Datenjournalismus mit KI Vol. 1: Daten beschaffen

Tom Vaillant, Gründer von Buried Signals, zeigte im Webinar der Edito Academy, wie Journalistinnen und Journalisten einen KI-Agenten auf das Web ansetzen, um Daten für Recherchen zu beschaffen, zu sichern und zu verknüpfen. Matthias Zehnder führte auf Deutsch in den Stand des Datenjournalismus in der Schweiz ein, danach übernahm Tom Vaillant auf Englisch mit einem Hands-on-Workshop. Die Botschaft des Webinars: Die grösste Hürde im Datenjournalismus ist nicht die Technik, sondern der Zugang zu den Daten. Und genau da können KI-Agenten heute helfen.

Zehnders Einführung zeichnete die Meilensteine nach, von Balthasar Glättlis Vorratsdaten-Visualisierung und dem Start von Lobbywatch 2014 über Panama Papers und Implant Files bis zu den Corona-Dashboards, die Datenjournalismus 2020 in den Mainstream brachten, und dem Sigma Award für die NZZ 2026. Dazwischen liegt ein Tiefpunkt: An den «Suisse Secrets» beteiligten sich 48 Redaktionen aus aller Welt, aber keine aus der Schweiz, weil Artikel 47 des Bankengesetzes die Weitergabe von Bankdaten mit bis zu fünf Jahren Haft bedroht. Laut der State of Data Journalism Survey des European Journalism Centre hat nur jede vierte Redaktion ein eigenes Datenteam, die meisten davon mit weniger als fünf Personen, und ein Drittel der Projekte wird allein gestemmt. Als grösste Hürde nennen 65 Prozent Datenzugang und Datenqualität, erst danach kommen Zeitdruck und fehlendes Analyse-Know-how.

Den Kern des Webinars bildete Tom Vaillants Workshop mit Übungen für unterschiedliche Vorkenntnisse. Ausgangspunkt war das Konzept des «Grounding»: Ein Sprachmodell soll nicht aus seinem Trainingswissen antworten, sondern aus externen Daten, die man ihm beschafft. Sonst halluziniert es. Die Teilnehmenden erhielten ein Übungspaket mit HTML-Dateien, einer agents.md-Datei und Skills im Markdown-Format. Mit Firecrawl, eingebunden als MCP-Server in eine Desktop-Umgebung wie Antigravity, liess Vaillant den Agenten Webseiten scrapen und die Ergebnisse lokal ablegen.

Im Fallbeispiel ging es um die Firma Airborne Fuels und ihren Präsidenten Martin Bäumle: Der Agent zog Informationen von der Firmenwebsite und kombinierte sie mit strukturierten Parlamentsdaten aus der OpenParlData-Schnittstelle. Aus der Verknüpfung der beiden Quellen ergaben sich Hinweise auf mögliche Interessenkonflikte, also Spuren für die weitere Recherche. Tom Vaillants Punkt: Anomalien werden erst sichtbar, wenn man verschiedene Datensätze miteinander verbindet. Für passwortgeschützte Seiten braucht es Browser-Automatisierung, für soziale Netzwerke wie LinkedIn empfahl er Apify, und zwar mit legitimen Werkzeugen, um keinen Ärger mit den Nutzungsbedingungen zu riskieren.

Ein zweiter Schwerpunkt lag auf der Beweissicherung. Vaillant speichert jede gescrapte Seite vollständig als Artefakt, versieht sie mit einem Hash und legt sie zusammen mit Quelle und Datum in einer Fallakte ab. Grössere Recherchen organisiert er hierarchisch, Storys enthalten Ereignisse, Ereignisse enthalten Behauptungen, für kleine Projekte in Markdown-Dateien, für grosse in einer SQL-Datenbank mit semantischer Suche, in der Vektorisierung hilft, ähnliche Entitäten zu erkennen. So kann ein Agent dort weiterarbeiten, wo der letzte aufgehört hat. In der Diskussion ging es um Preise und Selbsthosting von Firecrawl, um Alternativen wie Jina, um Faktencheck-Methodik und um die Frage, ab wann sich eine Datenbank lohnt. Vaillants Rat: Desktop-Anwendungen statt webbasierter Chatbots, weil nur sie mit lokalen Dateien und Werkzeugen arbeiten können. Der zweite Teil der Reihe zur Visualisierung der Daten folgt im Oktober.

Learnings

Das Problem ist der Datenzugang, nicht die Technik: Zwei Drittel der Datenjournalist:innen nennen Datenzugang und Datenqualität als grösste Hürde. Werkzeuge gibt es genug. Was fehlt, sind Wege, an die Daten heranzukommen, und in der Schweiz auch die rechtlichen Möglichkeiten.

Grounding statt Trainingswissen: Ein Sprachmodell, das aus dem Gedächtnis antwortet, halluziniert. Wer ihm externe Daten beschafft und es auf diese Daten verpflichtet, bekommt überprüfbare Antworten. Der Agent ist das Werkzeug, mit dem man die Daten holt.

Den Agenten auf das Web ansetzen: Mit Firecrawl als MCP-Server kann ein KI-Agent Webseiten lesen, in Markdown umwandeln und lokal ablegen. Für Social-Media-Plattformen eignet sich Apify, für passwortgeschützte Seiten braucht es Browser-Automatisierung.

Auch APIs sind Quellen: Strukturierte Daten wie Parlamentsdaten lassen sich über Schnittstellen abfragen, und ein Agent kann das übernehmen. Ein einmal geschriebener Skill für eine solche Schnittstelle wird mit jeder Nutzung besser und lässt sich weitergeben.

Verknüpfen macht sichtbar: Eine einzelne Quelle zeigt selten etwas Auffälliges. Erst wenn man Firmenwebsite, Handelsregister und Parlamentsdaten übereinanderlegt, treten Interessenkonflikte und Anomalien hervor. Das Verbinden der Datensätze ist die eigentliche journalistische Leistung.

Jede Seite ist ein Beweisstück: Gescrapte Seiten gehören vollständig gespeichert, mit Hash, Quelle und Zeitstempel. Websites ändern sich, und wer später belegen muss, was er gesehen hat, braucht das Original.

Behauptungen strukturieren: Storys bestehen aus Ereignissen, Ereignisse aus Behauptungen, und jede Behauptung verweist auf ihre Belege. Für kleine Recherchen reichen Markdown-Dateien, für grosse Datenmengen braucht es eine Datenbank mit semantischer Suche.

Desktop statt Browser-Chatbot: Webbasierte KI-Tools können weder lokale Dateien lesen noch Werkzeuge ansteuern. Für Recherchearbeit braucht es Desktop-Umgebungen wie Antigravity oder Claude Code, in denen Agenten mit Dateien, Skills und Schnittstellen arbeiten.

Skills und Anleitungen mitliefern: Dateien wie agents.md oder Claude.md sagen dem Agenten, wie er vorgehen soll. Sie machen Wissen wiederverwendbar und sorgen dafür, dass ein Agent dort weitermachen kann, wo der letzte aufgehört hat.

Legitim bleiben: Scraping-Werkzeuge mit klaren Nutzungsbedingungen schützen vor Ärger mit Plattformen. Selbsthosting ist möglich, aber aufwendig; die kommerziellen Angebote sind für Redaktionen meist die günstigere Lösung.

Referent: Tom Valliant
Datum: Dienstag, 1. September 2026