgeschlossene Kalender-
jahr analysiert werden.

27
6.2 Materialauswahl
Das Untersuchungsmaterial umfasst die Printmedien Süddeutsche Zeitung (SZ) und
Frankfurter Allgemeine Zeitung (FAZ). Die Auswahl für diese Mediengattung ist mit der einfa-
chen Zugänglichkeit und der Verfügbarkeit des Materials begründet. Es muss kein Mehrauf-
wand (wie beispielsweise eine Aufzeichnung audiovisueller Beiträge) betrieben werden. Au-
ßerdem bietet Print die Möglichkeit, dass ausführlich und divers (zum Beispiel in Form von
Meldungen, Interviews und Kommentaren) berichtet werden kann. Innerhalb der Print-
medien wurde die SZ und FAZ ausgewählt. Das hat ebenfalls verschiedene Gründe: Beide sind
überregionale Zeitungen und behandeln relevante länderübergreifende Themen. Des Weite-
ren sind sie Tageszeitungen und können aufgrund ihres häufigen Erscheinungsrhythmus auf
tagesaktuelle und auch auf zeitübergreifende Themen detailliert eingehen. Sie erscheinen
sechsmal pro Woche. Durch die publizistische Regelmäßigkeit wird ein Vergleich der Bericht-
erstattung über einen Zeitraum hinweg möglich.

Ein dritter Faktor ist die Reichweitenstärke. Beide Zeitungen überzeugen mit hohen
Auflagen – die Süddeutsche Zeitung mit circa 328.000 Exemplaren und die Frankfurter Allge-
meine Zeitung mit etwa 215.000 Auflagen Ende 2020 (Informationsgemeinschaft zur Feststel-
lung der Verbreitung von Werbeträgern e.V., 2021). Die Zielgruppen beider Zeitungen verfü-
gen über „überdurchschnittliche Bildung, überdurchschnittliches Einkommen und überdurch-
schnittlichen Einfluss“ (Jandura & Brosius, 2011, S. 195). Obwohl die Bild Zeitung die auflagen-
stärkste Tageszeitung Deutschlands ist, wurde sie nicht mit in die Auswahl genommen. Der
Grund dafür ist, dass sie eine Boulevardzeitung ist und im Gegensatz zu den Qualitätszeitun-
gen FAZ und SZ mehr Unterhaltung statt Information bietet. Die Frankfurter Allgemeine Zei-
tung und die Süddeutsche Zeitung können als zwei verschiedene politische Positionen im jour-
nalistischen Feld betrachtet werden. Hierbei wird die SZ als linksliberal und die FAZ als liberal-
konservativ eingeordnet (Schrag, 2018). Weitere Besonderheiten der Zeitungen sind, dass die
FAZ einen besonderen Fokus auf Wirtschaft legt und die SZ einen umfangreichen Kulturteil
bedient. Obwohl sie überregionale Themen behandeln, sind sie gleichzeitig in ihrem Publikati-
onsort – Frankfurt und München – regional verankert. Sie sind überwiegend Abonnement-
Zeitungen. Diese Spezifika der Zeitungen zu erläutern ist notwendig, um bei der Inhaltsana-
lyse die Ergebnisse sinnvoll einordnen zu können. Die Entscheidung für die Betrachtung von

28
KI-Berichterstattung aus der deutschen Perspektive hängt damit zusammen, dass sie die For-
schungsfrage einschränkt und im Rahmen einer Masterarbeit realisierbar macht. Eine länder-
vergleichende oder gar internationale Betrachtung hätte die Auseinandersetzung mit weitaus
mehr Dimensionen (wie beispielsweise Mediensystemen und die Heranziehung von weiteren
Hintergrundinformationen etc.) erfordert.

Zusammengefasst besteht die Auswahleinheit aus allen Artikeln der deutschen Zeitun-
gen Süddeutsche Zeitung und Frankfurter Allgemeine Zeitung aus dem Jahr 2020 zur Künstli-
che Intelligenz. Die Artikel werden mittels des Library Net des Süddeutsche Zeitung Archivs
und des F.A.Z.-Bibliotheksportals des Frankfurter Allgemeine Archivs erhoben. Der verwen-
dete Suchbegriff lautet „Künstliche Intelligenz“. Abkürzungen und verwandte Begriffe wie ma-
schinelles Lernen und neuronale Netze wurden nicht hinzugezogen. Hierbei werden nur Artikel
eingeschlossen, die den Suchbegriff Künstliche Intelligenz mindestens einmal im gesamten
Text enthalten haben. Eine Auswahl an Ressorts, Darstellungsform oder Länge der Nachricht
wird nicht getroffen. Doppelte Artikel wurden ausgeschlossen. Der Untersuchungszeitraum
umfasst das Jahr 2020. Die Analyseeinheit ist der ganze Artikel. Sie stellt die „Grundlage für
Codierung und Auswertung“ dar (Rössler, 2017, S. 43).

Diese Eingrenzung ergeben 613 Artikel, wovon 424 Artikel aus der Frankfurter Allge-
meine Zeitung und 189 Artikel aus der Süddeutschen Zeitung stammen. Daraus wird mittels
einer einfachen Zufallsauswahl eine Stichprobe von 306 Artikeln gezogen. Alle 613 Artikel
werden im Programm Microsoft Excel in einer Spalte (A) notiert. Mit der Funktion8 „=IN-
DEX($A$1:$A$613;ZUFALLSBEREICH(1;613))“ wird aus ihnen eine einfache Zufallsauswahl ge-
troffen. Bei der einfachen Zufallsauswahl besitzt jeder Artikel dieselbe Chance, ausgewählt zu
werden. Diese 306 Artikel werden anschließend für die Inhaltsanalyse verwendet. Das Unter-
suchungsinstrument der Inhaltsanalyse ist das Codebuch. Es enthält Festlegungen, Anweisun-
gen und Kriterien für die Analyse. Ihr Herzstück ist das Kategoriensystem. Dieses wurde für

8
„INDEX“ ist ein als Matrix eingegebener Zellbereich. „ZUFALLSBEREICH“ gibt eine ganze Zufallszahl aus dem
festgelegten Bereich wieder. „$“ bezeichnet den absoluten Bezug und dient dazu, dass die Formel immer gleich-
bleibt.

29
die vorliegende Arbeit sowohl aus der Theorie als auch Empirie abgeleitet. Das dritte Kapitel
bietet die Grundlage für die Auswahl der Kategorien. Jede Kategorie stellt eine Codiereinheit
dar. Es wird unterschieden zwischen den formalen Kategorien und inhaltlichen Kategorien.
Für beides gilt, dass die Kategorien „erschöpfend und disjunkt angelegt sein müssen, ohne
eine Fehlmessung zu verursachen“ (Rössler, 2017, S. 101). Sie dienen dazu, potenzielle Erklä-
rungen, Hintergrundinformationen und Kontextualisierung für die Analyse zu bieten. Die In-
halte werden hierbei in Zahlenwerte übersetzt.

6.3 Operationalisierung der Variablen

Im Folgenden soll die Operationalisierung der Variablen beschrieben werden: Es wird
in formale und inhaltliche Kategorien unterschieden (siehe Anhang 5 Codebuch). Die forma-
len Kategorien sind hauptsächlich angelehnt an die von Rössler (2017) und die inhaltlichen Ka-
tegorien sind abgeleitet aus dem Forschungsstand (siehe Kapitel drei). Zunächst wird jedem
Artikel eine Identifikationsnummer (V1_Artikel_ID) zugeteilt, die sich zusammensetzt aus dem
Titel der Zeitung, dem umgekehrten Datum und einer Nummerierung. Danach wird der Name
der Zeitung (V2_Medium), das Veröffentlichungsdatum des Artikels (V3_Veröffentlichungsda-
tum) sowie die dazugehörige Kalenderwoche (V4_Kalenderwoche) notiert. Die Variablen
V5_Überschrift und V6_Kurzbeschreibung sind String Variablen und dienen dazu, das Material
wiederzuerkennen. Neben der Wortanzahl (V7_Wortanzahl) wird zur Gruppierung zusätzlich
die Artikellänge bestimmt (V8_Artikellänge). Kurze Artikel umfassen 0-300 Wörter, mittlere
Artikel 301-1000 Wörter und lange Artikel sind jene, mit über 1000 Wörtern. Bei der Variable
V9_Ressort werden verschiedene Ressorts zu Oberbegriffen zusammengefasst. Das ist not-
wendig, da die zu analysierenden Medien FAZ und SZ ihre Ressorts unterschiedlich betiteln.
Ein Beispiel dafür ist der Oberbegriff Karriere, der in der Frankfurter Allgemeinen Zeitung als
Beruf und Chance und in der Süddeutschen Zeitung als Bildung und Ausbildung benannt wird.
Weiterhin wird codiert, ob der Artikel auf der Titelseite oder Innenseite platziert ist
(V10_Platzierung). Mit der Variable V11_Darstellungsform wird erfasst, welche Form der Bei-
trag hat. Hierbei wird in Meldung, Bericht, Interview, Porträt, Leitartikel, Kritik, Kolumne und
Leserbrief unterschieden. Die genauen Definitionen sind dem Codebuch im Anhang 5 zu ent-
nehmen. Es folgt der geografische Ortsbezug (V12_geografischer_Ortsbezug), bei dem zur
Einheitlichkeit (statt Städten und Regionen) nur das dazugehörige Land codiert wird (Beispiel:

30
Bei der Erwähnung Paris wird Frankreich codiert). Ausnahmen sind Erwähnungen der Konti-
nente, die so übernommen werden. Wenn Begriffe wie international, weltweit und global vor-
kommen, werden sie unter der Bezeichnung global summiert. Alle Orte werden in einer offe-
nen Liste (siehe Anhang 6) vermerkt.

Bei den inhaltlichen Variablen wird (V13_Oberthema) das Oberthema des Artikels co-
diert. Um Prägnanz zu gewährleisten, wird versucht nur mit einem Wort das Oberthema zu
beschreiben. Dieses wird in einer offenen Liste (siehe Anhang 7) notiert. Das Oberthema soll
eine Kategorisierung der Inhalte ermöglichen. Beim Codieren wird darauf geachtet, dass die
Erfassung des Oberthemas in dem Zusammenhang geschieht, in dem Künstliche Intelligenz
erwähnt wird. Die Variable V14_FrameElement ist angelehnt an Entman (1993). Sie hat die
vier Ausprägungen: Problembeschreibung, Ursachenbeschreibung, Moralische Bewertung und
Lösungsvorschlag. Es wird erfasst, ob Künstliche Intelligenz (abgekürzt) als Problem, Ursache
oder Lösung behandelt wird oder ihre Bewertung erfolgt. Im Gegensatz zu der Herangehens-
weise von Entman (1993) wird sich hier bei der Codierung nur auf die Erwähnung von Künstli-
cher Intelligenz und dem dazugehörigen Kontext bezogen. Im Anhang 3 ist die Herangehens-
weise zur Identifizierung des Frame-Elements dargestellt: Die originale Beschreibung im Auf-
satz Entmans (1993) wird als Frage formuliert, ins Deutsche übersetzt und zur Identifikation
genutzt. Tabelle 4 bietet eine Übersicht zur Operationalisierung von V14_FrameElement.

Tabelle 4
Operationalisierung der Variable V14_FrameElement mit Beispielen. Eigene Darstellung.

Frame-Element Identifikation durch Beispiel

Problembeschreibung • Wird Künstliche Intelli-
bzw. Problem genz als ein Problem be-
schrieben?
Ursachenbeschreibung • Wird Künstliche Intelli-
bzw. Ursache genz als eine Ursache be-
schrieben?
Lösungsvorschlag • Wird Künstliche Intelli-
bzw. Lösung genz als eine Lösung vor-
geschlagen?
Moralische Bewertung • Wird Künstlicher Intelli-
bzw. Bewertung genz eine Bewertung ge-
äußert?
„Doch das führt auch zu einem Problem. Wie
die KI zu ihrem Resultat kommt, lässt sich kaum
nachvollziehen” (Strehlitz, 2020, S. 21).
„Künstliche Intelligenz werde bald jede mensch-
liche Kreativität obsolet machen“
(Hentschel, 2020, S. 16).
„Manchen gilt gerade Künstliche Intelligenz als
Wundermittel gegen das Virus“
(Moorstedt, 2020b, S. 10).
„Seit 2015 können künstliche Intelligenzen
Schadenbilder besser auswerten als Menschen“
(Nöthling, Tauber & Fromme, 2020, S. 17).

31
 Die letzte Variable im Codebuch ist V15_Frame. Es werden die Frames erfasst, die aus
der Theorie von Semetko und Valkenburg (2020), Dahinden (2006) und dem Forschungsstand
zu wissenschaftlich-technischen Themen und Künstlicher Intelligenz extrahiert wurden (siehe
Tabelle 3). Tabelle 5 stellt die Operationalisierung der Variable V15_Frames dar.

Tabelle 5
Operationalisierung der Variable V15_Frames mit Beispielen. Eigene Darstellung.

Frame Identifikation durch Beispiel

economic frame • Erwähnung von Gewinnen
bzw. Wirtschaft • Erwähnung von Verlusten
• Erwähnung von Kosten
• Erwähnung ökonomischer Konsequenzen
• Sonstiges zur Wirtschaft
morality frame • Erwähnung von Moral
bzw. Moral • Erwähnung von Ethik
• Erwähnung von Religion
• Sonstiges zu Moral und Ethik
conflict frame • Erwähnung von Konflikten
bzw. Konflikt • Erwähnung von Widersprüchen
• Erwähnung von Differenzen
• Sonstiges zu Konflikt und Kontroverse
politics frame • Erwähnung von Politik
bzw. Politik • Erwähnung von Politisierung
• Sonstiges zu Politik und Politisierung
progress frame • Erwähnung von Fortschritt
bzw. Fortschritt • Sonstiges zum Fortschritt
responsibility • Erwähnung von Problemen
frame bzw. • Erwähnung von Lösungen
Verantwortung • Erwähnung der Notwendigkeit einer
Handlung
• Erwähnung der Fähigkeit, ein Problem
mildern zu können
• Erwähnung von Opfern
• Erwähnung von Schuldigen
• Sonstiges zur Verantwortung
human interest • Erwähnung eines menschlichen Beispiels
frame bzw. zum Thema
Menschliches • Personalisierung
• „Emotionalisierung“
• Sonstiges zur Personalisierung
„Um 15,7 Billionen Dollar soll KI spätes-
tens von 2030 an das globale Bruttosozi-
alprodukt jährlich erhöhen“
(Kreye, 2020, S. 4).
„Wann immer eine Software diskriminie-
rende Ergebnisse liefert, dann liegt das
an den Daten, mit denen sie trainiert
wurde“ (Moorstedt, 2020c, S. 10).
„Der Wettkampf der Systeme ist denk-
bar ungleich: Bleistift gegen KI, Aquarell-
papier gegen Bit und Byte“
(Matzing, 2020, S. 17).
„Sie werde ‚Rechtsvorschriften‘ mit ei-
nem Konzept für die ‚menschlichen und
ethischen Aspekte der künstlichen Intel-
ligenz‘ vorschlagen, kündigte sie in ihren
politischen Leitlinien an“
(Beisel, 2020, S. 18).
„Meist sind es Routineaufgaben, die
Computer und künstliche Intelligenz
schneller, kostengünstiger und oft bes-
ser als der Mensch erledigen können“
(Demmer, 2020, S. 29).
„Der Stuttgarter Technikkonzern hat sich
selbst auf einen KI-Kodex verpflichtet“
(Lipkowski, 2020, S. 18).
„Das besagt allerdings noch lange nicht,
dass die gleiche Software [KI] ein ande-
res Spiel spielen könnte, ja überhaupt
versteht, was ein Spiel eigentlich ist“
(Moorstedt, 2020a, S. 9).

32
 Neben der Beschreibung der Kategorien und Ausprägungen bieten zusätzlich Co-
dieranweisungen (grau, kursiv, gekennzeichnet durch (CA)) sowie typische Textstellen
(schwarz, kursiv, in der Schriftart Courier) eine Definitionshilfe. Die Codierung erfolgt prinzipi-
ell am manifesten Inhalt der Artikel. Über die beschriebenen Hinweise hinaus gehende Inter-
pretationen sind unzulässig. Der Ablauf der Codierung beginnt mit der Lektüre des gesamten
Artikels. Bereits währenddessen können relevante Merkmale markiert werden. Danach wird
der Artikel auf jede Kategorie und Ausprägung hin untersucht und die Ausprägung der jeweili-
gen Kategorie in einer Microsoft Excel Tabelle notiert. Gegebenenfalls kann eine mehrfache
Lektüre notwendig sein. Das Codebuch mit allen Variablen und Anweisungen ist im Anhang 5.

6.4 Reliabilitätsprüfung des Untersuchungsinstruments

Um die Güte und Zuverlässigkeit des Messinstruments zu untersuchen, wird das Code-
buch einer Reliabilitätsprüfung unterzogen. Diese ist abhängig von der Definition, Eindeutig-
keit und Trennschärfe der Kategorien, der Klarheit der Codieranweisungen und der Codierer-
schulung. Die Reliabilitätsprüfung bezieht sich darauf, ob bei der Wiederholung der Untersu-
chung gleiche Ergebnisse erzielt werden. So wird ein Intercoderreliabilitätstest durchgeführt,
mit der die Übereinstimmung zwischen unterschiedlichen Codierer:innen geprüft wird. Weil
jedoch für die vorliegende Arbeit nur eine Codiererin tätig ist, wird die Variante des Intra-
coderreliabilitätstests angewandt, mit dem kontrolliert wird, inwieweit sich die Messung des
Materials zu zwei auseinanderliegenden Zeitpunkten gleicht. In diesem Fall lagen zwei Wo-
chen zwischen den beiden Messzeitpunkten, welches eine geringe Zeitspanne ist und als eine
Limitation angesehen werden kann. Für den Reliabilitätstest sollen mindestens 30-50 Artikel
pro Variable gesichtet werden (Rössler, 2017). Diese wurden zufällig ausgewählt. Die Formel
zur Berechnung lautet:

Formel 1
Codierreliabilität nach Früh (2007)
2xÜ(Ü*&'&%/0+%11&/$& "#$%&'3/4&/)
CR ("#$%&''&(%)*%(%+ä+) =
C1("#$%&'3/4&/ 53 6&%+73/8+ 9) + C2("#$%&'3/4&/ 53 6&%+73/8+ :)

33
 Bei inhaltlichen Kategorien sind Werte ab .80 und bei formalen Kategorien Werte
nahe 1.0 gewünscht. Außerdem ist ein Pre-test notwendig, mit dem eine kleine Auswahl an
Artikel untersucht wird, ob das Codebuch angemessen angewandt werden kann. Diese sind
mehrstufige Prozesse, die das Anpassen des Untersuchungsinstruments ermöglichen.

6.5 Datenauswertung
Alle statistischen Berechnungen wurden mit der Software SPSS erstellt. Die Auswer-
tung erfolgt nach der Reihenfolge der Variablen im Codebuch. Es werden zunächst die Ergeb-
nisse der formalen Kategorien und anschließend die der inhaltlichen vorgestellt. Die Betrach-
tung der Forschungsfragen respektive der Ergebnisse zu den Frames der KI-Presseberichter-
stattung wird in einem Unterkapitel behandelt. Zur Auswertung dienen Häufigkeitstabellen
und Kreuztabellen (siehe Anhang 9).

7. Ergebnisse
Um einen Eindruck für das Untersuchungsmaterial gewinnen zu können, soll zunächst
die Zusammensetzung der Stichprobe dargestellt werden. Dies erfolgt mittels deskriptiver
Analyse. Gleichzeitig können auf diese Art und Weise Schlussfolgerungen zur Darstellung von
Künstlicher Intelligenz in der deutschen Presseberichterstattung gezogen werden. Zum ange-
nehmeren Lesefluss werden nur jene Zahlen und Prozente im Text angegeben, die besonders
wichtig sind. Alle weiteren sind im Anhang 9 vollständig vorzufinden. In diesem Abschnitt wer-
den nur die Ergebnisse der Analyse beschrieben. Ihre Einordnung, Interpretation und Begrün-
dung geschehen im nachfolgenden Kapitel Diskussion. Um die Befunde und die Beziehungen
zwischen Daten zu veranschaulichen, werden Tabellen und Diagramme verwendet. Die Vari-
ablen und Ausprägungen werden kursiv gesetzt, um sie hervorzuheben und vom Text abzu-
grenzen.

7.1 Formale Kategorien

Angefangen mit dem Vergleich der Medien kann festgehalten werden, dass die Frank-
furter Allgemeine Zeitung im Jahr 2020 insgesamt mehr Beiträge veröffentlicht hat, die Künst-
liche Intelligenz im Text erwähnen (424 Artikel) als die Süddeutsche Zeitung (189 Artikel). Die-
ses Verhältnis spiegelt sich ebenfalls in der Zufallsstichprobe wider. Insgesamt teilt sich die
34
Stichprobe mit den 306 Artikeln auf in 212 Artikel aus der Frankfurter Allgemeinen Zeitung
und 94 Artikel aus der Süddeutschen Zeitung, welches ein Verhältnis von ca. 69 Prozent zu 31
Prozent ausmacht. Zur zeitlichen Erfassung wurde neben der Betrachtung des Datums, die
Variable Kalenderwochen eingeführt. Da einzelne Tage zu detailliert und eine Monatsüber-
sicht zu ungenau gewesen wäre, hat sich die Wochenübersicht durchgesetzt. Diagramm 1
stellt einen Zeitstrahl für das Jahr 2020 dar, bei dem jeder Balken chronologisch eine Kalen-
derwoche markiert. Neben der Beschriftung der Kalenderwoche ist auch zum leichten Ver-
ständnis der Monat vermerkt. Die Ziffer am Ende des Balkens bildet die Anzahl der veröffent-
lichten Artikel, in denen Künstliche Intelligenz erwähnt wird, für die jeweilige Kalenderwoche
ab. In der Stichprobe kommen in den Kalenderwochen acht und 48 am häufigsten Artikel vor
(15 Artikel in einer Woche). Damit sind Mitte Februar und Ende November gemeint. Die
zweithäufigste Anzahl der Veröffentlichungen ist in den Kalenderwochen drei, vier, 37 und 38
mit jeweils zwölf Artikeln in einer Woche. Diese Kalenderwochen umfassen Mitte Januar so-
wie Anfang und Mitte September. Im Durchschnitt werden in einer Woche sechs Artikel, in
denen Künstliche Intelligenz erwähnt wird, veröffentlicht.

Diagramm 1
Anzahl der veröffentlichten Artikel zum Thema Künstliche Intelligenz in Kalenderwochen.
Eigene Darstellung.

35
 Die Wortanzahl beträgt durchschnittlich 876 Wörter. Der kürzeste Artikel ist eine Mel-
dung aus der Süddeutschen Zeitung mit dem Titel „Künstliche Intelligenz in Regensburg“ mit
54 Wörtern (DPA, 2020, S. 24). Der längste Artikel ist ein Interview aus der Frankfurter Allge-
meinen Zeitung mit dem Titel „Holt euch eure Daten zurück“ mit 2880 Wörtern (Maak, 2020,
S. 13). Der Großteil der Artikel ist mittellang (59 Prozent), gefolgt von lang (31 Prozent) und
seltener kurz (10 Prozent). Hierbei gibt es zwischen den Medien FAZ und SZ keine Unter-
schiede. Die mittlere Artikellänge entspricht fast allen Darstellungsformen – mit Ausnahme
von Meldungen, die kurze Artikel sind (84 Prozent) und Interviews, die lange Artikel sind (75
Prozent). In jedem Ressort überwiegen mittellange Artikel. Nur der Ressort Karriere beinhaltet
am häufigsten lange Artikel.

Fast die Hälfte der Artikel (49 Prozent) sind aus dem Ressort Wirtschaft und Finanzen.
15 Prozent der Artikel sind aus der Beilage und 14 Prozent aus dem Feuilleton. Der Rest ver-
teilt sich auf Politik (neun Prozent), Wissenschaft und Technik (acht Prozent) und Karriere
(fünf Prozent). In Diagramm 2 sind die Häufigkeiten angegeben, die die Verteilung der Artikel,
in denen Künstliche Intelligenz erwähnt wird in die Ressorts darstellen.

Diagramm 2
Anzahl der Ressorts, in denen Artikel zu KI vorkommen. Eigene Darstellung.

Wissenschaft & Karriere

Technik 5%
8%

Politik
9%
Wirtschaft &
Finanzen
49%
Feuilleton
14%

Beilage
15%

36
Im Vergleich der FAZ und SZ kommen Artikel bei der FAZ am häufigsten in den Ressorts Wirt-
schaft, Beilage und Feuilleton vor und bei der SZ in den Ressorts Wirtschaft, Feuilleton und Po-
litik. Mit Ausnahme von vier Artikeln sind alle auf der Innenseite platziert (99 Prozent). Davon
wurden drei in der Süddeutschen Zeitung und eines in der Frankfurter Allgemeinen Zeitung
publiziert. Die Artikel auf der Titelseite haben die Darstellungsform Bericht oder Meldung. Ins-
gesamt sind die häufigsten Darstellungsformen Berichte und Leitartikel. Kurze Darstellungsfor-
men wie Meldungen kommen vor allem im Wirtschafts- und Politikressort vor. Lange Inter-
views finden in der Beilage Platz. Porträts werden vor allem im Ressort Wirtschaft publiziert.
Kritiken werden am häufigsten im Feuilleton veröffentlicht.

Bei den zu untersuchenden Artikeln besteht fast immer ein Ortsbezug. Für jeden Arti-
kel konnten mehrere Ortsbezüge gleichzeitig codiert werden. Die Orte, die am häufigsten er-
wähnt wurden, werden als eine einzelne Ausprägung notiert. In Diagramm 3 sind gruppierte
Säulen abgebildet. Sie zeigen im Vergleich der Zeitungen, wie oft in Artikeln, in denen KI vor-
kommt, ein Bezug zu einem Ort hergestellt wird.

Diagramm 3
Anzahl der Orte, die in Artikeln der FAZ und SZ zu KI vorkommen. Eigene Darstellung.

80%
70% 75%
60%
50% 54%
40%
30%
20% 28% 26%
22%
10% 19% 18% 16% 18%
16%
13% 12%
0%
Deutschland Europa USA China Global Andere

FAZ SZ

Die häufigste Erwähnung findet Deutschland (FAZ: 75 Prozent; SZ: 54 Prozent). Mit
großem Abstand folgt dann die USA (FAZ: 28 Prozent; SZ: 26 Prozent), noch vor Europa (FAZ:
37
19 Prozent; SZ: 22 Prozent). China kommt mit 16 Prozent Erwähnung in der FAZ und 13 Pro-
zent in der SZ vor. Die Ausprägung Global bezieht alle Begriffe, die Globalität meinen ein:
weltweit, international, global und überall. Künstliche Intelligenz im Zusammenhang mit Glo-
balität wird 18 Prozent in der FAZ und 16 Prozent in der SZ erwähnt. Alle anderen Orte wur-
den nur vereinzelt genannt und demnach als „Andere“ notiert. Die vollständige Liste ist im
Anhang 6 vermerkt.

Eine Besonderheit in der Betrachtung des Ortsbezugs und der Artikellänge ist, dass
jene Artikel, in denen Künstliche Intelligenz als ein globales Thema verhandelt wird, eine
lange Artikellänge haben (46 Prozent). Darüber hinaus kommt Globalität in der Hälfte der Ar-
tikel, die im Karriere Ressort veröffentlicht werden, vor. Auffällig ist, dass für die Ressorts
Wirtschaft und Finanzen sowie Wissenschaft und Technik die USA und im Ressort Politik Eu-
ropa in jedem dritten Artikel vorhanden ist.

7.2 Inhaltliche Kategorien

Im Codebuch sind drei inhaltliche Variablen. Diese sind Oberthema, Frame-Element
und Frame. Bei allen dreien war eine Mehrfachnennung möglich. Die Oberthemen sind String
Variablen und wurden qualitativ aus dem Text extrahiert. Die Bestimmung der Frame-Ele-
mente erfolgte nach Entman (1993). Die Frames wurden, wie in Kapitel 5 beschrieben, aus der
Theorie und Empirie festgelegt.

Die erste inhaltliche Variable ist das Oberthema. Dieses wurde erhoben, um die Artikel
kategorisch differenzieren zu können. Die Merkmale wurden aus dem Material erschlossen.
Dazu wurde das Material einmal gesichtet und die Oberthemen zur Künstlichen Intelligenz in
einer offenen Liste notiert (siehe Anhang 7). Diese Variable gleicht dem Begriff theme von
Brennen, Howard und Nielsen (2018). Sie kann als ein Oberbegriff verstanden werden, in der
sich mehrere topics befinden. Theme ist abstrakt und topic konkret. In Tabelle 6 sind die Häu-
figkeiten der Oberthemen, die im Zusammenhang mit Künstlicher Intelligenz vorkommen.

38
Tabelle 6
Häufigkeiten von V13_Oberthema. Eigene Darstellung.

N Prozent
V13_Oberthema V13_Wirtschaft 85 17%
V13_Möglichkeiten 74 15%
V13_Mittel 65 13%
V13_Politik 37 7%
V13_Regulierung 33 7%
V13_Forschung 31 6%
V13_Medizin 27 5%
V13_Wettbewerb 26 5%
V13_Kultur 25 5%
V13_Technik 24 5%
V13_Maschine 23 5%
V13_Relevanz 18 4%
V13_Arbeit 18 4%
V13_Ethik 17 3%

Am häufigsten kommt Wirtschaft vor. Hierbei geht es unter anderem um Produkte,

Unternehmen und Unternehmer:innen. Das zweithäufigste ist Möglichkeiten. Diese umfassen
Chancen und Risiken der Künstlichen Intelligenz. Das dritthäufigste Oberthema ist Mittel, wel-
ches umschreibt, dass KI als Mittel, Werkzeug oder Verbindung zwischen mehreren fungiert.
Alle weiteren Oberthemen kommen so selten vor, dass hier im Einzelnen nicht näher darauf
eingegangen wird. Im Anhang 8 ist die vollständige Erläuterung der Inhalte der einzelnen
Oberthemen. Aufgeteilt in FAZ und SZ wird deutlich, dass bei beiden die drei häufigsten Ober-
themen dieselben sind – nur ist ihre Anordnung unterschiedlich: Bei der Süddeutschen Zei-
tung ist am häufigsten Möglichkeiten, dann Mittel und Wirtschaft. Bei der Frankfurter Allge-
meine Zeitung ist Wirtschaft an erster Stelle, gefolgt von Möglichkeiten und Mittel. In der
Kombination der Oberthemen kommt am häufigsten Wirtschaft mit Wettbewerb, Wirtschaft
mit Mittel und Wettbewerb mit Politik vor. Bei fast allen Oberthemen ist die häufigste Artikel-
länge mittel. Ausnahmen bilden Ethik, Forschung, Technik, Kultur und Maschine – hier ist die
Artikellänge lang.

39
 Die Oberthemen verteilen sich breitflächig auf die Ressorts. Im Ressort Politik werden
am häufigsten die Oberthemen Möglichkeiten, Regulierung und Politik genannt. Im Ressort
Wirtschaft dominiert der gleichnamige Oberthemen. Forschung, Maschine, Möglichkeiten und
Technik sind im Wissenschaftsteil der Zeitung vorzufinden. Kultur wurde in Feuilleton und Ar-
beit im Ressort Karriere am häufigsten erwähnt. Im Gegensatz zu der breiten Verteilung in die
Ressorts ist der Ortsbezug der Oberthemen eher konzentriert: Deutschland ist bei allen Ober-
themen vorherrschend. Eine Ausnahme bildet Regulierung und wird am häufigsten mit Eu-
ropa genannt. An zweiter Stelle ist die USA in allen Oberthemen präsent, bis auf drei Ausnah-
men. Bei dem Oberthemen Arbeit gibt es einen globalen Bezug. Wenn es um Wettbewerb
geht, kommen China und USA am häufigsten vor. Wird die Relevanz von Künstlicher Intelli-
genz beschrieben, überwiegen global und China.

Die nächste Variable ist V14_FrameElement. Frame-Elemente wurden nach der Frage
erhoben, ob bei der Erwähnung Künstlicher Intelligenz im Artikel, diese als ein Problem, eine
Ursache oder eine Lösung dargestellt wird oder ob eine Bewertung der KI stattfindet. Die Er-
gebnisse (siehe Tabelle 6) zeigen, dass KI in über der Hälfte der Artikel als Lösung beschrieben
wurde (56 Prozent). Als Ursache fand KI zu 19 Prozent und als Problem zu 13 Prozent Erwäh-
nung. Eine Bewertung von Künstlicher Intelligenz gab es in zwölf Prozent der Artikel. Diese Er-
gebnisse sind aus der Tabelle 6, die die Häufigkeiten der Variable Frame-Element aufzeigt, zu
entnehmen. Am häufigsten ist die Kombination der Frame-Elemente Problem und Lösung (34
mal). Darauf folgt Bewertung und Lösung (27 mal) sowie Bewertung und Ursache (25 mal).

Tabelle 7
Häufigkeitstabelle von V14_FrameElement. Eigene Darstellung.

N %
V14_FrameElement V14_Lösung 231 56%
V14_Ursache 76 19%
V14_Problem 53 13%
V14_Bewertung 50 12%

40
 Sowohl bei der Artikellänge und Darstellungsform als auch bei der Verteilung in die
Ressorts ist keine Besonderheit zu verzeichnen. Betrachtet man den Ortsbezug und das
Frame-Element, wird Künstliche Intelligenz, wenn sie als ein globales Thema behandelt wird,
in jedem dritten Artikel als Problem beschrieben. In Artikeln, die einen Bezug zu Deutschland
haben, wird zu 82 Prozent Künstliche Intelligenz als eine Lösung gesehen.

In der Betrachtung der Frame-Elemente und Oberthemen ist die häufigste Erwähnung
Lösung, welches mit dem Oberthemen Wirtschaft vorkommt. Künstliche Intelligenz als Prob-
lem dominiert in jenen Artikeln, in denen Regulierung erwähnt wird. Wenn Künstliche Intelli-
genz als Ursache beschrieben wird oder eine Bewertung über KI getroffen wird, werden die
Möglichkeiten von Künstlicher Intelligenz thematisiert. Abbildung 1 stellt eine Übersicht dar.

Abbildung 1
Verbindung von Oberthemen und Frame-Elementen. Eigene Darstellung.

Frame-
Problem Ursache Bewertung Lösung
Element

Ober-
Regulierung Möglichkeiten Wirtschaft
thema

7.3 Frames der Künstlichen Intelligenz

Bei der Bestimmung der Frames war eine Mehrfachnennung möglich. So kam insge-
samt am häufigsten der Frame Fortschritt vor (34 Prozent). Der zweithäufigste Frame ist Wirt-
schaft mit 18 Prozent. Darauf folgen Politik (14 Prozent), Verantwortung (elf Prozent), Konflikt
(neun Prozent), Moral (acht Prozent) sowie Menschliches (sieben Prozent).

41
Tabelle 8
Häufigkeiten von V15_Frame

N %
V15_Frame V15_Fortschritt 236 33,9%
V15_Wirtschaft 125 18,0%
V15_Politik 97 13,9%
V15_Verantwortung 74 10,6%
V15_Konflikt 65 9,3%
V15_Moral 53 7,6%
V15_Menschliches 46 6,6%

Die häufigste Kombination von Frames sind Wirtschaft und Fortschritt (88 mal), Politik
und Fortschritt (66 mal) und Politik und Wirtschaft (57 mal). Aufgeteilt in die Medien SZ und
FAZ kommt Fortschritt in der Frankfurter Allgemeinen Zeitung zu 82 Prozent und in der Süd-
deutschen Zeitung zu 66 Prozent vor. Der Frame Wirtschaft hat in der FAZ eine Häufigkeit von
37 Prozent und in der SZ 49 Prozent. Die Frames, die bei den Artikeln auf der Titelseite in min-
destens zwei Artikeln vorkommen, sind Fortschritt, Politik und Wirtschaft.

Im Vergleich der Darstellungsformen wird deutlich, dass es Unterschiede gibt: In Be-

richten, Leitartikeln, Leserbriefen und Porträts dominieren die Frames Fortschritt und Wirt-
schaft. Beim Interview und bei der Kolumne sind Fortschritt und Verantwortung präsent. In
Meldungen wurden am häufigsten Fortschritt und Politik erwähnt. In Kritiken sind die Frames
Fortschritt und Moral/Menschliches vorhanden. Betrachtet man die Ressorts und Frames,
wird ersichtlich, dass auch Unterschiede hinsichtlich der Ressorts existieren. In den Ressorts
Wirtschaft und Finanzen, Politik und Karriere dominieren die Frames Fortschritt, Wirtschaft
und Politik. Hingegen kann im Feuilleton am häufigsten Fortschritt, Moral und Konflikt vorge-
funden werden. Beim Ressort Wissenschaft und Technik sind die Frames Fortschritt, Konflikt
und Verantwortung präsent. Der Frame Politik ist am häufigsten im Politik Ressort zu be-
obachten. In allen anderen Ressorts kommt am häufigsten der Frame Fortschritt vor. In der
Betrachtung der zweithäufigsten Frames, ist der Frame Verantwortung im Ressort Wissen-
schaft und Technik präsent. Der Frame Moral ist im Feuilleton am zweithäufigsten vorhanden.
Sonst dominiert Wirtschaft und Finanzen in allen anderen Ressorts als zweithäufigstes.
42
 In der Kombination des Ortsbezugs und der Frames kann festgehalten werden, dass
bei allen Frames am häufigsten Deutschland Erwähnung findet. In Artikeln, in denen die Fra-
mes Politik und Verantwortung vorherrschen, wird als zweithäufigster Ortsbezug Europa be-
nannt. Hingegen wird die USA bei den Frames Fortschritt, Wirtschaft und Konflikt als zweit-
häufigster Ort beobachtet. Für die Frames Moral und Menschliches gilt, dass sie als zweithäu-
figstes mit global in Verbindung gebracht werden.

Hinsichtlich der Frame-Elemente und Frames gilt: Wenn Künstliche Intelligenz als Ursa-
che beschrieben wurde, kommen die Frames Fortschritt und Konflikt vor. Findet eine Bewer-
tung von KI statt, sind die Frames Fortschritt, Wirtschaft und Konflikt präsent. Bei der Darstel-
lung von Künstlicher Intelligenz als ein Problem, herrschen die Frames Fortschritt und Politik.
Wenn KI als Lösung erwähnt wird, dominieren die Frames Fortschritt und Wirtschaft. In der
Betrachtung der Oberthemen und Frames, kommt bei allen am häufigsten Möglichkeiten vor,
außer bei den Frames Wirtschaft und Politik, bei denen die gleichnamigen Oberthemen über-
wiegen.

8. Diskussion
In diesem Kapitel werden die Ergebnisse diskutiert und eingeordnet. Interpretationen
und mögliche Begründungen sollen erörtert werden. Dabei wird kapitelweise in die formalen
und inhaltliche Kategorien unterschieden, bevor dann die Frames der Künstlichen Intelligenz
vorgestellt werden. Letztlich wird aufgezeigt, welche Limitationen es gab und wie sie sich auf
die Ergebnisse ausgewirkt haben.

8.1 Formale Kategorien

Die formalen Codiereinheiten sind manifeste Merkmale, die als Differenzierungskrite-
rien für die Analyse fungieren. Wenn für jede Variable die am häufigsten vorkommende Aus-
prägung festgehalten wird, kann ein typischer Artikel beschrieben werden: Charakteristisch
für Artikel, die im Jahr 2020 in der deutschen Presse Künstliche Intelligenz thematisieren, ist,
dass sie sich formal auf der Innenseite der Zeitung im Wirtschaftsressort befinden, eine mitt-

43
lere Artikellänge haben und in Form eines Berichts gestaltet sind. Ihr Bezugsort ist Deutsch-
land und das Thema des Artikels ist Wirtschaft. In ihr wird Künstliche Intelligenz als eine Lö-
sung gewertet und mit dem Frame Fortschritt dargestellt.

Im Jahr 2020 gab es bestimmte Zeiträume, in denen besonders viele Artikel zu KI ver-
öffentlicht wurden. Während der Durchschnitt sechs Artikel pro Woche ist, wurden in diesen
speziellen Fällen doppelt und dreifach so viele Artikel zu KI veröffentlicht. Die Zeiträume sind
Mitte Januar, Mitte Februar, Anfang/Mitte September und Ende November. Der Grund für die
hohen Zahlen Mitte Februar ist, dass die Europäische Union ihren Weißbuch-Entwurf veröf-
fentlicht hat. Ende November gab die FAZ eine Sonderausgabe im Karriere-Ressort zur Künst-
lichen Intelligenz heraus. Für die anderen Zeiträume lässt sich kein einheitliches Ereignis fin-
den. Darüber hinaus ist auffällig, dass Anfang März bis Mitte August weniger Artikel zu KI ver-
öffentlicht werden als in den anderen Monaten.

In der deutschen Presseberichterstattung zu Künstlicher Intelligenz wird in jedem

zweiten Beitrag ein Ortsbezug zu Deutschland geschaffen. Das ist mit der Nachrichtenwert-
theorie (Galtung & Ruge, 1965) erklärbar: Sie besagt, dass gewisse Einflussfaktoren existieren,
die eine Nachricht berichtenswert machen. In diesem Fall ist es die Nähe und persönliche Be-
troffenheit, die eine hohe Bedeutsamkeit bringt. Der zweithäufigste Ortsbezug ist in jedem
vierten Artikel die USA. Auch hier wirkt die Nachrichtenwerttheorie – jedoch mit anderen
Nachrichtenfaktoren. Oft geht es um amerikanische Elite-Personen und Prominenz. Die Tech-
Giganten Google, Amazon, Facebook, Apple und Microsoft haben alle ihren Ursprung in den
USA und beeinflussen die Entwicklung zu Künstlicher Intelligenz maßgeblich. Gleiches gilt für
andere Wirtschaftsakteur:innen aus den USA, wie Elon Musk. Außerdem ist die USA wie auch
China eine Elite-Nation. So haben allgemein Ereignisse, die Elite-Nationen betreffen einen
überproportional hohen Nachrichtenwert. Ein weiterer Grund für die häufige Erwähnung der
USA im Zusammenhang mit Künstlicher Intelligenz ist, dass in den USA renommierte Universi-

44
täten und Forschungszentren zu KI existieren. Als dritthäufigstes wird bei der Berichterstat-
tung zu Künstlicher Intelligenz Europa genannt. Deutschland als ein Land mitten in Europa9
und als wichtiges Mitglied der Europäischen Union steht unter ihren Richtlinien, Verordnun-
gen und Entscheidungen. Ihre Beziehung ist geprägt von Rechten und Pflichten. Auch beim
Thema Künstliche Intelligenz besteht eine starke Abhängigkeit voneinander. Maßnahmen wie
die europäische KI-Strategie aus 2018 und das Weißbuch zur KI aus 2020 sind Ergebnisse der
Zusammenarbeit.

Die Hälfte der Artikel, in denen KI erwähnt wird, sind im Ressort Wirtschaft. Künstliche
Intelligenz ist ein wirtschaftliches Thema, da das Ziel ihres Einsatzes Optimierung und Effizienz
ist. Die Funktion von KI ist das automatisierte Lösen von Aufgaben. In einem kapitalistischen
System, indem maximaler Gewinn durch minimalen Einsatz gewünscht ist, fungiert Künstliche
Intelligenz als ein passendes Werkzeug (Daum, 2019). Als zweithäufigstes sind Artikel im Ress-
ort Feuilleton. Künstliche Intelligenz ist nicht nur ein Thema der Wirtschaft und Politik, son-
dern auch im Bereich der Kunst und Musik. Zwei Arten von Artikeln können in diesem Feld un-
terschieden werden. Einerseits handeln die Artikel von Versuchen, in denen Künstliche Intelli-
genz etwas tut, wofür ursprünglich Kreativität gebraucht werden würde. Beispiele hierfür sind
Lieder komponieren und Kunst schaffen. Hier nimmt Künstliche Intelligenz die Rolle des Sub-
jektes ein. Andererseits wird über Bücher, Kunstausstellungen und Filme, die KI als Gegen-
stand behandeln, berichtet. Hierbei ist Künstliche Intelligenz das Objekt.

Bei der Darstellung der Ergebnisse ist aufgefallen, dass die zahlreichen Unterschiede in
den formalen Kategorien die Annahme nahelegen, dass durch die unterschiedlichen Artikel-
längen und Darstellungsformen, sowie die breite Streuung in verschiedene Ressorts rein for-
mal eine Dynamik in der Berichterstattung zu Künstlicher Intelligenz verzeichnet werden
kann. Ob von dieser Annahme auch hinsichtlich des Inhalts ausgegangen werden kann, wird in
den nächsten Kapiteln deutlich.

9
Der Kontinent Europa und der Staatenverbund Europäische Union werden zwar nicht synonym verwendet, je-
doch ist in den Artikeln zu beobachten, dass bei der Erwähnung von Europa die EU fast immer mit erwähnt wird,
deshalb haben sie in der vorliegenden Arbeit eine enge Verbindung.
45
8.2 Inhaltliche Kategorien
In der Betrachtung der Frame-Elemente nach Entman und der Frage, ob Künstliche In-
telligenz als ein Problem, eine Ursache oder eine Lösung dargestellt wird oder eine Bewer-
tung von KI stattfindet, erweist sich KI als Lösung als häufigstes Ergebnis. Künstliche Intelli-
genz als Lösung äußert sich darin, dass neue Erkenntnisse gewonnen, Prozesse optimiert,
Herausforderungen gemeistert und Probleme gelöst werden. Dabei ist Lösung immer positiv
konnotiert. Sie wird in den unterschiedlichsten Bereichen präsent: Tierschutz (Plickert &
Thielke, 2020), Verkehrssicherheit (Janisch, 2020), Gesundheit (Thelen, 2020), Immobilien-
wirtschaft (Psotta, 2020), Umwelt (Bauchmüller & Timmler, 2020), Energiemarkt (Mihm,
2020), Medizin (Kopplin & Lindner, 2020) und weitere. Auffällig ist, dass bei der Darstellung
von Künstlicher Intelligenz als Lösung eine zeitliche Unterscheidung getroffen werden kann: KI
als Lösung für die Probleme der Gegenwart und KI als Lösung für die Probleme der Zukunft.

8.3 Frames der Künstlichen Intelligenz

Anhand eines Vergleichs der Ergebnisse der vorliegenden Arbeit und des Forschungs-
stands zu wissenschaftlich-technischen Themen und Künstlicher Intelligenz sollen in diesem
Kapitel die Befunde zum Framing diskutiert und interpretiert werden. Im Folgenden wird ver-
sucht, die Ergebnisse zu bündeln und so in einen Kontext verständlich zu formulieren.

Ergebnis 1: Künstliche Intelligenz als wirtschaftlicher Fortschritt

Im Forschungsstand zur Medienberichterstattung von wissenschaftlich-technischen
Themen wurde beobachtet, dass der Frame Fortschritt am häufigsten vorkommt. Dieses Er-
gebnis bestätigt sich in der vorliegenden Untersuchung. Nisbet (2009a) beschreibt in seiner
Typologie von Frames, dass social progress als eine Lösung für Probleme fungiert. In der vor-
liegenden Arbeit wurde sowohl Fortschritt als Frame als auch Lösung als Frame-Element am
häufigsten erwähnt. Damit spiegelt sich die theoretische Überlegung Nisbets (2009a) in den
Ergebnissen dieser Arbeit wider. Der Begriff Fortschritt impliziert eine positiv bewertete Wei-
terentwicklung. So kann – obwohl die Variable der Bewertung nicht erhoben wurde – aber
der Frame Fortschritt am häufigsten vorkommt, mit Vorsicht die Aussage getätigt werden,
dass tendenziell die Berichterstattung zu KI als positiv gewertet wird. Dies spiegelt sich auch

46
im Inhalt wider: Wenn der Frame Fortschritt vorkommt, wird über Entwicklungen, Durchbrü-
che, Wachstum, Optimierung, Dynamik, Innovation, Vorteile, Erfolg und Lösung berichtet. All
diese Begriffe sind positiv konnotiert. Hierbei wird der Frame Fortschritt in unterschiedlichen
Kontexten erwähnt.

Fortschritt drückt sich beispielsweise im Wirtschaftskontext durch die Reduktion der

Komplexität aus. Wenn über Künstliche Intelligenz im Frame Fortschritt berichtet wird,
kommt häufig die Aussage vor, dass KI notwendig ist, um Komplexität zu reduzieren. Mit ver-
änderten Bedingungen des Zeitalters wird die steigende Komplexität zu einer der größten
Herausforderungen des Menschen. An dieser Stelle sollen die Ideen des Soziologen Nassehi
eine Erklärung bieten: Nach dem Soziologen Nassehi (2019) ist Komplexität das Bezugsprob-
lem der Digitalisierung. Die Problemlösung erfolgt durch die Verdopplung der Welt in Daten-
form, indem analoges Input ins Digitale auf der Grundlage der Binarität von Daten übersetzt
wird (Nassehi, 2019). Die Übersetzung geschieht dadurch, dass stark vereinfacht und verein-
heitlich wird, mit dem Ziel der Vergleichbarkeit mit anderen Datensätzen (Nassehi, 2019). Als
Voraussetzung gilt, dass Daten aufgrund ihrer Binarität aus denselben Grundbausteinen be-
stehen, und damit beliebig kombiniert werden können. So vereinfacht und steigert die Digita-
lisierung die Komplexität im gleichen Sinne (Nassehi, 2019). Komplexität entsteht zudem
durch die Beschleunigung des Alltags und der größeren Verfügbarkeit von Angeboten und
Handlungsmöglichkeiten: „Die Komplexität sei zehn bis 100 Mal größer als vor der Cloud.
Unternehmen benötigten daher Automatisierung und Künstliche Intelligenz, um diese
Komplexität zu meistern“ (Seiser, 2020b, S. 24). Es besteht ein Bedarf, diese Komplexität zu
reduzieren und bewältigen. Künstliche Intelligenz wird dabei als Mittel der Wirtschaft vorge-
schlagen: „Diese Komplexität möglichst automatisiert abzubilden ist der Knackpunkt. Und
gleichzeitig das Geschäftsmodell“ (Jansen, 2020, S. 18). In diesem Kontext wird Künstliche In-
telligenz mit dem Frame-Element Lösung beschrieben: „Um das Potential im industriellen
Kontext zu heben, braucht es multidisziplinäre Lösungen: […] Cloudlösungen und Künstliche
Intelligenz müssen zusammenkommen. Nur wenn jeder Partner große Teile der Lösungen
adressiert, lässt sich die Komplexität beherrschen“ (Gassel, 2020, S. V2).

47
 Ein weiterer Ausdruck des Frames Fortschritt kommt im Zusammenhang mit dem
Frame Wirtschaft vor: Die Inhalte sind Neuigkeiten aus der Wirtschaft und behandeln den Ein-
satz und die Anwendung von Künstlicher Intelligenz. Beispielsweise geht es darum, welche
Unternehmen beschlossen haben, KI zu verwenden: „Gemeinsam mit Control Expert erwartet
die Allianz eine deutliche Verbesserung der Schadenbearbeitung durch künstliche Intelligenz
und Automatisierung, sagt Allianz X-Chef Nazim Cetin“ (Tauber, 2020, S. 19). Es werden neue
Produkte vorgestellt, die mit KI funktionieren: „Der Autozulieferer Continental […] stockt des-
halb seine Technik mit einem Supercomputer auf, dessen Leistung in der Branche einzigartig
sein soll. Er […] soll mit Künstlicher Intelligenz den Roboterautos das Fahren beibringen. ‚Da-
mit setzen wir uns an die Spitze der Entwicklung‘ […]“ (Müßgens, 2020, S. 19). Weitere Nach-
richten werden zu Investitionen und Kooperationen veröffentlicht: „Ottobock investiert der-
zeit in Millionenhöhe in Österreich. Schwerpunkte liegen dabei in der Künstlichen Intelligenz
sowie der Optimierung der Produktion. Künstliche Intelligenz ist auch an der Myo Plus Mus-
tererkennung, der jüngsten Innovation im Produktportfolio aus Wien, beteiligt“ (Seiser,
2020a, S. 18). All diese Beispiele haben gemeinsam, dass Künstliche Intelligenz als wirtschaftli-
cher Fortschritt geframt wird.

Ergebnis 2: Internationaler Wettbewerb und politischer Konflikt um Künstliche Intelligenz

Es herrscht ein Wettbewerb um die international führende Position bei Technologien
der Künstlichen Intelligenz. Die aktuelle Vormacht liegt bei der USA und China. Hier werden
die Entwicklungen vom Privatsektor und von weltweit agierenden Internet-Konzernen be-
stimmt. Beide Staaten unterscheiden sich im Umgang mit Künstlicher Intelligenz: Die USA
strebt Deregulierungen an und China eine stärkere staatliche Kontrolle. Sie beide verbindet,
dass sie die Entwicklungen zur Künstlichen Intelligenz auf ihre eigene Art und Weise maßgeb-
lich lenken. Europa versucht trotz dieser starken Konkurrenz mitzuhalten. Diese Thematik
wird in der Berichterstattung Künstlicher Intelligenz mit dem Frame Politik und Konflikt darge-
stellt. Dem Wettbewerb wird eine hohe Relevanz zugeschrieben: „[K]ünstliche Intelligenz wird
die Welt revolutionieren. Technologische Dominanz ist heute gleichbedeutend mit Einfluss,
Wohlstand – und mit Macht“ (Mascolo, 2020, S. 17). Beim Frame Konflikt geht es um die Er-
wähnung von Differenzen, Konflikten und Kontroversen: „Die Europäische Union wirkt im digi-
talen Wettbewerb mit den Vereinigten Staaten und China oft wie das berühmte Kaninchen

48
vor der Schlange. Die EU streitet über Urheberrechtsreformen, […] lässt sich für Datenschutz-
regeln loben und beobachtet […], wie sie immer weiter zurückfällt“ (Kafsack, 2020a, S. 16).
Artikel dieser Art sind entweder kritisierend: „Europa hat nicht nur kein Silicon Valley, es hat
auch kein Shenzhen. […] ‚Salopp gesagt, bekommen wir die Software aus den USA und die
Hardware aus China.‘ […] Nötig sei deshalb […] in der digitalen Welt unabhängiger zu werden“
(Mascolo, 2020, S. 17) oder präsentieren Aufforderungen: „Söder drängt Deutschland dazu,
mehr Geld in neue Technologien wie die Künstliche Intelligenz, […] zu stecken. […] Der Wett-
bewerb in diesem Bereich sei heute ‚intensiver als je zuvor‘. Herausragende eigene Fähigkei-
ten seien nötig, um internationale Regeln mitbestimmen zu können“ (Armbruster, 2020a, S.
19). Es werden der hohe Nachholbedarf und Vorhaben zu zukünftigen Maßnahmen präsen-
tiert: „Europa will nicht zur digitalen Kolonie Amerikas und Chinas werden – und im Kampf ge-
gen diese Entwicklung packen europäischen Politiker jetzt den Werkzeugkasten aus“ (Arm-
bruster, Bernau & Knop, 2020, S. 15). Speziell für diese Frames ist, dass häufig Begriffe des
Militärs vorkommen, wie in den Beispielen „Amerika und China liefern sich ein technologi-
sches Wettrüsten“ (Armbruster, 2020b, S. D3); „Bits und Bytes als Waffen“ (Finsterbusch &
Heeg, 2020, S. 18) und „Die EU-Kommission will Europas Firmen im Kampf gegen US-Internet-
konzerne helfen“ (Finke, 2020, S. 17). Im internationalen Wettbewerb um Künstliche Intelli-
genz wird sie mit dem Frame-Element Ursache beschrieben.

Im Rahmen dieses Ergebnisses kann zusätzlich festgehalten werden, dass in der deut-
schen Presseberichterstattung Künstliche Intelligenz politisiert wird. Eine Begründung dafür
lautet, dass sich KI noch im Entwicklungsstadium befindet und sich durch Dynamik auszeich-
net, weswegen sie weiterhin immer wieder zur Diskussion wird. So ist und bleibt Künstliche
Intelligenz ein Thema der Politik. Wichtig hierbei ist, dass nicht von einem weiten Politikbe-
griff ausgegangen wird, sondern einem engen, das an Regierungen und Staaten gebunden ist.
Die Dimensionen und Anwendungsfelder der Künstlichen Intelligenz müssen erfasst und eine
dem Zusammenleben passende Form der Regulierung gefunden werden: „[Die EU-Kommis-
sion] spart allerdings auch nicht mit Appellen an die Verantwortung der KI-Entwickler: KI-An-
wendungen müssten vorrangig am ‚Wohl und der Würde des Menschen‘ ausgerichtet sein
und einen gesellschaftlichen Nutzen bringen, heißt es in dem Abschlussbericht“ (Budras,

49
2020b, S. 25). Konkret werden, wenn Künstliche Intelligenz im Frame Politik vorkommt, Ge-
setze, Initiativen, Zusammenschlüsse und Aussagen von Politiker:innen erwähnt: „Das Thema
Künstliche Intelligenz (KI) kann inzwischen getrost als Dauerbrenner bezeichnet werden. […]
Während sich der Bundestag mit dem […] Bericht seiner Enquetekommission ‚Künstliche In-
telligenz‘ auseinandersetzt, werden auch in Brüssel Vorhaben zur Förderung und Regulierung
von KI vorangetrieben“ (Pofahl & Mann, 2020, S. 16).

Die Aussagen handeln von der Relevanz von Künstlicher Intelligenz, sind Forderungen
für mehr KI, Versprechungen zum Handeln, Ankündigungen oder Vorhaben. Ein Beispiel für
eine Aussage einer Politikerin ist folgendes Zitat: „Applaus gibt es, als Merkel über die Digitali-
sierung spricht. Neben Investitionen in künstliche Intelligenz sei es wichtig, die Demokratie zu
schützen“ (Beisel & Kolb, 2020b, S. 5). Eine Annahme hierbei ist, dass mit der Erwähnung von
bekannten Politiker:innen als Sprechende zum Thema Künstlicher Intelligenz, eine Vertraut-
heit zum Gegenstand geschaffen werden kann und sie den Rezipient:innen nähergebracht
wird. Dies könnte dazu beitragen, aufzuzeigen, wer in welchem Umfang sich der KI widmet:
„EU-Kommissionspräsidentin Ursula von der Leyen hatte deshalb angekündigt, innerhalb der
ersten hundert Tage ihrer Amtszeit Regeln dafür vorzuschlagen, wie die EU Chancen und Risi-
ken Künstlicher Intelligenz in Einklang bringen will. Ganz gehalten hat sie das Versprechen
nicht“ (Kafsack, 2020c, S. 18). Anstatt von Taten und Ergebnissen dominieren im politischen
Kontext oft Versprechen und Ankündigungen, welche von Journalist:innen kritisiert werden:
„Aber statt konkreter Vorschläge folgten auf diese Ankündigungen vor allem weitere Ankündi-
gungen: Strategien, Aktionspläne, Konsultationsverfahren. So wurde bei der künstlichen Intel-
ligenz aus den versprochenen Vorschriften ein ‚Weißbuch‘, das zunächst einen Diskussions-
prozess in Gang bringen soll“ (Beisel & Kolb, 2020a, S. 7). Diese Kritik wurde bereits im For-
schungsstand zu Künstlicher Intelligenz für den Frame Ethik geäußert: „[A]rticles substitute
calls for discussion about ethics for actual ethical discussion” (Brennen, Howard & Nielsen,
2018, S. 6). Es wurde bemängelt, dass statt realisierten Handlungen eher Forderungen zu
Handlungen überwiegen. Ein weiterer Grund für die Politisierung der Künstliche Intelligenz
könnte sein, dass Medienhäuser in Konkurrenz stehen und sich durch die Erwähnung neuer
Technologien attraktiv und zukunftsbereit darstellen (Han, Sun & Lu, 2017).

50
Ergebnis 3: KI als gesellschaftliche Veränderung
Künstliche Intelligenz wird als eine gesellschaftliche Veränderung geframt. Dabei be-
trifft die Veränderung die politischen, wirtschaftlichen und sozialen Verhältnisse einer Gesell-
schaft. KI hat, wie in vorangegangenen Kapiteln beschrieben, Einzug in den Alltag gehalten.
Auf erste Anwendungen von Künstlicher Intelligenz wird in den verschiedensten Lebensberei-
chen getroffen. In der Presseberichterstattung wird diese Perspektive zur KI oftmals beschrie-
ben: „Sicher ist, dass Künstliche Intelligenz (KI) viele Bereiche […] der Gesellschaft in naher Zu-
kunft verändern wird – und bereits verändert hat. Sogar parkende Autos und Sprachassisten-
ten bedienen sich schon heute der KI, aber Maschinen berechnen auch Alltägliches wie Kauf-
vorschläge […]“ (Hauck, 2020, S. 5). Auffällig ist, dass im Gegensatz zu anderen Frames Künst-
liche Intelligenz hier durch Übersetzung in Beispiele aus dem Alltag konkretisiert wird: „Sie
spielen Fußball, assistieren im OP, sind als Rettungsroboter unterwegs, geben geduldig Aus-
kunft als stets freundliche Servicekraft oder helfen im Haushalt, betreuen und pflegen alte
Menschen – Sensoren und Künstliche Intelligenz haben Roboter in anpassungsfähige und viel-
seitige Maschinen verwandelt“ (Lindinger, 2020, S. N4).

Mit dem Frame Menschliches wird Künstliche Intelligenz hauptsächlich als eine Unter-
stützung präsentiert, wie beispielsweise in den Artikeln „Vertrauen in Algorithmen” (Stehlitz,
2020, S. 21), „Künstliche Intelligenz: Mehr Unterstützung als Konkurrenz” (Strobel, 2020, S.
V14) und „Eine Maschine kommt zu Hilfe” (Kampmann, 2020, S. 7). In ein Drittel der Artikel, in
denen KI mit dem Frame Menschliches dargestellt wird, kommt auch der Frame Verantwor-
tung vor. Es werden die Fragen nach der Verlässlichkeit von KI erzeugten Ergebnissen und
nach der Verantwortung gestellt. Hiermit verbunden wird zu einem bewussteren Umgang mit
Künstlicher Intelligenz appelliert, wie in den Beispielen „Wissen, was kommt” (Grün, 2020, S.
63), „Die dritte Welle der Künstlichen Intelligenz” (Hoos & Kersting, 2020, S. 40) und „Denken
wie wir” (Armbruster & Knop, 2020, S. 22). Beim Thema Verantwortung werden außerdem
bei der Berichterstattung zu Künstlicher Intelligenz Haftungsfragen diskutiert: „Der Einsatz
von künstlicher Intelligenz (KI) soll vieles leichter machen, aber die Haftungsfragen werden
[…] komplizierter […]. Wer aber haftet, wenn eine automatisch fliegende Drohne einen Scha-
den verursacht: Der Betreiber des Geräts – oder der, der dessen Flugsystem programmiert
hat?“ (Beisel, 2020, S. 18).

51
 Die Artikel, in denen Künstliche Intelligenz mit dem Frame Verantwortung dargestellt
wird, handeln davon, dass KI im Interesse der Umwelt und Gesellschaft eingesetzt werden
soll: „Die Kommission hatte schon in ihrer Digitalstrategie im Frühjahr […] für einen men-
schenzentrierten Ansatz in der Künstlichen Intelligenz geworben“ (Kafsack, 2020b, S. 18). Der
einzelne Mensch soll mitbedacht werden, um so in der Gesellschaft eine größere Akzeptanz
für Ki zu erlangen. Durch die Kommunikation politischer Regulierungen zum Einsatz von
Künstlicher Intelligenz kann bei Rezipient:innen ein Schein von Kontrolle und Beherrschung
erweckt werden: „Wichtig sei, dass die Verbraucher darüber informiert werden, wann Künstli-
che Intelligenz im Einsatz sei. Außerdem müssten Unternehmen dazu gezwungen werden,
ihre Algorithmen offenzulegen – nicht nur wenn sie ihre Anwendungen auf den Markt bräch-
ten, sondern kontinuierlich bei dem Einsatz“ (Budras, 2020a, S. 16).

Eine gesellschaftliche Akzeptanz und ein Vertrauen in Künstliche Intelligenz zu schaf-

fen, ist das Ziel der EU (Europäische Kommission, 2020). Dabei spielt die Aufklärung der Bevöl-
kerung eine große Rolle. Ein fehlendes Grundverständnis für Künstliche Intelligenz kann zu
Unsicherheit und Angst führen. Dieses Prinzip kann am Beispiel der veränderten Arbeitswelt
näher erläutert werden: Künstliche Intelligenz verändert die Arbeitswelt. Dieser Wandel wirkt
sich unter anderem dadurch aus, dass neue Berufsbilder entstehen, vielfältige Karrierechan-
cen geschaffen werden und KI Menschen bei Aufgaben unterstützt oder sie gar für sie über-
nehmen: „Künstliche Intelligenz erleichtert umständliche Aufgaben und senkt die Routinen im
Arbeitsalltag. Das führt zu verbesserten Arbeitsbedingungen. Einfach gesagt: Intelligente Al-
gorithmen übernehmen die Aufgaben, die keiner machen möchte, weil sie einfach langweilig
oder unsinnig sind“ (Harms, 2020, V2). Dabei wird die Funktion der KI genutzt, riesige Daten-
mengen in Kürze auswerten zu können. Diese Unterstützung seitens der Künstlichen Intelli-
genz führt nicht dazu, dass der Mensch in seinem Beruf obsolet wird, sondern: „Routinearbei-
ten würden sicher von Künstlicher Intelligenz […] ersetzt [werden], sagt Ruskowski. ‚Aber Fä-
higkeiten wie echtes Verstehen, Kreativität, Moral oder Emotionen erlernen Maschinen oder
Software nicht.‘ Deshalb sei auch nicht vorstellbar, dass eine noch so autonome Produktion
ohne menschliche Mitarbeit funktioniere“ (Marx, 2020, S. 18). Ein Grundwissen über die Mög-
lichkeiten und Grenzen der Künstlichen Intelligenz führt zu einem sicheren Selbstbild. Heraus-
forderungen, die durch den Einsatz von KI in der Arbeitswelt entstehen, sind beispielsweise

52
solche, dass eine Wissenskluft zwischen Jungen und Alten besteht. Diese war auch schon vor
der Entwicklung Künstlicher Intelligenz präsent. Mit der Digitalisierung wird sie nur vom Ana-
logen ins Digitale mitübersetzt.

Andere Phänomene, die im Zusammenhang mit Künstlicher Intelligenz als Risiken ge-
wertet werden, sind beispielsweise die durch Technologie reproduzierte Diskriminierung:
Seien es Gesichter mit dunkler Hautfarbe, die von Kameras nicht erkannt werden, oder Stimmen
mit weiblicher Färbung, die von Mikrofonen nicht gehört werden. Jene Programme, die immer
häufiger darüber entscheiden, wer einen Job, einen Kredit oder gar eine Gefängnisstrafe be-
kommt, sind so entworfen, dass sie gewisse Menschen qua Design ausschließen (Moorstedt,
2020c, S. 10).

Kommen diese Inhalte vor, wird Künstliche Intelligenz mit dem Frame Moral darge-
stellt. Es geht um die Fragen, wie (ethisch) KI verwendet wird und ob sie mit sozialen Vor-
schriften und Werten vereinbar ist. Dabei werden Themen zu Überwachung und Privatsphäre
diskutiert: „Fluch, Segen – oder beides zugleich? Die Technik zur Gesichtserkennung schreitet
voran, und mit ihr die Sorgen um die Privatsphäre“ (Brühl & Hurtz, 2020, S. 18). Es wird deut-
lich, dass in diesem Bereich noch viel Regulierungs- und Handlungsbedarf existiert. Ist eine
neutrale KI programmierbar, wenn KI das Werk von nicht-neutralen Programmierer:innen ist?
Mit der Erwähnung dieses Zusammenhanges leisten Journalist:innen Aufklärung. Beispiele da-
für sind „Vorurteile […] [werden durch Programmierer:innen] nicht selten an die Algorithmen
weiter[gegeben]“ (Rodemann, 2020, S. 13) und „Wenn Unternehmen eine technologische Inf-
rastruktur entwickeln, muss zum Beispiel darauf geachtet werden, dass bestehende Diskrimi-
nierungen nicht durch programmierte Algorithmen manifestiert werden“ (Gümüsay, 2020, S.
18). Wie im Theorieteil der Arbeit beschrieben, haben Medien die Aufgabe, zu informieren
und aufzuklären. Vor allem bei (ethischen) Themen, in denen die Ursachen und Probleme dis-
kutiert werden und Personen(-gruppen) betroffen sind, ist es wichtig, die Subjekte und Zu-
sammenhänge korrekt zu benennen. Ein Beispiel, in dem aufgeklärt wird ist folgender: „Streit-
punkt war ein neues KI-Programm […], dass […] die Porträts schwarzer Menschen in die von
Weißen verwandelte. Wenn so etwas passiert, ist die Rede von Algorithmic Bias, also einer
durch Rechenoperationen entstandenen Ungerechtigkeit oder von Vorurteilen“ (Moorstedt,
2020c, S. 10).

53
 Frameübergreifend kann als ein weiteres Ergebnis eine Personalisierung der Berichter-
stattung beobachtet werden. Die Thematisierung von Künstlicher Intelligenz ist häufig an Per-
sonen gebunden. Dies äußert sich dadurch, dass nach der Meinung einer Person gefragt wird
oder ihre Arbeit vorgestellt wird. Eine weitere Besonderheit ist, dass wenn über Potenziale
der Künstlichen Intelligenz berichtet wird, auch die Risiken mit erwähnt werden

So kann die Forschungsfrage der vorliegenden Arbeit damit beantwortet werden, dass
im Jahr 2020 Künstliche Intelligenz in der deutschen Presseberichterstattung bzw. Frankfurter
Allgemeine Zeitung und Süddeutsche Zeitung mit den sieben Frames Fortschritt, Politik, Kon-
flikt, Wirtschaft, Ethik, Verantwortung und Menschliches geframt wird. Sie kommen in Kombi-
nationen vor und ermöglichen drei Aussagen: [1] Künstliche Intelligenz als wirtschaftlicher
Fortschritt; [2] Internationaler Wettbewerb und politischer Konflikt um Künstliche Intelligenz
und [3] Künstliche Intelligenz als gesellschaftliche Veränderung. Tabelle 9 stellt eine Übersicht
zu der Diskussion der Ergebnisse dar.

Tabelle 9
Übersicht der Diskussion der Ergebnisse. Eigene Darstellung.

Frame Besonderheit Beispielhafte Schlüsselbegriffe

Künstliche Fortschritt, positive Entwicklung, Durchbruch, Wachstum,
Intelligenz als Wirtschaft Konnotation Optimierung, Dynamik, Innovation, Vorteile,
wirtschaftlicher Erfolg, Lösung, Reduktion der Komplexität,
Fortschritt Mittel, Werkzeug, Kooperation,
Produktvorstellung, Investition, Einsatz,
Anwendung, Funktionen

Internationaler Konflikt, auffordernd, Zweifel, Zuverlässigkeit, Sicherheit, Misstrauen,

Wettbewerb Politik, kritisierend, Maßnahmen, Beziehungen, Regierung,
und politischer Fortschritt Begriffe des Vergleich, Bedenken, Vorhaben, Versäumnis,
Konflikt um Militärs Höhepunkt, Abhängigkeit, Konkurrenz,
Künstliche Entwicklungsstand, Entwicklung
Intelligenz

Künstliche Menschliches, Konkretisierung Veränderung, Entwicklung, Anpassung, Wandel,

Intelligenz als Verantwortung, durch Beispiele Verantwortung, Unterstützung, Vertrauen,
gesellschaftliche Moral bewusster Umgang, Arbeitswelt, Auswirkungen,
Veränderung Berufsbild, Unterstützung, Akzeptanz,
Arbeitsbedingungen, Herausforderung, Chance,
Akzeptanz, Regulierung, Kontrolle, Sicherheit,
Aufklärung, Kritik, Ethik, Rassismus,
Diskriminierung, Regulierung, Maßnahmen

54
8.4 Limitationen
Diese Arbeit reiht sich in die Kategorie der Aufsätze, die nur einen kurzen Untersu-
chungszeitraum von einem Jahr betrachten. Durch einen längeren Zeitraum oder den Ver-
gleich zweier Zeiträume könnte mehr Aussagekraft ermöglicht werden. Wie die Mehrheit der
Aufsätze im Forschungsstand zur Berichterstattung von Künstlicher Intelligenz wurde auch in
der vorliegenden Arbeit die Berichterstattung in nur einem Land analysiert. Die Auswahl,
Künstliche Intelligenz in der deutschen Presseberichterstattung zu untersuchen, hängt mit
dem Hintergrund der Autorin zusammen. Für das Ziel vielfältiger Forschungsergebnisse ist
diese Arbeit jedoch nur ein eher kleiner Beitrag, da es sich an das Set der Analyse von Künstli-
cher Intelligenz in westlichen Ländern anreiht. Bei einem größeren Zeit- und Ressourcenum-
fang wäre eine Inhaltsanalyse mit weiteren Variablen dienlich gewesen. Beispielsweise würde
die Betrachtung der Valenz, des Anlasses der Nachricht, der Autor:in des Artikels oder der im
Text vorkommenden Akteur:innen eine Ergänzung zur Darstellung von Künstlicher Intelligenz
bieten. Außerdem könnte die Untersuchung vielfältiger gestaltet werden, indem mehrere
Länder miteinander verglichen werden oder weitere Zeitungen zur Analyse hinzugezogen
werden. Für mehr Diversität könnten weitere Zeitungen wie die Bild Zeitung in die Untersu-
chung miteinbezogen werden oder eine größere Stichprobe analysiert werden. So würde
auch ein Vergleich von „Qualitäts- und Boulevardzeitungen“ ermöglicht werden.

9. Fazit und Ausblick

Künstliche Intelligenz ist eines der wichtigsten Entwicklungen der Digitalisierung. Sie
weckt große Aufmerksamkeit in Politik, Wirtschaft und Wissenschaft. Dabei werden entspre-
chend den eigenen Interessen unterschiedliche Perspektiven eingenommen. Ihre Gemein-
samkeit ist ihr Ziel, die Entwicklungen zur KI mitzubestimmen. Künstlichen Intelligenz findet
zunehmend Einzug in den Alltag – unter anderem in Form von Chatbots, individualisierten In-
halten, Produktvorschlägen und Internet der Dinge. Dies geschieht nur im bedingten Bewusst-
sein der Konsument:innen. Aufgrund ihres geringen Wissens und ihrer begrenzten Aufmerk-
samkeit bleibt zwischen ihnen und Künstlicher Intelligenz eine Distanz. Gleichzeitig ist der Be-
griff KI sehr abstrakt und vielschichtig, sodass es schwierig ist, ihn zu verstehen. So sind Men-
schen angewiesen auf die Information durch Medien. Als Intermediäre haben Medien ver-

55
schiedene Aufgaben, wie beispielsweise Themen auszuwählen, zu informieren und Komplexi-
tät zu reduzieren. Dies gelingt ihr unter anderem durch das Framing. Der Framing-Ansatz ist
ein disziplinübergreifendes Forschungsfeld. Kommunikationswissenschaftlich betrachtet sind
Frames Bezugsrahmen, mit denen gewisse Aspekte betont und andere weggelassen werden.
So können Themen mehrdeutig behandelt werden. Argumente werden gebündelt und eine
Gewichtung wird vorgenommen, sodass ein gemeinsamer Sinnhorizont hergestellt werden
kann. Aufgrund der Vielfalt an Akteur:innen und der Begrenztheit medialer und öffentlicher
Aufmerksamkeit stehen Frames verschiedener Kommunikator:innen in Konkurrenz zueinan-
der. Jene, die sich durchsetzen, erlangen die Deutungshoheit und damit die Macht, Begriffe
mit zu bestimmen. Erst durch die Sprache erschließen sich Themen. So kommt Journalist:in-
nen eine große Relevanz zu. Die Wiederholung von Frames, Emotionalisierung, Glaubwürdig-
keit der Kommunikator:innen sowie kongruente Wertevorstellungen der Rezipient:innen, die
Argumentation und ob sich Journalist:innen in der Orientierung- oder Routinephase befinden,
tragen zur Annahme, beziehungsweise zum Erfolg von Frames bei. Menschen sind bei der De-
finition von Abstraktem aufgrund von Distanz zum Gegenstand von Medien abhängig.

In dieser Arbeit wird mit der Durchführung einer quantitativen Inhaltsanalyse von 306
Artikeln aus der Süddeutsche Zeitung und Frankfurter Allgemeine Zeitung das Framing von
Künstlicher Intelligenz in der deutschen Presseberichterstattung für das Jahr 2020 analysiert.
Die theoretische Grundlage bilden Aufsätze von Semetko und Valkenburg (2000), Entman
(1993) und Dahinden (2006), sowie die Untersuchung des Forschungsstandes zu wissen-
schaftlich-technischen Themen sowie zur Künstlichen Intelligenz. So werden die Erkenntnisse
aus der Theorie mit denen der Empirie ergänzt, um eine gemeinschaftliche Grundlage für die
Analyse zu schaffen. Die Betrachtung des Forschungsstandes zur Medienberichterstattung
wissenschaftlich-technischen Themen bietet Erkenntnisse für die Bedeutung und Stellung der
Medien im öffentlichen Diskurs zu Technologien. Beim Forschungsstand können fünf Frames
identifiziert werden, die von Relevanz sind: Fortschritt, Politik, Konflikt, Wirtschaft und Ethik.
Zu dieser Frame-Typologie reihen sich aus der Theorie die Frames Menschliches und Verant-
wortung an. Diese sieben Frames werden für die Untersuchung genutzt. Ein typischer Zei-
tungsartikel aus dem Jahr 2020, der Künstliche Intelligenz thematisiert, befindet sich im Wirt-
schaftsressort, hat einen Ortsbezug zu Deutschland, behandelt ein wirtschaftliches Thema

56
und Künstliche Intelligenz wird in ihm als eine Lösung bewertet und mit dem Frame Fort-
schritt dargestellt.

Eine zentrale Erkenntnis ist, dass der Frame Fortschritt in einem Drittel der Artikel vor-
kommt. Außerdem wurde Künstliche Intelligenz darauf hin analysiert, ob sie nach der Unter-
scheidung Entmans (1993) als Problem, Lösung oder Ursache dargestellt wird oder eine Be-
wertung stattfindet. Hier stellt sich heraus, dass KI bei über der Hälfte der Artikel als Lösung
beschrieben wird. Ein weiteres Ergebnis ist, dass die Hälfte der Artikel zu KI im Wirtschaftsres-
sort vorkommt. Eine mögliche Begründung ist, dass das Ziel des Einsatzes von Künstlicher In-
telligenz meist mit Optimierung und Effizienz verbunden ist. Künstliche Intelligenz findet in
den verschiedensten Bereichen Einsatz. Durch die Kombination der Frames werden für das
Framing Künstlicher Intelligenz in der deutschen Presseberichterstattung im Jahr 2020 drei
Aussagen bestimmt: [1] Künstliche Intelligenz als wirtschaftlicher Fortschritt; [2] Internationa-
ler Wettbewerb und politischer Konflikt um Künstliche Intelligenz und [3] Künstliche Intelli-
genz als gesellschaftliche Veränderung.

Diese Arbeit bietet Schlussfolgerungen zu einem Gegenstand, von dem erwartet wird,
umfassende Lebensbereiche des Menschen zu ändern und dem weltweit große Aufmerksam-
keit in Politik, Wirtschaft und Wissenschaft zukommt. Die Untersuchung der Presseberichter-
stattung zu Künstlicher Intelligenz ist von kommunikationswissenschaftlicher Relevanz, da sie
verdeutlicht, welche Medien-Frames der Öffentlichkeit präsentiert werden. Es ist wichtig, ein
besseres Verständnis darüber zu erlangen, wie der Einfluss der Medien auf verbreitete Tech-
nologien ist. Die Befunde bieten eine Grundlage für eine einheitliche Vorstellung von Künstli-
cher Intelligenz, die für die öffentliche Diskussion ihrer Chancen, Risiken und dem Umgang
mit der Technologie fördernd ist.

57
 Literatur

Aarøe, L. (2011). Investigating Frame Strength: The Case of Episodic and Thematic Frames,

Political Communication, 28(2), 207–226.

https://doi.org/10.1080/10584609.2011.568041

Anderson, A. (2009). Media, Politics and Climate Change: Towards a New Research Agenda.

Sociology Compass, 3(2), 166–182. https://doi.org/10.1111/j.1751-

9020.2008.00188.x

Armbruster, A. (2020a, 04. Februar). Söder: Technologiewettstreit so intensiv wie nie.

Frankfurter Allgemeine Zeitung, 19.

Armbruster, A. (2020b, 09. September). „Wer in der KI führt, dominiert wirtschaftlich und

militärisch“. Frankfurter Allgemeine Zeitung. D3.

Armbruster, A. Bernau, & P. Knop C. (2020, 20. Januar). Breton: Datenschätze besser nut-

zen. Frankfurter Allgemeine Zeitung, 15.

Armbruster, A. & Knop, C. (2020, 21. September). Denken wie wir. Frankfurter Allgemeine

Zeitung, 22.

Bauchmüller, M. & Timmler, V. (2020, 03. Februar). „Abfall findet immer den billigsten

Weg“. Süddeutsche Zeitung, 16.

Beisel, K. M. (2020, 21. Januar). Unter Kontrolle. Süddeutsche Zeitung, 18.

Beisel, K. M. (2020, 05. Mai). Neues Recht für neue Technik. Süddeutsche Zeitung, 18.

Beisel, K. M. & Kolb, M. (2020a, 09. März). Präsidentin der Ankündigungen. Süddeutsche

Zeitung, 7.

Beisel, K. M. & Kolb, M. (2020b, 09. Juli). Die Grundrechte im Fokus. Süddeutsche Zeitung, 5.

58
Bigl, B. (2017). Fracking in the German Press: Securing Energy Supply on the Eve of the ‘En-

ergiewende’ – A Quantitative Framing-Based Analysis. Environmental Communica-

tion, 11(2), 231–247. https://doi.org/10.1080/17524032.2016.1245207

Bitkom (2020). Künstliche Intelligenz. https://www.bitkom.org/sites/default/files/2020-

09/bitkom-charts-kunstliche-intelligenz-28-09-2020_final.pdf

Bitkom & DFKI (2017). Künstliche Intelligenz. Wirtschaftliche Bedeutung, gesellschaftliche

Herausforderungen, menschliche Verantwortung. https://www.dfki.de/fileadmin/u-

ser_upload/import/9744_171012-KI-Gipfelpapier-online.pdf

Brühl, J. & Hurtz, S. (2020, 21. Januar). Ich kann dich sehen. Süddeutsche Zeitung, 18.

Budras, C. (2020a, 29. Oktober). Das mächtigste Werkzeug der KI. Frankfurter Allgemeine

Zeitung, 25.

Budras, C. (2020b, 15. Dezember). EU will Algorithmen einsehen. Frankfurter Allgemeine

Zeitung, 16.

Bundesministerium für Wirtschaft und Energie (2020). Einsatz von Künstlicher Intelligenz in

der Deutschen Wirtschaft. Stand der KI-Nutzung im Jahr 2019.

https://www.bmwi.de/Redaktion/DE/Publikationen/Wirtschaft/einsatz-von-ki-deut-

sche-wirtschaft.pdf?__blob=publicationFile&v=8

Bundesministerium für Bildung und Forschung (o. J.). Zwischenbericht ein Jahr KI-Strategie.

https://www.bmbf.de/bmbf/shareddocs/downloads/files/zwischenbericht-ki-strate-

gie_final.pdf?__blob=publicationFile&v=1

Bundesregierung (2018). Strategie Künstliche Intelligenz der Bundesregierung.

https://www.bmbf.de/files/Nationale_KI-Strategie.pdf

59
Brennen, J. S., Howard, P. N., & Nielsen, R. K. (2018). An industry-led debate: How UK Media

Cover Artificial Intelligence. Reuters Institute. https://reutersinstitute.poli-

tics.ox.ac.uk/sites/default/files/2018-12/Brennen_UK_Media_Coverage_of_AI_FI-

NAL.pdf

Brennen, J. S., Howard, P. N., & Nielsen, R. K. (2020). What to Expect When You’re Expect-

ing Robots: Futures, Expectations, and Pseudo-Artificial General Intelligence in UK

News. Journalism. https://doi.org/10.1177/1464884920947535

Brokensha, S. (2020). Friend or foe? How Online News Outlets in South Africa Frame Artifi-

cial Intelligence. Ensovoort, 41,7(2). http://ensovoort.com/friend-or-foe-how-on-

line-news-outlets-in-south-africa-frame-artificial-intelligence/

Brosius, H.-B. & Eps, P. (1993). Verändern Schlüsselereignisse journalistische Selektionskri-

terien? Framing am Beispiel der Berichterstattung über Anschläge gegen Ausländer

und Asylanten. Rundfunk und Fernsehen, 41(4), 512–530.

Brossard, D. (2013). New Media Landscapes and the Science Information Consumer. Pro-

ceedings of the National Academy of Sciences of the United States of America, 110

(Suppl 3), 14096–14101. https://doi.org/10.1073/pnas.1212744110

Chong, D., & Druckman, J. N. (2007). A Theory of Framing and Opinion Formation in Com-

petitive Elite Environments. Journal of Communication, 57(1), 99–118.

https://doi.org/10.1111/j.1460-2466.2006.00331.x

Chuan, C.-H., Tsai, W.-H. S. & Cho, S. (2019). Framing Artificial Intelligence in American

Newspapers. In Proceedings of the 2019 AAAI/ACM Conference on AI, Ethics, and So-

ciety (AIES '19), 339–344. https://doi.org/10.1145/3306618.3314285

Dahinden, U. (2006). Framing. Eine integrative Theorie der Massenkommunikation. UVK.

60
Daum, T. (2019). Die Künstliche Intelligenz des Kapitals. Edition Nautilius.

Demmer, C. (2020, 01. Februar). Recht am Rechner. Süddeutsche Zeitung, 29.

Deutsche Presse Agentur. (2020, 14. Februar). Künstliche Intelligenz in Regensburg. Süd-

deutsche Zeitung, 24.

de Vreese, C. H. (2005). News framing: Theory and Typology. Information Design Journal,

13(1), 51–62. https://doi.org/10.1075/idjdd.13.1.06vre

Druckman, J. N. (2001). On the Limits of Framing Effects: Who Can Frame? The Journal of

Politics, 63, 1041–1066. https://doi.org/10.1111/0022-3816.00100

Druckman, J. N. & Nelson, K. R. (2003). Framing and Deliberation: How Citizens' Conversa-

tions Limit Elite Influence. American Journal of Political Science, John Wiley & Sons,

47(4), 729–745. https://ideas.repec.org/a/wly/amposc/v47y2003i4p729-745.html

Entman, R. M. (1993). Framing: Toward Clarification of a Fractured Paradigm. Journal of

Communication, 43(4), 51–58. https://doi.org/10.1111/j.1460-2466.1993.tb01304.x

Entman, R. M. (2004). Projections of power: Framing news, public opinion, and U.S. foreign

policy. University of Chicago Press.

Europäische Kommission (2020). Weißbuch. Zur Künstlichen Intelligenz – ein europäisches

Konzept für Exzellenz und Vertrauen. https://ec.europa.eu/info/sites/default/fi-

les/commission-white-paper-artificial-intelligence-feb2020_de.pdf

Fast, E. & Horvitz, E. (2016). Long-Term Trends in the Public Perception of Artificial Intelli-

gence. In Proceedings of the 2017 AAAI Conference on Artificial Intelligence

(AAAI'17), 963–969. https://arxiv.org/abs/1609.04904

Fink, R. (2020). Menschengetriebene Technologie oder technologiegetriebene Menschen?

Eine Diskursanalyse über Künstliche Intelligenz in der Wissenschaft, der Wirtschaft

61
 und den Medien. Münchener Schriften zur Kommunikationswissenschaft, (20). In

M. Meyen (Hrsg.): Medienrealität 2019.

Finke, B. (2020, 03. Februar). Wertvoller Datenschutz. Süddeutsche Zeitung, 17.

Finsterbusch, S. & Heeg, T. (2020, 21. Dezember). Der moderne Verbrecher. Frankfurter All-

gemeine Zeitung, 18.

Früh, W. (2007). Inhaltsanalyse. Theorie und Praxis (6., überarb. Aufl.). UVK.

Früh, W. (2015). Inhaltsanalyse. Theorie und Praxis. (8., überarb. Aufl.). UVK.

Galtung, J. & Ruge, M. H. (1965). The Structure of Foreign News: The Presentation of the

Congo, Cuba and Cyprus Crises in Four Norwegian Newspapers. Journal of Peace Re-

search, 2(1), 64–90. https://doi.org/10.1177/002234336500200104

Gamson, W., & Modigliani, A. (1989). Media Discourse and Public Opinion on Nuclear

Power: A Constructionist Approach. American Journal of Sociology, 95(1), 1–37.

https://doi.org/10.1086/229213

Gassel, H. (2020, 17. November). Die Ökonomie der vernetzten Dinge. Frankfurter Allge-

meine Zeitung, V2.

Goffman, E. (1974). Frame Analysis: An Essay on the Organization of Experience. Harvard

University Press.

Grün, N. (2020, 12. Dezember). Wissen, was kommt. Süddeutsche Zeitung, 63.

Gümüsay, A. A. (2020, 9. November). Werte schaffen in der Krise. Süddeutsche Zeitung, 18.

Guzman, A. L. (2018). Beyond Extraordinary: Theorizing Artificial Intelligence and the Self in

Daily Life. In Z. Papacharissi (Hrsg.), A Networked Self: Human Augmentics, Artificial

Intelligence, Sentience, 83–96. Routledge. https://doi.org/10.4324/9781315202082

62
Hagen, L. M. (2013). Nachrichtenfaktoren. In G. Bentele, H.-B. Brosius, O. Jarren (Hrsg.), Le-

xikon Kommunikations- und Medienwissenschaft. Springer VS.

https://doi.org/10.1007/978-3-531-93431-0

Han, J., Sun, S. & Lu, Y. (2017). Framing Climate Change: A Content Analysis of Chinese

Mainstream Newspapers. From 2005 to 2015. International Journal of Communica-

tion, 11(2017), 2889–2911. https://ijoc.org/index.php/ijoc/article/view/6011/2090

Harms, T. (2020, 14. Februar). Wer Künstliche Intelligenz ignoriert, verliert! Frankfurter All-

gemeine Zeitung, V2.

Hauck, M. (2020, 29. Oktober). KI made in Germany. Süddeutsche Zeitung, 5.

Hentschel, J. (2020, 22. Februar). Lauter Atmen. Süddeutsche Zeitung, 16.

Heuzeroth, T. (2020). Die deutsche Wirtschaft ignoriert den nächsten Megatrend.

https://www.welt.de/wirtschaft/article217131844/Kuenstliche-Intelligenz-Peter-

Altmaier-will-weniger-regulieren-mehr-experimentieren.html

Holguín, L. M. (2018). Communicating artificial intelligence through newspapers: Where is

the real danger? https://mediatechnology.leiden.edu/images/uploads/docs/martin-

holguin-thesis-communicating- ai-through-newspapers.pdf

Holoniq (2020). 50 National AI Strategies. https://www.holoniq.com/notes/50-national-ai-

strategies-the-2020-ai-strategy-landscape/

Hoos, H. & Kersting, K. (2020, 14. Dezember). Die dritte Welle der Künstlichen Intelligenz.

Frankfurter Allgemeine Zeitung, 20.

IVW Informationsgemeinschaft zur Feststellung der Verbreitung von Werbeträgern e.V.

(2021). Quartalsauflagen. https://www.ivw.eu/aw/print/qa

63
Iyengar, S. (1991). Is anyone responsible? How television frames political issues. University

of Chicago Press. https://doi.org/10.7208/chicago/9780226388533.001.0001

Jandura, O. & Brosius, H. (2011). Wer liest sie (noch)? Das Publikum der Qualitätszeitungen.

In R. Blum, H. Bonfadelli, K. Imhof & O. Jarren (Hrsg.), Krise der Leuchttürme öffentli-

cher Kommunikation. Vergangenheit und Zukunft der Qualitätsmedien, 195–206.

Springer VS. https://doi.org/10.1007/978-3-531-93084-8_12

Janisch, W. (2020, 28. Januar). Betreutes Fahren. Süddeutsche Zeitung, 2.

Jansen, J. (2020, 09. September). Rewe verkauft auch Wissen. Frankfurter Allgemeine Zei-

tung, 18.

Jarren, O. (2008). Massenmedien als Intermediäre. Zur anhaltenden Relevanz der Massen-

medien für die öffentliche Kommunikation. M&K Medien & Kommunikationswissen-

schaft, 56(3–4), 329–346. https://doi.org/10.5771/1615-634x-2008-3-4-329

Jecker, C. (2014). Entmans Framing-Ansatz: Theoretische Grundlegung und empirische Um-

setzung. UVK.

Kafsack, H. (2020a, 18. Februar). Die EU will digital aufrüsten. Frankfurter Allgemeine Zei-

tung, 16.

Kafsack, H. (2020b, 20. Februar). Schlacht um die Daten der Industrie. Frankfurter Allge-

meine Zeitung, 18.

Kafsack, H. (2020c, 19. September). Milliarden für Supercomputer. Frankfurter Allgemeine

Zeitung, 18.

Kahneman, D., & Tversky, A. (1984). Choices, Values, and Frames. American Psychologist,

39(4), 341– 350. https://doi.org/10.1037/0003-066X.39.4.341

64
Kampmann, D. (2020, 15. Juni). Eine Maschine kommt zu Hilfe. Frankfurter Allgemeine Zei-

tung, 7.

Koch, C. (2012). Religion in den Medien. Eine quantitative Inhaltsanalyse von Medien in der

Schweiz, UVK. https://digitalcollec-

tion.zhaw.ch/bitstream/11475/2751/1/2012_Koch_Religio-

nen%20in%20den%20Medien_UVK-Verlagsgesellschaft.pdf

Kohring, M., Donk, A. & Metag, J. (2011). Das Bild der Nanotechnologie in deutschen Print-

medien. Eine frameanalytische Langzeitstudie. Publizistik, 56(2), 199–219.

https://doi.org/10.1007/s11616-011-0117-6

Kopplin, I. & Lindner, R. (2020, 25. Februar). Künstliche Intelligenz hilft bei der Entwicklung

von Antibiotika. Frankfurter Allgemeine Zeitung, 19.

Kreye, A. (2020, 22. Januar). Das neue Plutonium. Süddeutsche Zeitung, 4.

Kubler, K. (2020). New Economy Narrative? A Comparative Analysis of Technology and Eco-

nomic Recovery in the Business Press. Journalism Practice, 14(7), 830–846.

https://doi.org/10.1080/17512786.2019.1661271

Lipkowski, C. (2020, 20. Februar). Ein Kodex für KI. Süddeutsche Zeitung, 18.

Lindinger, M. (2020, 16. Dezember). Gefühlserziehung für Roboter. Frankfurter Allgemeine

Zeitung, N4.

Maak, N. (2020, 19. Oktober). Holt euch eure Daten zurück! Frankfurter Allgemeine Zeitung,

13.

Maeseele, P. (2011). On news media and democratic debate: Framing agricultural biotech-

nology in Northern Belgium. The International Communication Gazette, 73(1-2), 83–

105. https://doi.org/10.1177/1748048510386743

65
Martin-Jung, H. (2020). „KI ist kein Fertigprodukt“. Süddeutsche Zeitung, 18.

Marx, U. (2020, 28. Juli). Wie die Industrie auf Level 4 kommt. Frankfurter Allgemeine Zei-

tung, 18.

Mascolo, G. (2020, 30. Januar). Die Macht der Technik. Süddeutsche Zeitung, 17.

Matzing, G. (2020, 15. Februar). Klüger als der Kopf. Süddeutsche Zeitung, 17.

Matthes, J. (2007). Framing-Effekte. Zu Einfluss der Politikberichterstattung auf die Einstel-

lung der Rezipienten. Reinhard Fischer. https://doi.org/10.5771/9783845214344

Matthes, J. (2014). Framing. Nomos. https://doi.org/10.5771/9783845260259

McCarthy, J., Minsky, M. L., Rochester, N. & Shannon, C. E. (1995). A Proposal for the Dart-

mouth Summer Research Project on Artificial Intelligence. http://www-formal.stan-

ford.edu/jmc/history/dartmouth/dartmouth.html

Metag, J. & Marcinkowski, F. (2014). Technophobia towards emerging technologies? A com-

parative analysis of the media coverage of nanotechnology in Austria, Switzerland

and Germany. Journalism, 15(4), 463–481.

https://doi.org/10.1177/1464884913491045

Mihm, A. (2020, 07. April). Österreichs Altkanzler Kern als Start-up-Begleiter. Frankfurter

Allgemeine Zeitung, 20.

Moorstedt, M. (2020a, 02. März). Dumm wie Bot. Süddeutsche Zeitung, 9.

Moorstedt, M. (2020b, 18. Mai). Datenschock. Süddeutsche Zeitung, 10.

Moorstedt, M. (2020c, 13. Juli). Weißmalerei. Süddeutsche Zeitung, 10.

Müßgens, C. (2020, 28. Juli). Conti erhöht die Rechenleistung. Frankfurter Allgemeine Zei-

tung, 19.

Nassehi, A. (2019). Muster. Theorie einer digitalen Gesellschaft. C. H. Beck.

66
Nisbet, M. C. (2009a). Framing science. A new paradigm in public engagement. In L. Kahlor

& P. Stout (Hrsg.), Understanding science: New agendas in science communication,

1–32, Taylor and Francis.

Nisbet, M. C. (2009b). The Ethics of Framing Science. In B. Nerlich, B. Larson & R. Elliott

(Hrsg.), Communicating Biological Sciences: Ethical and Metaphorical Dimensions,

51–73, Ashgate. https://doi.org/10.4324/9781315572888

Nisbet, M. C., & Lewenstein, B. V. (2002). Biotechnology and the American media - The pol-

icy process and the elite press, 1970 to 1999. Science Communication, 23(4), 359-

391. https://doi.org/10.1177/107554700202300401

Nöthling, N., Tauber, J. & Fromme, H. (2020, 14. September). Neun Fotos reichen. Süddeut-

sche Zeitung, 17.

Obozintsev, L. (2018). From Skynet to Siri: an exploration of the nature and effects of media

coverage of artificial intelligence. https://udspace.udel.edu/bitstream/han-

dle/19716/24048/Obozintsev_udel_0060M_13432.pdf?sequence=1&isAllowed=y

Plickert, P. & Thielke, T. (2020, 09. Januar). Mit Hightech gegen die Wilderer-Mafia. Frank-

furter Allgemeine Zeitung, 20.

Pofahl, M. & Mann, M. (2020, 23. Dezember). Europas Strategie für KI. Frankfurter Allge-

meine Zeitung, 16.

Potthoff, M. (2012). Medien-Frames und ihre Entstehung. Springer VS.

https://doi.org/10.1007/978-3-531-19648-0

Price V., & Tewksbury, D. (1997). News Values and Public Opinion: A Theoretical Account of

Media Priming and Framing. In G. Barnett & F. J. Boster (Hrsg.), Progress in the Com-

munication Sciences, 173–212, Ablex.

67
Psotta, M. (2020, 14. Februar). „Algorithmen senken die Alltagsroutine“. Frankfurter Allge-

meine Zeitung, 13.

Rodemann, J. (2020, 10. Juli). Wenn Obama plötzlich ein Weißer ist. Süddeutsche Zeitung,

13.

Rössler, P. (2017). Inhaltsanalyse. 3. Auflage. UTB.

Scheufele, B. (2003). Frames – Framing – Framing-Effekte. Theoretische Grundlegung, me-

thodische Umsetzung sowie empirische Befunde zur Nachrichtenproduktion. West-

deutscher Verlag. https://doi.org/10.1007/978-3-322-86656-1

Scheufele, D. (1999). Framing As a Theory of Media Effects. The Journal of Communication.

49, 103–122. https://doi.org/10.1111/j.1460-2466.1999.tb02784.x

Schmid-Petri, H. & Arlt, D. (2016). Constructing an illusion of scientific uncertainty? Framing

climate change in German and British print media. Communications, 41(3), 265–

289. https://doi.org/10.1515/commun-2016-0011

Schrag, W. (2018). Medienlandschaft Deutschland. Bayerische Landeszentrale für politische

Bildungsarbeit.

Semetko, H. A., & Valkenburg, P. M. (2000). Framing European politics: A content analysis

of press and television news. Journal of Communication, 50(2), 93–109.

https://doi.org/10.1111/j.1460-2466.2000.tb02843.x

Seiser, M. (2020a, 16. Oktober). Ottobock setzt auf Wiener Mechatronik. Frankfurter Allge-

meine Zeitung, 18.

Seiser, M. (2020b, 27. November). Gegen die wachsende Ungeduld der Konsumenten.

Frankfurter Allgemeine Zeitung, 24.

Strehlitz, M. (2020, 27. Februar). Vertrauen in Algorithmen. Süddeutsche Zeitung, 21.

68
Strekalova, Y. A. (2015). Informing Dissemination Research: A Content Analysis of U.S.

Newspaper Coverage of Medical Nanotechnology News. Science Communication,

37(2), 151–172. https://doi.org/10.1177/1075547014555025

Ströbel, P. (2020, 16. Juni). Künstliche Intelligenz: Mehr Unterstützung als Konkurrenz.

Frankfurter Allgemeine Zeitung, V14.

Taddicken, M., Reif, A., Brandhorst, J., Schuster, J., Diestelhorst, M. & Hauk, L. (2020). Wirt-

schaftlicher Nutzen statt gesellschaftlicher Debatte? Eine quantitative Framing-Ana-

lyse der Medienberichterstattung zum autonomen Fahren. M&K Medien & Kommu-

nikationswissenschaft, 68(4), 406–427. https://doi.org/10.5771/1615-634X-2020-4-

406

Tauber, J. (2020, 02. November). Künstliche Intelligenz statt Gutachter. Süddeutsche Zei-

tung, 19.

Thelen, F. (2020, 16. September). Healthcare-Start-ups – Chance für die deutsche Wirt-

schaft. Frankfurter Allgemeine Zeitung, V6.

Trebbe, J. (2009). Ethnische Minderheiten, Massenmedien und Integration. Springer VS.

https://doi.org/10.1007/978-3-531-91696-5

Vergeer, M. (2020) Artificial Intelligence in the Dutch Press: An Analysis of Topics and

Trends, Communication Studies, 71(3), 373–392.

https://doi.org/10.1080/10510974.2020.1733038

Vliegenthart, R., & van Zoonen, L. (2011). Power to the frame: Bringing Sociology back to

frame analysis. European Journal of Communication, 26(2), 101–115.

https://doi.org/10.1177/0267323111404838

69
von Zabern, L. & Tulloch, C. D. (2021). Rebel with a cause: the framing of climate change

and intergenerational justice in the German press treatment of the Fridays for Fu-

ture protests. Media, Culture & Society, 43(1), 23–47.

https://doi.org/10.1177/0163443720960923

Wartiainen, M. (2020). Media frames of artificial intelligence. A comparative study between

USA and China. http://uu.diva-por-

tal.org/smash/get/diva2:1440415/FULLTEXT01.pdf

Weizenbaum, J. (1966). ELIZA—a computer program for the study of natural language com-

munication between man and machine. Communications of the ACM 9, 36–45.

https://doi.org/10.1145/365153.365168

Weizenbaum, J. (1976). Computer Power and Human Reason: From Judgment to Calcula-

tion. W. H. Freeman & Co.

Wimmer, J. (2007). Literatur: Besprechung. Urs Dahinden: Framing. M&K Medien & Kom-

munikationswissenschaft, 55(2), 289–290. https://doi.org/10.5771/1615-634x-

2007-2-289

Wittgenstein, L. (1922). Tractatus logico-philosophicus: Logisch-philosophische Abhandlung.

Suhrkamp.

70
Anhangsverzeichnis

Anhang 1: Tabelle 10. Frames der Berichterstattung wissenschaftlich-technischer Themen. ....72

Anhang 2: Tabelle 11. Empirische Studien zur Analyse der KI-Medienberichterstattung. ...........73
Anhang 3: Tabelle 12. Herangehensweise zur Identifikation von V14_FrameElement. ..............75
Anhang 4: Herangehensweise zur Identifizierung von V15_Frame. .............................................76
Anhang 5: Codebuch ...................................................................................................................... 77
Anhang 6: Offene Liste V12_Ort ....................................................................................................82
Anhang 7: Offene Liste V13_Oberthema ....................................................................................... 82
Anhang 8: Oberthemen und Erläuterungen ..................................................................................83
Anhang 9: Häufigkeiten und Kreuztabellen ................................................................................... 84
Anhang 10: Eidesstattliche Erklärung ............................................................................................103

71
Anhang 1: Tabelle 10. Frames der Berichterstattung wissenschaftlich-technischer Themen. Eigene Darstellung.

Aufsatz Kohring et al., Maeseele, Metag & Strekalova, Schmid-Petri Bigl, 2017 Han, Sun & Taddicken et Kubler, 2020
2011 2011 Marcin- 2015 & Arlt, 2016 Lu, 2017 al., 2020
Frame
kowski, 2014

Economy scientific pro- technology framed eco- technische & economic

frame gress & eco- application & nomically or wirtschaftli- growth frame
nomic pros- economic politically che Aspekte
pects consequence

Ethics frame ethical fra- kritische Be- regulations & risks ignored ethische & Si-
mes richterstat- moral issues cherheitsbe-
tung denken

Politics frame politicization political ac- political politicizing

tors considerati-
ons & geopo-
litical develo-
pments

Conflict frame controversy two opposing conflict, colla-

camps of sup- boration, &
porters & op- leadership
ponents

Progress frame wissenschaft- scientific pro- perspective scientific pro- technologi-

licher Fort- gress of progress gress & tech- scher Fort-
schritt nology devel- schritt
opment & ap-
plication

72
Anhang 2: Tabelle 11. Empirische Studien zur Analyse der KI-Medienberichterstattung. Eigene Darstellung.
Autor:in Jahr, Me- Zeit- Mediensample Forschungsfragen Kategorien Ergebnisse
thode & raum
Theorie
Vergeer 2020 2000– alle 1: How do newspapers in the Netherlands
2018 niederländischen report about AI?
Topic
Communi- Zeitungen; Voller- a: What specific topics are associated
modeling
cation Sci- hebung; 4224 Ar- with AI in newspaper articles?
ence Dept. - tikel b: What kind of sentiments (positive ver-
Radboud sus negative) are associated with AI in
Univ. newspaper articles?
c: How does reporting about AI change
over time?"
Fink 2020 01.2019 30 Beiträge auf 1: Wie nimmt die Öffentlichkeit den Dis- • Sprecher:in • Sprecher:in: am häufigsten Journalist:in-
– wissenschaftlicher kurs und die darin konstruierte Wirklich- • Themen: Forschung & Entwicklung, Gesellschaft, nen
Diskurs- 12.2019 Ebene (internatio- keit über ein Thema wie KI wahr? Anwendung, Politische Relevanz, Ethik, Wirtschaft • Themen: am häufigsten Forschung & Ent-
analyse nal), a: Nach welchen Regeln wird Wissen über & Industrie, Berufsfeld KI wicklung, Gesellschaft, Anwendung
61 deutsche Bei- ein Thema wie KI produziert? • Träger:in/ Quelle • Träger/in: Personen aus Wissenschaft
eigene träge auf b: Wie wird entschieden, welche Fakten • Bezug • Bezug: am häufigsten zur Wirtschaft
Frames wirtschaftlicher wahr oder falsch sind? • Framing: paradoxes Verhältnis zwischen
Ebene, 233 Artikel c: Welche Rolle spielen dabei Medien? Faszination & Bedrohung; Fokus auf Poten-
auf medialer zial von KI; Konkurrenz- & Angstthemen; KI
Ebene (fünf deut- wird übertriebene Relevanz, Kompetenz &
sche Autonomie gegeben
Medien); Teilerhe-
bung;
153 Artikel
Brokensha 2020 01.2018 vier süd- 1: Which topics and sub-topics were • Topics • Topics: Business & finance n=18; AI-hu-
– afrikanische prominent in widely circulated South Afri- • Frames: Social progress, competition, middle way, man interaction n=12; Big brother n=8;
qualitative
Englisch 04.2020 Zeitungen; can online news articles? nature, artifice, morality/ethics, pandora’s box, ac- • Frames: Social progress, competition,
Inhalts-
Dept. – 73 Artikel 2: How was AI framed in widely circulated countability middle way, nature, artifice, morality/eth-
analyse
Univ. of the South African online news articles? ics, pandora’s box, accountability
Free State Nisbet
(2009)
Holguín 2018 2015– zwei amerikani- 1: How is AI and its impact being repre- • sources • sources: public figures of industry and
2018 sche und zwei bri- sented in newspapers? • effects of AI: short term (economic impact of AI, science
qualitative
Media Tech- tische Zeitungen; a: Who are the sources journalists rely on Opacity and accountability of the systems); long • effects of AI: short term effect (economic
Textana-
nology - Lei- Teilerhebung mit when writing about the impact of AI? term (AI as a threat; AI as a promising solution) impact of AI); long-term (AI on automation)
lyse
den Univ. Query 23%; 32 Ar- b: What are the emerging discourses
eigene tikel used in representing AI and its impact?
Frames

73
Chuan, Tsai 2019 2009– fünf reichweite- 1: What topics were most prevalent in AI • Topics: Technology Development & Application, • Topics: Business & Economy 35%
& Cho 2018 stärkste amerika- coverage in major U.S. newspapers? Business & Economy, Politics & Policy, Ethics, • Benefit framing: 52%, Risk: 47%
quantita- nische Zeitungen; 2: How was AI framed in major U.S. news- Threat, Science Fiction, Entertainment, Education. • Societal Impact Framing: 48%
School of tive In- geschichtete Aus- papers? • Risk framing: loss of jobs, embedded bias, privacy • Episodic issue framing 61%
Communi- haltsana- wahl: Risk/Benefit, Personal impact/societal im- concern, misuse, run-away-train, Pandora’s Box, • Valence: approx. same
cation, Univ. lyse nach Verlag & pact, thematic issue/episodic issue, Va- ethical concerns, shortcomings of AI; Benefit fram- • Sources: individuals associated compa-
of Miami Jahr; Zufallsstich- lence ing: economic benefit, improving human life & well- nies or businesses
eigene probe; 399 Artikel being, reducing human bias or social inequality
Frames • Personal impact framing: focusing on individuals’
opinions, experiences, or consequences of inci-
dents; Societal impact framing general, overall con-
sequences of the incidents, or broader societal de-
cisions such as policy or public opinion; mixed
• Thematic issue framing: a broader, general con-
text, such as how AI is changing various industries;
Episodic issue framing: a specific example, case
study, or event-oriented report; middle
• Valence: positive, negative, mixed
• Sources cited in the article
Brennen, 2018 01.2018 sechs reichweite- 1: How do UK media cover AI? • Themen • Themen: drei dominieren: New Industry
Howard & – starke britische 2: Who is being given space to discuss AI • Aufmacher der Artikel: Industrie, Wissenschaft, Products, Announcements, & Research;
Nielsen Mixed 08.2018 Zeitungen; and what they are saying: the public nar- Regierung, Zivilgesellschaft, andere Economics & Geopolitics; Ethics, Discrimi-
Method politische Tenden- ratives, expectations, hopes, and fears • Quellen: Industrie, Politik, Wissenschaft, Zivilge- nation, & Killer Robots;
Reuters Inst. zen, surrounding AI sellschaft, andere • Aufmacher: 60% Industrie
for the eigene 2 rechts, • Quellen: 33% Industrie
Study of Frames 2 links, • KI geframt als Lösung für öffentliche
Journalism – 1 öffentlichen, 1 Probleme (ungeachtet dessen potenzieller
Univ. of Ox- technologiespezi- Auswirkungen)
ford fischen; Teil- • KI wird politisiert je nach Medienoutlet
/Vollerhebung: k. • KI wird geframt, als bringe es starke Ver-
A.; 760 Artikel änderungen innerhalb aller Sektoren
Obozintsev 2018 2007– drei reichweite- 1: How do major news networks frame - Frames: • social progress, • Frames: social progress: 57%, pandoras
2017 starke amerikani- AI? • economic development/competitiveness, box, conflict,
Communi- quantita- sche Zeitungen 2: How do major newspapers frame AI? • morality/ethics, • Reference to pop culture: 14%
cation Dept. tive In- und ein amerika- 3: To what extent do different news out- • scientific/technical uncertainty,
– Univ. of haltsana- nisches TV Net- lets frame AI differently—and if so, how? • Pandora’s box/Frankenstein’s monster/runaway
Delaware lyse work; Zufallsstich- 4: In what ways, if any, do news outlets science,
probe 10%; 64 Ar- reference fictional AI? • public accountability/governance,
Nisbet tikel • middle way/alternative path,
(2009) • conflict/strategy
• Reference to pop culture

74
Anhang 3: Tabelle 12. Herangehensweise zur Identifikation von
V14_FrameElement. Eigene Darstellung.

Frame- Originale Beschreibung Formulierung als Frage (auf Formulierung als Frage (über-
Element im Aufsatz englisch) setzt)

(1) Problem- • define problems • is a problem being de- • Wird ein Problem beschrie-
beschreibung • determine what a fined? ben? (Wird etwas als proble-
causal agent is do- • is what a causal agent is matisch beschrieben?)
ing with what costs doing with what costs • Wird ermittelt, was ein Verur-
and benefits and benefits being deter- sacher mit welchem Nutzen
mined? und welchen Risiken tut?
(2) Ursachen- • diagnose causes • are causes being diagno- • Werden Ursachen beschrie-
beschreibung • identify the forces sed? ben?
creating the prob- • are forces creating the • Wird jenes, das das Problem
lem problem being identified? verursacht erwähnt?
(3) Moralische • make moral judg- • are moral judgments • Werden moralische Bewertun-
Bewertung ments made? gen geäußert?
• evaluate causal • are causal agents and • Werden Verursacher und ihre
agents and their ef- their effects being evalu- Auswirkungen bewertet?
fects ate?

(4) Lösungs- • suggest remedies • are remedies suggested? • Werden Maßnahmen vorge-
vorschlag • offer and justify • are treatments for the schlagen?
treatments for the problems being offered • Werden Handlungsvorschläge
problems and pre- and justified and their angeboten und Prognosen ge-
dict their likely ef- likely effects predicted? stellt?
fects

75
Anhang 4: Herangehensweise zur Identifizierung von V15_Frame.
Fragenkatalog von Semetko und Valkenburg (2000).

Zuschreibung von Verantwortung/Attribution of responsibility

• Legt die Nachricht nahe, dass eine Ebene der Regierungsebene die Möglichkeit hat, das Problem zu lin-
dern?
• Deutet die Nachricht darauf hin, dass eine Ebene der der Regierung für das Thema/Problem verant-
wortlich ist?
• Schlägt die Geschichte Lösung(en) für das Problem?
• Deutet die Geschichte darauf hin, dass eine Person (oder eine Gruppe von (oder eine Gruppe von Men-
schen in der Gesellschaft) für das Problem verantwortlich ist?1
• Deutet die Geschichte darauf hin, dass das Problem dringende Maßnahmen erfordert?

Rahmen des menschlichen Interesses/Human-Interest frame

• Bietet die Geschichte ein menschliches Beispiel oder ein "menschliches Gesicht" für das Problem?
• Werden in der Geschichte Adjektive oder persönliche Vignetten verwendet, die Gefühle der Empörung,
der Empathie, der Sympathie oder des Mitgefühls hervorrufen?
• Betont die Geschichte, wie Einzelpersonen und Gruppen von dem Thema/Problem betroffen sind?
• Geht die Geschichte auf das private oder persönliche Leben der Akteure ein?
• Enthält die Geschichte visuelle Informationen, die Gefühle von Empörung, Einfühlungsvermögen, Sym-
pathie oder Mitgefühl hervorrufen könnten?

Rahmen des Konflikts/Conflict frame

• Spiegelt die Geschichte Meinungsverschiedenheiten zwischen Parteien, Einzelpersonen, Gruppen und
Ländern wider?
• Erhebt eine Partei-Individuum-Gruppe-Land Vorwürfe eine andere?
• Bezieht sich die Geschichte auf zwei Seiten oder auf mehr als zwei Seiten des Problems oder der Ange-
legenheit?
• Bezieht sich die Geschichte auf Gewinner und Verlierer?

Moralischer Rahmen/Morality frame

• Enthält die Geschichte eine moralische Botschaft?
• Nimmt die Geschichte Bezug auf Moral, Gott und andere religiöse Lehren?
• Bietet die Geschichte spezifische soziale Vorschriften darüber, wie man sich verhalten soll?

Wirtschaftlicher Rahmen/Economic frame

• Werden finanzielle Verluste oder Gewinne jetzt oder in der Zukunft erwähnt?
• Werden die Kosten/der Grad der Kosten?
• Gibt es einen Hinweis auf wirtschaftliche Konsequenzen des Verfolgens oder Nicht-Verfolgens einer
Handlungsweise?

76
Anhang 5: Codebuch

Framing Künstlicher Intelligenz in der deutschen Presseberichterstattung

– Eine quantitative Inhaltsanalyse zu Frames in der
Süddeutsche Zeitung und Frankfurter Allgemeine Zeitung

Abschlussarbeit im Master Publizistik- und Kommunikationswissenschaft

Freie Universität Berlin, Institut für Publizistik- und Kommunikationswissenschaft

CODEBUCH: Quantitative Analyse

Für die quantitative Inhaltsanalyse der Frames in der Süddeutsche Zeitung und Frankfurter
Allgemeine Zeitung wird das vorliegende Codebuch verwendet. Es enthält die einzelnen Vari-
ablen und Codes. Sie teilen sich auf in Formale Kategorien und inhaltliche Kategorien. Die
Analyseeinheit ist der gesamte Artikel. Die Codierung geschieht nur durch die Autorin selbst,
wodurch die Codierer-Variable entfällt. Die Bezeichnung (CA) steht für Codieranweisungen
und in der Schriftart Courier werden Beispiele vorgestellt.

FORMALE KATEGORIEN

V1_Artikel-ID Beschreibung
(CA) Jeder Artikel erhält eine Identifikationsnummer, die sich zusammensetzt aus dem Titel
der Zeitung, dem Datum und einer Nummerierung:
(1) FAZ_ Frankfurter Allgemeine Zeitung
(2) SZ_ Süddeutsche Zeitung
JJ-MM-TT_ sechsstellige Codierung: Jahr, Monat, Tag
## Nummerierung zweistellig fortlaufen: 00, 01 …

V2_Medium Beschreibung
(CA) Codiert wird der Name der Zeitung, in dem der Artikel erschienen ist:
(1) FAZ Frankfurter Allgemeine Zeitung
(2) SZ Süddeutsche Zeitung

V3_Veröffentlichungsdatum Beschreibung
(CA) Codiert wird das Veröffentlichungsdatum des Artikels:
JJ-MM-TT sechsstellige Codierung: Jahr, Monat, Tag

77
 V4_Kalenderwoche Beschreibung
(CA) Codiert wird die Kalenderwoche, in der der Artikel veröffentlicht wurde.
## zweistellige Codierung

V5_Überschrift Beschreibung
(CA) Codiert wird die Überschrift des Artikels.

V6_Kurzbeschreibung Beschreibung
(CA) Codiert wird die Kurzbeschreibung des Artikelinhalts.

V7_Wortanzahl Beschreibung
(CA) Codiert wird die Wortanzahl des Artikels.

V8_Artikellänge Beschreibung
(CA) Codiert wird die Artikellänge des Artikels.
(1) kurz 0-300 Wörter
(2) mittel 301-1000 Wörter
(3) lang >1000 Wörter

V9_Ressort Beschreibung
(CA) Codiert wird das Ressort, in dem der Artikel veröffentlicht wurde.10
(1) Politik FAZ: Politik
SZ: Politik
(2) Wirtschaft & Finanzen FAZ: Wirtschaft; Finanzmarkt
SZ: Wirtschaft und Finanzen
(3) Wissenschaft & Technik FAZ: Natur und Wissenschaft; Technik und Motor
SZ: Wissenschaft; Technik und Forschung
(4) Feuilleton FAZ: Feuillton
SZ: Kultur, Kunst und Unterhaltung; Medien
(5) Karriere FAZ: Beruf und Chance
SZ: Bildung und Ausbildung; Arbeit
(6) Beilage FAZ: Redaktionsbeilage
SZ: Beilage

10
Die FAZ und SZ nutzen teilweise unterschiedliche Begriffe für bestimmte Ressorts. In der Beschreibung wird
dargestellt, wie die jeweilige Zeitung das Ressort betitelt.

78
V10_Platzierung Beschreibung
(CA) Codiert wird die Platzierung des Artikels.
(1) mehrspaltiger Artikel auf der Titelseite
(2) einspaltiger Artikel auf der Titelseite
(3) mehrspaltiger Artikel auf der Innenseite
(4) einspaltiger Artikel auf der Innenseite
(5) andere Platzierung

V11_Darstellungsform Beschreibung
(CA) Codiert wird die Darstellungsform des Artikels.
(1) Meldung erklärt kurz, „wer in ein Ereignis verwickelt ist, was, wo, wann,
wie und warum stattfand, und schließlich, woher diese Infor-
mation stammt“ (Wolff & Palm, 2013, S. 230)
(2) Bericht „ist ausführlicher als die Meldung […] [und präsentiert] Nach-
richten und Fakten […], Hintergründe und Vergleichsfälle […]
[sowie] Zitate oder Szenen“ (Wolff & Palm, 2013, S. 27)
(3) Interview ist „ein Mittel zur Informationsbeschaffung und […] basiert […]
auf der zielgerichteten Befragung einer Person durch den
Journalisten“ (Lünenborg, 2013, S. 137)
(4) Porträt stellt „die charakteristischen Merkmale eines Menschen oder
einer Organisation lebhaft und plastisch“ dar (Wolff & Palm,
2013, S. 270)
(5) Leitartikel ist meinungsbildend und markiert „[die] Position, die eine Zei-
tung oder eine Redaktion zu einem Ereignis einnimmt“ (Wolff
& Palm, 2013, S. 183)
(6) Kritik ist „eine bewertende Auseinandersetzung mit einer künstleri-
schen Darstellung“ (Wolff & Palm, 2013, S. 172)
(7) Kolumne ist ein „zugespitzter bis satirisch-polemischer Meinungsbei-
trag“ (Lünenborg, 2013, S. 154)
(8) Leserbrief ist eine „zur Veröffentlichung bestimmte Zuschrif[t] an die Re-
daktion einer Zeitung (Wolff & Palm, 2013, S. 186)

V12_geografischer Ortsbezug Beschreibung

(CA) Codiert wird der geografische Ortsbezug des Artikels. Zur Einheitlichkeit wird (statt
Städten und Regionen) das dazugehörige Land codiert. Ausnahmen sind Erwähnungen der
Kontinente, die so übernommen werden. Wenn Begriffe wie international, weltweit und glo-
bal vorkommen, werden sie unter der Bezeichnung Global summiert. Alle Begriffe werden in
einer offenen Liste (siehe Anhang 6) vermerkt.

79
INHALTLICHE VARIABLEN

V13_Oberthema Beschreibung

(CA) Codiert wird das Oberthema des Artikels in einem Wort und in der offenen Liste II ver-
merkt.

V14_Frame-Elemente nach Entman Analyseeinheit: Artikel

(CA) Codiert werden die Frame-Elemente des Artikels der KI-Medienberichterstattung.
(1) Problembeschreibung
• Wird ein Problem beschrieben? (Wird etwas als
problematisch beschrieben?)
• Wird ermittelt, was ein Verursacher mit welchem Nutzen und
welchen Risiken tut?

z. B. Doch das führt auch zu einem Problem.

Wie die KI zu ihrem Resultat kommt, lässt
sich kaum nachvollziehen.

(2) Ursachenbeschreibung
• Werden Ursachen beschrieben?
• Wird jenes, das das Problem verursacht erwähnt

z. B. Künstliche Intelligenz werde bald jede

menschliche Kreativität obsolet machen.

(3) Moralische Bewertung

• Werden moralische Bewertungen geäußert?
• Werden Verursacher und ihre Auswirkungen bewertet?

z. B. Seit 2015 können künstliche Intelli-

genzen Schadenbilder besser auswerten als
Menschen.

(4) Lösungsvorschlag
• Werden Maßnahmen vorgeschlagen?
• Werden Handlungsvorschläge angeboten und Prognosen
gestellt?

z. B. Manchen gilt gerade Künstliche

Intelligenz als Wundermittel gegen das
Virus.

80
V15_Thematische Frames Analyseeinheit: Artikel
(CA) Codiert werden die Frames des Artikels der KI-Medienberichterstattung.
(1) economic frame
• Erwähnung von Gewinnen
• Erwähnung von Verlusten
• Erwähnung von Kosten
• Erwähnung ökonomischer Konsequenzen
• Sonstiges zur Wirtschaft

z. B. Um 15,7 Billionen Dollar soll KI spätestens von 2030 an das

globale Bruttosozialprodukt jährlich erhöhen.

(2) morality frame

• Erwähnung von Moral und sozialer Vorschriften
• Erwähnung von Ethik
• Erwähnung von Religion
• Sonstiges zu Moral und Ethik

z. B. Wann immer eine Software diskriminierende Ergebnisse liefert,

dann liegt das an den Daten, mit denen sie trainiert wurde.

(3) conflict frame

• Erwähnung von Konflikten und Widersprüchen
• Erwähnung von Differenzen
• Sonstiges zu Konflikt und Kontroverse

z. B. Der Wettkampf der Systeme ist denkbar ungleich: Bleistift

gegen KI, Aquarellpapier gegen Bit und Byte.

(4) politics frame

• Erwähnung von Politik
• Erwähnung von Politisierung
• Sonstiges zu Politik und Politisierung

z. B. Sie werde „Rechtsvorschriften“ mit einem Konzept für die

„menschlichen und ethischen Aspekte der künstlichen Intelligenz“
vorschlagen, kündigte sie in ihren politischen Leitlinien an.

(5) progress frame

• Erwähnung von Fortschritt
• Sonstiges zum Fortschritt

z. B. Meist sind es Routineaufgaben, die Computer und künstliche

Intelligenz schneller, kostengünstiger und oft besser als der
Mensch erledigen können.

81
 (6) responsibility frame
• Erwähnung von Problemen
• Erwähnung von Lösungen
• Erwähnung der Notwendigkeit einer Handlung
• Erwähnung der Fähigkeit, ein Problem mildern zu können
• Erwähnung von Opfern
• Erwähnung von Schuldigen
• Sonstiges zur Verantwortung

z. B. Der Stuttgarter Technikkonzern hat sich selbst auf einen KI-

Kodex verpflichtet.

(7) human interest frame

• Erwähnung eines menschlichen Beispiels zum Thema
• Personalisierung
• „Emotionalisierung“
• Sonstiges zur Personalisierung

z. B. Das besagt allerdings noch lange nicht, dass die gleiche

Software [KI] ein anderes Spiel spielen könnte, ja überhaupt ver-
steht, was ein Spiel eigentlich ist.

Anhang 6: Offene Liste V12_Ort

Afrika, Ägypten, Australien, Belarus, China, Deutschland, Europa, Frankreich, Großbritannien,
Indien, Iran, Israel, Italien, Japan, Korea, Niederlande, Österreich, Polen, Russland, Schweiz,
Singapur, Taiwan, Türkei, USA

Anhang 7: Offene Liste V13_Oberthema

Arbeit, Ethik, Forschung, Kultur, Maschine, Medizin, Mittel, Möglichkeiten, Politik, Regulie-
rung, Relevanz, Technik, Wettbewerb, Wirtschaft

82
Anhang 8: Oberthemen und Erläuterungen
V13_Wirtschaft KI-Produkte, Unternehmen und KI, Unternehmer:innen, die sich zu KI äußern
V13_Möglichkeiten Chancen und Risiken von KI
V13_Mittel KI als Mittel, Werkzeug oder Verbindung zwischen mehreren
V13_Politik Politiker:innen, die sich zu KI äußern, Zusammenkünfte zum Thema KI
V13_Regulierung Gesetze, Regulierung, Regulierungsforderung, Regulierungswünsche zu KI
V13_Forschung Wissenschaft und Forschung zu KI, Wissenschaftler:innen, die sich zu KI äußern
V13_Medizin KI in der Medizin
V13_Wettbewerb Wettbewerb um die Vormacht in KI
V13_Kultur KI in Kultur, Kunst, Film, Literatur, Musik
V13_Technik Funktionsweise und Technik der KI
V13_Maschine Vergleich von Mensch und Maschine
V13_Relevanz Relevanz der KI
V13_Arbeit KI in der Arbeitswelt
V13_Ethik KI und Ethik

83
Anhang 9: Häufigkeiten und Kreuztabellen V4_Kalenderwoche
N %
V2_Medium 2 4 1,3%
N % 3 12 3,9%
FAZ 212 69,3% 4 12 3,9%
SZ 94 30,7% 5 9 2,9%
6 8 2,6%
V7_Wörter 7 7 2,3%
N Gültig 306 8 15 4,9%
Fehlend 0 9 8 2,6%
Mittelwert 876,96 10 8 2,6%
Median 795,00 11 3 1,0%
Std.-Abweichung 473,920 12 1 0,3%
Spannweite 2826 13 2 0,7%
Minimum 54 14 1 0,3%
Maximum 2880 15 4 1,3%
16 2 0,7%
V8_Artikellänge 17 2 0,7%
N % 18 3 1,0%
Kurz 29 9,5% 19 6 2,0%
Mittel 181 59,2% 20 4 1,3%
Lang 96 31,4% 21 4 1,3%
22 4 1,3%
V9_Ressort 23 3 1,0%
N % 24 6 2,0%
25 6 2,0%
Politik 27 8,8%
26 5 1,6%
Wirtschaft & Finanzen 151 49,3% 27 1 0,3%
Wissenschaft & Technik 25 8,2% 28 4 1,3%
Feuilleton 44 14,4% 29 5 1,6%
30 4 1,3%
Karriere 14 4,6%
31 6 2,0%
Beilage 45 14,7% 32 2 0,7%
33 3 1,0%
V10_Platzierung 34 1 0,3%
N % 35 6 2,0%
mehrspaltiger Arti- 4 1,3% 36 8 2,6%
kel auf der Titel-
37 12 3,9%
seite
38 12 3,9%
mehrspaltiger Arti- 268 87,6%
39 7 2,3%
kel auf der Innen-
seite 40 5 1,6%
einspaltiger Artikel 34 11,1% 41 7 2,3%
auf der Innenseite 42 5 1,6%
43 7 2,3%
V11_Darstellungsform 44 7 2,3%
N % 45 3 1,0%
Meldung 25 8,2% 46 9 2,9%
Bericht 178 58,2% 47 8 2,6%
Interview 20 6,5% 48 15 4,9%
Porträt 11 3,6% 49 7 2,3%
Leitartikel 46 15,0% 50 8 2,6%
Kritik 14 4,6% 51 9 2,9%
Kolumne 6 2,0% 52 3 1,0%
Leserbrief 6 2,0% 53 3 1,0%
84
 Häufigkeiten von V12_Ort
Antworten
N Prozent Prozent der Fälle
V12_Ort V12_Deutschland 210 41,7% 68,6%
V12_China 45 8,9% 14,7%
V12_USA 83 16,5% 27,1%
V12_Europa 61 12,1% 19,9%
V12_Global 54 10,7% 17,6%
V12_Andere 50 9,9% 16,3%
Gesamt 503 100,0% 164,4%

Häufigkeiten von V13_Oberthema

Antworten
N Prozent Prozent der Fälle
V13_Oberthema V13_Arbeit 18 3,6% 5,9%
V13_Ethik 17 3,4% 5,6%
V13_Forschung 31 6,2% 10,1%
V13_Kultur 25 5,0% 8,2%
V13_Maschine 23 4,6% 7,5%
V13_Medizin 27 5,4% 8,8%
V13_Mittel 65 12,9% 21,2%
V13_Möglichkeiten 74 14,7% 24,2%
V13_Politik 37 7,4% 12,1%
V13_Regulierung 33 6,6% 10,8%
V13_Relevanz 18 3,6% 5,9%
V13_Technik 24 4,8% 7,8%
V13_Wettbewerb 26 5,2% 8,5%
V13_Wirtschaft 85 16,9% 27,8%
Gesamt 503 100,0% 164,4%

Häufigkeiten von V14_FrameElement

Antworten
N Prozent Prozent der Fälle
V14_FrameElement V14_Ursache 76 18,5% 24,8%
V14_Bewertung 50 12,2% 16,3%
V14_Problem 53 12,9% 17,3%
V14_Lösung 231 56,3% 75,5%
Gesamt 410 100,0% 134,0%

Häufigkeiten von V15_Frame

Antworten
N Prozent Prozent der Fälle
V15_Frame V15_Fortschritt 236 33,9% 77,1%
V15_Wirtschaft 125 18,0% 40,8%
V15_Politik 97 13,9% 31,7%
V15_Verantwortung 74 10,6% 24,2%
V15_Konflikt 65 9,3% 21,2%
V15_Moral 53 7,6% 17,3%
V15_Menschliches 46 6,6% 15,0%
Gesamt 696 100,0% 227,5%

85
 Kreuztabelle V11_Darstellungsform*V8_Artikellänge
V8_Artikellänge
kurz mittel lang Gesamt
V11_Darstel- Meldung Anzahl 21 3 1 25
lungsform Innerhalb V11_Darstellungsform% 84,0% 12,0% 4,0%
Innerhalb V8_Artikellänge% 72,4% 1,7% 1,0%
% vom Gesamtwert 6,9% 1,0% 0,3% 8,2%
Bericht Anzahl 0 119 59 178
Innerhalb V11_Darstellungsform% 0,0% 66,9% 33,1%
Innerhalb V8_Artikellänge% 0,0% 65,7% 61,5%
% vom Gesamtwert 0,0% 38,9% 19,3% 58,2%
Interview Anzahl 0 5 15 20
Innerhalb V11_Darstellungsform% 0,0% 25,0% 75,0%
Innerhalb V8_Artikellänge% 0,0% 2,8% 15,6%
% vom Gesamtwert 0,0% 1,6% 4,9% 6,5%
Porträt Anzahl 0 8 3 11
Innerhalb V11_Darstellungsform% 0,0% 72,7% 27,3%
Innerhalb V8_Artikellänge% 0,0% 4,4% 3,1%
% vom Gesamtwert 0,0% 2,6% 1,0% 3,6%
Leitartikel Anzahl 7 29 10 46
Innerhalb V11_Darstellungsform% 15,2% 63,0% 21,7%
Innerhalb V8_Artikellänge% 24,1% 16,0% 10,4%
% vom Gesamtwert 2,3% 9,5% 3,3% 15,0%
Kritik Anzahl 0 7 7 14
Innerhalb V11_Darstellungsform% 0,0% 50,0% 50,0%
Innerhalb V8_Artikellänge% 0,0% 3,9% 7,3%
% vom Gesamtwert 0,0% 2,3% 2,3% 4,6%
Kolumne Anzahl 0 6 0 6
Innerhalb V11_Darstellungsform% 0,0% 100,0% 0,0%
Innerhalb V8_Artikellänge% 0,0% 3,3% 0,0%
% vom Gesamtwert 0,0% 2,0% 0,0% 2,0%
Leserbrief Anzahl 1 4 1 6
Innerhalb V11_Darstellungsform% 16,7% 66,7% 16,7%
Innerhalb V8_Artikellänge% 3,4% 2,2% 1,0%
% vom Gesamtwert 0,3% 1,3% 0,3% 2,0%
Gesamt Anzahl 29 181 96 306
% vom Gesamtwert 9,5% 59,2% 31,4% 100,0%

Kreuztabelle V10_Platzierung*V2_Medium
V2_Medium
FAZ SZ Gesamt
V10_Platzie- mehrspaltiger Artikel auf Anzahl 1 3 4
rung der Titelseite Innerhalb V10_Platzierung% 25,0% 75,0%
Innerhalb V2_Medium% 0,5% 3,2%
% vom Gesamtwert 0,3% 1,0% 1,3%
mehrspaltiger Artikel auf Anzahl 191 77 268
der Innenseite Innerhalb V10_Platzierung% 71,3% 28,7%
Innerhalb V2_Medium% 90,1% 81,9%
% vom Gesamtwert 62,4% 25,2% 87,6%
einspaltiger Artikel auf Anzahl 20 14 34
der Innenseite Innerhalb V10_Platzierung% 58,8% 41,2%
Innerhalb V2_Medium% 9,4% 14,9%
% vom Gesamtwert 6,5% 4,6% 11,1%
Gesamt Anzahl 212 94 306
% vom Gesamtwert 69,3% 30,7% 100,0%

86
 Kreuztabelle V11_Darstellungsform*V10_Platzierung
V10_Platzierung Gesamt

mehrspalti- einspaltiger
mehrspaltiger ger Artikel Artikel auf
Artikel auf der auf der In- der Innen-
Titelseite nenseite seite
V11_Darstel- Meldung Anzahl 2 6 17 25
lungsform Innerhalb V11_Darstellungsform% 8,0% 24,0% 68,0%
Innerhalb V10_Platzierung% 50,0% 2,2% 50,0%
% vom Gesamtwert 0,7% 2,0% 5,6% 8,2%
Bericht Anzahl 1 175 2 178
Innerhalb V11_Darstellungsform% 0,6% 98,3% 1,1%
Innerhalb V10_Platzierung% 25,0% 65,3% 5,9%
% vom Gesamtwert 0,3% 57,2% 0,7% 58,2%
Interview Anzahl 0 20 0 20
Innerhalb V11_Darstellungsform% 0,0% 100,0% 0,0%
Innerhalb V10_Platzierung% 0,0% 7,5% 0,0%
% vom Gesamtwert 0,0% 6,5% 0,0% 6,5%
Porträt Anzahl 0 11 0 11
Innerhalb V11_Darstellungsform% 0,0% 100,0% 0,0%
Innerhalb V10_Platzierung% 0,0% 4,1% 0,0%
% vom Gesamtwert 0,0% 3,6% 0,0% 3,6%
Leitartikel Anzahl 1 33 12 46
Innerhalb V11_Darstellungsform% 2,2% 71,7% 26,1%
Innerhalb V10_Platzierung% 25,0% 12,3% 35,3%
% vom Gesamtwert 0,3% 10,8% 3,9% 15,0%
Kritik Anzahl 0 14 0 14
Innerhalb V11_Darstellungsform% 0,0% 100,0% 0,0%
Innerhalb V10_Platzierung% 0,0% 5,2% 0,0%
% vom Gesamtwert 0,0% 4,6% 0,0% 4,6%
Kolumne Anzahl 0 3 3 6
Innerhalb V11_Darstellungsform% 0,0% 50,0% 50,0%
Innerhalb V10_Platzierung% 0,0% 1,1% 8,8%
% vom Gesamtwert 0,0% 1,0% 1,0% 2,0%
Leserbrief Anzahl 0 6 0 6
Innerhalb V11_Darstellungsform% 0,0% 100,0% 0,0%
Innerhalb V10_Platzierung% 0,0% 2,2% 0,0%
% vom Gesamtwert 0,0% 2,0% 0,0% 2,0%
Gesamt Anzahl 4 268 34 306
% vom Gesamtwert 1,3% 87,6% 11,1% 100,0%

87
 V9_Ressort
Kreuztabelle Wirt- Wissen- Feuil- Karri- Tech- Bei- Sons- Ge-
V11_Darstellungsform*V9_Ressort Politik schaft schaft leton ere nik lage tige samt
V11_Dar- Meldung Anzahl 4 11 2 2 1 0 2 3 25
stellungs- Innerhalb V11_Dar- 16,0% 44,0% 8,0% 8,0% 4,0% 0,0% 8,0% 12,0%
form stellungsform%
Innerhalb V9_Ress- 14,8% 7,3% 9,5% 4,5% 7,1% 0,0% 4,8% 100,0%
ort%
% vom Gesamtwert 1,3% 3,6% 0,7% 0,7% 0,3% 0,0% 0,7% 1,0% 8,2%
Bericht Anzahl 16 92 14 18 9 2 27 0 178
Innerhalb V11_Dar- 9,0% 51,7% 7,9% 10,1% 5,1% 1,1% 15,2% 0,0%
stellungsform%
Innerhalb V9_Ress- 59,3% 60,9% 66,7% 40,9% 64,3% 50,0% 64,3% 0,0%
ort%
% vom Gesamtwert 5,2% 30,1% 4,6% 5,9% 2,9% 0,7% 8,8% 0,0% 58,2%
Interview Anzahl 0 11 0 3 1 0 5 0 20
Innerhalb V11_Dar- 0,0% 55,0% 0,0% 15,0% 5,0% 0,0% 25,0% 0,0%
stellungsform%
Innerhalb V9_Ress- 0,0% 7,3% 0,0% 6,8% 7,1% 0,0% 11,9% 0,0%
ort%
% vom Gesamtwert 0,0% 3,6% 0,0% 1,0% 0,3% 0,0% 1,6% 0,0% 6,5%
Porträt Anzahl 1 8 1 1 0 0 0 0 11
Innerhalb V11_Dar- 9,1% 72,7% 9,1% 9,1% 0,0% 0,0% 0,0% 0,0%
stellungsform%
Innerhalb V9_Ress- 3,7% 5,3% 4,8% 2,3% 0,0% 0,0% 0,0% 0,0%
ort%
% vom Gesamtwert 0,3% 2,6% 0,3% 0,3% 0,0% 0,0% 0,0% 0,0% 3,6%
Leitartikel Anzahl 5 22 3 6 2 1 7 0 46
Innerhalb V11_Dar- 10,9% 47,8% 6,5% 13,0% 4,3% 2,2% 15,2% 0,0%
stellungsform%
Innerhalb V9_Ress- 18,5% 14,6% 14,3% 13,6% 14,3% 25,0% 16,7% 0,0%
ort%
% vom Gesamtwert 1,6% 7,2% 1,0% 2,0% 0,7% 0,3% 2,3% 0,0% 15,0%
Kritik Anzahl 1 2 1 7 1 1 1 0 14
Innerhalb V11_Dar- 7,1% 14,3% 7,1% 50,0% 7,1% 7,1% 7,1% 0,0%
stellungsform%
Innerhalb V9_Ress- 3,7% 1,3% 4,8% 15,9% 7,1% 25,0% 2,4% 0,0%
ort%
% vom Gesamtwert 0,3% 0,7% 0,3% 2,3% 0,3% 0,3% 0,3% 0,0% 4,6%
Kolumne Anzahl 0 1 0 5 0 0 0 0 6
Innerhalb V11_Dar- 0,0% 16,7% 0,0% 83,3% 0,0% 0,0% 0,0% 0,0%
stellungsform%
Innerhalb V9_Ress- 0,0% 0,7% 0,0% 11,4% 0,0% 0,0% 0,0% 0,0%
ort%
% vom Gesamtwert 0,0% 0,3% 0,0% 1,6% 0,0% 0,0% 0,0% 0,0% 2,0%
Leserbrief Anzahl 0 4 0 2 0 0 0 0 6
Innerhalb V11_Dar- 0,0% 66,7% 0,0% 33,3% 0,0% 0,0% 0,0% 0,0%
stellungsform%
Innerhalb V9_Ress- 0,0% 2,6% 0,0% 4,5% 0,0% 0,0% 0,0% 0,0%
ort%
% vom Gesamtwert 0,0% 1,3% 0,0% 0,7% 0,0% 0,0% 0,0% 0,0% 2,0%
Gesamt Anzahl 27 151 21 44 14 4 42 3 306
% vom Gesamtwert 8,8% 49,3% 6,9% 14,4% 4,6% 1,3% 13,7% 1,0% 100,0%

88
 V2_Medium
Kreuztabelle V12_Ort*V2_Medium FAZ SZ Gesamt
V12_Ort Deutschland Anzahl 159 51 210
Innerhalb V12_Ort% 75,7% 24,3%
Innerhalb V2_Medium% 75,0% 54,3%
% vom Gesamtwert 52,0% 16,7% 68,6%
China Anzahl 33 12 45
Innerhalb V12_Ort% 73,3% 26,7%
Innerhalb V2_Medium% 15,6% 12,8%
% vom Gesamtwert 10,8% 3,9% 14,7%
USA Anzahl 59 24 83
Innerhalb V12_Ort% 71,1% 28,9%
Innerhalb V2_Medium% 27,8% 25,5%
% vom Gesamtwert 19,3% 7,8% 27,1%
Europa Anzahl 40 21 61
Innerhalb V12_Ort% 65,6% 34,4%
Innerhalb V2_Medium% 18,9% 22,3%
% vom Gesamtwert 13,1% 6,9% 19,9%
Global Anzahl 39 15 54
Innerhalb V12_Ort% 72,2% 27,8%
Innerhalb V2_Medium% 18,4% 16,0%
% vom Gesamtwert 12,7% 4,9% 17,6%
Andere Anzahl 39 11 50
Innerhalb V12_Ort% 78,0% 22,0%
Innerhalb V2_Medium% 18,4% 11,7%
% vom Gesamtwert 12,7% 3,6% 16,3%
Gesamt Anzahl 212 94 306
% vom Gesamtwert 69,3% 30,7% 100,0%

V8_Artikellänge
Kreuztabelle V12_Ort*V8_Artikellänge kurz mittel lang Gesamt
V12_Ort Deutschland Anzahl 19 120 71 210
Innerhalb V12_Ort% 9,0% 57,1% 33,8%
Innerhalb V8_Artikellänge% 65,5% 66,3% 74,0%
% vom Gesamtwert 6,2% 39,2% 23,2% 68,6%
China Anzahl 1 26 18 45
Innerhalb V12_Ort% 2,2% 57,8% 40,0%
Innerhalb V8_Artikellänge% 3,4% 14,4% 18,8%
% vom Gesamtwert 0,3% 8,5% 5,9% 14,7%
USA Anzahl 7 50 26 83
Innerhalb V12_Ort% 8,4% 60,2% 31,3%
Innerhalb V8_Artikellänge% 24,1% 27,6% 27,1%
% vom Gesamtwert 2,3% 16,3% 8,5% 27,1%
Europa Anzahl 1 40 20 61
Innerhalb V12_Ort% 1,6% 65,6% 32,8%
Innerhalb V8_Artikellänge% 3,4% 22,1% 20,8%
% vom Gesamtwert 0,3% 13,1% 6,5% 19,9%
Global Anzahl 5 24 25 54
Innerhalb V12_Ort% 9,3% 44,4% 46,3%
Innerhalb V8_Artikellänge% 17,2% 13,3% 26,0%
% vom Gesamtwert 1,6% 7,8% 8,2% 17,6%
Andere Anzahl 3 34 13 50
Innerhalb V12_Ort% 6,0% 68,0% 26,0%
Innerhalb V8_Artikellänge% 10,3% 18,8% 13,5%
% vom Gesamtwert 1,0% 11,1% 4,2% 16,3%
Gesamt Anzahl 29 181 96 306
% vom Gesamtwert 9,5% 59,2% 31,4% 100,0%

89
Kreuztabelle V13_Oberthema*V2_Medium V2_Medium
FAZ SZ Gesamt
V13_Oberthema Arbeit Anzahl 9 9 18
Innerhalb V13_Oberthema% 50,0% 50,0%
Innerhalb V2_Medium% 4,2% 9,6%
% vom Gesamtwert 2,9% 2,9% 5,9%
Ethik Anzahl 10 7 17
Innerhalb V13_Oberthema% 58,8% 41,2%
Innerhalb V2_Medium% 4,7% 7,4%
% vom Gesamtwert 3,3% 2,3% 5,6%
Forschung Anzahl 23 8 31
Innerhalb V13_Oberthema% 74,2% 25,8%
Innerhalb V2_Medium% 10,8% 8,5%
% vom Gesamtwert 7,5% 2,6% 10,1%
Kunst Anzahl 16 9 25
Innerhalb V13_Oberthema% 64,0% 36,0%
Innerhalb V2_Medium% 7,5% 9,6%
% vom Gesamtwert 5,2% 2,9% 8,2%
Maschine Anzahl 18 5 23
Innerhalb V13_Oberthema% 78,3% 21,7%
Innerhalb V2_Medium% 8,5% 5,3%
% vom Gesamtwert 5,9% 1,6% 7,5%
Medizin Anzahl 27 0 27
Innerhalb V13_Oberthema% 100,0% 0,0%
Innerhalb V2_Medium% 12,7% 0,0%
% vom Gesamtwert 8,8% 0,0% 8,8%
Mittel Anzahl 46 19 65
Innerhalb V13_Oberthema% 70,8% 29,2%
Innerhalb V2_Medium% 21,7% 20,2%
% vom Gesamtwert 15,0% 6,2% 21,2%
Möglichkeiten Anzahl 51 23 74
Innerhalb V13_Oberthema% 68,9% 31,1%
Innerhalb V2_Medium% 24,1% 24,5%
% vom Gesamtwert 16,7% 7,5% 24,2%
Politik Anzahl 29 8 37
Innerhalb V13_Oberthema% 78,4% 21,6%
Innerhalb V2_Medium% 13,7% 8,5%
% vom Gesamtwert 9,5% 2,6% 12,1%
Regulierung Anzahl 21 12 33
Innerhalb V13_Oberthema% 63,6% 36,4%
Innerhalb V2_Medium% 9,9% 12,8%
% vom Gesamtwert 6,9% 3,9% 10,8%
Relevanz Anzahl 13 5 18
Innerhalb V13_Oberthema% 72,2% 27,8%
Innerhalb V2_Medium% 6,1% 5,3%
% vom Gesamtwert 4,2% 1,6% 5,9%
Technik Anzahl 16 8 24
Innerhalb V13_Oberthema% 66,7% 33,3%
Innerhalb V2_Medium% 7,5% 8,5%
% vom Gesamtwert 5,2% 2,6% 7,8%
Wettbewerb Anzahl 23 3 26
Innerhalb V13_Oberthema% 88,5% 11,5%
Innerhalb V2_Medium% 10,8% 3,2%
% vom Gesamtwert 7,5% 1,0% 8,5%
Wirtschaft Anzahl 71 14 85
Innerhalb V13_Oberthema% 83,5% 16,5%
Innerhalb V2_Medium% 33,5% 14,9%
% vom Gesamtwert 23,2% 4,6% 27,8%
Gesamt Anzahl 212 94 306
% vom Gesamtwert 69,3% 30,7% 100,0%

90
 V8_Artikellänge
Kreuztabelle V13_Oberthema*V8_Artikellänge
kurz mittel lang Gesamt
V13_Oberthema Arbeit Anzahl 1 10 7 18
Innerhalb V13_Oberthema% 5,6% 55,6% 38,9%
Innerhalb V8_Artikellänge% 3,4% 5,5% 7,3%
% vom Gesamtwert 0,3% 3,3% 2,3% 5,9%
Ethik Anzahl 0 8 9 17
Innerhalb V13_Oberthema% 0,0% 47,1% 52,9%
Innerhalb V8_Artikellänge% 0,0% 4,4% 9,4%
% vom Gesamtwert 0,0% 2,6% 2,9% 5,6%
Forschung Anzahl 5 13 13 31
Innerhalb V13_Oberthema% 16,1% 41,9% 41,9%
Innerhalb V8_Artikellänge% 17,2% 7,2% 13,5%
% vom Gesamtwert 1,6% 4,2% 4,2% 10,1%
Kunst Anzahl 1 12 12 25
Innerhalb V13_Oberthema% 4,0% 48,0% 48,0%
Innerhalb V8_Artikellänge% 3,4% 6,6% 12,5%
% vom Gesamtwert 0,3% 3,9% 3,9% 8,2%
Maschine Anzahl 2 11 10 23
Innerhalb V13_Oberthema% 8,7% 47,8% 43,5%
Innerhalb V8_Artikellänge% 6,9% 6,1% 10,4%
% vom Gesamtwert 0,7% 3,6% 3,3% 7,5%
Medizin Anzahl 2 18 7 27
Innerhalb V13_Oberthema% 7,4% 66,7% 25,9%
Innerhalb V8_Artikellänge% 6,9% 9,9% 7,3%
% vom Gesamtwert 0,7% 5,9% 2,3% 8,8%
Mittel Anzahl 6 36 23 65
Innerhalb V13_Oberthema% 9,2% 55,4% 35,4%
Innerhalb V8_Artikellänge% 20,7% 19,9% 24,0%
% vom Gesamtwert 2,0% 11,8% 7,5% 21,2%
Möglichkeiten Anzahl 6 45 23 74
Innerhalb V13_Oberthema% 8,1% 60,8% 31,1%
Innerhalb V8_Artikellänge% 20,7% 24,9% 24,0%
% vom Gesamtwert 2,0% 14,7% 7,5% 24,2%
Politik Anzahl 7 23 7 37
Innerhalb V13_Oberthema% 18,9% 62,2% 18,9%
Innerhalb V8_Artikellänge% 24,1% 12,7% 7,3%
% vom Gesamtwert 2,3% 7,5% 2,3% 12,1%
Regulierung Anzahl 3 25 5 33
Innerhalb V13_Oberthema% 9,1% 75,8% 15,2%
Innerhalb V8_Artikellänge% 10,3% 13,8% 5,2%
% vom Gesamtwert 1,0% 8,2% 1,6% 10,8%
Relevanz Anzahl 2 9 7 18
Innerhalb V13_Oberthema% 11,1% 50,0% 38,9%
Innerhalb V8_Artikellänge% 6,9% 5,0% 7,3%
% vom Gesamtwert 0,7% 2,9% 2,3% 5,9%
Technik Anzahl 0 11 13 24
Innerhalb V13_Oberthema% 0,0% 45,8% 54,2%
Innerhalb V8_Artikellänge% 0,0% 6,1% 13,5%
% vom Gesamtwert 0,0% 3,6% 4,2% 7,8%
Wettbewerb Anzahl 1 18 7 26
Innerhalb V13_Oberthema% 3,8% 69,2% 26,9%
Innerhalb V8_Artikellänge% 3,4% 9,9% 7,3%
% vom Gesamtwert 0,3% 5,9% 2,3% 8,5%
Wirtschaft Anzahl 10 55 20 85
Innerhalb V13_Oberthema% 11,8% 64,7% 23,5%
Innerhalb V8_Artikellänge% 34,5% 30,4% 20,8%
% vom Gesamtwert 3,3% 18,0% 6,5% 27,8%
Gesamt Anzahl 29 181 96 306
% vom Gesamtwert 9,5% 59,2% 31,4% 100,0%

91
 Kreuztabelle V13_Oberthema*V9_Ressort
V9_Ressort
Wirt- Wissen- Feuille- Karri- Tech- Bei-
Politik schaft schaft ton ere nik lage Sonstige Gesamt
V13_Ober- Arbeit Anzahl 0 5 0 1 8 0 4 0 18
thema Innerhalb V13_Oberthema% 0,0% 27,8% 0,0% 5,6% 44,4% 0,0% 22,2% 0,0%
Innerhalb V9_Ressort% 0,0% 3,3% 0,0% 2,3% 57,1% 0,0% 9,5% 0,0%
% vom Gesamtwert 0,0% 1,6% 0,0% 0,3% 2,6% 0,0% 1,3% 0,0% 5,9%
Ethik Anzahl 3 2 3 6 2 0 1 0 17
Innerhalb V13_Oberthema% 17,6% 11,8% 17,6% 35,3% 11,8% 0,0% 5,9% 0,0%
Innerhalb V9_Ressort% 11,1% 1,3% 14,3% 13,6% 14,3% 0,0% 2,4% 0,0%
% vom Gesamtwert 1,0% 0,7% 1,0% 2,0% 0,7% 0,0% 0,3% 0,0% 5,6%
For- Anzahl 0 10 4 4 2 2 6 3 31
schung Innerhalb V13_Oberthema% 0,0% 32,3% 12,9% 12,9% 6,5% 6,5% 19,4% 9,7%
Innerhalb V9_Ressort% 0,0% 6,6% 19,0% 9,1% 14,3% 50,0% 14,3% 100,0%
% vom Gesamtwert 0,0% 3,3% 1,3% 1,3% 0,7% 0,7% 2,0% 1,0% 10,1%
Kunst Anzahl 1 2 0 19 1 0 2 0 25
Innerhalb V13_Oberthema% 4,0% 8,0% 0,0% 76,0% 4,0% 0,0% 8,0% 0,0%
Innerhalb V9_Ressort% 3,7% 1,3% 0,0% 43,2% 7,1% 0,0% 4,8% 0,0%
% vom Gesamtwert 0,3% 0,7% 0,0% 6,2% 0,3% 0,0% 0,7% 0,0% 8,2%
Ma- Anzahl 1 6 4 5 3 0 4 0 23
schine Innerhalb V13_Oberthema% 4,3% 26,1% 17,4% 21,7% 13,0% 0,0% 17,4% 0,0%
Innerhalb V9_Ressort% 3,7% 4,0% 19,0% 11,4% 21,4% 0,0% 9,5% 0,0%
% vom Gesamtwert 0,3% 2,0% 1,3% 1,6% 1,0% 0,0% 1,3% 0,0% 7,5%
Medi- Anzahl 3 7 3 0 0 0 14 0 27
zin Innerhalb V13_Oberthema% 11,1% 25,9% 11,1% 0,0% 0,0% 0,0% 51,9% 0,0%
Innerhalb V9_Ressort% 11,1% 4,6% 14,3% 0,0% 0,0% 0,0% 33,3% 0,0%
% vom Gesamtwert 1,0% 2,3% 1,0% 0,0% 0,0% 0,0% 4,6% 0,0% 8,8%
Mittel Anzahl 4 37 2 6 4 0 12 0 65
Innerhalb V13_Oberthema% 6,2% 56,9% 3,1% 9,2% 6,2% 0,0% 18,5% 0,0%
Innerhalb V9_Ressort% 14,8% 24,5% 9,5% 13,6% 28,6% 0,0% 28,6% 0,0%
% vom Gesamtwert 1,3% 12,1% 0,7% 2,0% 1,3% 0,0% 3,9% 0,0% 21,2%
Mög- Anzahl 7 39 4 8 2 1 13 0 74
lichkei- Innerhalb V13_Oberthema% 9,5% 52,7% 5,4% 10,8% 2,7% 1,4% 17,6% 0,0%
ten Innerhalb V9_Ressort% 25,9% 25,8% 19,0% 18,2% 14,3% 25,0% 31,0% 0,0%
% vom Gesamtwert 2,3% 12,7% 1,3% 2,6% 0,7% 0,3% 4,2% 0,0% 24,2%
Politik Anzahl 6 19 2 3 0 1 3 3 37
Innerhalb V13_Oberthema% 16,2% 51,4% 5,4% 8,1% 0,0% 2,7% 8,1% 8,1%
Innerhalb V9_Ressort% 22,2% 12,6% 9,5% 6,8% 0,0% 25,0% 7,1% 100,0%
% vom Gesamtwert 2,0% 6,2% 0,7% 1,0% 0,0% 0,3% 1,0% 1,0% 12,1%
Regu- Anzahl 7 22 1 3 0 0 0 0 33
lierung Innerhalb V13_Oberthema% 21,2% 66,7% 3,0% 9,1% 0,0% 0,0% 0,0% 0,0%
Innerhalb V9_Ressort% 25,9% 14,6% 4,8% 6,8% 0,0% 0,0% 0,0% 0,0%
% vom Gesamtwert 2,3% 7,2% 0,3% 1,0% 0,0% 0,0% 0,0% 0,0% 10,8%
Rele- Anzahl 1 10 1 0 2 0 4 0 18
vanz Innerhalb V13_Oberthema% 5,6% 55,6% 5,6% 0,0% 11,1% 0,0% 22,2% 0,0%
Innerhalb V9_Ressort% 3,7% 6,6% 4,8% 0,0% 14,3% 0,0% 9,5% 0,0%
% vom Gesamtwert 0,3% 3,3% 0,3% 0,0% 0,7% 0,0% 1,3% 0,0% 5,9%
Tech- Anzahl 0 8 4 6 0 1 5 0 24
nik Innerhalb V13_Oberthema% 0,0% 33,3% 16,7% 25,0% 0,0% 4,2% 20,8% 0,0%
Innerhalb V9_Ressort% 0,0% 5,3% 19,0% 13,6% 0,0% 25,0% 11,9% 0,0%
% vom Gesamtwert 0,0% 2,6% 1,3% 2,0% 0,0% 0,3% 1,6% 0,0% 7,8%
Wett- Anzahl 2 15 2 1 0 0 6 0 26
be- Innerhalb V13_Oberthema% 7,7% 57,7% 7,7% 3,8% 0,0% 0,0% 23,1% 0,0%
werb Innerhalb V9_Ressort% 7,4% 9,9% 9,5% 2,3% 0,0% 0,0% 14,3% 0,0%
% vom Gesamtwert 0,7% 4,9% 0,7% 0,3% 0,0% 0,0% 2,0% 0,0% 8,5%
Wirt- Anzahl 5 64 1 5 1 2 7 0 85
schaft Innerhalb V13_Oberthema% 5,9% 75,3% 1,2% 5,9% 1,2% 2,4% 8,2% 0,0%
Innerhalb V9_Ressort% 18,5% 42,4% 4,8% 11,4% 7,1% 50,0% 16,7% 0,0%
% vom Gesamtwert 1,6% 20,9% 0,3% 1,6% 0,3% 0,7% 2,3% 0,0% 27,8%
Gesamt Anzahl 27 151 21 44 14 4 42 3 306
% vom Gesamtwert 8,8% 49,3% 6,9% 14,4% 4,6% 1,3% 13,7% 1,0% 100,0%

92
 V12_Ort
Kreuztabelle V13_Oberthema*V12_Ort Deutschland China USA Europa Global Andere Gesamt
V13_Ober- Arbeit Anzahl 10 1 4 1 7 3 18
thema Innerhalb V13_Oberthema% 55,6% 5,6% 22,2% 5,6% 38,9% 16,7%
Innerhalb V12_Ort% 4,8% 2,2% 4,8% 1,6% 13,0% 6,0%
% vom Gesamtwert 3,3% 0,3% 1,3% 0,3% 2,3% 1,0% 5,9%
Ethik Anzahl 9 2 7 5 4 3 17
Innerhalb V13_Oberthema% 52,9% 11,8% 41,2% 29,4% 23,5% 17,6%
Innerhalb V12_Ort% 4,3% 4,4% 8,4% 8,2% 7,4% 6,0%
% vom Gesamtwert 2,9% 0,7% 2,3% 1,6% 1,3% 1,0% 5,6%
For- Anzahl 26 6 10 6 6 5 31
schung Innerhalb V13_Oberthema% 83,9% 19,4% 32,3% 19,4% 19,4% 16,1%
Innerhalb V12_Ort% 12,4% 13,3% 12,0% 9,8% 11,1% 10,0%
% vom Gesamtwert 8,5% 2,0% 3,3% 2,0% 2,0% 1,6% 10,1%
Kunst Anzahl 17 3 5 3 4 2 25
Innerhalb V13_Oberthema% 68,0% 12,0% 20,0% 12,0% 16,0% 8,0%
Innerhalb V12_Ort% 8,1% 6,7% 6,0% 4,9% 7,4% 4,0%
% vom Gesamtwert 5,6% 1,0% 1,6% 1,0% 1,3% 0,7% 8,2%
Ma- Anzahl 18 4 8 1 4 2 23
schine Innerhalb V13_Oberthema% 78,3% 17,4% 34,8% 4,3% 17,4% 8,7%
Innerhalb V12_Ort% 8,6% 8,9% 9,6% 1,6% 7,4% 4,0%
% vom Gesamtwert 5,9% 1,3% 2,6% 0,3% 1,3% 0,7% 7,5%
Medizin Anzahl 24 2 7 3 3 3 27
Innerhalb V13_Oberthema% 88,9% 7,4% 25,9% 11,1% 11,1% 11,1%
Innerhalb V12_Ort% 11,4% 4,4% 8,4% 4,9% 5,6% 6,0%
% vom Gesamtwert 7,8% 0,7% 2,3% 1,0% 1,0% 1,0% 8,8%
Mittel Anzahl 48 3 15 7 12 11 65
Innerhalb V13_Oberthema% 73,8% 4,6% 23,1% 10,8% 18,5% 16,9%
Innerhalb V12_Ort% 22,9% 6,7% 18,1% 11,5% 22,2% 22,0%
% vom Gesamtwert 15,7% 1,0% 4,9% 2,3% 3,9% 3,6% 21,2%
Mög- Anzahl 55 6 15 13 13 13 74
lichkei- Innerhalb V13_Oberthema% 74,3% 8,1% 20,3% 17,6% 17,6% 17,6%
ten Innerhalb V12_Ort% 26,2% 13,3% 18,1% 21,3% 24,1% 26,0%
% vom Gesamtwert 18,0% 2,0% 4,9% 4,2% 4,2% 4,2% 24,2%
Politik Anzahl 25 8 8 19 2 4 37
Innerhalb V13_Oberthema% 67,6% 21,6% 21,6% 51,4% 5,4% 10,8%
Innerhalb V12_Ort% 11,9% 17,8% 9,6% 31,1% 3,7% 8,0%
% vom Gesamtwert 8,2% 2,6% 2,6% 6,2% 0,7% 1,3% 12,1%
Regulie- Anzahl 14 6 7 18 6 0 33
rung Innerhalb V13_Oberthema% 42,4% 18,2% 21,2% 54,5% 18,2% 0,0%
Innerhalb V12_Ort% 6,7% 13,3% 8,4% 29,5% 11,1% 0,0%
% vom Gesamtwert 4,6% 2,0% 2,3% 5,9% 2,0% 0,0% 10,8%
Rele- Anzahl 14 6 4 5 6 5 18
vanz Innerhalb V13_Oberthema% 77,8% 33,3% 22,2% 27,8% 33,3% 27,8%
Innerhalb V12_Ort% 6,7% 13,3% 4,8% 8,2% 11,1% 10,0%
% vom Gesamtwert 4,6% 2,0% 1,3% 1,6% 2,0% 1,6% 5,9%
Technik Anzahl 15 5 10 3 5 7 24
Innerhalb V13_Oberthema% 62,5% 20,8% 41,7% 12,5% 20,8% 29,2%
Innerhalb V12_Ort% 7,1% 11,1% 12,0% 4,9% 9,3% 14,0%
% vom Gesamtwert 4,9% 1,6% 3,3% 1,0% 1,6% 2,3% 7,8%
Wettbe- Anzahl 18 11 11 9 4 4 26
werb Innerhalb V13_Oberthema% 69,2% 42,3% 42,3% 34,6% 15,4% 15,4%
Innerhalb V12_Ort% 8,6% 24,4% 13,3% 14,8% 7,4% 8,0%
% vom Gesamtwert 5,9% 3,6% 3,6% 2,9% 1,3% 1,3% 8,5%
Wirt- Anzahl 62 21 30 15 11 17 85
schaft Innerhalb V13_Oberthema% 72,9% 24,7% 35,3% 17,6% 12,9% 20,0%
Innerhalb V12_Ort% 29,5% 46,7% 36,1% 24,6% 20,4% 34,0%
% vom Gesamtwert 20,3% 6,9% 9,8% 4,9% 3,6% 5,6% 27,8%
Gesamt Anzahl 210 45 83 61 54 50 306
% vom Gesamtwert 68,6% 14,7% 27,1% 19,9% 17,6% 16,3% 100,0%

93
 Kreuztabelle V14_FrameElement*V12_Ort
V12_Ort
Deutsch- Eu- Ge-
land China USA ropa Global Andere samt
V14_FrameEle- Ursache Anzahl 47 8 16 16 15 8 76
ment Innerhalb 61,8% 10,5% 21,1% 21,1% 19,7% 10,5%
V14_FrameEle-
ment%
Innerhalb 22,4% 17,8% 19,3% 26,2% 27,8% 16,0%
V12_Ort%
% vom Gesamt- 15,4% 2,6% 5,2% 5,2% 4,9% 2,6% 24,8%
wert
Bewertung Anzahl 31 6 10 13 12 7 50
Innerhalb 62,0% 12,0% 20,0% 26,0% 24,0% 14,0%
V14_FrameEle-
ment%
Innerhalb 14,8% 13,3% 12,0% 21,3% 22,2% 14,0%
V12_Ort%
% vom Gesamt- 10,1% 2,0% 3,3% 4,2% 3,9% 2,3% 16,3%
wert
Problem Anzahl 32 8 14 15 17 9 53
Innerhalb 60,4% 15,1% 26,4% 28,3% 32,1% 17,0%
V14_FrameEle-
ment%
Innerhalb 15,2% 17,8% 16,9% 24,6% 31,5% 18,0%
V12_Ort%
% vom Gesamt- 10,5% 2,6% 4,6% 4,9% 5,6% 2,9% 17,3%
wert
Lösung Anzahl 172 36 62 48 41 39 231
Innerhalb 74,5% 15,6% 26,8% 20,8% 17,7% 16,9%
V14_FrameEle-
ment%
Innerhalb 81,9% 80,0% 74,7% 78,7% 75,9% 78,0%
V12_Ort%
% vom Gesamt- 56,2% 11,8% 20,3% 15,7% 13,4% 12,7% 75,5%
wert
Gesamt Anzahl 210 45 83 61 54 50 306
% vom Gesamt- 68,6% 14,7% 27,1% 19,9% 17,6% 16,3% 100,0%
wert

94
Kreuztabelle V13_Oberthema*V14_FrameElement V14_FrameElement
Ursache Bewertung Problem Lösung Gesamt
V13_Ober- Arbeit Anzahl 8 5 6 11 18
thema Innerhalb V13_Oberthema% 44,4% 27,8% 33,3% 61,1%
Innerhalb V14_FrameElement% 10,5% 10,0% 11,3% 4,8%
% vom Gesamtwert 2,6% 1,6% 2,0% 3,6% 5,9%
Ethik Anzahl 7 5 9 9 17
Innerhalb V13_Oberthema% 41,2% 29,4% 52,9% 52,9%
Innerhalb V14_FrameElement% 9,2% 10,0% 17,0% 3,9%
% vom Gesamtwert 2,3% 1,6% 2,9% 2,9% 5,6%
Forschung Anzahl 9 7 4 22 31
Innerhalb V13_Oberthema% 29,0% 22,6% 12,9% 71,0%
Innerhalb V14_FrameElement% 11,8% 14,0% 7,5% 9,5%
% vom Gesamtwert 2,9% 2,3% 1,3% 7,2% 10,1%
Kunst Anzahl 15 2 2 10 25
Innerhalb V13_Oberthema% 60,0% 8,0% 8,0% 40,0%
Innerhalb V14_FrameElement% 19,7% 4,0% 3,8% 4,3%
% vom Gesamtwert 4,9% 0,7% 0,7% 3,3% 8,2%
Maschine Anzahl 10 4 2 12 23
Innerhalb V13_Oberthema% 43,5% 17,4% 8,7% 52,2%
Innerhalb V14_FrameElement% 13,2% 8,0% 3,8% 5,2%
% vom Gesamtwert 3,3% 1,3% 0,7% 3,9% 7,5%
Medizin Anzahl 1 0 1 27 27
Innerhalb V13_Oberthema% 3,7% 0,0% 3,7% 100,0%
Innerhalb V14_FrameElement% 1,3% 0,0% 1,9% 11,7%
% vom Gesamtwert 0,3% 0,0% 0,3% 8,8% 8,8%
Mittel Anzahl 9 8 7 58 65
Innerhalb V13_Oberthema% 13,8% 12,3% 10,8% 89,2%
Innerhalb V14_FrameElement% 11,8% 16,0% 13,2% 25,1%
% vom Gesamtwert 2,9% 2,6% 2,3% 19,0% 21,2%
Möglich- Anzahl 25 13 13 48 74
keiten Innerhalb V13_Oberthema% 33,8% 17,6% 17,6% 64,9%
Innerhalb V14_FrameElement% 32,9% 26,0% 24,5% 20,8%
% vom Gesamtwert 8,2% 4,2% 4,2% 15,7% 24,2%
Politik Anzahl 8 4 5 30 37
Innerhalb V13_Oberthema% 21,6% 10,8% 13,5% 81,1%
Innerhalb V14_FrameElement% 10,5% 8,0% 9,4% 13,0%
% vom Gesamtwert 2,6% 1,3% 1,6% 9,8% 12,1%
Regulie- Anzahl 16 8 14 20 33
rung Innerhalb V13_Oberthema% 48,5% 24,2% 42,4% 60,6%
Innerhalb V14_FrameElement% 21,1% 16,0% 26,4% 8,7%
% vom Gesamtwert 5,2% 2,6% 4,6% 6,5% 10,8%
Relevanz Anzahl 5 3 3 15 18
Innerhalb V13_Oberthema% 27,8% 16,7% 16,7% 83,3%
Innerhalb V14_FrameElement% 6,6% 6,0% 5,7% 6,5%
% vom Gesamtwert 1,6% 1,0% 1,0% 4,9% 5,9%
Technik Anzahl 5 7 4 15 24
Innerhalb V13_Oberthema% 20,8% 29,2% 16,7% 62,5%
Innerhalb V14_FrameElement% 6,6% 14,0% 7,5% 6,5%
% vom Gesamtwert 1,6% 2,3% 1,3% 4,9% 7,8%
Wettbe- Anzahl 6 6 4 20 26
werb Innerhalb V13_Oberthema% 23,1% 23,1% 15,4% 76,9%
Innerhalb V14_FrameElement% 7,9% 12,0% 7,5% 8,7%
% vom Gesamtwert 2,0% 2,0% 1,3% 6,5% 8,5%
Wirtschaft Anzahl 12 11 10 73 85
Innerhalb V13_Oberthema% 14,1% 12,9% 11,8% 85,9%
Innerhalb V14_FrameElement% 15,8% 22,0% 18,9% 31,6%
% vom Gesamtwert 3,9% 3,6% 3,3% 23,9% 27,8%
Gesamt Anzahl 76 50 53 231 306
% vom Gesamtwert 24,8% 16,3% 17,3% 75,5% 100,0%

95
 Kreuztabelle V15_Frame*V2_Medium
V2_Medium
FAZ SZ Gesamt
V15_Frame Fortschritt Anzahl 174 62 236
Innerhalb V15_Frame% 73,7% 26,3%
Innerhalb V2_Medium% 82,1% 66,0%
% vom Gesamtwert 56,9% 20,3% 77,1%
Wirtschaft Anzahl 79 46 125
Innerhalb V15_Frame% 63,2% 36,8%
Innerhalb V2_Medium% 37,3% 48,9%
% vom Gesamtwert 25,8% 15,0% 40,8%
Politik Anzahl 62 35 97
Innerhalb V15_Frame% 63,9% 36,1%
Innerhalb V2_Medium% 29,2% 37,2%
% vom Gesamtwert 20,3% 11,4% 31,7%
Verantwortung Anzahl 42 32 74
Innerhalb V15_Frame% 56,8% 43,2%
Innerhalb V2_Medium% 19,8% 34,0%
% vom Gesamtwert 13,7% 10,5% 24,2%
Konflikt Anzahl 37 28 65
Innerhalb V15_Frame% 56,9% 43,1%
Innerhalb V2_Medium% 17,5% 29,8%
% vom Gesamtwert 12,1% 9,2% 21,2%
Moral Anzahl 30 23 53
Innerhalb V15_Frame% 56,6% 43,4%
Innerhalb V2_Medium% 14,2% 24,5%
% vom Gesamtwert 9,8% 7,5% 17,3%
Menschliches Anzahl 35 11 46
Innerhalb V15_Frame% 76,1% 23,9%
Innerhalb V2_Medium% 16,5% 11,7%
% vom Gesamtwert 11,4% 3,6% 15,0%
Gesamt Anzahl 212 94 306
% vom Gesamtwert 69,3% 30,7% 100,0%

96
 Kreuztabelle V15_Frame*V12_Ort
V12_Ort
Eu- Ge-
Deutschland China USA ropa Global Andere samt
V15_Frame Fort- Anzahl 171 39 67 47 41 46 236
schritt Innerhalb V15_Frame% 72,5% 16,5% 28,4% 19,9% 17,4% 19,5%
Innerhalb V12_Ort% 81,4% 86,7% 80,7% 77,0% 75,9% 92,0%
% vom Gesamtwert 55,9% 12,7% 21,9% 15,4% 13,4% 15,0% 77,1%
Wirt- Anzahl 81 19 37 34 25 21 125
schaft Innerhalb V15_Frame% 64,8% 15,2% 29,6% 27,2% 20,0% 16,8%
Innerhalb V12_Ort% 38,6% 42,2% 44,6% 55,7% 46,3% 42,0%
% vom Gesamtwert 26,5% 6,2% 12,1% 11,1% 8,2% 6,9% 40,8%
Politik Anzahl 59 16 21 35 20 13 97
Innerhalb V15_Frame% 60,8% 16,5% 21,6% 36,1% 20,6% 13,4%
Innerhalb V12_Ort% 28,1% 35,6% 25,3% 57,4% 37,0% 26,0%
% vom Gesamtwert 19,3% 5,2% 6,9% 11,4% 6,5% 4,2% 31,7%
Verant- Anzahl 42 11 20 30 14 13 74
wortung Innerhalb V15_Frame% 56,8% 14,9% 27,0% 40,5% 18,9% 17,6%
Innerhalb V12_Ort% 20,0% 24,4% 24,1% 49,2% 25,9% 26,0%
% vom Gesamtwert 13,7% 3,6% 6,5% 9,8% 4,6% 4,2% 24,2%
Konflikt Anzahl 35 15 23 20 14 12 65
Innerhalb V15_Frame% 53,8% 23,1% 35,4% 30,8% 21,5% 18,5%
Innerhalb V12_Ort% 16,7% 33,3% 27,7% 32,8% 25,9% 24,0%
% vom Gesamtwert 11,4% 4,9% 7,5% 6,5% 4,6% 3,9% 21,2%
Moral Anzahl 29 6 15 13 15 7 53
Innerhalb V15_Frame% 54,7% 11,3% 28,3% 24,5% 28,3% 13,2%
Innerhalb V12_Ort% 13,8% 13,3% 18,1% 21,3% 27,8% 14,0%
% vom Gesamtwert 9,5% 2,0% 4,9% 4,2% 4,9% 2,3% 17,3%
Menschli- Anzahl 33 3 5 7 11 6 46
ches Innerhalb V15_Frame% 71,7% 6,5% 10,9% 15,2% 23,9% 13,0%
Innerhalb V12_Ort% 15,7% 6,7% 6,0% 11,5% 20,4% 12,0%
% vom Gesamtwert 10,8% 1,0% 1,6% 2,3% 3,6% 2,0% 15,0%
Gesamt Anzahl 210 45 83 61 54 50 306
% vom Gesamtwert 68,6% 14,7% 27,1% 19,9% 17,6% 16,3% 100,0%

97
 V9_Ressort
Kreuztabelle V15_Frame*V9_Ressort Wirt- Wissen- Feuille- Karri- Tech- Bei- Sons- Ge-
Politik schaft schaft ton ere nik lage tige samt
V15_Fram FortschrittAnzahl 16 120 17 29 10 4 38 2 236
e Innerhalb 6,8% 50,8% 7,2% 12,3% 4,2% 1,7% 16,1% 0,8%
V15_Frame%
Innerhalb 59,3 79,5% 81,0% 65,9% 71,4% 100,0% 90,5% 66,7%
V9_Ressort% %
% vom Gesamt- 5,2% 39,2% 5,6% 9,5% 3,3% 1,3% 12,4% 0,7% 77,1%
wert
Wirt- Anzahl 8 79 3 4 9 3 18 1 125
schaft Innerhalb 6,4% 63,2% 2,4% 3,2% 7,2% 2,4% 14,4% 0,8%
V15_Frame%
Innerhalb 29,6 52,3% 14,3% 9,1% 64,3% 75,0% 42,9% 33,3%
V9_Ressort% %
% vom Gesamt- 2,6% 25,8% 1,0% 1,3% 2,9% 1,0% 5,9% 0,3% 40,8%
wert
Politik Anzahl 18 45 4 8 7 2 10 3 97
Innerhalb 18,6 46,4% 4,1% 8,2% 7,2% 2,1% 10,3% 3,1%
V15_Frame% %
Innerhalb 66,7 29,8% 19,0% 18,2% 50,0% 50,0% 23,8% 100,0%
V9_Ressort% %
% vom Gesamt- 5,9% 14,7% 1,3% 2,6% 2,3% 0,7% 3,3% 1,0% 31,7%
wert
Verant- Anzahl 8 32 7 11 4 1 11 0 74
wortung Innerhalb 10,8 43,2% 9,5% 14,9% 5,4% 1,4% 14,9% 0,0%
V15_Frame% %
Innerhalb 29,6 21,2% 33,3% 25,0% 28,6% 25,0% 26,2% 0,0%
V9_Ressort% %
% vom Gesamt- 2,6% 10,5% 2,3% 3,6% 1,3% 0,3% 3,6% 0,0% 24,2%
wert
Konflikt Anzahl 7 24 6 13 6 0 9 0 65
Innerhalb 10,8 36,9% 9,2% 20,0% 9,2% 0,0% 13,8% 0,0%
V15_Frame% %
Innerhalb 25,9 15,9% 28,6% 29,5% 42,9% 0,0% 21,4% 0,0%
V9_Ressort% %
% vom Gesamt- 2,3% 7,8% 2,0% 4,2% 2,0% 0,0% 2,9% 0,0% 21,2%
wert
Moral Anzahl 9 12 5 15 7 0 5 0 53
Innerhalb 17,0 22,6% 9,4% 28,3% 13,2% 0,0% 9,4% 0,0%
V15_Frame% %
Innerhalb 33,3 7,9% 23,8% 34,1% 50,0% 0,0% 11,9% 0,0%
V9_Ressort% %
% vom Gesamt- 2,9% 3,9% 1,6% 4,9% 2,3% 0,0% 1,6% 0,0% 17,3%
wert
Mensch- Anzahl 4 16 1 9 6 1 9 0 46
liches Innerhalb 8,7% 34,8% 2,2% 19,6% 13,0% 2,2% 19,6% 0,0%
V15_Frame%
Innerhalb 14,8 10,6% 4,8% 20,5% 42,9% 25,0% 21,4% 0,0%
V9_Ressort% %
% vom Gesamt- 1,3% 5,2% 0,3% 2,9% 2,0% 0,3% 2,9% 0,0% 15,0%
wert
Gesamt Anzahl 27 151 21 44 14 4 42 3 306
% vom Gesamt- 8,8% 49,3% 6,9% 14,4% 4,6% 1,3% 13,7% 1,0% 100,0
wert %

98
 Kreuztabelle V15_Frame*V11_Darstellungsform
V11_Darstellungsform
Mel- Be- Inter- Port- Leitarti- Ko- Leser- Ge-
dung richt view rät kel Kritik lumne brief samt
V15_Frame Fortschritt Anzahl 17 137 20 10 36 7 4 5 236
Innerhalb 7,2% 58,1% 8,5% 4,2% 15,3% 3,0% 1,7% 2,1%
V15_Frame%
Innerhalb V11_Dar- 68,0% 77,0% 100,0% 90,9% 78,3% 50,0% 66,7% 83,3%
stellungsform%
% vom Gesamtwert 5,6% 44,8% 6,5% 3,3% 11,8% 2,3% 1,3% 1,6% 77,1%
Wirtschaft Anzahl 8 89 5 4 15 2 1 1 125
Innerhalb 6,4% 71,2% 4,0% 3,2% 12,0% 1,6% 0,8% 0,8%
V15_Frame%
Innerhalb V11_Dar- 32,0% 50,0% 25,0% 36,4% 32,6% 14,3% 16,7% 16,7%
stellungsform%
% vom Gesamtwert 2,6% 29,1% 1,6% 1,3% 4,9% 0,7% 0,3% 0,3% 40,8%
Politik Anzahl 9 62 4 0 15 5 2 0 97
Innerhalb 9,3% 63,9% 4,1% 0,0% 15,5% 5,2% 2,1% 0,0%
V15_Frame%
Innerhalb V11_Dar- 36,0% 34,8% 20,0% 0,0% 32,6% 35,7% 33,3% 0,0%
stellungsform%
% vom Gesamtwert 2,9% 20,3% 1,3% 0,0% 4,9% 1,6% 0,7% 0,0% 31,7%
Verantwor- Anzahl 5 49 6 0 7 4 3 0 74
tung Innerhalb 6,8% 66,2% 8,1% 0,0% 9,5% 5,4% 4,1% 0,0%
V15_Frame%
Innerhalb V11_Dar- 20,0% 27,5% 30,0% 0,0% 15,2% 28,6% 50,0% 0,0%
stellungsform%
% vom Gesamtwert 1,6% 16,0% 2,0% 0,0% 2,3% 1,3% 1,0% 0,0% 24,2%
Konflikt Anzahl 2 42 2 0 14 3 2 0 65
Innerhalb 3,1% 64,6% 3,1% 0,0% 21,5% 4,6% 3,1% 0,0%
V15_Frame%
Innerhalb V11_Dar- 8,0% 23,6% 10,0% 0,0% 30,4% 21,4% 33,3% 0,0%
stellungsform%
% vom Gesamtwert 0,7% 13,7% 0,7% 0,0% 4,6% 1,0% 0,7% 0,0% 21,2%
Moral Anzahl 3 33 2 0 5 7 2 1 53
Innerhalb 5,7% 62,3% 3,8% 0,0% 9,4% 13,2% 3,8% 1,9%
V15_Frame%
Innerhalb V11_Dar- 12,0% 18,5% 10,0% 0,0% 10,9% 50,0% 33,3% 16,7%
stellungsform%
% vom Gesamtwert 1,0% 10,8% 0,7% 0,0% 1,6% 2,3% 0,7% 0,3% 17,3%
Menschli- Anzahl 3 23 4 1 8 6 1 0 46
ches Innerhalb 6,5% 50,0% 8,7% 2,2% 17,4% 13,0% 2,2% 0,0%
V15_Frame%
Innerhalb V11_Dar- 12,0% 12,9% 20,0% 9,1% 17,4% 42,9% 16,7% 0,0%
stellungsform%
% vom Gesamtwert 1,0% 7,5% 1,3% 0,3% 2,6% 2,0% 0,3% 0,0% 15,0%
Gesamt Anzahl 25 178 20 11 46 14 6 6 306
% vom Gesamtwert 8,2% 58,2% 6,5% 3,6% 15,0% 4,6% 2,0% 2,0% 100,0%

99
 Kreuztabelle V13_Oberthema*V15_Frame
V15_Frame
Fort- Wirt- Verant- Mensch- Ge-
schritt schaft Politik wortung Konflikt Moral liches samt
V13_Ober- Arbeit Anzahl 11 13 5 6 5 3 4 18
thema Innerhalb 61,1% 72,2% 27,8% 33,3% 27,8% 16,7% 22,2%
V13_Ober-
thema%
Innerhalb 4,7% 10,4% 5,2% 8,1% 7,7% 5,7% 8,7%
V15_Frame%
% vom Gesamt- 3,6% 4,2% 1,6% 2,0% 1,6% 1,0% 1,3% 5,9%
wert
Ethik Anzahl 10 5 9 10 13 11 4 17
Innerhalb 58,8% 29,4% 52,9% 58,8% 76,5% 64,7% 23,5%
V13_Ober-
thema%
Innerhalb 4,2% 4,0% 9,3% 13,5% 20,0% 20,8% 8,7%
V15_Frame%
% vom Gesamt- 3,3% 1,6% 2,9% 3,3% 4,2% 3,6% 1,3% 5,6%
wert
Forschung Anzahl 23 12 15 10 6 4 5 31
Innerhalb 74,2% 38,7% 48,4% 32,3% 19,4% 12,9% 16,1%
V13_Ober-
thema%
Innerhalb 9,7% 9,6% 15,5% 13,5% 9,2% 7,5% 10,9%
V15_Frame%
% vom Gesamt- 7,5% 3,9% 4,9% 3,3% 2,0% 1,3% 1,6% 10,1%
wert
Kunst Anzahl 17 0 1 2 5 7 7 25
Innerhalb 68,0% 0,0% 4,0% 8,0% 20,0% 28,0% 28,0%
V13_Ober-
thema%
Innerhalb 7,2% 0,0% 1,0% 2,7% 7,7% 13,2% 15,2%
V15_Frame%
% vom Gesamt- 5,6% 0,0% 0,3% 0,7% 1,6% 2,3% 2,3% 8,2%
wert
Maschine Anzahl 15 5 4 5 7 10 5 23
Innerhalb 65,2% 21,7% 17,4% 21,7% 30,4% 43,5% 21,7%
V13_Ober-
thema%
Innerhalb 6,4% 4,0% 4,1% 6,8% 10,8% 18,9% 10,9%
V15_Frame%
% vom Gesamt- 4,9% 1,6% 1,3% 1,6% 2,3% 3,3% 1,6% 7,5%
wert
Medizin Anzahl 26 4 5 6 1 2 7 27
Innerhalb 96,3% 14,8% 18,5% 22,2% 3,7% 7,4% 25,9%
V13_Ober-
thema%
Innerhalb 11,0% 3,2% 5,2% 8,1% 1,5% 3,8% 15,2%
V15_Frame%
% vom Gesamt- 8,5% 1,3% 1,6% 2,0% 0,3% 0,7% 2,3% 8,8%
wert
Mittel Anzahl 59 26 7 9 9 9 12 65
Innerhalb 90,8% 40,0% 10,8% 13,8% 13,8% 13,8% 18,5%
V13_Ober-
thema%
Innerhalb 25,0% 20,8% 7,2% 12,2% 13,8% 17,0% 26,1%
V15_Frame%
% vom Gesamt- 19,3% 8,5% 2,3% 2,9% 2,9% 2,9% 3,9% 21,2%
wert

100
 Fort- Wirt- Verant- Mensch- Ge-
schritt schaft Politik wortung Konflikt Moral liches samt
Möglichkei- Anzahl 62 33 27 21 15 13 15 74
ten Innerhalb 83,8% 44,6% 36,5% 28,4% 20,3% 17,6% 20,3%
V13_Ober-
thema%
Innerhalb 26,3% 26,4% 27,8% 28,4% 23,1% 24,5% 32,6%
V15_Frame%
% vom Gesamt- 20,3% 10,8% 8,8% 6,9% 4,9% 4,2% 4,9% 24,2%
wert
Politik Anzahl 27 18 30 8 5 4 6 37
Innerhalb 73,0% 48,6% 81,1% 21,6% 13,5% 10,8% 16,2%
V13_Ober-
thema%
Innerhalb 11,4% 14,4% 30,9% 10,8% 7,7% 7,5% 13,0%
V15_Frame%
% vom Gesamt- 8,8% 5,9% 9,8% 2,6% 1,6% 1,3% 2,0% 12,1%
wert
Regulierung Anzahl 18 13 26 13 15 8 4 33
Innerhalb 54,5% 39,4% 78,8% 39,4% 45,5% 24,2% 12,1%
V13_Ober-
thema%
Innerhalb 7,6% 10,4% 26,8% 17,6% 23,1% 15,1% 8,7%
V15_Frame%
% vom Gesamt- 5,9% 4,2% 8,5% 4,2% 4,9% 2,6% 1,3% 10,8%
wert
Relevanz Anzahl 17 10 8 5 5 3 2 18
Innerhalb 94,4% 55,6% 44,4% 27,8% 27,8% 16,7% 11,1%
V13_Ober-
thema%
Innerhalb 7,2% 8,0% 8,2% 6,8% 7,7% 5,7% 4,3%
V15_Frame%
% vom Gesamt- 5,6% 3,3% 2,6% 1,6% 1,6% 1,0% 0,7% 5,9%
wert
Technik Anzahl 17 14 5 8 6 6 2 24
Innerhalb 70,8% 58,3% 20,8% 33,3% 25,0% 25,0% 8,3%
V13_Ober-
thema%
Innerhalb 7,2% 11,2% 5,2% 10,8% 9,2% 11,3% 4,3%
V15_Frame%
% vom Gesamt- 5,6% 4,6% 1,6% 2,6% 2,0% 2,0% 0,7% 7,8%
wert
Wettbewerb Anzahl 17 13 13 5 6 2 2 26
Innerhalb 65,4% 50,0% 50,0% 19,2% 23,1% 7,7% 7,7%
V13_Ober-
thema%
Innerhalb 7,2% 10,4% 13,4% 6,8% 9,2% 3,8% 4,3%
V15_Frame%
% vom Gesamt- 5,6% 4,2% 4,2% 1,6% 2,0% 0,7% 0,7% 8,5%
wert
Wirtschaft Anzahl 63 49 22 17 11 6 4 85
Innerhalb 74,1% 57,6% 25,9% 20,0% 12,9% 7,1% 4,7%
V13_Ober-
thema%
Innerhalb 26,7% 39,2% 22,7% 23,0% 16,9% 11,3% 8,7%
V15_Frame%
% vom Gesamt- 20,6% 16,0% 7,2% 5,6% 3,6% 2,0% 1,3% 27,8%
wert
Gesamt Anzahl 236 125 97 74 65 53 46 306
% vom Gesamt- 77,1% 40,8% 31,7% 24,2% 21,2% 17,3% 15,0% 100,0%
wert

101
 Kreuztabelle V15_Frame*V14_FrameElement
V14_FrameElement
Ursache Bewertung Problem Lösung Gesamt
V15_Frame Fortschritt Anzahl 42 31 38 202 236
Innerhalb V15_Frame% 17,8% 13,1% 16,1% 85,6%
Innerhalb 55,3% 62,0% 71,7% 87,4%
V14_FrameElement%
% vom Gesamtwert 13,7% 10,1% 12,4% 66,0% 77,1%
Wirtschaft Anzahl 36 27 27 93 125
Innerhalb V15_Frame% 28,8% 21,6% 21,6% 74,4%
Innerhalb 47,4% 54,0% 50,9% 40,3%
V14_FrameElement%
% vom Gesamtwert 11,8% 8,8% 8,8% 30,4% 40,8%
Politik Anzahl 33 23 36 70 97
Innerhalb V15_Frame% 34,0% 23,7% 37,1% 72,2%
Innerhalb 43,4% 46,0% 67,9% 30,3%
V14_FrameElement%
% vom Gesamtwert 10,8% 7,5% 11,8% 22,9% 31,7%
Verantwortung Anzahl 31 22 18 50 74
Innerhalb V15_Frame% 41,9% 29,7% 24,3% 67,6%
Innerhalb 40,8% 44,0% 34,0% 21,6%
V14_FrameElement%
% vom Gesamtwert 10,1% 7,2% 5,9% 16,3% 24,2%
Konflikt Anzahl 37 27 30 28 65
Innerhalb V15_Frame% 56,9% 41,5% 46,2% 43,1%
Innerhalb 48,7% 54,0% 56,6% 12,1%
V14_FrameElement%
% vom Gesamtwert 12,1% 8,8% 9,8% 9,2% 21,2%
Moral Anzahl 31 23 17 26 53
Innerhalb V15_Frame% 58,5% 43,4% 32,1% 49,1%
Innerhalb 40,8% 46,0% 32,1% 11,3%
V14_FrameElement%
% vom Gesamtwert 10,1% 7,5% 5,6% 8,5% 17,3%
Menschliches Anzahl 20 19 13 32 46
Innerhalb V15_Frame% 43,5% 41,3% 28,3% 69,6%
Innerhalb 26,3% 38,0% 24,5% 13,9%
V14_FrameElement%
% vom Gesamtwert 6,5% 6,2% 4,2% 10,5% 15,0%
Gesamt Anzahl 76 50 53 231 306
% vom Gesamtwert 24,8% 16,3% 17,3% 75,5% 100,0%

102