Suche
183 Treffer für „lfm“
Studie zur Radikalisierung in sozialen Medien
LFM_Studie_Radikalisierung_04.indd 1 Digitale Grauzonen: Radikalisierungspotentiale von islamistischen Videos und Kommentarspalten DIGITALE GRAUZONEN: RADIKALISIERUNGSPOTENTIALE [...] Videos und Kommentarspalten 2. EINLEITUNG Die Landesanstalt für Medien NRW (LFM NRW) hat einen vielfältigen Auftrag. Sie setzt sich für Meinungsfreiheit ein und trägt zum Schutz der Menschenwürde, der Jugend, der Nutze- rinnen und Nutzer sowie [...] KI-gestützte) Erkennungs- und Melde- systeme zum Einsatz wie das KIVI-Tool der LFM NRW.2 Schwieriger ist jedoch der Umgang mit Inhalten, die nicht strafbar, aber dennoch problematisch sind. In der Forschung spricht man hier von „awful, but lawful“3
Political Influencer zwischen Journalismus und Algorithmus
Political Influencer zwischen Journalismus und Algorithmus EMOTIONALISIERT, ZUGESPITZT, MEINUNGSSTARK: POLITICAL INFLUENCER ZWISCHEN JOURNALISMUS UND ALGORITHMUS Analyse politischer Influencer-Kommunikation auf Instagram und TikTok Oktober 2025 2 1. Einleitung ................................................................................................................................ 3 2. Methodisches Vorgehen ........................................................................................................ 5 2.1 Auswahl der Political Influencer und Stichprobe .......................................................... 5 2.2 Codebuchentwicklung und Analyse ................................................................................ 8 3. Performance und Aufmachung ............................................................................................. 10 3.1 Metrics .............................................................................................................................. 10 3.2 Production ........................................................................................................................ 12 4. Themen .................................................................................................................................... 14 5. Parteienbewertungen ............................................................................................................ 18 6. Kommunikationsstrategien und potenzielle Wirkungsmuster .......................................... 24 6.1 Interaktionsorientierung ................................................................................................. 24 6.2 Informationsgehalt .......................................................................................................... 25 6.3 Emotionalisierung ........................................................................................................... 27 6.4 Feindbildkonstruktionen ................................................................................................ 28 6.5 Desinformation ................................................................................................................ 34 7. Fazit ........................................................................................................................................ 40 INHALTSVERZEICHNIS Political Influencer zwischen Journalismus und Algorithmus 3 Political Influencer zwischen Journalismus und Algorithmus Politische Kommunikation findet längst nicht mehr nur über Talkshows, Parteiprogramme oder Leitartikel statt. Besonders bei jungen Menschen haben Social Media-Plattformen wie TikTok und Instagram eine zentrale Rolle bei der politischen Meinungsbildung eingenom- men. Politische Influencerinnen und Influencer (folgend als Political Influencer abgekürzt) besetzen diese digitalen Räume erfolgreich – mit eigenen Formaten, niedrigschwelligen Botschaften und oft hoher Emotionalität. Ihre Inhalte erreichen Millionen junger Menschen und prägen dabei nicht nur Debatten, sondern möglicherweise auch Wahlentscheidungen. Trotz dieser zunehmenden Bedeutung ist bislang wenig darüber bekannt, welche Inhalte und Realitätsangebote Political Influencer in Deutschland tatsächlich verbreiten, mit wel- chen Strategien sie arbeiten und welche Wirkungen damit verbunden sein könnten. Die vorliegende Studie untersucht dieses Angebot systematisch und datenbasiert anhand einer quantitativen Inhaltsanalyse von Beiträgen auf Instagram und TikTok. Forschungsleitend waren dabei folgende Fragen zu verschiedenen Themenspektren: Performance und Aufmachung • Wie ist die visuelle und technische Aufbereitung der Inhalte gestaltet? • Sind die Inhalte selbst produziert oder wird fremdes Material genutzt? Sind Inhalte KI generiert? • Wie viel Reichweite (Likes, Shares, Kommentare) erzielen die Beiträge? Themenauswahl • Welche politischen Themen werden am häufigsten behandelt? Parteienbewertungen • Welche Parteien werden wie (positiv oder negativ) thematisiert? Kommunikationsstrategien und Wirkungsmuster • Inwiefern besteht eine Orientierung an das Publikum in Form direkter Handlungsaufforderungen (z. B. durch Wahlaufrufe)? • Besteht eine klare Trennung zwischen Berichterstattung und Meinungsäußerung? • Wie belegen Political Influencer ihre Aussagen? Werden Quellen verwendet? • Welche Rolle spielen emotionale Appelle in der Kommunikation von Political Influencer? Welche Emotionen (z. B.. Angst, Humor) werden am häufigsten angesprochen? Wie werden diese emotionalen Appelle durch die Aufbereitung der Beiträge (z. B. Bildsprache) verstärkt? • Wie werden Feindbilder in den Beiträgen geschaffen und dargestellt? Welche Gruppen oder Personen werden als Feindbilder markiert? Welche sprachlichen und visuellen Mittel kommen dafür zum Einsatz? • Wird (gezielt oder unbeabsichtigt) Desinformation verbreitet? • Werden demokratische oder anti-demokratische Werte gestützt? 1. EINLEITUNG 4 Political Influencer zwischen Journalismus und Algorithmus Zur Beantwortung dieser Fragen ist die Studie wie folgt aufgebaut. Kapitel 2 beschreibt das methodische Vorgehen – von der Auswahl der Political Influencer bis zur Codierung und Analyse. Kapitel 3 widmet sich der Performance und Aufmachung der Beiträge. In Kapitel 4 werden die zentralen Themen behandelt. Kapitel 5 beleuchtet die Thematisierung und Bewertung politischer Parteien. Kapitel 6 analysiert zentrale Kommunikationsmuster wie Interaktionsorientierung, Informationsgehalt, Emotionalisierung sowie Feindbild- und Desinformationsstrategien. Kapitel 7 rundet die Ergebnisse mit einem Fazit ab. Für einen schnellen Überblick enthalten alle inhaltliche Kapitel (3-6) zu Beginn die drei bis vier wichtigsten Key Facts. 5 Political Influencer zwischen Journalismus und Algorithmus 2. METHODISCHES VORGEHEN Zur Analyse politischer Inhalte auf Instagram und TikTok durch Political Influencer wurde eine Vielzahl von Kanälen systematisch ausgewählt. Der Auswahlprozess wird in Kapitel 2.1 dargelegt. Die Erhebung wurde auf Basis einer quantitativen Inhaltsanalyse nach Rössler1 durchgeführt, deren Vorgehen in Kapitel 2.2 thematisiert wird. 2.1 AUSWAHL DER POLITICAL INFLUENCER UND STICHPROBE Für die Analyse der Political Influencer wurden insgesamt 1.000 Beiträge analysiert. Unter Political Influencer wurden in diesem Zusammenhang Akteure und Akteurinnen verstan- den, die regelmäßig Beiträge mit politischem Bezug veröffentlichen und über eine relevan- te Reichweite auf mindestens einer der beiden Plattformen verfügen. Journalistinnen und Journalisten sowie als Parteipolitiker und -politikerinnen auftretende Accounts wurden nicht berücksichtigt. Die Auswahl der Political Influencer erfolgte auf Grundlage einer sys- tematischen Recherche nach relevanten Profilen, die politische Themen in ihren Content integrieren, sich an ein deutschsprachiges Publikum richten und sowohl auf TikTok als auch auf Instagram aktiv sind. Als Analyseeinheit wurden einzelne Beiträge (Uploads) definiert – unabhängig davon, ob es sich um ein Video- oder ein Bildformat handelt. Insgesamt wur- den 98 Political Influencer ausgewählt, 49 auf Instagram, 49 auf TikTok2. Wenn die Political Influencer auf beiden Plattformen tätig sind, wurde der Kanal ausgewählt, der nach Follo- werzahlen erfolgreicher ist und regelmäßiger mit neuen Beiträgen bestückt wird. Wichtig war bei der Auswahl außerdem eine Verteilung der politischen Ausrichtung, des Geschlechts sowie der Reichweite der Political Influencer (siehe Tabelle 1). Das gelesene Geschlecht sowie die Reichweite der Political Influencer wurde bereits bei der Auswahl der Political Influencer festgehalten. Die politische Verortung der analysierten Political Influencer er- folgte mithilfe einer fünfstufigen Skala (links – eher links – mittig – eher rechts – rechts). 1 Rössler, P. (2017). Inhaltsanalyse. 3. Auflage. Konstanz: UKV Verlag. 2 Zunächst wurden insgesamt 101Political Influencerausgewählt, von denen jedoch drei keine relevanten Beiträge im Analysezeitraum hoch geladen haben. Insgesamt wurden 98 Political Influencer ausgewählt, 49 auf Instagram, 49 auf TikTok. 6 Political Influencer zwischen Journalismus und Algorithmus Grundlage für die Einordnung waren die von den Influencer*innen veröffentlichten Inhal- te, die im Rahmen der Codierung systematisch analysiert wurden. Bewertet wurden dabei insbesondere die erkennbaren Positionierungen zu zentralen politischen Dimensionen wie Wirtschaft, sozialer Gerechtigkeit, Konservatismus, Staats- und Demokratieverständnis und internationaler Haltung. Einbezogen wurde zudem, ob sich die Beiträge auf eine ein- seitige politische Linie verengen oder ob unterschiedliche Perspektiven zugelassen bzw. reflektiert wurden. Die politische Verortung erfolgte nicht mechanisch anhand einzel- ner Aussagen, sondern im Rahmen eines interpretativen Verfahrens, bei dem die Ge- samtheit der Inhalte betrachtet und in einem intersubjektiven Austausch zwischen den Codierenden diskutiert und konsensual eingeordnet wurde. Der geringe Anteil an mitti- gen Political Influencer3 (5 Prozent) lässt sich insbesondere darauf zurückführen, dass Kanäle von professionellen Journalistinnen und Journalisten nicht in die Analyse ein- gebunden wurden – diese nehmen vermehrt eine politisch ausgeglichene Position ein, entsprechen aber nicht den Kriterien von klassischen Influencerinnen und Influencern. Für die Stichprobe wurden ausschließlich Beiträge berücksichtigt, die zwischen dem 5. Januar und dem 23. März 2025 veröffentlicht wurden und einen klaren politischen Be- zug zur Bundestagswahl oder zu relevanten gesellschaftspolitischen Themen aufweisen. 3 Zur Vollständigkeit werden die mittigen Political Influencer in alle folgenden Grafiken aufgenommen – die Werte sind jedoch stets im Lichte der äußerst geringen Fallzahlen zu betrachten und dürfen nicht überbewertet werden. Tabelle 1: Politische Ausrichtung, Geschlecht und Reichweitenkategorie nach Kanälen. Nicht abgebildet sind n=5 Political Influencer, die keiner politischen Ausrichtung zugeordnet werden konnten. 60 61 % 28 29 % (eher) links (eher) rechtsmittig 5 5 % 59 60 % 33 34 % Mikro ( < 100k Follower) Mega (> 500k Follower) Makro (100k – 500k Follower) 6 6 % 44 45 % 53 54 % weiblich diversmännlich 1 1 % Politische Ausrichtung ReichweitenkategorieGeschlecht 7 Political Influencer zwischen Journalismus und Algorithmus Dies konnte entweder über Hashtags und Keywords wie z. B. #btw25, #wahlentscheidung, #olafscholz oder #migration identifiziert oder durch eine inhaltliche Auseinandersetzung mit politischen Prozessen, Strukturen oder Themen (im Sinne der Dimensionen Polity, Po- licy oder Politics) bestimmt werden. Zur Sicherstellung der Vergleichbarkeit wurden nur Beiträge einbezogen, deren Länge maximal drei Minuten beträgt. Nach der Auswahl der 98 Political Influencer wurden alle Beiträge innerhalb des festgelegten Zeitraums gesichtet, um zu prüfen, inwiefern sie die genannten Kriterien erfüllen. Im Idealfall wären je Political Influencer etwa zehn Beiträge in die Stichprobe eingegangen. Bei den Political Influencer, die mehr als 10 Beiträge veröffentlicht haben, welche den Kriterien entsprachen, wurden jeweils 10 Beiträge per Zufallsstichprobe ausgewählt. Um die Political Influencer mit we- niger als 10 Beiträgen auszugleichen und um 1000 Beiträge aufzufüllen, wurden Beiträge anderer Political Influencer ebenfalls zufällig ausgewählt, sodass manche Political Influ- encer mit mehr, manche mit weniger als 10 Beiträgen in der Stichprobe vorkommen. So ergibt sich beim Blick auf die Verteilung nach Beiträgen folgendes Bild (siehe Tabelle 2). Eine besondere Rolle nimmt im Rahmen der Analyse die politische Ausrichtung der Political Influencer ein. In Abbildung 1 sind daher die genauen Verteilungen der Beiträge nach politi- scher Ausrichtung dargestellt. Im weiteren Verlauf werden die linken und eher linken Po- litical Influencer, die mittigen sowie die eher rechten und rechten Political Influencer je als eine Gruppe dargestellt. Die Beiträge der mittigen Political Influencer machen mit 6 Prozent, ähnlich wie bei der Verteilung der Political Influencer, einen kleineren Anteil aus. Neben dem Tabelle 2: Politische Ausrichtung, Geschlecht und Reichweitenkategorie nach Beiträgen. Nicht abgebildet sind n=51 Beiträge von Political Influencer, die keiner politischen Ausrichtung zugeordnet werden konnten. 560 56 % 331 33 % (eher) links (eher) rechtsmittig 58 6 % Politische Ausrichtung 594 59 % 360 36 % Mikro ( < 100k Follower) Mega (> 500k Follower) Makro (100k – 500k Follower) 46 5 % Reichweitenkategorie 420 42 % 577 58 % weiblich diversmännlich 3 0 % Geschlecht 8 Political Influencer zwischen Journalismus und Algorithmus bereits thematisierten Ausschluss von professionellen Journalistinnen- und Journalisten- profilen sind weniger polarisierende und ausgewogene Kanäle auf Social Media erwartungs- gemäß weniger erfolgreich, als solche, die klare Positionen und Meinungen vertreten. 2.2 CODEBUCHENTWICKLUNG UND ANALYSE Das Codebuch bildet das zentrale Instrument zur systematischen Einordnung der Beiträge der Political Influencer. Es wurde in einem mehrstufigen, iterativen Prozess entwickelt und mehrfach im Projektteam abgestimmt. Es umfasst sowohl formale als auch inhaltliche Kate- gorien und erlaubt damit eine umfassende Analyse von Produktion, Themenwahl, Bewertun- gen und Kommunikationsstrategien der Beiträge der Political Influencer. Zu den formalen Merkmalen zählen die Plattform, das Datum, Likes, Kommentare, Engage- ment Rate, die Länge des Videos bzw. der Beschreibung und der Medientyp. In inhaltlicher Hinsicht ist das Codebuch in einen auditiven und textlichen sowie einen visuellen Part unter- teilt. Auf auditiver/textlicher Ebene erfasst das Codebuch das Themenfeld, die Emotionali- sierung, den Argumentationsstil, die Verwendung von Quellen, Feindbildkonstruktionen (so- wie deren Adressaten und Art der Vermittlung), Desinformation (sowie deren Inhalt und Art), Parteibewertungen, Vermischung von Meinung und Information sowie die Interaktionsorien- tierung. Auf visueller Ebene wurde das Setting des Beitrags, die Verwendung von Fremdma- terial, visuelle Emotionalisierung, visuelle Feindbildkonstruktionen (sowie deren Adressaten und Art der Vermittlung) und das Aufkommen von KI-generierten Inhalten codiert. Alle Vari- ablen wurden mithilfe von Skalen quantitativ codiert, teilweise wurden zusätzlich qualitative Einschätzungen zugelassen, z. B. um konkrete Desinformationsinhalte näher zu beschreiben. Abbildung 1: Politische Ausrichtung nach Beiträgen (n = 1000). 30 % 26 % 6 % 12 % 21 % 5 % links (eher) links (eher) rechts rechts nicht erkennbarmittig Politische Ausrichtung der Influencer 9 Political Influencer zwischen Journalismus und Algorithmus Die Codierung der Beiträge wurde von vier erfahrenen Codiererinnen und Codierern durch- geführt. 10 Prozent des Materials wurde zunächst zur Reliabilitätsprüfung doppelt codiert. Die Werte bei den formalen Kategorien lagen durchweg sehr zufriedenstellend bei einem Krippendorff‘s Alpha von mindestens 0.9. Bei den inhaltlichen Kategorien lagen die Werte ebenfalls bei zufriedenstellenden Werten von mindestens 0.7. Lediglich die Kategorien der Feindbildkonstruktionen und Desinformation wichen hier leicht ab und wiesen einen leicht niedrigeren Wert auf. Eine intensive Diskussion über diese Kategorien sowie eine leichte Modifizierung im Codebuch garantierten hier für den weiteren Verlauf eine zufriedenstellen- de Reliabilität. Die Codierung wurde in Microsoft Excel durchgeführt, anschließend bereinigt und ausgewer- tet. Das Codebuch und der Tabellenband der Studie sind einsehbar und werden den Auftrag- geberinnen zur Verfügung gestellt. Die Werte bei den formalen Kategorien lagen durchweg sehr zufriedenstellend bei einem Krippendorff‘s Alpha von mindestens 0.9. 10 Political Influencer zwischen Journalismus und Algorithmus Politische Kommunikation auf Instagram und TikTok folgt spezifischen und technischen Mustern und Regeln. Political Influencer müssen sich stark an den Mechanismen der Platt- formen, auf denen sie aktiv sind, orientieren. Im Folgenden wird daher zunächst ein Blick auf die formale Gestaltung der Beiträge geworfen. Dabei spielen Video- und Beschreibungs- länge sowie Erfolgskennzahlen der Videos eine Rolle. Auch die Produktionsweise der Videos wurde codiert – so wird thematisiert, welche Medientypen genutzt werden, ob es sich um selbst- oder fremdproduzierten Content handelt und inwiefern KI-generierte Inhalte eine Rolle spielen. 3.1 METRICS Auf beiden analysierten Plattformen haben Creator und Creatorinnen die Möglichkeit Beschreibungstexte hinzuzufügen. Nicht alle nehmen diese Möglichkeit wahr – wenige Beiträge kommen mit wenig oder gar keiner Videobeschreibung aus. Die ausführlichsten Videobeschreibungen hingegen weisen sogar mehr als 2.000 Zeichen auf. Häufig dienen die Beschreibungen zur Erklärung, verlinken andere Beiträge oder aber versuchen mit Hashtags die Auffindbarkeit der Videos zu erhöhen. Im Schnitt sind die Beschreibungen 264 Zeichen lang. Die Mittelwerte der (eher) linken Political Influencer sind dabei im Durchschnitt am längsten (326 Zeichen bei den (eher) linken Political Influencer, 194 bei den (eher) rechten, 232 in der Mitte). Die Länge der Videos liegt im Schnitt bei 76 Sekunden. Bei den (eher) linken Political Influencer sind die Videos mit durchschnittlich 87 Sekunden deutlich länger als bei den (eher) rechten mit 61 Sekunden. Bei den mittigen Political Influencer liegt der Durchschnitt bei 63 Sekunden. Mit Blick auf die Kennzahlen lässt sich feststellen, dass alle Beiträge im Schnitt 19.439-mal geliked wurden. Die Beiträge der ausgewählten (eher) linken Political Influencer weisen mit 18.679 mehr Likes auf als die Beiträge von (eher) rechten Political Influencer mit durch- schnittlich 5.985 Likes. Beiträge von Political Influencer mit mittiger politischer Ausrichtung 3. PERFORMANCE UND AUFMACHUNG Auswahl (eher) linker Political Influencer performt stärker Bewegtbild ist das dominierende Format (86 Prozent aller Beiträge) Wenig Hinweise auf die Nutzung künstlicher Intelligenz 11 Political Influencer zwischen Journalismus und Algorithmus erzielen im Schnitt 53.190 Likes. Die Anzahl der Likes spiegelt die Reichweiten der Political Influencer wider: Beiträge von (eher) linken Political Influencern erreichen durchschnittlich 137.778 Nutzerinnen und Nutzer, Beiträge von (eher) rechten Political Influencer durch- schnittlich 77.909 sowie Beiträge von mittigen Political Influencer 273.534. Bei den Kom- mentaren zeigt sich ein leicht anderes Bild. Je analysierten Beitrag wurden im Schnitt 611 Kommentare eingereicht. Beiträge von (eher) rechten Political Influencer werden im Schnitt 626-mal kommentiert, während auf (eher) linke Beiträge durchschnittlich nur 430 Kommen- tare folgen. Beiträge von mittigen Political Influencer erzielten im Schnitt 1001 Kommentare. Die Performance-Rate ([Likes + Kommentare] /Anzahl der Follower*innen*100) zeigt, dass die (eher) linkeren Kanäle über Likes und Kommentare hinweg erfolgreicher sind, als die der anderen politischen Ausrichtungen. Über alle Beiträge hinweg liegt der Performance-Wert im Durchschnitt bei 16,48. Die (eher) links ausgerichteten Beiträge liegen mit einer Perfor- mance-Rate von 21,89 vorne, gefolgt von (eher) rechten mit 9,86 und mittig mit 8,72. Hier sei gesagt, dass dies keine allgemeingültige Aussage darstellt und sich die Zahlen ausdrück- lich nur auf die 98 ausgewählten Kanäle beziehen, die nur einen kleinen Teil der politischen Kommunikation auf Instagram und TikTok ausmachen. Die vielfach geteilte These, dass rechte Positionen den Diskurs auf sozialen Medien klar und deutlich dominieren, kann auf Basis der hiesigen Auswahl allerdings nicht eindeutig diagnostiziert werden. Hier ist aber zu beachten, dass rechte Online-Diskurse vermehrt auf anderen Plattformen und Messen- ger-Diensten, wie etwa Telegram, stattfinden.4 Zudem wurden Akteure von Parteien aus der Analyse ausgeschlossen– im Rahmen der Parteienkommunikation lässt sich beispielsweise deutlich eine Dominanz rechter Positionen ausmachen.5 4 Hohenwalde, C. E. (2023). Rechtsextremismus auf Telegram. Eine Netzwerkanalyse. Karlsruher Institut für Technologie. online abrufbar unter: publikationen.bibliothek.kit.edu/1000174284. 5 Hillje, J. (2024). Social Media: Die digitale Dominanz der AfD brechen! Blätter für deutsche und internationale Politik 2/2024, S. 13-16, online abrufbar unter: www.blaetter.de/ausgabe/2024/februar/social-media-die-digitale-dominanz-der-afd-brechen. Über alle Beiträge hinweg liegt der Performance-Wert im Durchschnitt bei 16,48. 3.2 PRODUCTION Die Art und Weise, wie politische Inhalte visuell umgesetzt werden, kann etwas über die Zielrichtung und angestrebte Wirkung aussagen. Die Daten bestätigen die Vermutung, dass Political Influencer fast ausschließlich auf Bewegtbildformate setzen. 86 Prozent der ana- lysierten Beiträge bestehen aus Videoformaten (siehe Abbildung 2). Dem gegenüber spielen statische Bilder oder Karussells mit mehreren Bildern nur eine untergeordnete Rolle – sie machen zusammen lediglich 14 Prozent der Inhalte aus. Während einzelne Fotos oft genutzt werden, um Zitate oder Statements visuell zu verpacken, dienen Karussells meist der Dar- stellung mehrerer Argumente oder Erklärschritte. Auffallend ist, dass insbesondere (eher) rechte Political Influencer in 90 Prozent ihrer Beiträge auf Bewegtbildformate setzen. Auf der Ebene der Produktionsweisen zeigt sich ein ausgewogenes Bild. Jeweils 45 Prozent der untersuchten Beiträge wurden entweder vollständig selbst produziert oder bestanden aus einem Mix aus eigenem und fremdem Material (siehe Abbildung 3). Bei letzterem handelt es sich häufig um neu kontextualisierte oder mit eigenem Kommentar versehene Beiträge (Reaction-Videos). Ein Mix aus eigenem und fremdem Material wurde mit 51 Prozent insbesondere von (eher) linken Political Influencer genutzt. Nur 7 Prozent der Beiträge basierten ausschließlich auf fremdem Material. Bemerkenswert ist, dass viele Political Influencer professionell anmutende Formate produzieren – mit Schnitt, Untertiteln, Hintergrundmusik und gelegentlich eingeblendeten Quellen. Gleichzeitig bleibt das authentische Moment wichtig: Viele Beiträge wirken bewusst nahbar und wirken als stammen sie „mitten aus dem Leben“ der Political Influencer. 12 Political Influencer zwischen Journalismus und Algorithmus 8 % 86 % 6 % Bewegtbild (Video / Reel) Fotos / statisches Bild Karussell (mehrere Bilder) Abbildung 2: Medientypen aller analysierten Beiträge in Prozent (n = 1000). Medientypen 13 Political Influencer zwischen Journalismus und Algorithmus Ein zusätzlicher Aspekt in der Betrachtung der Produktionsweise ist der Einsatz von künst- licher Intelligenz bei der Erstellung der Inhalte. In 98 Prozent der analysierten Beiträge wurde keine KI-Verwendung festgestellt (siehe Abbildung 4). Nur 2 Prozent der Beiträ- ge wiesen mutmaßlich auf den Einsatz von KI-gestütztem Material hin – und zwar meist ohne Kennzeichnung. Unterschiede zwischen verschiedenen Reichweiten der Political Influencer lassen sich bei der geringen Fallzahl nicht mit Gewissheit ausmachen. Die tat- sächliche Verbreitung von KI-Inhalten könnte allerdings höher liegen, als die Codierung erkennen lässt. In vielen Fällen ist nicht zu beurteilen, ob z. B. ein Bild KI-generiert ist, ein Text automatisch formuliert wurde oder eine Stimme mithilfe von KI erzeugt wurde. 45 %45 % 3 % 7 % Ausschließlich fremdes Material Mix aus fremdem und selbstproduziertem Material Nicht entscheidbar Ausschließlich selbstproduziertes Material Abbildung 3: Selbstproduziertes vs. fremdproduziertes Material aller analysierten Beiträge in Prozent (n = 1000). Material 0 % 98 % 2 % Nicht gekennzeichnet Verwendet und gekennzeichnet Verwendet und nicht gekennzeichnet Abbildung 4: Verwendung von künstlicher Intelligenz aller analysierten Beiträge in Prozent (n = 1000). KI-Verwendung 14 Political Influencer zwischen Journalismus und Algorithmus 4. THEMEN Wahlkampf dominiert mit mehr als 1/3 die Themenauswahl Rechte Kanäle setzen auf Konfliktaufladung: Migration und Kriminalität im Vordergrund Finanzen, Soziales oder Klima unter der Wahrnehmungsschwelle Die behandelten Themen geben Aufschluss über die Schwerpunktsetzung der analysierten Political Influencer. Dabei zeigt sich insgesamt ein klares Bild: Der mit Abstand am häufigs- ten adressierte Themenbereich ist der Komplex „Wahlkampf, Parteien und politisches Personal“. 37 Prozent der Nennungen beziehen sich auf diesen Bereich (siehe Abbildung 5) – sei es in Form von Kommentaren zum politischen Betrieb, Positionsvergleichen oder der Bewertung von Wahlkampfbotschaften. Die inhaltliche Auseinandersetzung mit konkreter Sachpolitik ist im Vergleich dazu deutlich seltener. Mit Blick auf den Analysezeitraum rund um die Bundestagswahl 2025 ist dieser Aspekt kaum überraschend und erwartungsgemäß auch in anderen Mediengattungen ähnlich zu beobachten. Abbildung 5: Themenbereiche in den analysierten Beiträgen (in %, n=1.5301) Themen 37 % 10 % 7 % 6 % 6 % 6 % Wahlkampf, Parteien, Personal Innere Sicherheit und Kriminalität Rechtsextremismus und Faschismus Außen- und Verteidigungspolitik Feminismus und Gleichstellung 5 % Sozialpolitik 4 % FinanzpolitikMigration 15 Political Influencer zwischen Journalismus und Algorithmus Dahinter folgen die Themen Migration (10 Prozent), Innere Sicherheit und Kriminalität (7 Prozent), Rechtsextremismus und Faschismus, Außen- und Verteidigungspolitik sowie Feminismus und Gleichstellung (jeweils 6 Prozent). Etwas weniger werden dagegen Sozialpolitik (5 Prozent) und Finanzpolitik (4 Prozent) zum Thema gemacht. Andere Themenbereiche wie Klimaschutz oder Bildungspolitik bewegen sich gar in Bereichen um oder unter 2 Prozent aller Nennungen. 6 Bei Betrachtung der Themenbereiche im Zeitverlauf ist eine klare Orientierung an politi- schen Ereignissen erkennbar. Der Themenkomplex Wahlkampf, Parteien und Personal hat seinen Höhepunkt in der Wahlwoche und flacht unmittelbar danach deutlich ab (siehe Abbil- dung 6). Der Themenkomplex Migration wächst kurz nach Terroranschlägen – insbesondere bei (eher) rechten Political Influencer – sowie der Abstimmung der CDU und der AfD im Bun- destag an. Im Gegenzug wird hier auch aber der Themenkomplex Rechtsextremismus – vor allem von (eher) linken Political Influencer – stärker bespielt. Auch die Debatte rund um die Lockerung der Schuldenbremse und das Sondervermögen kurz nach der Wahl ist in KW10 erkennbar. Die Themenwahl unterscheidet sich dabei teils deutlich zwischen politisch (eher) linken und (eher) rechten Political Influencer (siehe Abbildung 7). Zwar dominiert bei beiden Gruppen 6 Pro Beitrag konnten mehrere Themen codiert werden, weshalb der Wert über der Beitragszahl von 1.000 liegt. Abbildung 6: Themenbereiche in den analysierten Beiträgen über den Erhebungszeitraum (absolute Werte, n = 1.530). 100 80 60 40 20 0 KW1 KW2 KW3 KW4 KW5 KW6 KW7 KW8 KW9 KW10 KW11 KW12 Feminismus und Gleichstellung Außen- und Verteidigungspolitik Rechtsextremismus und Faschismus Innere Sicherheit und Kriminalität Migration Wahlkampf, Parteien, Personal Finanzpolitik Sozialpolitik 16 Political Influencer zwischen Journalismus und Algorithmus der Bereich Wahlkampf, Parteien und Personal – bei (eher) rechten Accounts etwas stärker (38 Prozent) als bei (eher) linken (35 Prozent). In den inhaltlichen Bereichen zeigen sich jedoch klare Unterschiede. (Eher) rechte Political Influencer setzen auffällig häufig auf die Themen Migration (16 Prozent) und Innere Sicherheit/Kriminalität (13 Prozent), also auf klassische Mobilisierungsthemen aus dem rechten Spektrum. Exemplarisch hierfür stehen Postings, die über Terroranschläge im Vorfeld der Bundestagswahl berichten und einen direkten Bezug zu Migration herstellen (siehe Abbildung 8). (Eher) linke politische Akteure hingegen sprechen häufiger über Rechtsextremismus und Faschismus (7 Prozent gegenüber 5 Prozent bei (eher) rechten Akteuren) und vor allem über Feminismus und Gleichstellung (9 Prozent gegenüber 1 Prozent bei (eher) rechten Akteuren). Abbildung 7: Themenbereiche von (eher) linken, mittigen und (eher) rechten Political Influencer im Vergleich (in %, n=1.462). Themen Wahlkampf, Parteien, Personal 35 % 44 % 38 % Migration 7 % 16 %5 % 5 % 5 % Innere Sicherheit und Kriminalität 13 %2 % Rechtsextremismus und Faschismus 7 % 5 %0 % Außen- und Verteidigungspolitik 2 % 6 % Feminismus und Gleichstellung 9 % 3 % 1 % 17 Political Influencer zwischen Journalismus und Algorithmus Abbildung 8: Beispiel für rechtes Agenda-Setting von rechtem Political Influencer heimatecho. Diese Unterschiede in der Themensetzung verweisen nicht nur auf unterschiedliche politische Lager, sondern auch auf unterschiedliche kommunikative Strategien. Rechte Political Influencer setzen stärker auf konfliktgeladene Themen, während linke Akteure häufiger gesellschaftspolitische Inhalte aufgreifen. Themenkomplexe wie Sozial- oder Finanzpolitik hingegen führen bei beiden Gruppen eher ein Schattendasein – sie scheinen auf den schnellen, plattformoptimierten Bühnen von TikTok und Instagram nur schwer vermittelbar zu sein. 18 Political Influencer zwischen Journalismus und Algorithmus 5. PARTEIBEWERTUNGEN AfD und CDU mit mehr als der Hälfte aller Nennungen im Fokus Insgesamt stark negativ behaftetes Bild von (fast) allen Parteien Parteibewertungen stark zwischen linken und rechten polarisiert Wie bei der dargestellten Themenauswahl nicht anders zu erwarten, beinhalten die ana- lysierten Beiträge regelmäßig Positionierungen zu politischen Parteien. Dabei reicht die Spannbreite von expliziter Kritik über ironische Kommentare bis hin zur Unterstützung einzelner Akteurinnen und Akteure. Die Analyse zeigt, welche Parteien überhaupt themati- siert werden – und bildet ab, welche politischen Kräfte im Diskurs sichtbar sind und welche tendenziell eher unter dem Radar bleiben (siehe Abbildung 9). Die AfD ist mit 27 Prozent der Nennungen die am häufigsten thematisierte Partei, gefolgt von der CDU mit 24 Prozent und den Grünen mit 16 Prozent. Die SPD wird in 13 Prozent der Parteinennungen erwähnt, Die Linke in 10 Prozent, während FDP (7 Prozent) und BSW (3 Prozent) eine deutlich geringere Rolle spielen. Abbildung 9: Thematisierung von Parteien (in %, bezogen auf n = 1068 Parteinennungen). 24 % 13 % 27 % 16 % 10 % CDU/CSU AfD Grüne Die Linke FDP BSWSPD Parteien 7 % 3 % 19 Political Influencer zwischen Journalismus und Algorithmus Die Verteilung lässt sich zum Teil mit der politischen Lage und dem öffentlichen Diskurs im Erhebungszeitraum erklären. Die AfD dominiert viele Beiträge als Projektionsfläche – im positiven wie negativen Sinne. Die CDU steht als größte Oppositions- und zu erwartende Kanzlerpartei im Zentrum vieler Auseinandersetzungen. Insbesondere das Abstimmungs- verhalten im Bundestag und die damit attestierte Zusammenarbeit mit der AfD im Bundestag Ende Januar 2025 brachten beide Parteien auf die Agenda der politischen Political Influen- cer. Die Grünen und die SPD sind als Teil der damaligen Bundesregierung ebenso regel- mäßig Gegenstand politischer Auseinandersetzungen und damit noch einigermaßen häufig erwähnt. Der Linken wurde insbesondere in sozialen Medien eine größere Aufmerksamkeit zuteil – auch mit Blick auf das Abstimmungsverhalten der CDU/CSU und AfD konnte sie hier emotionsgeladen Kritik üben und damit Zuspruch generieren. Auffällig ist, dass die Parteien FDP und BSW, die knapp nicht in den Bundestag eingezogen sind, vergleichsweise selten thematisiert werden. Neben der reinen Sichtbarkeit von Parteien wurde auch deren Bewertung durch die Political Influencer erfasst (siehe Abbildung 10). Grundlage der Analyse ist das folgende Bewertungs- schema: Positive Bewertungen wurden mit +1 codiert, neutrale mit 0, negative mit -1. Aus allen codierten Nennungen wurde ein Mittelwert gebildet, der Auskunft darüber gibt, wie eine Partei tendenziell dargestellt wird. Abbildung 10: Parteibewertungen durch alle Political Influencer (n = 1068). -0,77 -0,47 -0,49 -0,54 0,12 -0,61 CDU/CSU AfD Grüne Die Linke FDP -0,32 BSWSPD In der Gesamtbetrachtung dominieren klar die negativen Bewertungen. Fast alle Parteien weisen im Mittel negative Werte auf – am stärksten betroffen ist die CDU/CSU mit einem Wert von -0,77, gefolgt von der FDP (-0,61), den Grünen (-0,54) sowie der AfD (-0,49) und der SPD (-0,47). Einzige Ausnahme ist Die Linke, die mit einem leicht positiven Mittelwert von 20 Political Influencer zwischen Journalismus und Algorithmus Abbildung 11: Parteibewertungen durch (eher) linke PIs (n = 590). -0,89 -0,25 -0,94 -0,11 0,70 -0,76 CDU/CSU AfD Grüne Die Linke FDP -0,38 BSWSPD 0,12 als einzige Partei tendenziell wohlwollend thematisiert wird. Das Bündnis Sahra Wagenknecht (BSW) landet im Mittelfeld bei -0,32. Die Betrachtung des linken Spektrums der Political Influencer zeigt, dass die Partei Die Linke hier stark positiv thematisiert wird (siehe Abbildung 11). Dies ist auf ihre Kritik an dem Ab- stimmungverhalten der CDU/CSU mit der AfD zurückzuführen – in Verbindung mit einer un- glaubwürdigen Kritik der Grünen und der SPD an selbigem, zumindest in der Wahrnehmung der (eher) linken Political Influencer. Dass die CDU/CSU sowie die AfD hier fast ausschließ- lich negativ thematisiert wurden, ist in diesem Kontext kaum überraschend. Ein großer Teil der Beiträge dreht sich um das genannte Abstimmungsverhalten und die Proteste, die im Nachgang erfolgten. 21 Political Influencer zwischen Journalismus und Algorithmus Abbildung 12: Beispiel für negative Bewertung CDU und AfD der politischen Influencerin allesscheissemann. Ganz anders zeigt sich das Bild bei politisch (eher) rechten Political Influencer (siehe Abbil- dung 13). Hier wird allein die AfD mit +0,68 positiv bewertet, alle anderen Parteien schnei- den deutlich negativ ab. Besonders stark fällt die Ablehnung gegenüber den Linken (-0,94), den Grünen (-0,92) und der SPD (-0,91) aus – also genau jenen Parteien, die bei linken Ak- teuren eher stärker unterstützt werden. Die CDU (-0,76), FDP (-0,55) und BSW (-0,25) liegen ebenfalls im negativen Bereich. Die negative Bewertung der CDU/CSU zeigt in diesem Kon- text auch, dass der zumindest nach außen kommunizierte Wandel in der Migrationspolitik im Spektrum der (eher) rechten Political Influencer keine Unterstützung zur Folge hatte. 22 Political Influencer zwischen Journalismus und Algorithmus -0,76 -0,91 +0,68 -0,92 -0,94 -0,55 CDU/CSU AfD Grüne Die Linke FDP -0,25 BSWSPD Abbildung 13: Parteibewertungen durch (eher) rechte PIs (n = 333). Abbildung 14: Beispiel für negative Bewertung von allen „Altparteien“ des politischen Influencers diewahrheittutleiderweh. 23 Political Influencer zwischen Journalismus und Algorithmus -0,19 +0,07 -0,74 -0,33 -0,17 -0,11 0 CDU/CSU AfD Grüne Die Linke FDP BSW SPD Abbildung 15: Parteienbewertung durch mittige PIs (n= 89). Ein etwas ausgeglicheneres, aber dennoch tendenziell negatives Bild zeigt sich bei mittigen Political Influencer (siehe Abbildung 15). Lediglich die AfD wird mit -0,74 klar negativ bewer- tet, gefolgt von den Grünen mit -0,33. Die Belastbarkeit der Zahlen ist allerdings aufgrund der kleinen Stichprobengröße sehr eingeschränkt. Die Gegenüberstellung zeigt, dass die Bewertung von Parteien unter (eher) linken und (eher) rechten Political Influencer hochgradig polarisiert ist. Die AfD wird im linken Spekt- rum fast ausschließlich abgelehnt, im rechten hingegen affirmativ dargestellt. Umgekehrt erhalten Parteien wie Die Linke oder die Grünen aber auch die SPD im rechten Spektrum überwiegend stark negative Bewertungen. Damit zeigt sich nicht nur eine klare Trennli- nie zwischen politischen Lagern, sondern auch eine ausgeprägte Polarisierung, die kaum Raum für Zwischentöne lässt. Aus demokratischer Perspektive ist es zudem bedenklich, dass der parteiübergreifende Grundton insgesamt negativ ausfällt. Einerseits verweist dies auf eine verbreitete Unzufriedenheit mit den zur Bundestagswahl antretenden Par- teien, andererseits offenbart sich darin auch die spezifische Logik der Kommunikation der Political Influencer auf Instagram und TikTok. Zuspitzung, Konfrontation und Affekt prägen die Darstellung – differenzierte Auseinandersetzung bleibt dabei häufig aus. 24 Political Influencer zwischen Journalismus und Algorithmus 6. KOMMUNIKATIONSSTRATEGIEN UND POTENZIELLE WIRKUNGSMUSTER Meinung schlägt Information – Emotion schlägt Rationalität Humor und Wut als prägendste Stilmittel Klare Feindbilder – besonders (aber nicht nur) von rechts Desinformation als rechtes Argumentationsmuster Neben der Themenauswahl und der Bewertung von Parteien folgen Political Influencer er- wartungsgemäß auch weiteren Mustern, die darauf angelegt sind, Aufmerksamkeit zu erzeu- gen, Interaktion zu fördern und Anschlussfähigkeit an bestehende Narrative herzustellen. Das folgende Kapitel thematisiert insbesondere das „Wie“ und die kommunikativen Strate- gien und Werkzeuge, die Political Influencer einsetzen, um ihre Botschaften zu platzieren. 6.1 INTERAKTIONSORIENTIERUNG Zentrales Element politischer Kommunikation auf Instagram und TikTok ist die Frage, inwieweit Beiträge auf Interaktion abzielen. In den ausgewählten Beiträgen verzichtet jedoch die Mehrheit auf klare interaktive Elemente (siehe Abbildung 16). 57 Prozent der Beiträge enthalten keine Interaktionsorientierung, weitere 9 Prozent nur schwach ausge- prägte Ansätze. Lediglich 22 Prozent der Beiträge weisen klare Handlungsaufforderungen auf, weitere 13 Prozent zumindest erkennbare interaktive Ansätze. Aufforderungen zur Beteiligung – sowohl online (Kommentieren, Teilen) als auch offline (Wählen, Demonstrieren) – werden damit punktuell statt systematisch eingesetzt. Geringe Unterschiede zeigen sich, je nach politischer Ausrichtung und Reichweite der Political Influencer: Mittige Political Influencer nutzen häufiger interaktive Ansprachen (40 Prozent) als (eher) linke (35 Prozent) oder (eher) rechte (33 Prozent) Political Influencer. Makro- Political Influencer mit mittlerer Reichweite gestalten ihre Beiträge häufiger interaktionsori- entiert (38 Prozent), als Political Influencer mit kleiner (32 Prozent) oder großer Reichweite (33 Prozent). 25 Political Influencer zwischen Journalismus und Algorithmus Abbildung 16: Interaktionsorientierung in allen Beiträgen (n=1.000). 57 % 9 % 13 % 22 % Nicht vorhanden Eher vorhanden VorhandenEher nicht vorhanden Interaktionsorientierung 6.2 INFORMATIONSGEHALT Political Influencer präsentieren nicht nur Inhalte, sondern ordnen sie auch aktiv ein. Dabei verschwimmen die Grenzen zwischen Information und persönlicher Meinung häufig. Die klare Trennung von Information und Meinung fällt vielen Political Influencer schwer – oder ist schlicht nicht gewollt. In mehr als jedem dritten Beitrag (35 Prozent) werden Meinungen und Informationen klar miteinander vermischt, weitere 24 Prozent zeigen eine partielle Vermischung (siehe Abbildung 17). Auffällig ist dabei, dass Political Influencer mit (eher) rechter politischer Ausrichtung Meinungen und Informationen besonders häufig vermischen (45 Prozent), während dies bei (eher) linken Accounts etwas seltener geschieht (33 Prozent). Lediglich 29 Prozent der Beiträge kommen gänzlich ohne subjektive Einordnung aus. Die we- nigen mittigen Political Influencer zeigen hier ein ausgewogeneres Verhältnis. Ihre Beiträge enthalten lediglich zu einem Drittel (33 Prozent) Vermischungen von Meinung und Informa- tionen und liegen damit unter dem Durchschnitt. 26 Political Influencer zwischen Journalismus und Algorithmus Abbildung 17: Themenbereiche von (eher) linken, mittigen und (eher) rechten Political Influencer im Vergleich (in %, n=1.462). Themen Nicht vorhanden Eher nicht vorhanden Eher vorhanden Vorhanden 29 % 12 % 24 % 35 % 12 % 38 % 29 % 12 % 21 %25 % 8 % 21 % 45 % 27 % 28 % 33 % (eher) links mittig (eher) rechts alle Die Ergebnisse machen deutlich, dass politische Inhalte auf Social Media selten ohne Rahmung und Bewertung auskommen – über fast alle Lager hinweg. Damit ist aber nicht gesagt, dass die Beiträge der Political Influencer gänzlich ohne Quellen auskommen. Fast zwei Drittel (64 Prozent) aller Beiträge verweisen auf andere Nachrichtenbeiträge, größere Unterschiede zwischen den Subgruppen nach politischer Ausrichtung, Geschlecht, Reichwei- te oder Performance sind hier festzustellen. Lediglich bei Verweisen auf wissenschaftliche Studien wird klar, dass diese stärker von mittigen (12 Prozent) und in begrenztem Maße von (eher) linken Political Influencer (8 Prozent) angebracht werden – bei (eher) rechten Political Influencer sind wissenschaftliche Studien mit 1 Prozent eine absolute Ausnahme. Die Ergebnisse machen deutlich, dass politische Inhalte auf Social Media selten ohne Rahmung und Bewertung auskommen – über fast alle Lager hinweg. 27 Political Influencer zwischen Journalismus und Algorithmus 6.3 EMOTIONALISIERUNG Die Art der Argumentation verrät viel über die Kommunikationsstrategien der Political Influencer. Ob über Fakten oder Gefühle gesprochen wird (bzw. ob diese erzeugt werden) prägt maßgeblich, wie Inhalte wirken – und wen sie erreichen. In mehr als der Hälfte der Beiträge (51 Prozent) argumentieren Political Influencer eher emotional (siehe Abbildung 18). Dabei werden Argumente nicht über Fakten vermittelt, sondern zum Beispiel durch zugespitzte Sprache, persönliche Betroffenheit oder Empörung. Nur gut ein Viertel der Bei- träge (26 Prozent) setzt auf rationale Argumente. In 9 Prozent der Fälle wird ein sonstiger Stil gewählt, bei 14 Prozent ließ sich kein klarer Argumentationsstil erkennen, zum Beispiel wenn eine Mischung beider Stile verwandt wurde. Ein Blick auf die politischen Lager zeigt zudem deutliche Unterschiede im Argumentations- stil: Während Political Influencer aus dem (eher) rechten Spektrum zu zwei Dritteln (66 Pro- zent) emotional argumentieren, liegt der Anteil bei linken Political Influencer bei 43 Prozent und bei mittigen Political Influencer sogar nur bei 41 Prozent. Rational wird dagegen beson- ders häufig in der politischen Mitte argumentiert (57 Prozent), während Political Influencer am rechten Rand am seltensten auf faktenbasierte Argumentationen setzen (12 Prozent). Weitere Unterschiede zwischen den Subgruppen sind geringfügiger. Weibliche und männ- liche Political Influencer unterscheiden sich im Argumentationsstil nur wenig, Influencer Abbildung 18: Argumentationsstil aller Beiträge und von (eher) linken und (eher) rechten PIs im Vergleich (n=1.000). Argumentationsstil 1 Emotional 2 Rational 3 Sonstiger Stil 4 nicht erkennbar 51 % 26 % 9 % 14 % 43 % 31 % 12 % 14 % 41 % 57 % 66 % 12 % 20 % 2 % 2 % 0 % (eher) links mittig (eher) rechts alle 28 Political Influencer zwischen Journalismus und Algorithmus Abbildung 19: Emotionsarten nach politischer Ausrichtung in allen Beiträgen (n=1.000 Beiträge). Humor Wut/Ärger Angst/Unsicherheit Hoffnung Trauer/Niedergeschlagenheit Dankbarkeit Sonstige Emotionen 30 % 28 % 29 % 29 % 29 % 30 % 33 % 17 17 % 14 % 17 % 7 % 10 % 4 % 7 % 6 % 9 % 4 % 9 % 8 % 12 %2 %2 %2 %3 % 0 %2 %3 % nutzen hier mit 53 Prozent leicht häufiger einen emotionalen Stil als Influencerinnen (47 Pro- zent). Kanäle mit geringeren Followerzahlen, also Mikro-Political Influencer, nutzen häufiger einen emotionalen Argumentationsstil (55 Prozent der Beiträge) als Makro- (45 Prozent) oder Mega-Political Influencer (48 Prozent). In Anbetracht der mit steigender Reichweite einhergehenden Professionalisierung der Political Influencer sprechen diese Unterschiede allerdings gegen eine Entwicklung hin zu journalistischen Standards, sondern untermauern vielmehr das Einhalten der von Algorithmen getriebenen Logiken der Social Media-Plattfor- men. Ein genauerer Blick auf die Art der eingesetzten Emotionen zeigt, dass humorvolle Elemen- te die Beiträge der Political Influencer prägen, denn in 30 Prozent der Beiträge ist Humor das dominierende Stilmittel (siehe Abbildung 19). Knapp dahinter folgt die Emotion Wut bzw. Ärger (29 Prozent), was auf ein hohes Maß an Empörung hindeutet. Auch Angst und Unsicherheit (17 Prozent) spielen eine relevante Rolle. Gefühle wie Hoffnung (7 Prozent), Trauer (7 Prozent) oder Dankbarkeit (3 Prozent) sind dagegen deutlich seltener anzutref- fen. Als sonstige Emotionen wurden unter anderem Freude/Glück (2 Prozent), Stolz/Stärke (2 Prozent) sowie Liebe/Zugehörigkeit (2 Prozent) dokumentiert. 6.4 FEINDBILDKONSTRUKTIONEN Ein nicht unerheblicher Teil der politischen Kommunikation auf Instagram und TikTok arbeitet mit dem rhetorischen Mittel der Feindbildkonstruktion. Gemeint sind dabei nicht nur explizite Angriffe, sondern auch subtile Abwertungen, sarkastische Kommentare oder emotional aufgeladene Zuschreibungen gegenüber bestimmten Gruppen, Institutionen oder politischen Richtungen. Dabei reicht das Spektrum von personalisierten bis hin zu (eher) linke mittig (eher) rechtealle 29 Political Influencer zwischen Journalismus und Algorithmus pauschalen Abwertungen gesellschaftlicher Gruppen oder politischer Institutionen. Feind- bilder funktionieren nach dem Prinzip klarer Gegensätze und arbeiten mit stark verein- fachenden, oft stereotypen Zuschreibungen. Feindbilder dienen in der politischen Kommu- nikation nicht nur zur Abwertung des Anderen, sondern auch der Aufwertung des Selbst. Sie sind häufig moralisch aufgeladen und vermitteln das Bild einer überlegenen, reinen, verteidigungswürdigen eigenen Position. Im Rahmen der Analyse wurde codiert, ob und wie Feindbilder in einem Beitrag konstruiert werden. Es lassen sich verschiedene Formen der Vermittlung von Feindbildern unterscheiden. Außerdem wurde codiert, wer Adressat der Feindbildkonstruktionen ist. Im Rahmen der Codierung wurde zwischen auditiv bzw. textlich und visuell konstruierten Feindbildern unterschieden. Zunächst werden hier die auditiven bzw. textlichen Feindbilder thematisiert und anschließend die visuelle Ebene beleuchtet. Textliche und auditive Konstruktion von Feindbildern Insgesamt wurde in rund einem Drittel der analysierten Beiträge ein Feindbild identifiziert – sei es klar erkennbar oder eher angedeutet (siehe Abbildung 20). In 13 Prozent der Bei- träge wurde ein explizites Feindbild codiert, in 15 Prozent der Fälle waren entsprechende Elemente zumindest implizit vorhanden. Die überwiegende Mehrheit der Inhalte (65 Prozent) enthielt hingegen keine Hinweise auf Feindbildkommunikation, 8 Prozent lieferten eher keine Hinweise für Feindbildkonstruktionen. Abbildung 20: Feindbildkonstruktionen (textlich und auditiv) nach politischer Ausrichtung in allen Beiträgen (n = 1000). Ausprägung der Feindbildkonstruktion Nicht vorhanden Nicht vorhanden Eher vorhanden Vorhanden 65 % 8 % 15 % 13 % 72 % 8 % 13 % 8 % 88 % 7 % 44 % 8 % 23 % 25 % 5 % 0 % (eher) linke mittig (eher) rechte alle 30 Political Influencer zwischen Journalismus und Algorithmus Der Blick auf die unterschiedlichen Subgruppen zeigt, dass (eher) rechte Political Influen- cer deutlich häufiger Feindbilder konstruieren als (eher) linke Political Influencer. Bei (eher) rechten Political Influencer beinhalten fast die Hälfte der Beiträge (48 Prozent) mindestens tendenziell Feindbildkonstruktionen. (Eher) linke Political Influencer nutzen Feindbilder in 21 Prozent ihrer Beiträge. Kaum Unterschiede lassen sich nach Geschlechtern ausmachen. Sowohl bei männlich als auch bei weiblich gelesen Political Influencer lässt sich ein Anteil von 28 Prozent der Beiträge ausmachen, der Feindbilder enthält. Bei der Reichweite der Political Influencer zeigt sich, dass Mikro-Political Influencer mit kleiner Reichweite am häufigsten Feindbilder konstruieren (30 Prozent), gefolgt von Makro-Political Influencer (25 Prozent) und Mega- Political Influencer (17 Prozent). Die Unterschiede nach Performance-Werten der Beiträge fallen geringfügig aus. Adressaten von Feindbildkonstruktionen Bei den Adressaten der Feindbildkonstruktionen wird allerdings auch deutlich, dass mit 21 Prozent7 auch häufig konservativere und rechtere Gruppen oder Einzelpersonen als Feindbilder dargestellt werden (siehe Abbildung 21) – was in diesem Falle insbesondere auf die größere Anzahl an (eher) linken Political Influencer zurückzuführen ist. Dass zu 19 Prozent Linke oder Progressive und zu 13 Prozent migrantische Personen Opfer von Feind- bildkonstruktionen werden, zeigt hingegen abermals die starke negative Emotionalisierung in den Beiträgen der rechten Political Influencer, die fast ausschließlich für diese Anteile der Beiträge verantwortlich sind. Beispielhaft hierfür steht die Political Influencerin „eingollan“, die in einem Video anzweifelt, ob Menschen mit Migrationsgeschichte, die einen deutschen Pass haben, tatsächlich „deutsch“ seien (siehe Abbildung 22). Umgekehrt sind es vor allem eher linke Political Influencer, die rechte Feindbilder konstruieren. Darüber hinaus verteilen 7 Die 21 Prozent beziehen sich hier und im Folgenden nicht auf alle Beiträge, sondern sind der Anteil aller vermittelten Feindbilder. Da je Beitrag mehrere Feindbilder (bis zu drei) Feindbilder codiert werden konnten, ist eine beitragsbezogene Angabe hier weniger aussagekräftig. Der Blick auf die unterschiedlichen Subgruppen zeigt, dass (eher) rechte Political Influencer deutlich häufiger Feindbilder konstruieren als (eher) linke Political Influencer. 31 Political Influencer zwischen Journalismus und Algorithmus sich die Feindbildkonstruktionen recht breit über unterschiedliche gesellschaftliche Grup- pen. Lediglich Politik als solches sowie die Bundesregierung stechen mit 7 bzw. 5 Prozent noch etwas heraus. Abbildung 21: Häufigste Adressaten von textlich und auditiv kommunizierten Feindbildkonstruktionen. Mehrfachnennungen je Beitrag möglich (n = 334 Nennungen bei n = 280 Beiträgen mit Feindbildkonstruktionen). 21 % 19 % 13 % 7 % 5 % 4 % Konservative/ Rechte Migrantische Personen Politik insgesamt Bundesregierung Ausländische Regierung 4 % SuperreicheLinke/ Progressive Adressaten von Feindbildkonstruktionen Abbildung 22: Beispiel für Feindbildkonstruktion von Menschen mit Migrationsgeschichte durch die rechte Political Influencer Michelle Gollan (eingollan). Insgesamt zeigt sich, dass vor allem mit politischen Akteuren und Institutionen Feind- bilder konstruiert werden. Der Anteil macht hier mehr als 2/3 aller Feindbilder aus (siehe Abbildung 23). Gesellschaftliche Feindbilder folgen mit 19 Prozent, mediale Feindbilder mit 7 Prozent und wirtschaftsbezogene Feindbilder mit 6 Prozent. Wissenschaftsbezogene Feindbilder konnten im Rahmen der Untersuchung nicht codiert werden. 32 Political Influencer zwischen Journalismus und Algorithmus Abbildung 23: Adressaten von textlich und auditiv kommunizierten Feindbildkonstruktionen (gruppiert). Mehrfachnennung je Beitrag möglich (n = 334 Nennungen bei n = 280 Beiträgen mit Feindbildkonstruktionen). 48 % 20 % 19 % 6 % 7 % Politische Feindbilder Gesellschaftliche Feindbilder Wirtschaftliche/ wirtschaftsbezogene Feindbilder Mediale FeindbilderPolitik insgesamt Adressaten von Feindbildkonstruktionen Die Betrachtung der Adressaten von Feindbildern abhängig von der politischen Ausrichtung der Political Influencer zeigt, dass (eher) linke Political Influencer vorwiegend politische Ak- teure und Institutionen sowie wirtschaftsbezogene Akteure als Feindbilder konstruieren (sie- he Abbildung 24). Bei (eher) rechten Political Influencer werden neben politischen Akteuren und Institutionen auch gesellschaftliche und mediale Akteure verstärkt als Feindbilder ad- ressiert. Auffällig ist also nicht nur der insgesamt höhere Anteil kodierter Feindbildkonstruk- tionen bei den (eher) rechten Political Influencer, sondern auch, dass sich diese Feindbilder auf mehrere gesellschaftliche Bereiche verteilen. Die von den mittigen Political Influencer dokumentierten Feindbilder adressieren insbesondere politische Akteure und Institutionen. 33 Political Influencer zwischen Journalismus und Algorithmus Abbildung 24: Adressaten von textlich und auditiv kommunizierten Feindbildkonstruktionen (gruppiert) nach politischer Ausrichtung. Mehrfachnennung je Beitrag möglich (n = 334 Nennungen bei n = 280 Beiträgen mit Feindbildkonstruktionen). Adressaten von Feindbildkonstruktion Politisches Feindbild Politik insgesamt Gesellschaftliche Feindbilder Wirtschaftliche/ wirtschaftsbezogene Feindbilder Mediale Feindbilder 48 % 20 % 19 % 6 % 7 % 64 % 14 % 6 % 12 % 4 % 67 % 33 % 39 % 22 % 28 % 8 %0 % 0 % 0 %2 % Art der Vermittlung von Feindbildern Am häufigsten erfolgt die Feindbildkonstruktion über kollektive Abwertungen und Generali- sierungen (23 Prozent), darauf folgt eine Wir-gegen-Sie Argumentation (20 Prozent). Auch Dämonisierungen oder sündenbockartige Schuldzuschreibungen kommen mit 14 bzw. 10 Prozent häufiger vor. Sonstige Arten der Vermittlung machen mit 19 Prozent ebenfalls einen größeren Anteil aus und bestehen insbesondere aus unspezifischen Anfeindungen oder Beleidigungen (siehe Abbildung 25). (eher) linke mittig (eher) rechte alle 34 Political Influencer zwischen Journalismus und Algorithmus 8 % 10 % 25 % 20 % 19 % 14 % Dämonisierung Kollektive Abwertung / Generalisierung Sündenbock / Schuldzuschreibung Wir-gegen-sie Verschwörungsnarrative Sonstige Art der Vermittlung Abbildung 25: Art der Vermittlung von textlich und auditiv kommunizierten Feindbildern. Mehrfachnennung je Beitrag möglich (n = 334 Nennungen bei n = 280 Beiträgen mit Feindbildkonstruktionen). 6.5 DESINFORMATION Die gezielte Verbreitung von Falschinformationen gilt als eine der zentralen Herausforde- rungen politischer Kommunikation auf sozialen Plattformen. Während Irrtümer oder unge- naue Darstellungen Teil jeder öffentlichen Debatte sein können, ist Desinformation qualitativ anders einzuordnen, denn sie verfolgt ein strategisches Ziel. Desinformation meint hier Inhalte, die bewusst falsch oder irreführend gestaltet wurden. Sie ist anders als Misinfor- mation zu verstehen, hinter der keine Absicht steckt.8 Im Rahmen der Analyse wurde des- halb differenziert codiert, inwiefern ein Beitrag desinformierende Elemente enthält – und wie deutlich diese ausgeprägt sind. Eindeutig nicht desinformierende Beiträge wurden als faktenbasiert und transparent eingeordnet. Beiträge mit „eher nicht vorhandener Desinfor- mation“ können zwar Andeutungen oder lose Spekulationen enthalten, die jedoch nicht als gezielte Täuschung zu werten sind. In die Kategorie „eher vorhanden“ fielen solche Inhalte, bei denen etwa relevante Kontextinformationen weggelassen wurden oder der Wahrheits- gehalt schwer zu prüfen ist – aber eine manipulative Intention vermutet werden kann. Als klar desinformierend wurden schließlich Beiträge bewertet, die nachweislich falsche Aussagen enthalten – und bei denen die Täuschungsabsicht deutlich zu erkennen ist. 8 Hier sei gesagt, dass die Absicht hinter einer Falschinformation nicht immer zweifelsfrei zu beurteilen ist, da die Codierenden lediglich das Gesehene beurteilen können. Die Grenzen zwischen Mis- und Desinformation sind daher fließend und stark kontextabhängig. 35 Political Influencer zwischen Journalismus und Algorithmus Verbreitung von Desinformation Der überwiegende Teil der analysierten Beiträge enthält keine Hinweise auf Desinformation im engeren Sinn. 87 Prozent der Beiträge wurden als unproblematisch eingestuft – sie enthalten weder irreführende noch bewusst manipulative Aussagen (Abbildung 26). Knapp jeder achte Beitrag enthielt eher oder eindeutig desinformierende Inhalte. Abbildung 26: Desinformation nach politischer Ausrichtung der PIs in allen Beiträgen (n = 1000). Ausprägung der Desinformation Nicht vorhanden Nicht vorhanden Eher vorhanden Vorhanden 87 % 6 % 6 % 98 % 97 % 64 % 16 % 16 % 0 %1 %2 % 1 % 3 % 4 % 0 %0 % (eher) linke mittig (eher) rechte alle 36 Political Influencer zwischen Journalismus und Algorithmus Auffällig ist die Verteilung nach politischer Ausrichtung. Beiträge aus dem (eher) rechten Spektrum enthalten mit Abstand am häufigsten Desinformation. 64 Prozent dieser Inhalte wurden als unbedenklich eingestuft – fast jeder dritte Beitrag enthielt eher oder eindeutig desinformierende Inhalte. Zum Vergleich: In Beiträgen aus dem (eher) linken Spektrum liegt lediglich der Anteil von „eher vorhandener“ Desinformation bei 1 Prozent. Auch die politische Mitte fällt kaum auf: nahezu alle codierten Inhalte sind frei von klaren Falschinformationen. Geschlechterunterschiede sowie solche nach Performancewerten der Beiträge sind nur begrenzt auszumachen. Die Reichweite der Kanäle spielt insofern eine Rolle, als kleinere Kanäle etwas häufiger (14 Prozent der Beiträge) als Makro- (9 Prozent) oder Mega-Influen- cerinnen und Influencer (2 Prozent) Desinformation verbreiten. Die Daten lassen die Vermu- tung zu, dass kleinere Accounts – möglicherweise auch aus aufmerksamkeitsökonomischen und strategischen Gründen – etwas häufiger zu problematischer Kommunikation greifen. Art der Desinformation Ein Blick auf jene Beiträge, in denen Desinformation „eher vorhanden“ oder „klar vorhanden“ ist, zeigt, dass es sich bei Desinformation nicht ausschließlich um frei erfundene Inhalte oder klassische Fakes handelt. Viel häufiger nutzen die Beiträge strategisch verzerrte oder irreführende Darstellungen, die auf den ersten Blick plausibel wirken. Mit Abstand am häufigsten wurde die Kategorie „irreführende Information“ codiert (siehe Abbildung 30). Sie macht 74 Prozent aller (eher und klar) desinformierenden Beiträge aus. Hierzu zählen Aussagen, die zwar einzelne Fakten enthalten, aber wichtige Kontexte aus- lassen, Zusammenhänge verzerren oder suggestiv formuliert sind, sodass beim Publikum ein falscher Eindruck entsteht. Beispielhaft stehen hier Beiträge von heimatecho (siehe Abbildung 27) oder Boris Reitschuster (siehe Abbildung 28), der in einem Beitrag einen Zusammenhang zwischen politischen Überzeugungen und biologischen Faktoren herstellt oder aber eine Wahlmanipulation andeutet. Beiträge aus dem (eher) rechten Spektrum enthalten mit Abstand am häufigsten Desinformation. 37 Political Influencer zwischen Journalismus und Algorithmus Abbildung 28: Beispiele für Desinformation des politischen Influencers Boris Reitschuster (reitschuster). Abbildung 27: Beispiele für Desinformation des politischen Influencers heimatecho. In 15 Prozent der Fälle handelt es sich um erfundenen Content. Hier werden schlicht Tatsa- chen behauptet, die nachweislich falsch sind – etwa nichtexistierende Ereignisse, erfundene Zitate oder fiktive Behauptungen. Beispiele für erfundenen Content stammen unter anderem aus Videos von Anabel Schunke, die in einem Video andeutet, dass es unsicher sei, ob der rechtsterroristische Anschlag in Hanau 2020 einen extremistischen Hintergrund habe oder angibt, dass linke Aktivisten und Aktivistinnen für Demonstrationen bezahlt werden. 38 Political Influencer zwischen Journalismus und Algorithmus Abbildung 29: Beispiele für Desinformation der politischen Influencerin Anabel Schunke (ainyschu). Die übrigen Formen sind deutlich seltener und machen weniger als 10 Prozent der desinformierenden Inhalte aus. Gefälschter oder manipulierter Content wurde dabei in der Stichprobe gar nicht beobachtet. 8 % 15 % 74 % Erfundener Content Irreführende Informationen oder Verzerrung Falscher Kontext Sonstige Art von Desinformation Abbildung 30: Art der Desinformation. Mehrfachnennung je Beitrag möglich (n = 118 Nennungen bei n = 114 Beiträgen mit Desinformation). Zur Beurteilung, ob antidemokratische Werte in den analysierten Beiträgen vertreten sind, soll ein Überblick über die Verwendung von Emotionalisierung, Feindbildkonstruktion und Desinformation dienen (siehe Abbildung 31). Allgemein zeigt sich, dass Emotionalisierung ein weit verbreitetes Stilmittel unter Political Influencer ist, das über alle politischen Aus- richtungen hinweg häufig verwendet wird. Besonders besorgniserregend ist der hohe Anteil an Beiträgen mit Feindbildkonstruktionen oder desinformierenden Inhalten unter den (eher) rechten Political Influencer. 39 Political Influencer zwischen Journalismus und Algorithmus Die Nutzung von Emotionalisierung, Feindbildkonstruktion und Desinformation kann dabei als Anzeichen einer antidemokratischen Entwicklung gewertet werden, da die- se Strategien zentrale Prinzipien einer demokratischen Diskussions- und Streitkultur unterlaufen. Emotionalisierung zielt darauf ab, rationale Auseinandersetzungen zu ver- drängen und stattdessen affektive Reaktionen zu erzeugen, die eine differenzierte Mei- nungsbildung erschweren. Feindbildkonstruktionen fördern eine Polarisierung und Spaltung der Gesellschaft, indem sie komplexe gesellschaftliche Zusammenhänge auf vermeintlich schuldige Gruppen reduzieren und damit die Grundlage für einen kons- truktiven gesellschaftlichen Dialog untergraben. Die Verbreitung von Desinformation stellt die informierte Meinungsbildung als Fundament demokratischer Willensbildungs- prozesse infrage und kann das Vertrauen in demokratische Institutionen schwächen. Zusammengenommen sind diese Merkmale Indikatoren für Kommunikationsmuster, die demokratische Werte wie Pluralismus, Toleranz und faktenbasierte Auseinander- setzungen gezielt unterlaufen und antidemokratische Entwicklungen begünstigen. Abbildung 31: Emotionalisierung, Feindbildkonstruktion und Desinformation nach politischer Ausrichtung der PIs (n=1000). Die Prozentwerte zur emotionalen Argumentationsweise basieren auf der Codierung und der Auswahl folgender vier Ausprägungen: emotionaler Argumentationsstil, rationaler Argumentationsstil, sonstiger Stil oder nicht erkennbar. Die Feindbildkonstruktionen sowie die Desinformation wurde auf einer vierstufigen Skala (nicht vorhanden-eher nicht vorhanden-eher vorhanden-vorhanden) codiert. In der Abbildung sind die Werte für eher vorhanden und vorhanden summiert dargestellt. Emotionalisierung Feindbildkonstruktion Desinformation 51 % 28 % 11 % 43 % 20 % 41 % 5 % 66 % 48 % 32 % 0 %1 % (eher) linke mittig (eher) rechte alle 40 Political Influencer zwischen Journalismus und Algorithmus 7. FAZIT Die vorliegende Analyse bietet einen umfassenden Einblick in die Schwerpunktsetzungen und Kommunikationsweisen von Political Influencer auf Instagram und TikTok im Vorfeld der Bundestagswahl 2025. Insgesamt wurden 1.000 Beiträge im Zeitraum zwischen Januar und März 2025 untersucht. Ziel war es, zu verstehen, welche politischen Inhalte über diese Kanäle verbreitet werden, mit welchen kommunikativen Strategien gearbeitet wird und welche potenziellen Wirkungsmuster dabei zum Tragen kommen. Zentral ist, dass Political Influencer politische Inhalte stark anhand von Konfliktlinien kom- munizieren und damit häufig emotionsgeladene Inhalte vermitteln. Der Fokus liegt inhalt- lich stark auf parteipolitischem Wettbewerb, Personen und Wahlkampfinhalten. Klassische Politikfelder geraten auf Social Media in Wahlkampfzeiten stark in den Hintergrund. Auffällig ist bei den analysierten Political Influencer eine klare ideologische Trennlinie: Während linke Political Influencer stärker gesellschaftspolitische Themen wie Feminismus und Anti- faschismus besetzen, mobilisieren rechte Political Influencer über Migration, Kriminalität und antistaatliche Narrative – oft in offener Konfrontation mit demokratischen Institutionen, z. B. indem Wahlvorgänge systematisch hinterfragt werden. Political Influencer unterscheiden sich damit in der Themenwahl nicht grundsätzlich von anderen Mediengattungen. Sie greifen überwiegend jene Debatten und Konfliktlinien auf, die ohnehin schon stark im medialen Diskurs präsent sind. Sie spiegeln damit die gesamt- gesellschaftliche Agenda wider. Der Unterschied zu anderen Medienformen zeigt sich in der Art und Weise der Vermittlung. Political Influencer setzen stark auf Emotionalisierung, Zuspitzung und persönliche Haltung, wodurch politische Inhalte häufig subjektiv gefärbt vermittelt werden. Diese Kommunikationsweise folgt weniger dem Anspruch journalistischer Aufklärung oder einer ausgewogenen Darstellung politischer Positionen, sondern orientiert sich in erster Linie an der Logik der Plattformen. Sichtbarkeit entsteht dort, wo Inhalte Emo- tionen auslösen. Ihr Erfolg misst sich nicht an der Einhaltung journalistischer Standards, sondern an Reichweite, Likes und Kommentaren – auch hier bleibt festzuhalten, das andere Mediengattungen vergleichbaren Logiken unterworfen sind und teilweise ähnliche Kommu- nikationsstrategien anwenden. Klassische Politikfelder geraten auf Social Media in Wahlkampfzeiten stark in den Hintergrund. 41 Political Influencer zwischen Journalismus und Algorithmus Besorgniserregender sind die Ergebnisse zu Desinformation und Feindbildkonstruktionen: Knapp jeder dritte Beitrag von (eher) rechten Political Influencer enthält desinformierende Aussagen oder problematische Vereinfachungen, die in den Plattformlogiken kaum korrek- tiv eingehegt werden. Gleichzeitig werden demokratische Institutionen wie der Bundestag, öffentlich-rechtliche Medien oder etablierte Parteien von vielen Political Influencer nicht als legitime Akteure betrachtet. Das untergräbt Vertrauen in demokratische Prozesse und be- fördert ein zunehmend polarisierendes Meinungsklima. In der Vergangenheit wurden in der öffentlichen Debatte im Kontext von Medienaufsichten und Influencerinnen und Influencern häufig Themen wie Werbekennzeichnungspflichten de- battiert. Ohne die Wichtigkeit dieser Aspekte zu leugnen ist die Kontrolle darüber, inwiefern demokratiegefährdende Inhalte durch reichweitenstarke Political Influencer geteilt werden, von mindestens ebenso großer Wichtigkeit. Vor diesem Hintergrund ist es sehr wichtig, Muster von Desinformation und antidemokrati- schen Tendenzen von Political Influencer überhaupt systematisch erkennen zu können. Die Plattformen selbst reagieren nur träge auf Inhalte, die Moderation greift hier zu kurz. Der Digital Service Act schafft zwar einen juristischen Rahmen, greift aber in der Umsetzung zu kurz: Plattformen müssen erst bei Kenntnis von rechtswidrigen Inhalten tätig werden, wodurch antidemokratische Inhalte lange online einsehbar bleiben. Medienaufsichten wie die Landesmedienanstalt für Medien NRW könnten ihre Stimme dafür nutzen, noch strengere gesetzgeberische Rahmenbedingungen zu verlangen, oder zumindest die strikte Umsetzung bestehender Richtlinien einfordern. Auch die journalistischen Sorgfaltspflichten (§19 MStV) – zur Überprüfung von redaktio- nellen Inhalten nach journalistischen Grundsätzen gedacht – lassen bisher eine Lücke für Political Influencing: Viele Political Influencer veröffentlichen Inhalte, die als Meinungs- äußerung oder Unterhaltung gelten und somit nicht immer unter §19 MStV fallen. Zudem gehören viele Political Influencer keiner Selbstkontrollaufsicht an, wodurch eine Kontrolle durch die Medienaufsicht erst nach einem konkreten Verdacht möglich wird. Solange hier gesetzgeberisch keine verbindlichen, proaktiven Handlungsaufträge für Plattformen und Political Influencer geschaffen werden, haben Medienaufsichten es ungleich schwerer ihrem Auftrag, Nutzerinnen und Nutzer und insbesondere Kinder und Jugendliche vor demokratie- Besorgniserregender sind die Ergebnisse zu Desinformation und Feindbildkonstruktionen. 42 Political Influencer zwischen Journalismus und Algorithmus gefährdenden Inhalten zu schützen. Desinformation von Political Influencer zu erkennen und öffentlichkeitswirksam als solche zu benennen, wird daher umso relevanter. Eine öffentlich- keitswirksame Einordnung in die Funktionsweise von Political Influencer kann hier genau so wichtig sein, wie regulatorische Kontrolle – insbesondere dann, wenn Political Influencer im rechtlichen Graubereich agieren und womöglich keine klaren Rechtsverstöße erkennbar sind. Medienaufsichten können ihr Wissen gezielt nutzen, um Orientierung zu bieten und Aufklärung zu fördern – etwa durch die Unterstützung oder Sichtbarmachung faktenbasier- ter Gegenpositionen zu Desinformation. Dies muss nicht nur in eigener Verantwortung ge- schehen: Kooperationen mit zivilgesellschaftlichen Initiativen oder Fact-Checking-Organisa- tionen können die Reichweite und Glaubwürdigkeit solcher Interventionen deutlich stärken. Medienaufsichten müssen anerkennen, dass politische Meinungsbildung zunehmend über informelle, nicht-journalistische Kanäle wie die von Political Influencern stattfindet. Um ihrer Schutzfunktion gerecht zu werden, sollten sie daher nicht nur regulieren, sondern auch aktiv auf Akteure zugehen. Viele Political Influencer agieren in einem medialen Umfeld, in dem journalistische Standards und professionelle Kriterien politischer Kommunikation bislang kaum vermittelt wurden. Hier können Medienaufsichten eine beratende und unterstützende Rolle einnehmen – etwa durch niedrigschwellige, auf Augenhöhe gestaltete Angebote zur Orientierung, wie politische Kommunikation auf Plattformen verantwortungsvoll gestaltet werden kann. Für demokratiefeindliche Political Influencer wird ein solches Angebot kaum Relevanz haben. Umso zentraler ist es, mit denen ins Gespräch zu kommen, die sich verbes- sern wollen – aber nicht wissen wie. Mit Blick auf politische Bildungsarbeit müssen sich Formate an Logiken und Ästhetiken erfolgreicher Political Influencer anpassen, ohne dabei unseriös zu wirken. Die Beiträge zeigen, dass es dazu einen gewissen Emotionalitätsgrad, aber auch eine klare Haltung benötigt. Dies mit dem inhaltlichen Antrieb, demokratische Werte zu verteidigen und sicht- bar zu machen, stellt eine große Herausforderung für alle Akteure dar, die sich mit medien- politischen Entwicklungen beschäftigen. Hier können Medienanstalten eine unterstützende Rolle einnehmen, indem sie Workshops und Schulungen für Political Influencer anbieten, um Desinformation und Feindbildkonstruktionen auf Social Media besser erkennen und Medienaufsichten müssen anerkennen, dass politische Meinungsbildung zunehmend über informelle, nicht-journalistische Kanäle wie die von Political Influencern stattfindet. 43 Political Influencer zwischen Journalismus und Algorithmus vermeiden zu können. Zudem können sie Political Influencer dabei unterstützen, journalis- tisch verantwortungsbewusste Inhalte zu veröffentlichen und Zugang zu Faktenprüfungs- Tools und aktueller Forschung ermöglichen. Auf diese Weise wird die Kompetenz von Politi- cal Influencer gestärkt, ihre Reichweite für eine demokratische Diskussionskultur zu nutzen, ohne an Authentizität zu verlieren. Für Medienorganisationen werden Political Influencer zunehmend als Konkurrenz wahr- genommen – Sie können ihre Beiträge in der Regel unkompliziert so produzieren, dass diese einen professionellen Anstrich haben. Auch eine starke Personalisierung und die damit angestrebte parasoziale Beziehung lassen sich auf eigenen, persönlichen Kanälen stringenter durchzusetzen als auf Accounts ganzer Medienorganisationen. Damit Political Influencer nicht die einzige Informationsquelle jüngerer Menschen wird (oder bleibt), müssen auch etablierte Medien diese Konkurrenzsituation anerkennen. 44 Political Influencer zwischen Journalismus und Algorithmus Herausgeberin: Landesanstalt für Medien NRW Zollhof 2 40221 Düsseldorf T +49 211 77007-0 F +49 211 727170 info@medienanstalt-nrw.de www.medienanstalt-nrw.de Direktor: Dr. Tobias Schmid Verantwortlich: Sabrina Nennstiel (Leiterin Kommunikation) Dr. Meike Isenberg (Leiterin Forschung) Durchführende Institution: pollytix strategic research gmbh Dolziger Straße 7 10247 Berlin Dr. Lennart Hagemeyer Magnus Wagner Nadja Dobler Diese Publikation wird unter der Creative-Commons-Lizenz veröffentlicht (CC BY-SA 4.0). creativecommons.org/licenses/by-sa/4.0/legalcode.de IMPRESSUM
Die Medienkommission
bei einer Behörde für Herrn Tim Quandt bei der Landesanstalt für Medien NRW (LFM NRW). BESCHLÜSSE DER 39. SITZUNG DER MEDIENKOMMISSION Die 39. Sitzung der 7. Amtsperiode der Medienkommission der Landesanstalt für Medien NRW hat am 10. Oktober 2025
Berichte
2/13 VERMÖGENS-, FINANZ- UND ERTRAGSVERHÄLTNISSE Jahresabschluss im Überblick Der LFM NRW stand im Jahr 2024 ein Gesamtertrag von rd. 20.494 T€ zur Verfügung. Dieser Gesamtertrag setzte sich aus dem Beitragsanteil gem. § 116 Abs. 1 LMG NRW i. H. v. [...] lust bzw. Einnahmeüberschuss, Fehlbetrag) werden das Vermögen und die Schulden der LFM NRW jeweils zum Stichtag 31.12. eines Jahres in der Vermögensrechnung (§ 39 FinO LfM) dargestellt (han- delsrechtlich: Bilanz). Eine detaillierte Darstellung der [...] der Landesanstalt für Medien NRW Die Organe der LFM NRW sind die Medienkommission und der Direktor. finanzrechnung
Political Influencer zwischen Journalismus und Algorithmus
Political Influencer zwischen Journalismus und Algorithmus HINTERGRUND Plattformen wie TikTok und Instagram sind besonders für junge Menschen entschei- dend bei der politischen Meinungsbildung. Political Influencer nutzen digitale Räume erfolgreich, um politische Inhalte mit hoher Emotionalität und niedrigen Zugangs- schwellen zu verbreiten. Die Inhalte der Political Influencer erreichen Millionen junger Menschen und können Debatten und Wahlentscheidungen beeinflussen. Die Debatte um politische Influencer kochte zuletzt im Vorfeld der Europawahl 2024 hoch, wo politische Influencer-Kommunikation als Grund für das Erstarken insbeson- dere von Parteien beider politischer Ränder genannt wurde. Trotz der wachsenden Bedeutung ist wenig über die genauen Inhalte, Strategien und Wirkungen der Politi- cal Influencer bekannt. Ziel der Studie: Die Studie untersucht systematisch und datenbasiert die politischen Inhalte und Kommunikationsstrategien von Political Influencern auf Instagram und TikTok. STUDIENRAHMEN Es wurden 1.000 Beiträge von 98 Political Influencern (TikTok & Instagram) im Zeit- raum vor und nach der Bundestagswahl 2025 (Januar und März 2025) untersucht. Political Influencer wurden definiert als Akteure, die regelmäßig politische Beiträge veröffentlichen und eine relevante Reichweite haben. Offizielle Accounts von Partei- en und Politikerinnen und Politikern, sowie Journalistinnen und Journalisten oder für Medienhäuser tätige Influencer wurden vom Sample ausgeschlossen. Political Influencer stammen mehrheitlich aus dem (eher) linken Spektrum (61 %), 29 Prozent waren (eher) rechts, nur 5 Prozent mittig. Die Einordnung der politischen Orientie- rung der Accounts wurde über eine Analyse der Positionen zu den besprochenen Themen vorgenommen. EMOTIONALISIERT, ZUGESPITZT, MEINUNGSSTARK: POLITICAL INFLUENCER ZWISCHEN JOURNALISMUS UND ALGORITHMUS Analyse politischer Influencer-Kommunikation auf Instagram und TikTok – Ergebniszusammenfassung Oktober 2025 2 Political Influencer zwischen Journalismus und Algorithmus Landesanstalt für Medien NRW KERNAUSSAGEN UND BEFUNDE KOMMUNIKATIONSSTRATEGIEN Besonders interessant: Auch mit größerer Followerzahl ist keine „Professionalisie- rung“ der Ansprache von Political Influencern zu erkennen. Emotionale, meinungs- starke Ansprache ist ein Markenzeichen von Political Influencer-Kommunikation. Political Influencer sollten damit als eine eigenständige Ergänzung zu professionell- journalistischen Medieninhalten betrachtet werden. Durch die bewusste Vermi- schung von Meinung und Information besteht für Nutzende eine besondere Schwie- rigkeit, festzustellen, ob es sich um einen Meinungsbeitrag oder Informationsange- bot handelt. · Emotion schlägt Rationalität (51 %) – darunter Humor (30 %) und Wut (29 %) als prägendste Stilmittel. · Meinung und Information sind oft nicht trennscharf (59 % der Beiträge vermischen Information und Meinung). · Es gibt kaum Interaktion zwischen Political Influencern und Followern. THEMEN UND PARTEIEN Besonders interessant: Political Influencer-Kommunikation spiegelt Ereignisse aus der Medienagenda wider, nur die Art und Weise wie berichtet wird, unterscheidet sich zugunsten emotionaler, wertender Beiträge. Political Influencer sind damit in beiden Welten zuhause: sie folgen sowohl der Plattform- als auch der Medienlogik. · Wahlkampf dominiert mit mehr als ein Drittel die Themenauswahl. · Polarisierende Themen wie Migration und Kriminalität werden gezielt konflikt geladen inszeniert, um Aufmerksamkeit und emotionale Reaktionen zu erzeuge · Finanzen, Soziales oder Klima bleiben unterhalb der Wahrnehmungsschwelle. · AfD und CDU sind mit mehr als der Hälfte aller Nennungen im Fokus. · Insgesamt vermitteln die Accounts ein stark negativ behaftetes Bild von (fast) allen Parteien. · Parteibewertungen werden stark zugunsten der entsprechenden Parteien des jeweiligen politischen Randes polarisiert. 3 Political Influencer zwischen Journalismus und Algorithmus Landesanstalt für Medien NRW FEINDBILDER UND DESINFORMATION · Political Influencer-Kommunikation ist oft von Feindbildkonstruktionen (28 %) geprägt – vor allem bei (eher) rechten Political Influencern (48 %). · Elemente desinformierender Kommunikationsstrategien sind in 12 Prozent der Beiträge vorhanden – diese stammen in der Mehrheit von (eher) rechten Political Influencern, jeder dritte Beitrag enthält hier desinformierende Elemente (32 %). · Die am häufigsten verwendete desinformierende Kommunikationsstrategie liegt darin, strategisch verzerrte oder irreführende Darstellungen zu verwenden, die auf den ersten Blick plausibel wirken. PERFORMANCE UND PRODUKTION · Political Influencer nutzen vor allem professionell anmutende Formate; · gleichzeitig bleiben die Beiträge bewusst nahbar und wirken, als stammen sie mitten aus dem Leben. · Bewegtbild dominiert (86 % der Beiträge), meist selbst produziert oder mit Reactions. · Künstliche Intelligenz wird kaum sichtbar eingesetzt (2 %). DEMOKRATIEGEFÄHRDENDE TENDENZEN · Die Kombination aus Emotionalisierung, Feindbildern und Nutzung desinformie- render Elemente deutet auf antidemokratische Kommunikationsmuster hin. · Insbesondere (eher) rechte Political Influencer stellen demokratische Institutio- nen in ihren Beiträgen oft infrage. Es gibt kaum Interaktion zwischen Political Influencern und Followern. · Die Plattformen reagieren trotz gesetzlicher Pflicht (z. B. DSA) zu wenig auf die Verbreitung desinformierender und hasserfüllter Inhalte. 4 Political Influencer zwischen Journalismus und Algorithmus Landesanstalt für Medien NRW EMPFEHLUNGEN DER STUDIE · Regulierungslücken schließen: Bislang wird der Gefahrenbereich Desinformation (fast) ausschließlich über die Einhaltung der journalistischen Sorgfaltspflichten reguliert. Da Political Influencer-Kommunikation sich bewusst von journalisti- schen Standards abgrenzt, ist dieser Ansatz allein nicht mehr zielführend. Neue Regulierungsansätze, die desinformierende Inhalte auf Angeboten von Political Influencern besser erfassen, sollten entwickelt werden. · Niederschwellige Informationsangebote für Political Influencer stärken: Political Influencer, die sich hauptsächlich im Bereich von aktuellen politischen Informa- tionen verorten, die Möglichkeit bieten, sich zu gesetzlichen Rechten und Pflichten fortzubilden (z. B. journalistische Sorgfalt, Hass im Netz). · Neue Allianzen bilden: Bisher betrachtet die traditionelle Medienbranche Political Influencer als Konkurrenz. Dabei können beide Seiten stark voneinander profi- tieren. Kooperationen zwischen Political Influencern, Medienhäusern und zivil- gesellschaftlichen Initiativen wie Fact-Checking-Organisationen sollten stärker gefördert werden. · Inspiration nehmen: Politische Meinungsbildung findet bereits zunehmend über informelle, nicht-journalistische Kanäle wie die von Political Influencern statt. Angebote zur Steigerung der Medienkompetenz können diese Angebote als Orientierung wahrnehmen, um junge Zielgruppen besser zu erreichen und vor den Herausforderungen im Netz aufzuklären, ohne dabei unseriös zu wirken. · Kontinuierliches Monitoring: Medienaufsichten sollten Desinformation im Bereich Political Influencer systematisch beobachten und sichtbar machen.
Medien in NRW für Demokratie und Zusammenhalt
erfolgte die Bewerbung? Die Antragstellung erfolgte über das Förderportal der LFM NRW . Für die Beantragung ist die erfolgreiche Registrierung im Förderportal der LFM NRW erforderlich. Dem Antrag sind eine kurze Beschreibung des Projekts und der [...] Interna. Welche Unterstützung erhalten wir? Und was bedeutet „Eigenbeteiligung“? Die LFM NRW stellt für die Förderung insgesamt bis zu 425.000, - EUR zur Verfügung. Pro Projekt können 10.000, - EUR bis maximal 100.000, - EUR gefördert werden. Die Förderung
Forschung
PORNOGRAPHY & SEXTING SURVEY 2024 EXPERIENCES WITH PORNOGRAPHY EXPERIENCES OF CHILDREN AND ADOLESCENTS WITH SEXTING AND PORNOGRAPHY SEXTING-APPS of those say they have seen things in porn that they would rather not have seen. 48 % of respondents consider pornography to be unrealistic. 28 % of children and adolescents have already seen pornography online. 42 % Every fourth minor has already received a sexting message. EXPERIENCES WITH SEXTING Snapchat WhatsApp Instagram 1. 2. 3. Children and young people often encounter pornographic content online and easily become victims of sexualised violence. Moreover, they are also increasingly engaging in sexting themselves, i.e. exchanging digital messages, photos or videos with explicit sexual content. The study examines the experiences of 2,821 children and young people aged 11 to 17, with sexting and pornography and shows that a significant proportion of young people have already come into contact with such content. CHILDREN ARE ON AVERAGE WHEN THEY SEE PORNOGRAPHY FOR THE FIRST TIME. 13 YEARS OLD FIRST CONTACT WITH PORNOGRAPHY of respondents say, their first encounter with pornography was involuntary. 26 %
Forschung
reach, and the ways in which children and adolescents engage with them, the LFM NRW conducted a survey among 755 TikTok users aged 10 to 17, as well as a content analysis of 2,533 challenge videos on TikTok.
Forschung
CYBERGROOMING SURVEY 2025 AFFECTED PERSONS Affected 14 - 17 Years 35 % Affected 8 - 13 Years 16 % Affected in total 24 % MOST MENTIONED APPS Instagram 29 %24 % Snapchat 33 %21 % TikTok 17 %21 % Facebook 11 %19 % WhatsApp 17 %16 % 14 -17 Y.8 - 13 Y. FREQUENCY OF INCIDENTS Apps 87 % Games 13 % Promises / offer something in return 18 % Pretend to have the same interests 34 % Make compliments 38 % OFFENDER-STRATEGIES Interest from older people perceived as a compliment 32 % Sense of appreciation 40 % Curiosity 40 % REASONS FOR ONGOING CONTACT have not broken off contact with the offender. BEHAVIOUR OF AFFECTED PERSONS 19 % The majority of respondents would like to see cybergrooming dealt with more severely. SEEK FOR GUIDANCE School 69 % Parental Home 45 % Cybergrooming refers to adults deliberately establishing contact with minors via the internet for sexual purposes. Perpetrators attempt to gain the trust of children and teenagers on social networks, online games, or in chat rooms, in order to manipulate them for their own purposes and persuade them to engage in sexual acts. Cybergrooming is therefore a form of sexual abuse. EXPERIENCES OF CHILDREN AND ADOLESCENTS WITH CYBERGROOMING
Die Medienkommission
der Prüfung durch den Ausschuss für Haushalt und Finanzen gem. § 10 Abs. 5 FinO LfM be- schlossen. 2. LOKALER HÖRFUNK IN NORDRHEIN-WESTFALEN Potenzieller Neuzuschnitt lokaler Verbreitungsgebiete 1. Die Medienkommission beschließt die potenzielle [...] festgestellt werden kann, oder wenn die jeweiligen Lokal- funkveranstalter der LFM NRW mindestens sechs Monate vor Ende des jeweiligen Zulassungszeit- raums einen wirtschaftlich tragfähigen Alternativvorschlag für eine anderweitige Gebietszusammen- [...] 31.12.2026 zu verlängern. 8. GLEICHSTELLUNGSPLAN DER LANDESANSTALT FÜR MEDIEN NRW (LFM NRW) FÜR DIE JAHRE 2026 - 2030 Die Medienkommission stimmt dem Gleichstellungsplan der Landesanstalt für Medien NRW (LFM NRW) für den Zeitraum 2026 - 2030 gemäß § 94
Die Seiten-Url wurde in der Zwischenablage gespeichert.