Scroll Top
Manipulation der Massen: Big Data im Wahlkampf

Ein Beitrag von Alexander Surowiec

Die politische Landschaft hat sich dramatisch gewandelt. Weg sind die Zeiten, in denen sich Wahlkämpfe auf Massenmedien und traditionelle Versammlungen beschränkten. Heute, im Zeitalter der Big Data, ist der Wahlkampf ein hochpräzises, datengesteuertes Unterfangen geworden.

An vorderster Front dieser datengetriebenen Revolution steht Michal Kosinski mit seinem Kapitel im Handbuch der Sozialpsychologie 2025, das als unverzichtbare Anleitung für Campaigner gilt, die in der digitalen Ära Wahlen gewinnen wollen. Es dient als Landkarte für den strategischen Einsatz von Big Data, um Wähler zu verstehen, gezielt anzusprechen und letztlich zum Wahlsieg zu führen.

In seinem aktuellen Kapitel „Using Big Data“ beleuchtet Kosinski, wie die allgegenwärtige Flut digitaler Daten die Spielregeln politischer Kampagnen fundamental verändert hat. Kosinski, ein renommierter Forscher an der Stanford University und eine führende Stimme im Bereich der Psychometrie, hat mit seinen Arbeiten gezeigt, wie tiefgreifende psychologische Einsichten aus scheinbar harmlosen digitalen Fußabdrücken gewonnen werden können. Dies kann beispielsweise aus Facebook-Likes, Online-Klicks oder Gesichtsbildern erfolgen.

Seine bahnbrechenden Forschungsergebnisse verdeutlichen, dass digitale Spuren weit mehr preisgeben als bloße Vorlieben – sie eröffnen einen Zugang zur Persönlichkeitsstruktur, zum Entscheidungsverhalten und zu den psychologischen Triggern einzelner Zielgruppen. Diese Erkenntnisse haben das Potenzial, die Dynamik von Wahlkämpfen nachhaltig zu verändern.

1. Psychologische Profile als Schlüssel zum Wählerherz

Der Kern der Big-Data-Revolution im Wahlkampf ist die Fähigkeit, Wähler nicht nur als demografische Gruppen, sondern als individuelle psychologische Profile zu verstehen. Kosinski und seine Kollegen haben eindrucksvoll bewiesen, dass selbst triviale digitale Fußabdrücke, wie Facebook-Likes, eine erstaunliche Menge an Informationen über eine Person preisgeben.

  • „Likes“ als Seelenleser: Oberflächlich betrachtet scheinen Facebook-Likes unbedeutend: ein Klick auf das Bild eines Freundesbabys, ein lustiges Katzenvideo oder die Seite der Lieblingslokals. Doch Kosinski et al. (2013b) zeigten, dass diese Likes stark mit Persönlichkeitsmerkmalen (den sogenannten Big Five), politischer Orientierung, Religiosität, Intelligenz, sexueller Orientierung, ethnischer Zugehörigkeit, Geschlecht und vielem mehr korrelieren. So kann Extrovertiertheit mit Likes für „Beer Pong“ oder „Tanzen“ verbunden sein, während sich Unverträglichkeit durch das Liken von „Friedrich Nietzsche“ oder „Satanismus“ ausdrückt. Bemerkenswerterweise können diese computerbasierten Persönlichkeitsbeurteilungen die Genauigkeit von Einschätzungen durch Freunde oder Familie übertreffen.
  • Der Fall Cambridge Analytica: Diese Datenaffäre von 2016 verdeutlichte die praktische Anwendung dieser Erkenntnisse im Wahlkampf. Cambridge Analytica nutzte ein maschinelles Lernmodell, um aus den Facebook-Likes von Millionen Amerikaner deren Persönlichkeitsprofile abzuleiten. Anschließend wurden diese Profile genutzt, um hochpersonalisierte politische Anzeigen zu schalten. Für einen gewissenhaften Wähler wurde eine Botschaft gesendet, die „gesunden Menschenverstand in Washington“ versprach, während ein ängstlicher Wähler eine Anzeige erhielt, die „mehr Sicherheit“ betonte. Dies zeigt, wie eine Kampagne die Botschaft nuancieren kann, um eine bessere Wirkung zu erzielen, indem sie die Persönlichkeit der Zielgruppe kennt.
  • Geolokalisierungsdaten als psychologischer Indikator: Selbst scheinbar oberflächliche Geolokalisierungsdaten, die von Smartphones und Smartwatches gesammelt werden, können in psychologisch relevante Informationen umgewandelt werden. Diese Daten offenbaren individuelle Gewohnheiten, soziale Interaktionen, Vorlieben und psychologische Merkmale. Man kann daraus ableiten, wo Menschen leben, arbeiten, einkaufen oder religiösen Aktivitäten nachgehen. Die Dauer und Häufigkeit von Begegnungen an denselben Orten können sogar romantische, berufliche oder persönliche Beziehungen aufdecken. Für Campaigner bedeutet dies die Möglichkeit, Wähler nicht nur räumlich, sondern auch sozial zu kartieren und so Netzwerkeffekte in Kampagnen zu nutzen.

Der Lerneffekt für Campaigner: Die digitale Welt liefert ein beispielloses „Röntgenbild“ der Wählerpsyche. Wer diese Daten zu lesen versteht, kann Botschaften entwickeln, die nicht nur informieren, sondern tiefgreifend emotionalisieren und das Verhalten beeinflussen. Es geht darum, nicht nur zu wissen, was Wähler wollen, sondern wie sie emotional und kognitiv ticken, um sie gezielt anzusprechen.

2. Google Trends als Stimmungsbarometer

Der menschliche Geist offenbart sich oft am ehrlichsten, wenn er unbeobachtet ist. Nirgendwo wird dies deutlicher als bei Suchanfragen. Im Gegensatz zu Umfragen, bei denen Befragte ihre Antworten häufig anpassen, um sozial erwünscht zu erscheinen, sind Google-Suchen ein unverfälschtes Fenster in die wahren Interessen, Sorgen und Neugierde der Menschen. Google Trends, eine kostenlose, aggregierte Datenquelle von Google, ist daher ein unverzichtbares Werkzeug für den modernen Wahlkämpfer.

  • Echtzeit-Einblicke in kollektive Stimmungen: Mit Google Trends können Campaigner die Häufigkeit von Schlüsselwörtern und Themen über verschiedene Zeiträume hinweg untersuchen. Dies ermöglicht es, Trends frühzeitig zu erkennen und Veränderungen im öffentlichen Interesse und in der öffentlichen Besorgnis zu erfassen.
  • Verborgene Ängste und Hoffnungen aufdecken: Kosinski weist darauf hin, dass diese Daten eine wahre Fundgrube für das Verständnis menschlichen Verhaltens und der Psychologie sind. Ein drastisches Beispiel liefert die Studie von John Ayers und Kollegen (2017), die den Anstieg suizidbezogener Suchanfragen nach der Veröffentlichung der kontroversen Netflix-Serie „Tote Mädchen lügen nicht“ verfolgte. Diese Art von Daten kann Aufschluss über sensible Themen geben, die Menschen in direkten Befragungen niemals offenbaren würden, aber die dennoch ihre Stimmung, Ängste und letztlich ihr Wahlverhalten beeinflussen können.
  • Regionale Issues schaffen Mehrwert: Google Trends ermöglicht auch die geografische Verteilung von Suchinteressen. Das bedeutet, eine Kampagne kann genau sehen, welche Themen in welchen Regionen besonders relevant sind und ihre Botschaften entsprechend anpassen.

Der Lerneffekt für Campaigner: Der direkte Draht zur Wählerstimmung liegt in ihren Suchanfragen. Wer die „dunkle Materie“ der Google-Daten zu entschlüsseln vermag, kann Kampagnenbotschaften nicht nur relevant, sondern zutiefst resonant gestalten, indem er auf die verborgenen Ängste und Wünsche der Wähler eingeht.

3. Das digitale Labor: A/B-Tests für den Wahlerfolg

Die digitale Welt ist das ultimative Testfeld für politische Botschaften. Kosinski und seine Kollegen betonen, dass in der heutigen Zeit „randomisierte Experimente“, oft als A/B-Tests bekannt, nicht nur relevant, sondern sogar unerlässlich sind, um die Effektivität von Kampagnen zu maximieren.

  • Der A/B-Test als Wähler-Dirigent: Bei einem A/B-Test werden Wähler nach dem Zufallsprinzip verschiedenen Versionen einer Botschaft, einer Anzeige oder eines Website-Designs ausgesetzt. Die Reaktion der Wähler, sei es eine höhere Klickrate, eine stärkere Engagement-Rate oder sogar eine tatsächliche Stimmabgabe, wird präzise gemessen. Tech-Giganten wie Google und Microsoft führen jährlich Zehntausende solcher Tests durch, um ihre Produkte zu optimieren. Für Campaigner bedeutet dies, dass sie ihre Botschaften nicht nur auf dem Bauchgefühl basieren lassen, sondern auf empirisch bewiesener Wirksamkeit.
  • Sozialer Einfluss im großen Stil: Robert Bond und Kollegen (2012) führten in Zusammenarbeit mit Facebook ein Experiment durch, das den sozialen Einfluss auf die Wahlbeteiligung untersuchte. 61 Millionen US-Facebook-Nutzer erhielten am Wahltag unterschiedliche Nachrichten. Die Gruppe, die neben der Wahlempfehlung auch Profilbilder von Freunden sah, die bereits gewählt hatten, zeigte eine um 0,4 % höhere Wahlbeteiligung. Auch wenn dieser Anstieg prozentual klein erscheint, kann er in knappen Wahlen über Sieg oder Niederlage entscheiden. Dies zeigt, dass selbst subtile soziale Hinweise, datengesteuert eingesetzt, eine enorme Wirkung entfalten können.

Der Lerneffekt für Campaigner: Die digitale Welt ist ein ideales Labor. A/B-Tests sind notwendig, um jede Facette einer Kampagne zu optimieren. Jeder Klick, jede Interaktion ist ein Datenpunkt, der hilft, die Wähler effektiver zu mobilisieren und den Unterschied zu machen.

4. Gesichtserkennung: Wahlpräferenzen am Gesicht erkennbar

Kosinski und seine Forschungsgruppe haben sich auch mit der kontroversen Frage beschäftigt, ob sich psychologische Merkmale und sogar politische Orientierungen aus Gesichtsbildern ableiten lassen. Ihre Studien, die Gesichtserkennungsalgorithmen auf große Datensätze von Social-Media-Profilbildern anwandten, haben erstaunliche und potenziell weitreichende Ergebnisse geliefert.

  • Vom Gesicht zur politischen Ausrichtung: Kosinski (2021) zeigte, dass Gesichtserkennungsalgorithmen die politische Orientierung (liberal vs. konservativ) von über einer Million Personen anhand ihrer Profilbilder mit einer Genauigkeit von über 70 % unterscheiden konnten. Diese Präzision blieb über Alter, Geschlecht und ethnische Zugehörigkeit hinweg konstant und war in verschiedenen Ländern konsistent. Eine weitere Studie von Kosinski und Kollegen (2024) bestätigte diese Erkenntnisse selbst bei Bildern ausdrucksloser Gesichter, was darauf hindeutet, dass politische Orientierung mit angeborenen Gesichtszügen zusammenhängen könnte.
  • Die Frage des „Warum“: Die genauen kausalen Mechanismen hinter diesen Korrelationen sind noch Gegenstand der Forschung. Kosinski et al. (2024) spekulieren, dass die politische Orientierung das Aussehen des Gesichts beeinflussen könnte (z. B. durch Lebensstilentscheidungen von Konservativen, die sich im Hautbild widerspiegeln). Oder das Aussehen könnte die politische Orientierung beeinflussen (z. B. durch „sich selbst erfüllende Prophezeiungen“, bei denen Menschen aufgrund ihres Aussehens auf eine bestimmte Weise behandelt werden und dies verinnerlichen). Es ist auch möglich, dass gemeinsame Faktoren, wie Gene, sowohl das Aussehen als auch die politische Orientierung beeinflussen.

Der Lerneffekt für Campaigner: Auch wenn die genauen Mechanismen noch erforscht werden, legen diese Studien nahe, dass Wähler nicht nur durch ihre explizit geäußerten Meinungen, sondern auch durch subtilere, oft unbewusste Merkmale entschlüsselt werden können. Dies eröffnet völlig neue Dimensionen für das Targeting und die Beeinflussung, auch wenn die ethischen Implikationen intensiv diskutiert werden müssen. Wer dieses Wissen besitzt, hat einen erheblichen Vorteil im Wettlauf um die Gunst der Wähler.

5. Jenseits der Vorstellungskraft: Die Macht der Vorhersage im Wahlkampf

Die Psychologie konzentrierte sich lange Zeit auf die Erklärung menschlichen Verhaltens. Doch wie Kosinski betont, ist in der Praxis, insbesondere im Wahlkampf, oft die Fähigkeit zur präzisen Vorhersage weitaus wichtiger als die Erklärung der zugrunde liegenden kausalen Mechanismen.

  • Vorhersagemodelle sind allgegenwärtig: Wir erleben die Wirksamkeit prädiktiver Modelle täglich, ohne es zu merken. Social-Media-Feeds werden personalisiert, um uns bei der Stange zu halten. Amazon empfiehlt Produkte, die wir wahrscheinlich kaufen werden. Netflix schlägt Filme vor, die uns gefallen könnten. All dies basiert auf Algorithmen, die unser vergangenes Verhalten analysieren, um zukünftige Präferenzen vorherzusagen. Um die Gegenwart zu verstehen, muss man die Vergangenheit studieren, um die Zukunft vorherzusagen.
  • Anwendung im Wahlkampf: Diese Modelle sind in Wahlkämpfen von unschätzbarem Wert. Sie können beispielsweise die Wahrscheinlichkeit vorhersagen, dass ein Wähler an einer Wahl teilnimmt, welche Botschaften ihn am ehesten Mobilisieren oder welche Kandidaten er bevorzugt. Big Data-Modelle können so die Wahrscheinlichkeit kriminellen Verhaltens (basierend auf Gerichtsakten), Schwangerschaft (aus Kaufgewohnheiten), Persönlichkeit (aus Gesichtsbildern), Substanzkonsum und sexuelle Orientierung (aus Facebook-Likes) vorhersagen. Solche präzisen Vorhersagemöglichkeiten, angewandt auf das Wählerverhalten, sind ein Game Changer für die Wahlkampfstrategie.
  • Black-Box-Modelle verstehen: Viele dieser Modelle sind „Black Boxes“, sprich ihre internen Abläufe sind für den Menschen nicht unmittelbar interpretierbar. Doch Kosinski und seine Kollegen zeigen, dass es Wege gibt, sie zu entschlüsseln. Durch die Analyse von Extremfällen (z. B. Gesichter, die am ehesten homosexuell oder heterosexuell eingestuft werden) oder durch die künstliche Veränderung von Merkmalen in Bildern können Forscher herausfinden, welche visuellen Hinweise von den Algorithmen genutzt werden. Dies hilft Campaignern zu verstehen, welche visuellen oder sprachlichen Elemente in ihren Kampagnen die größte Wirkung erzielen könnten.

Der Lerneffekt für Campaigner: Wahlkämpfe fokussieren zunehmend auf die Vorhersage. Die Erklärung ist oft zweitrangig, wenn es darum geht, Ergebnisse zu erzielen. Mittlerweile muss man leistungsfähige prädiktive Modelle einsetzen, um das Wählerverhalten zu antizipieren, um Strategien entsprechend anzupassen. Auch wenn die Algorithmen komplex sind, können Erkenntnisse in einfache, handlungsrelevante Strategien übersetzt werden.

Fazit: Das datengesteuerte Zeitalter des Wahlsiegs

Die Erkenntnisse von Michal Kosinski und die fortschreitende Entwicklung von Big-Data-Technologien haben die politische Landschaft dauerhaft verändert. Wer heute eine Wahl gewinnen will, muss die Wähler im Detail verstehen und sie auf persönlicher Ebene gezielt ansprechen.

Dabei kommen unterschiedliche Methoden zum Einsatz. Persönlichkeitsprofile werden aus den digitalen Spuren in sozialen Netzwerken abgeleitet. Die Stimmung der Bevölkerung lässt sich in Echtzeit durch Suchanfragen bei Google beobachten. Politische Botschaften werden durch systematische Vergleichstests auf ihre Wirksamkeit überprüft. Sogar Gesichtserkennungssoftware spielt in manchen Strategien eine Rolle.

All diese Instrumente ermöglichen eine politische Kommunikation, die mit außergewöhnlicher Genauigkeit gesteuert werden kann.

Der Ausdruck „Manipulation der Massen“ wirkt auf den ersten Blick alarmierend. Doch die dahinterliegenden Mechanismen sind längst etabliert und finden seit Jahren erfolgreich Anwendung im Marketing und in der Produktentwicklung. Im Zentrum steht die Fähigkeit, menschliches Verhalten vorauszusehen und gezielt zu beeinflussen.

In einem politisch stark umkämpften Umfeld wird der kompetente Umgang mit datenbasierten Technologien nicht nur zu einem strategischen Vorteil. Er wird zu einer grundlegenden Voraussetzung, um überhaupt noch wirksam zu sein.

Mit Digital Nakam waren wir in den vergangenen drei Jahren an insgesamt sieben Kampagnen und Mikrokampagnen beteiligt. In jedem einzelnen Fall konnten wir klare Zugewinne verzeichnen. Manche Erfolge waren punktuell und fein justiert, andere zeigten eine gewaltige Wirkung.

Die Zukunft des Wahlkampfs ist nicht einfach nur digital. Sie wird von Daten bestimmt. Wer die Methoden versteht und die Instrumente beherrscht, verschafft sich nicht nur einen Vorsprung. Er schafft die Grundlage, um politische Macht zu gewinnen und sie langfristig zu sichern.

Quellen

  • Kosinski, M. (2025). Big Data nutzen. In D. T. Gilbert, S. T. Fiske, E. J. Finkel, & W. B. Mendes (Hrsg.), Das Handbuch der Sozialpsychologie (6. Auflage). Situational Press.
  • Kosinski, M. (2021). Facial recognition technology can expose political orientation from
    naturalistic facial images. Scientific Reports, 11(1), 100. https://doi.org/10.1038/s41598-020-79310-1
  • Bond, R. M., Fariss, C. J., Jones, J. J., Kramer, A. D., Marlow, C., Settle, J. E., & Fowler, J. H. (2012). Ein Experiment mit 61 Millionen Menschen zu sozialem Einfluss und politischer Mobilisierung. Natur, 489(7415), 295–298.
  • Ayers, J. W., Althouse, B. M., Leas, E., Dredze, M., & Allem, J. P. (2017). Internet-Suchen nach Suizid nach der Veröffentlichung von Tote Mädchen lügen nicht. JAMA Innere Medizin, 177(10), 1527–1529.

Add Comment