Öffentlich zugänglich heißt nicht offensichtlich
Daten und Open Source Intelligence (OSINT) gehören zu den leistungsfähigsten Recherchemethoden des professionellen Veröffentlichens. Sie nutzen systematisch das, was frei verfügbar ist – öffentliche Datenbanken, Registerdaten, Satellitenbilder, Social-Media-Inhalte, Geodaten, amtliche Statistiken, Unternehmensregister –, und verwandeln es durch gezielte Auswertung in belastbare Erkenntnisse. Die Stärke der Methode liegt in ihrer Unabhängigkeit: Wer Daten und offene Quellen kompetent nutzt, ist nicht auf bereitwillige Auskunftgeber angewiesen, sondern kann Sachverhalte eigenständig überprüfen, belegen und einordnen.
Warum die Methode relevant ist
Die Menge öffentlich zugänglicher Daten wächst exponentiell – und mit ihr das Potenzial für professionell Veröffentlichende, Sachverhalte zu recherchieren, die noch vor wenigen Jahren nur mit erheblichem Aufwand oder gar nicht zugänglich waren. Handelsregister, Grundbuchauszüge, Haushaltsdaten, Umweltmesswerte, Patentdatenbanken, Schiffspositionsdaten, Flugbewegungen, Firmenvernetzungen, Social-Media-Archive – das Spektrum offener Quellen ist heute so breit, dass nahezu jedes Fachgebiet über relevante Datenbestände verfügt.
Gleichzeitig hat die Verfügbarkeit leistungsfähiger Werkzeuge die Einstiegshürden gesenkt. Datenbanken wie OpenCorporates, die Transparenzregister der EU, statistische Ämter, OpenStreetMap oder Google Earth sind frei zugänglich. Werkzeuge wie Python, R, Datawrapper, QGIS oder einfache Tabellenkalkulationen ermöglichen Auswertungen, die früher Spezialistinnen und Spezialisten vorbehalten waren. Wer bereit ist, sich grundlegende Datenkompetenzen anzueignen, erweitert das eigene Rechercherepertoire erheblich.
Für professionell Veröffentlichende aller Fachgebiete eröffnet das eine bemerkenswerte Möglichkeit: Behauptungen nicht nur durch Aussagen von Quellen, sondern durch eigenständig überprüfbare Daten zu belegen – oder zu widerlegen.
Was Daten und OSINT umfasst
Strukturierte Datenrecherche bezeichnet die systematische Suche in Datenbanken, Registern und statistischen Quellen. Sie folgt einem klaren Ablauf: Fragestellung definieren, relevante Datenquellen identifizieren, Daten beschaffen, bereinigen, auswerten und die Ergebnisse in die eigene Veröffentlichung einbetten. Typische Quellen sind amtliche Statistiken (Destatis, Eurostat), Unternehmensregister (Handelsregister, Transparenzregister), wissenschaftliche Datensätze (Zenodo, Pangaea), öffentliche Haushaltsdaten und spezialisierte Fachdatenbanken.
OSINT (Open Source Intelligence) geht einen Schritt weiter: Sie kombiniert frei zugängliche Quellen aus verschiedenen Bereichen – Social Media, Geodaten, Satellitenbilder, Webarchive, technische Metadaten –, um Sachverhalte zu rekonstruieren, die aus keiner einzelnen Quelle allein ersichtlich wären. OSINT-Methoden wurden ursprünglich im nachrichtendienstlichen Bereich entwickelt, haben sich aber in den vergangenen Jahren als leistungsfähiges Werkzeug für professionelles Veröffentlichen etabliert – nicht zuletzt durch die Arbeit von Organisationen wie Bellingcat, die mit OSINT-Methoden international beachtete Recherchen durchgeführt haben.
Was beide verbindet: Sie arbeiten ausschließlich mit öffentlich zugänglichen Informationen und sind damit rechtlich unkomplizierter als viele andere Recherchemethoden. Gleichzeitig erfordern sie methodische Sorgfalt – denn die Verfügbarkeit von Daten bedeutet nicht automatisch, dass diese korrekt, vollständig oder richtig interpretiert sind.
Einsatzfelder
Daten und OSINT sind für nahezu jedes Fachgebiet relevant. Typische Einsatzfelder sind die Überprüfung von Behauptungen und Unternehmensangaben, die Recherche wirtschaftlicher Verflechtungen und Firmenstrukturen, die Auswertung von Umwelt- und Klimadaten für Fachveröffentlichungen, die Analyse öffentlicher Haushalte und politischer Entscheidungen, die Verifikation von Bildern, Videos und Social-Media-Inhalten, die Kartierung und Geodatenanalyse (etwa für Stadtentwicklung, Landwirtschaft oder Naturschutz), die Beobachtung von Märkten, Patenten und Branchenentwicklungen sowie die Unterstützung investigativer Recherchen durch Dokumentenanalyse und Datenabgleich.
Besonders wirkungsvoll ist die Kombination von Daten und OSINT mit anderen Recherchemethoden: Eine datengestützte Erkenntnis kann den Ausgangspunkt für ein vertiefendes Interview bilden, eine OSINT-Recherche kann eine investigative Hypothese untermauern, und eine statistische Analyse kann einem Fachbeitrag eine Evidenzgrundlage geben, die über anekdotische Einzelfälle hinausgeht.
Qualitätsanforderungen
Quellenkritik als Grundprinzip. Öffentlich zugänglich heißt nicht automatisch korrekt. Jede Datenquelle muss auf ihre Herkunft, Erhebungsmethode, Aktualität und Vollständigkeit geprüft werden. Amtliche Statistiken unterliegen anderen Qualitätsstandards als Social-Media-Daten; ein Handelsregistereintrag hat eine andere Belastbarkeit als ein Firmenprofil auf einer Bewertungsplattform. Professionell Veröffentlichende, die ihre Datenquellen kritisch prüfen und die Grenzen der Daten transparent machen, stärken die Glaubwürdigkeit ihrer Veröffentlichung.
Dokumentation des Recherchewegs. Datenrecherchen und OSINT-Analysen sollten so dokumentiert sein, dass sie nachvollziehbar und im Idealfall reproduzierbar sind. Welche Quellen wurden genutzt? Welche Suchbegriffe, Zeiträume und Filter wurden angewendet? Wie wurden die Daten bereinigt und ausgewertet? Diese Dokumentation schützt nicht nur vor Fehlern, sondern ist auch die Grundlage dafür, dass die eigene Recherche von anderen geprüft werden kann.
Datenschutz und Ethik. Auch öffentlich zugängliche Daten können Persönlichkeitsrechte berühren – insbesondere wenn personenbezogene Daten aus verschiedenen Quellen kombiniert werden. Die DSGVO setzt hier klare Grenzen, die auch für professionell Veröffentlichende gelten. Besondere Sorgfalt ist bei der Veröffentlichung von Daten geboten, die Rückschlüsse auf identifizierbare Einzelpersonen ermöglichen. Die Grundregel: Der Erkenntnisgewinn muss das Eingriffspotenzial in die Privatsphäre rechtfertigen.
Korrekter Umgang mit Unsicherheit. Daten suggerieren Objektivität – aber jede Auswertung beruht auf Entscheidungen über Auswahl, Methode und Interpretation. Professionell Veröffentlichende, die Unsicherheiten, methodische Einschränkungen und alternative Interpretationen transparent benennen, werden als kompetenter wahrgenommen als solche, die Scheingenauigkeit präsentieren.
Werkzeuge und Einstieg
Der Einstieg in die datengestützte Recherche ist heute mit überschaubarem Aufwand möglich. Tabellenkalkulationen (Excel, Google Sheets) reichen für viele Grundauswertungen. Datawrapper und Flourish ermöglichen professionelle Visualisierungen ohne Programmierkenntnisse. Für komplexere Analysen bieten Python (mit Pandas, Beautiful Soup) und R leistungsfähige Open-Source-Werkzeuge. Im OSINT-Bereich sind Maltego, Overpass Turbo, Google Earth, das Wayback Machine-Archiv und Social-Media-Analysetools die gängigsten Einstiegspunkte. Und für die Verifikation von Bildern und Videos bieten InVID, TinEye und Google Reverse Image Search unkomplizierte, kostenfreie Möglichkeiten.
Der wichtigste Einstiegstipp: Klein anfangen. Eine einzelne öffentliche Datenquelle für das eigene Fachgebiet identifizieren, eine konkrete Frage formulieren und die Antwort in den Daten suchen. Wer einmal erlebt hat, wie eine einfache Datenauswertung einen Sachverhalt erhellt, der vorher im Dunkeln lag, wird die Methode nicht mehr missen wollen.
Grenzen und Perspektiven
Daten und OSINT können belegen, widerlegen und neue Zusammenhänge sichtbar machen – aber sie können die interpretative Arbeit nicht ersetzen. Daten sprechen nicht für sich; sie müssen kontextualisiert, eingeordnet und mit Fachwissen verbunden werden. Die Methode ist am stärksten, wenn sie mit anderen Recherchemethoden kombiniert wird – als Evidenzgrundlage, nicht als Ersatz für Quellenarbeit, Interviews und fachliche Einordnung.
Die Perspektive ist vielversprechend: Die Menge offener Daten wächst, die Werkzeuge werden leistungsfähiger und zugänglicher, und KI-gestützte Analysemethoden erweitern das Möglichkeitsspektrum kontinuierlich. Wer sich Datenkompetenzen aneignet – auch in Grundzügen –, erweitert das eigene Rechercherepertoire um eine Dimension, die Veröffentlichungen fundierter, überprüfbarer und überzeugender macht.
Quellenverzeichnis
Bellingcat. (o. J.). Bellingcat's Online Investigation Toolkit. https://docs.google.com/spreadsheets/d/18rtqh8EG2q1xBo2cLNyhIDuK9jrPGwYr9DI2UncoqJQ
Bradshaw, P. (2017). Finding stories in spreadsheets. In P. Bradshaw, Data journalism. Online Journalism Blog. https://datajournalism.com