Schöne Daten! Konstruktion und Verarbeitung von digitalen Daten

Momente der Datafizierung

“…Krisen und Störungen, aber auch eine »methodische Befremdung« (Amann & Hirschauer, 1997), können zu einer »infrastructural inversion« beitragen, d.h. zu einer Aufmerksamkeit für die Arbeit, welche die Infrastruktur erzeugt und erhält (Bowker & Star 1999, siehe auch: Hine 2017. Auch die in Infrastrukturen eingelassenen Praktiken der Quantifizierung, Kategorisierung, Formalisierung, Bewertung und Vergleiche zeichnen sich dadurch aus, dass sie bestimmte Dinge unsichtbar und andere dafür sichtbarer machen (Bowker & Star, 1999): Unsicherheiten, »messiness« (siehe Mützel et al 2018), Selbstverständlichkeiten und Annahmen (Law, 2009) verschwinden hinter »pristine numerical output[s]« wie beispielsweise Credit-Scores (Fourcade & Healy, 2017a, S. 289).…”

Mit Daten sprechen

“…Einerseits in einem direkten, praktischen Sinne die Abbildung von Daten meinend, die als zugehörige Dimension der zunehmenden Quantifizierung aufscheinen (Espeland und Stevens 2008). Andererseits erfolgt die Evaluation des Werts von Daten mittels Verweis auf deren Ästhetik (Mützel et al 2018). Halpern erklärt:…”

“…Die Praktik der Herstellung sauberer Daten ist stark geprägt durch die programmiertechnische Expertise, ihre Vorstellung von granularen, vollständigen, systematischen und interoperablen Datensätzen -und sie wird dergestalt mit der journalistischen Expertise koordiniert, dass die Ordnung in der Datenbank journalistische Sinngebung ermöglicht. Und zwar zu Beginn, wenn die explorative Auswertung eine grosse Varianz an Fragestellungen ermöglicht.Die Existenz verschiedener Ansatzpunkte und offener thematischer Fragen scheint insofern wünschenswert, als damit verschiedene Geschichten-Drehs offen sind -die Potenzialität wirkt als Versprechen: Im Hintergrund schwingt die Vorstellung mit, dass sich bei einer guten, eben sauberen Datengrundlage mittels explorativer Auswertung Muster finden lassen -ein Paradigma aus dem Big-Data-Zeitalter(Kitchin 2014a;Mützel et al 2018). Mögliche Schwierigkeiten in der Interpretation von Daten antizipieren die beiden und lassen diese stehen mit dem Verweis auf zukünftige Abklärungen mit weiterem Material, der Juristin oder einem Ministerium.Bei BR Data liess sich das Erkennen von Daten häufig dann beobachten, wenn zwei Teammitglieder gemeinsam vor einem Bildschirm am selben Pult sassen.…”