Data2Story wandelt CSV‑Daten in vollständige, interaktive Artikel — mit Code‑prüfbaren Quellen und Grafiken.
In Kürze
- Erzeugt Text, Grafiken und Quellenbelege
- Inspector zeigt Code‑ und Quellennachweise
- Übertrifft Menschen bei Datentransparenz
Data2Story: Eine KI-Pipeline, die aus Tabellen komplette Online‑Artikel baut
Eine KI namens Data2Story — auch unter dem Label „Data Journalist Agent“ — kann aus einer einfachen CSV-Datei vollständige, interaktive Online‑Artikel erzeugen: Text, Grafiken, Recherchekontext und Quellenbelege inklusive. Technisch steckt ein Claude‑Code‑Skill dahinter, der automatisch passende Funktionen lädt und ausführt. Als Kernmodell läuft Claude Opus 4.7 in einer Code‑Ausführungsumgebung namens Claude Code; für Bilder, Ton und Video greift das System über OpenRouter auf weitere Modelle wie gpt-5.4-image-2 zurück.
Nachvollziehbarkeit als Designprinzip
Auffälligstes Bedienfeld ist der sogenannte Inspector: ein sichtbar eingeblendetes Panel, das jeden Satz, jede Grafik und jedes interaktive Element mit einem Nachweis versieht — entweder mit der genauen Codezeile plus Datendatei oder mit einer externen Quelle/URL. Laut Papier sind 93 % aller sichtbaren Aussagen in den Agent‑Artikeln maschinell prüfbar. Das bedeutet: Du kannst die Herkunft vieler Angaben per Code nachvollziehen; es heißt aber nicht automatisch, dass alle Aussagen richtig sind — nur dass sie überprüfbar referenziert werden.
Sieben Agenten arbeiten wie eine Redaktion
Die Pipeline funktioniert als Kette spezialisierter Agenten, die nacheinander arbeiten:
- Detective (Web‑Kontextsuche)
- Analyst (führt Analysen per Code aus)
- Editor (wählt Befunde)
- Designer (bestimmt die Darstellungsform)
- Programmer (baut die Seite)
- Auditor (prüft Layout)
- Inspector (verknüpft Quellen)
Zusammen übernehmen diese Agenten große Teile des datenjournalistischen Workflows — Rechenarbeit, Grafikerzeugung und Quellenbindung.
Ein konkretes Beispiel
In der Studie erzeugte Data2Story aus dem WM‑2026‑Spielplan einen Klimaartikel mit interaktiver Karte. Kernaussage: Rund 40 % der Partien finden an Orten statt, die die Spielergewerkschaft FIFPRO als Orte mit extrem hohem Hitzerisiko einstuft; dabei ist die Luftfeuchtigkeit der dominierende Faktor. Die Forscher betonen, dass es sich um typische Klimabedingungen handelt, nicht um konkrete Wetterprognosen.
Wie schneidet die KI gegen Menschen ab?
Für den Vergleich nutzten die Forschenden 18 Datensätze und vorhandene menschliche Artikel (unter anderem Formate wie The Economist‑Briefings, The Pudding, TidyTuesday). 53 Leser bewerteten die Texte in fünf Kategorien. Ergebnis: Data2Story lag in allen fünf Kategorien vorn — besonders deutlich bei Datentransparenz. 74 % der Leser bevorzugten den Agent‑Artikel, 25 % das menschliche Original, 2 % hielten sie für gleichwertig.
Zu den Überschneidungen: Etwa die Hälfte der Aussagen aus menschlichen Artikeln tauchte auch im Agent‑Artikel auf; umgekehrt fanden sich nur 35 % der Agent‑Aussagen im menschlichen Text. Bei kurzen, standardisierten Economist‑Briefings reproduzierte der Agent 73 % der menschlichen Befunde.
Wo Menschen noch voraus sind
- Redaktioneller Kontext und Erklärungen: Reporter bringen oft Recherchen, Interviews oder Deutungen ein, die nicht in der Tabelle stehen. Der Agent bleibt weitgehend bei dem, was die Daten zeigen.
- Kreatives, integriertes Design: Handgemachte Visualisierungen oder komplexe interaktive Erzählformen kann der Agent bislang nicht in gleicher Qualität nachbauen.
- Informationsdichte in einzelnen Darstellungen: Komplexe Kombi‑Grafiken, die viele Ebenen und erklärende Anmerkungen in einer Darstellung verknüpfen, gelingen Menschen besser; der Agent splittert solche Inhalte eher in mehrere einfachere Diagramme auf.
Die Forscher: Werkzeug, kein Ersatz
Die Autorinnen und Autoren sehen Data2Story als Hilfsmittel für Redaktionen. KI kann Rechenarbeit, Grafikerzeugung und überprüfbare Quellenbindung übernehmen; Menschen liefern Perspektive, Reporting und kreatives Design. Potenzial sehen sie darin, Themen sichtbar zu machen, die Redaktionen aus Kapazitätsgründen oft nicht bearbeiten. Einschränkung: Das System arbeitet aktuell vollautomatisch; eine Version mit menschlichem Feedback im Prozess ist für die Zukunft geplant. Code und Demo sind öffentlich verfügbar — unter anderem auf GitHub und in einer Demo‑Webseite.
Warum das relevant ist
Viele KI‑Systeme produzieren zwar Antworten, verweisen aber auf falsche oder erfundene Quellen («attribution hallucination»). Data2Story begegnet diesem Problem, indem Zahlen per ausführbarem Code berechnet und Aussagen mit nachvollziehbaren Belegen verknüpft werden. Das erhöht die Nachprüfbarkeit — es macht die Arbeit auditierbar, nicht automatisch fehlerfrei.
Quellen
- Quelle: Data2Story / Oxford / Stanford
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
