Datenjournalismus für Wissenschaftsthemen

Viele spannende Geschichten stecken in Datensätzen, die niemand richtig anschaut. Klimadaten, Gesundheitsstatistiken, Forschungsbudgets – die Zahlen sind oft öffentlich verfügbar, aber schwer zugänglich.

Dieser Kurs richtet sich an Journalisten, die bereits wissenschaftliche Themen bearbeiten und jetzt tiefer in Daten einsteigen wollen. Wir arbeiten mit R und Python, aber Sie müssen kein Programmierer sein. Die Grundlagen reichen, um Datensätze zu bereinigen, zu analysieren und sinnvoll darzustellen.

Was Sie konkret lernen

Sie bekommen einen Datensatz mit Forschungsförderung der letzten zehn Jahre. Aufgabe: Finden Sie die Geschichte darin. Wer bekommt wieviel Geld? Welche Themen werden vernachlässigt? Gibt es regionale Unterschiede? Das machen wir Schritt für Schritt durch: Daten laden, Fehler finden, bereinigen, aggregieren, visualisieren.

Ein anderes Projekt dreht sich um Klimadaten. Wir nutzen öffentliche Wetterstationen und zeigen, wie sich Durchschnittstemperaturen in Ihrer Region entwickelt haben. Klingt simpel, aber die Tücken stecken im Detail: fehlende Messwerte, Stationswechsel, saisonale Anpassungen.

Tools, die wir verwenden:

R für statistische Analysen, Python mit Pandas für Datenverarbeitung, Datawrapper und Flourish für Visualisierungen, QGIS für geografische Daten

Sie lernen auch, wie Sie Unsicherheiten darstellen. Fehlerbalken, Konfidenzintervalle, Unsicherheitsbereiche – das sind keine optionalen Details, sondern gehören zu seriösem Datenjournalismus dazu.

Am Ende haben Sie ein Portfolio mit drei datengetriebenen Geschichten, die Sie vorweisen können.