Skip to content

5 Min. Lesezeit

Computergestützte Anzeigenanalyse

Zusammenfassung

Computergestützte Anzeigenanalyse ist die akademische Forschungsdisziplin, die Methoden der Textklassifikation, Bildklassifikation und Inhaltsanalyse auf große politische Anzeigenkorpora anwendet — Rundfunk, Kabel, soziale Plattformen und Suchmaschinen-Transparenzströme. Sie liefert empirische Beweise dafür, wie politische Anzeigen in großem Umfang aussehen: Rahmung, emotionale Appelle, Themenrahmen, Sponsor-Konzentration.

Hauptteil

Die Disziplin befindet sich an der Schnittstelle von politischer Kommunikation, Informatik und Wahlforschung. Das Wesleyan Media Project (WMP) verankert das Feld mit seinem offenen Datensatz zu Ausgaben, Inhalten und Zielgruppen von politischen Anzeigen im Rundfunk-Kabel und auf sozialen Plattformen sowie dem CREATIVE-Projekt, das maschinenlesbare Metadaten zu Anzeigenkreativen hinzufügt (die tatsächlichen Anzeigenskripte, visuellen Rahmen und Inhalte). Das Wesleyan-Media-Project GitHub veröffentlicht CSV-Exporte für die akademische Gemeinschaft. [source: wesleyan-media-project]

Die Partnerschaft zwischen AdImpact und dem Wesleyan Media Project legt die Genauigkeit von Rundfunk-/Kabelsignalen auf die Transparenzdaten von sozialen Plattformen, sodass der kombinierte Stream einen plattformübergreifenden Datensatz erzeugt, der für die Inhaltsanalyse von US-Politikanzeigen über Zyklen hinweg nutzbar ist. Die Daten bilden die empirische Grundlage für Vergleichsstudien über Zyklen hinweg: Geben Kampagnen unterschiedlich viel für Rundfunk im Vergleich zu sozialen Plattformen aus; welche Themenrahmen dominieren; wie verteilen sich emotionale im Vergleich zu politischen Appellen; wie hoch ist die Konzentration der Ausgaben nach Sektor. [source: wesleyan-media-project]

Die methodische Herausforderung der computergestützten Anzeigenanalyse besteht darin, dass Transparenzdaten von Plattformen unvollständig sind (Facebook und Google haben historisch einige Transparenzströme veröffentlicht; TikTok und andere variieren), dass das Scraping von Anzeigentexten brüchig ist (Kreative ändern sich, werden inaktiv, werden wegen Verstößen entfernt) und dass die Skalierung der Inhaltsanalysearbeit über Tausende von Anzeigen entweder eine überwachte ML-Kennzeichnung oder Crowdsourcing-Kennzeichnungspipelines erfordert (Galway, Young, Pompilio).

Das jüngste Aufkommen von generativer KI in der politischen Werbung (KI-generierte Audio-, Video-, Bild- und Textinhalte in Anzeigen) fügt eine neue methodische Grenze hinzu: Die Erkennung von synthetischen Medien in politischer Werbung erfordert eine eigene Erkennungspipeline und ein Offenlegungsregime. Die Forschung des IPIE (Institute for Public Integrity and Election) zu generativer KI in US-Kampagnen ist der führende Rahmen für diese Grenze in den Jahren 2025–2026. [source: wesleyan-media-project]

Die computergestützte Anzeigenanalyse behandelt das politische Anzeigensystem als ein beobachtbares, messbares System. Das Ergebnis sind veröffentlichbare, zitierbare empirische Beweise dafür, was Kampagnen tatsächlich tun, nicht was Kampagnenmacher sagen, dass sie tun — der spezifische Forschungsbeitrag des Feldes.

Verwendung

Zitieren der empirischen Literatur zu US-Politikanzeigen-Ausgaben, Konzentration und kreativen Inhalten; Entwerfen eines Forschungsprojekts unter Verwendung der WMP- oder CREATIVE-Datensätze; Verständnis des Transparenz-Offenlegungsstatus von sozialen Plattformen; Schreiben von Datenjournalismus oder akademischen Arbeiten über das zeitgenössische Anzeigensystem.

Anwendungsbeispiele

  • australian-campaign-case-study-stop-adani-2012-2022 — die Kampagne nutzte Transparenzdaten von Anzeigen, um das Volumen der fossilen Brennstoffe unterstützenden politischen Botschaften gegen Klimapolitik zu dokumentieren und ihre Gegenbotschaftsstrategie zu speisen.

Mehr erfahren

FAQ

Was ist computergestützte Anzeigenanalyse?

Computergestützte Anzeigenanalyse ist die akademische Forschungsdisziplin, die Methoden der Textklassifikation, Bildklassifikation und Inhaltsanalyse auf große politische Anzeigenkorpora anwendet — Rundfunk, Kabel, soziale Plattformen und Suchmaschinen-Transparenzströme. Sie liefert empirische Beweise dafür, wie politische Anzeigen in großem Umfang aussehen: Rahmung, emotionale Appelle, Themenrahmen und Sponsor-Konzentration.

Welche Datensätze verankern das Feld?

Das Wesleyan Media Project (WMP) verankert das Feld mit seinem offenen Datensatz zu Ausgaben, Inhalten und Zielgruppen von politischen Anzeigen im Rundfunk-Kabel und auf sozialen Plattformen und führt das CREATIVE-Projekt durch, das maschinenlesbare Metadaten zu Anzeigenkreativen hinzufügt — Anzeigenskripte, visuelle Rahmen und Inhalte. Das GitHub des Projekts veröffentlicht CSV-Exporte für die akademische Gemeinschaft [source: wesleyan-media-project].

Wie werden plattformübergreifende Datensätze für die Analyse erstellt?

Die Partnerschaft zwischen AdImpact und dem Wesleyan Media Project legt die Genauigkeit von Rundfunk- und Kabelsignalen auf die Transparenzdaten von sozialen Plattformen, sodass der kombinierte Stream einen plattformübergreifenden Datensatz erzeugt, der für die Inhaltsanalyse von US-Politikanzeigen über Zyklen hinweg nutzbar ist. Die Daten bilden die Grundlage für Vergleichsstudien über Ausgaben, Rahmung und Konzentration [source: wesleyan-media-project].

Welche methodischen Herausforderungen hat das Feld?

Transparenzdaten von Plattformen sind unvollständig — Facebook und Google haben historisch einige Transparenzströme veröffentlicht, während TikTok und andere variieren — und das Scraping von Anzeigentexten ist brüchig, da Kreative sich ändern, inaktiv werden oder wegen Verstößen entfernt werden. Die Skalierung der Inhaltsanalysearbeit über Tausende von Anzeigen erfordert entweder eine überwachte maschinelle Lernkennzeichnung oder Crowdsourcing-Kennzeichnungspipelines.

Wie verändert generative KI die Grenze des Feldes?

Das jüngste Aufkommen von generativer KI in der politischen Werbung — KI-generierte Audio-, Video-, Bild- und Textinhalte in Anzeigen — fügt eine neue Grenze hinzu, da die Erkennung von synthetischen Medien in politischer Werbung eine eigene Erkennungspipeline und ein Offenlegungsregime erfordert. Die Forschung des IPIE zu generativer KI in US-Kampagnen setzt den führenden Rahmen für diese Grenze in den Jahren 2025–2026 [source: wesleyan-media-project].

Verwandte Themen

Offene Fragen

  • Die generative KI-Grenze: Wie werden akademische Erkennungspipelines mit dem Tempo der Innovation von generativer KI in Anzeigen Schritt halten? Welches Offenlegungsregime würde die Pipeline überflüssig machen?
  • Die Frage der plattformübergreifenden Generalisierung: Sind Methoden, die auf US-Rundfunk+Kabel+Facebook/Google-Daten entwickelt wurden, auf andere Länder und andere Plattformen übertragbar, oder müssen sie pro Gerichtsbarkeit neu abgeleitet werden?

This page is machine-translated from the English canonical. Source EN body-hash: 579082559c81…. For authoritative content, see the original.

Translation note: 6 source markers and 3 wikilink targets could not be placed in their original positions; they are listed below as a preservation guarantee. The restore-map re-insert was a best-effort fallback — the prose around them is intact.

Preserved source markers

  • [source: wesleyan-media-project]
  • [source: wesleyan-media-project]
  • [source: wesleyan-media-project]
  • [source: wesleyan-media-project]
  • [source: wesleyan-media-project]
  • [source: wesleyan-media-project]

Last verified: 2026-07-09

Backlinks