Wie wir arbeiten —
und wohin wir wollen
Belege statt Bauchgefühl: Das ist unsere Methode, ab dem ersten Tag. Schritt für Schritt bauen wir daraus offene Werkzeuge — mit dem langfristigen Ziel eines unabhängigen Instituts. Geprüft und entschieden wird immer von Menschen.
Erst die Methode, dann die Werkzeuge
Wir fangen nicht mit einem fertigen System an, sondern mit einer Arbeitsweise: Jede Position wird mit Quellen begründet, bekommt einen Bearbeitungsstand und wird überprüft, wenn neue Evidenz das verlangt. Das kostet wenig und wirkt sofort — es ist im Programm bereits sichtbar.
Daraus bauen wir nach und nach offene Software, die diese Arbeit unterstützt — beginnend mit kleinen, überprüfbaren Bausteinen statt großer Versprechen. Wenn sich das bewährt, ist das langfristige Ziel ein organisatorisch unabhängiges, gemeinnütziges Institut, dessen Werkzeuge allen offenstehen — nicht nur PartAI.
Wir sind hier bewusst ehrlich über den Reifegrad: Vieles auf dieser Seite beschreibt, wohin wir wollen — nicht, was schon fertig läuft.
Der Lageradar
So ist das Werkzeug konzipiert: eine Datenpipeline, die öffentlich zugängliche Quellen auswertet, wiederkehrende Probleme sichtbar macht und Vorschläge für die parlamentarische und programmatische Arbeit aufbereitet — nachvollziehbar und reproduzierbar angelegt.
Der Lageradar ist noch nicht in Betrieb. Wir beschreiben hier den geplanten Aufbau und beginnen mit einzelnen, kleinen Bausteinen auf Basis der unten genannten öffentlichen Schnittstellen. Sobald ein Baustein läuft, weisen wir das an dieser Stelle aus — statt ein fertiges System zu behaupten.
1 · Datenquellen (alle öffentlich)
Parlament — DIP-API des Bundestags
Plenarprotokolle, Drucksachen, Kleine und Große Anfragen über die offizielle REST-Schnittstelle search.dip.bundestag.de/api/v1.
Statistik — Destatis GENESIS
Amtliche Zeitreihen über die GENESIS-REST-API (genesisWS/rest/2020), ergänzt um Eurostat und die Bundesagentur für Arbeit.
Medien — Nachrichten-Feeds & GDELT
RSS/APIs von Nachrichtenangeboten sowie das GDELT-Projekt für aggregierte Medientrends — ausschließlich auf Ebene von Themen, nicht von Personen.
Aggregiert · keine ProfileForschung — OpenAlex & Co.
Wissenschaftliche Literatur über OpenAlex, Semantic Scholar und PubMed, um zu jedem Thema den Forschungsstand abzugleichen.
Offene Metadaten2 · Verarbeitung
Embeddings (Sentence-Transformers) und Topic-Modeling (BERTopic) gruppieren Texte zu wiederkehrenden Themen. Named-Entity-Recognition erkennt Akteure und Orte.
Themen werden nach Häufigkeit, zeitlicher Dynamik und Streuung über Quellen gewichtet. Sentiment-Signale fließen nur als grober Indikator ein (siehe Grenzen).
Zu priorisierten Themen sucht ein Retrieval-Schritt passende Studien aus OpenAlex und fasst Kernaussagen mit Quellenangabe zusammen.
3 · Ausgaben (nach menschlicher Prüfung)
Wochenbericht
Auffällige Themen der Woche mit Quellenlage und Einordnung.
Problemregister
Laufend gepflegte Liste erkannter Probleme mit Evidenzstand und Belegen.
Antrags-Entwürfe
Vorschläge für Kleine Anfragen, Anträge und AK-Themen — als Entwurf, nie als Beschluss.
Vom Signal zum Antrags-Entwurf
So sähe ein einzelner Eintrag aus. Illustratives Beispiel zur Veranschaulichung der Methode — keine reale Veröffentlichung.
Häufung des Themas in regionalen Medien über vier Wochen; parallel drei thematisch passende Kleine Anfragen in der DIP-Datenbank; Destatis- und KV-Daten zeigen rückläufige Arztdichte in mehreren Landkreisen.
Das Retrieval findet Studien zu „Community Health Nursing" und delegierten ärztlichen Leistungen (z. B. das Modell der Gemeindeschwester) mit Hinweisen auf Versorgungseffekte — jeweils mit Quelle und Unsicherheitsvermerk.
Vorschlag einer Kleinen Anfrage zu Förderprogrammen und Niederlassungsanreizen plus AK-Thema „Delegation ärztlicher Leistungen". Beigefügt: Quellenliste und offene Fragen.
Das Redaktionsteam prüft Quellen und Plausibilität, korrigiert oder verwirft. Erst danach geht der Entwurf an einen Arbeitskreis. Die Entscheidung trifft nie das System.
Was das System gut kann — und was nicht
Ein Werkzeug, das seine Schwächen verschweigt, ist gefährlich. Deshalb benennen wir sie.
Belastbar
- + Breite und Vollständigkeit: maschinelles Lesen großer öffentlicher Textmengen
- + Reproduzierbarkeit: jeder Schritt ist dokumentiert und nachvollziehbar
- + Verknüpfung von Diskurs, amtlichen Daten und Forschungsstand
Begrenzt — und wie wir gegensteuern
- ! Stichproben-Verzerrung: Wer online laut ist, ist nicht die Bevölkerung. → Mediensignale gelten nur als Hinweis, nie als Meinungsbild.
- ! Sentiment ist grob: Ironie und Kontext werden oft falsch erkannt. → Sentiment fließt nur schwach gewichtet ein.
- ! Modell-Bias: Sprachmodelle haben blinde Flecken. → externe Evaluation und offengelegte Prompts/Modelle.
- ! Korrelation ≠ Kausalität: Ein Trend ist kein Beleg für Wirkung. → Evidenz wird getrennt ausgewiesen.
Was bewusst nicht automatisiert wird
Offene Forschungsfragen
Über die Werkzeugentwicklung hinaus untersuchen wir, wie politische Entscheidungsprozesse messbar besser werden.
Informationsqualität
Welche Quellenkombinationen verbessern Entscheidungsqualität messbar — und wo entstehen systematische Verzerrungen?
KI & demokratische Legitimation
Wann stärkt algorithmische Aufbereitung die Willensbildung, wann erzeugt sie unerwünschte Pfadabhängigkeiten?
Wirkungsmessung
Wie lässt sich die Wirksamkeit von Maßnahmen robust und ohne Kausalitätsfehler bewerten?
Internationaler Vergleich
Welche Evidenz-Institutionen anderer Länder (etwa das britische POST oder das CBO der USA) sind auf Deutschland übertragbar?
Open Science, überprüfbar
Bessere Werkzeuge für Demokratie sollten allen zugänglich sein. Deshalb gilt für alles, was hier entsteht, von Anfang an: Code, Daten und Methoden werden offengelegt — damit unsere Behauptungen nachprüfbar bleiben.
Code auf GitHub
Alle Komponenten unter MIT/Apache, mit dokumentierten Modellen und Prompts.
Offene Datensätze
Aufbereitete Analyse-Datensätze unter CC-BY für Wissenschaft und Zivilgesellschaft.
Reproduzierbarkeit
Analysen werden mit Methode und Daten veröffentlicht, sodass Dritte sie nachrechnen können.
Akademische Zusammenarbeit
Für Universitäten
Datenzugang für Abschlussarbeiten, gemeinsame Publikationen, Forschungskooperationen.
Unabhängige Methodenprüfung
Externe akademische Evaluation unserer Systeme auf Bias und Robustheit.
Mitbauen
Diese Arbeitsweise und die ersten Werkzeuge entstehen mit den Menschen, die mitmachen. Wir suchen Mitstreiter:innen, die bessere Entscheidungsprozesse nicht nur interessant finden, sondern daran mitbauen. Eine Parteimitgliedschaft ist dafür nicht nötig.
Entwickler:innen
Python/ML, Datenpipelines, Backend, Dashboards — als Open-Source-Beitrag.
Kontakt →Politikwissenschaft
Methodik, Qualitätssicherung, Kausalbewertung, internationaler Vergleich.
Kontakt →Fachexpert:innen
Fachliche Einordnung in einzelnen Politikfeldern — ohne Informatik-Hintergrund.
Kontakt →Interesse?
Schreib uns mit deinem Hintergrund — wir antworten innerhalb weniger Tage.
forschung@partai.de