Methodik & Quellen

1. Datenquelle & Transkript

Grundlage ist ausschließlich das amtliche Plenarprotokoll des Deutschen Bundestags (Open-Data-Schnittstelle). Aus dem Protokoll wird der Redetext einer einzelnen Wortmeldung extrahiert und serverseitig gespeichert – es wird kein eigenes Audio/Video transkribiert und kein externer Text verändert.

2. KI-Setup

Die Analyse läuft über denselben zentralen KI-Aufruf wie die übrigen automatisch erzeugten Inhalte: primär Groq (Llama 3.3 70B für die Redeanalyse, Llama 3.1 8B für die schlanke Themen-Zuordnung), mit Cerebras (gpt-oss-120B bzw. Gemma 4 31B) als automatischem Fallback, falls Groq ausgelastet ist. Es werden ausschließlich die öffentlichen Transkripttexte an die KI übergeben, keine personenbezogenen Nutzerdaten.

3. Bewertungskriterien & Skala

Je Rede schätzt die KI mehrere Dimensionen ein:

• Konstruktivität (1–10): Werden konkrete Lösungsvorschläge gemacht statt nur Kritik? Ist die Argumentation sachlich und faktenbasiert? Wird auf Gegenargumente eingegangen? 1 = rein destruktiv/polemisch, 10 = hochkonstruktiv mit konkreten, durchdachten Lösungen.
• Ton: Grundstimmung (positiv/neutral/negativ) und dominante Emotion — bewusst ohne numerischen „Sentiment-Score“, da ein solcher Zahlenwert eine Präzision suggerieren würde, die eine KI-Einschätzung nicht leisten kann.
• Rhetorik: Argumentationsqualität und Faktenbasis (je 1–10), eingesetzte rhetorische Mittel, Populismus-Grad (0–100), Sprachniveau.
• Kontroverse (0–100): Wie polarisierend/umstritten ist das Thema bzw. der Redebeitrag.

Zusätzlich liefert die KI zu jeder Bewertung eine kurze Begründung sowie wörtliche Zitate aus dem Transkript als Beleg – aufklappbar unter jedem Analyse-Abschnitt auf der Reden-Detailseite.

4. Mindestlänge für die Konstruktivität

Sehr kurze Redebeiträge – etwa Zwischenbemerkungen oder Kurzinterventionen von ein bis zwei Sätzen – lassen sich nicht seriös auf einer 1–10-Skala bewerten. Liegt das Transkript einer Rede unter 100 Wörtern, wird deshalb kein Konstruktivitäts-Score vergeben. Auf der Reden-Seite erscheint dann der Hinweis „Zu kurz für eine Bewertung“ statt einer Zahl – das ist bewusst von „noch nicht analysiert“ unterschieden. Die übrige Analyse (Zusammenfassung, Argumente, Sentiment, Rhetorik) wird davon nicht berührt.

Der tatsächliche Analyse-Prompt

Damit nachvollziehbar bleibt, wonach die KI konkret gefragt wird, hier der vollständige, unveränderte Prompt aus dem Quellcode – wörtlich und ungekürzt zitiert:

Analysiere die folgende Bundestagsrede und gib AUSSCHLIESSLICH gültiges JSON zurück.

## Bewertungskriterien

### Konstruktivität (1-10)
Konkrete Lösungsvorschläge statt nur Kritik? Sachliche, faktenbasierte Argumentation? Eingehen auf Gegenargumente statt Polemik? 1 = rein destruktiv/polemisch, 10 = hochkonstruktiv mit durchdachten Lösungen.

### Ton
- sentiment: Grundton aus Wortwahl und impliziter Botschaft — "positiv", "neutral" oder "negativ".
- dominantEmotion: dominierende Emotion — "hope" (Zukunftsappelle), "anger" (Angriffe/Empörung), "fear" (Warnungen), "joy" (Erfolgsrhetorik) oder "sadness" (Verlust/Klage).

### Rhetorik
- argumentationQuality (1-10): Logische Stringenz, klare Prämissen und Schlussfolgerungen.
- evidenceStrength (1-10): Nutzung von Daten, Studien, Zitaten, konkreten Beispielen.
- rhetoricDevices: Konkrete deutsche Begriffe wie Ironie, Metapher, Wiederholung, Kontrast, Appell an die Vernunft, Appell an Emotionen, Autoritätsargument, Strohmann, Ad-populum.
- populismScore (0-100): Wir vs. die da oben, Vereinfachung, Feindbilder, Emotionalisierung statt Sachargumente.
- complexityLevel: einfach (alltagsnah), mittel (Fachbegriffe), komplex (abstrakt, verschachtelt).

### Kontroverse (controversyLevel 0-100)
0-20 Konsens · 21-40 leicht umstritten · 41-70 kontrovers, klare Lager · 71-100 stark polarisierend. Bewerte Polarisierung des Themas, Angriffe auf andere, Tabubrüche, Spaltungslinien.

## JSON-Schema (exakt diese Felder)
{
  "zusammenfassung": "3–4 Sätze, sachlich-neutral: worum es geht und was der Redner fordert. Nenne den Redner beim Namen.",
  "mainArguments": ["3–5 zentrale Argumente/Forderungen des Redners, je ein kurzer ganzer Satz"],
  "counterArguments": ["2–4 mögliche Gegenargumente bzw. Kritikpunkte an dieser Position, je ein kurzer ganzer Satz"],
  "konstruktivitaet": 7,
  "sentiment": "positiv" | "neutral" | "negativ",
  "dominantEmotion": "hope" | "anger" | "fear" | "joy" | "sadness",
  "rhetoric": {
    "argumentationQuality": number (1-10),
    "evidenceStrength": number (1-10),
    "rhetoricDevices": ["string"],
    "populismScore": number (0-100),
    "complexityLevel": "einfach" | "mittel" | "komplex"
  },
  "keyTopics": ["string"],
  "politicalLean": "links" | "mitte-links" | "mitte" | "mitte-rechts" | "rechts",
  "controversyLevel": number (0-100),
  "analyseBelege": {
    "konstruktivitaet": { "begruendung": "1-2 Sätze: warum dieser Score?", "zitate": ["1-2 wörtliche Zitate aus dem Transkript"] },
    "sentiment": { "begruendung": "1-2 Sätze: warum dieser Ton?", "zitate": ["1-2 wörtliche Zitate"] },
    "rhetorik": { "begruendung": "1-2 Sätze: was prägt die Rhetorik?", "zitate": ["1-2 wörtliche Zitate"] },
    "kontroverse": { "begruendung": "1-2 Sätze: warum dieser Level?", "zitate": ["1-2 wörtliche Zitate"] }
  }
}

## WICHTIG für analyseBelege
- Jedes Zitat MUSS ein wörtlicher, unveränderter Ausschnitt aus dem Transkript sein (1-3 Sätze) — nicht kürzen, nicht paraphrasieren.
- Zitate müssen die jeweilige Bewertung tatsächlich belegen (z.B. Lösungsvorschlag für Konstruktivität, polarisierende Aussage für Kontroverse).

Schreibe auf Deutsch, neutral und faktenbasiert. Keine Markdown-Formatierung, keine Erklärungen, nur das JSON.

Reden unter 100 Wörtern werden gar nicht erst mit diesem Prompt an die KI geschickt (siehe oben).