Die Bias-Analyse Forschungsinfrastruktur (BARI)

• Antragsteller: Professor Dr.-Ing. Bela Gipp; Professor Dr. Michael Granitzer; Professor Dr. Philipp Wieder
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik ; Künstliche Intelligenz und Maschinelle Lernverfahren
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 565115197

Das BARI-Projekt zielt darauf ab, eine skalierbare Plattform für die transparente Analyse von Media Bias in Textinhalten zu schaffen, die auch ohne technische Erfahrung genutzt werden kann. Media Bias kann die öffentliche Wahrnehmung beeinflussen, indem bestimmte Standpunkte hervorgehoben oder wichtige Informationen weggelassen werden. Solcher Bias kann viele Formen annehmen, und ist z.B. unter den Begriffen linguistischer Bias, Hassrede, einseitige Informationsauswahl, lexikalischer Bias und allgemeiner Berichterstattungsbias teil-definiert, die oft mit Desinformation in Verbindung stehen. Während viele akademische Disziplinen unterschiedliche Ansätze zur Bias-Analyse verfolgen, ist die Identifizierung und Kategorisierung von Bias komplex und erfordert typischerweise manuelle Annotationen oder maschinelle Lernmodelle, die dann wiederum auf unklaren Definitionen von Bias basieren. Große Sprachmodelle (LLMs) erhöhen die Komplexität aufgrund ambivalenter Bias-Definitionen und begrenzter qualitativ hochwertiger annotierter Daten zusätzlich. BARI strebt an, diese Herausforderungen zu überwinden, indem es eine standardisierte, transparente und gemeinschaftlich erstellte Media Bias-Taxonomie entwickelt und das Zusammenspiel zwischen menschlichem Input und KI nutzt, um die Genauigkeit und Anpassungsfähigkeit der Bias-Erkennung zu verbessern. Mit LLMs als Annotation-Agenten wird BARI die erstellte Taxonomie und ihre Definitionen verwenden, um spezialisierte Klassifikatoren für verschiedene Arten von Bias bereitzustellen. Zunächst wird BARI eine frei zugängliche API zur Bias-Klassifikation in Nachrichteninhalten anbieten und später auf andere Medientypen wie soziale Medien, Webseiten und Ausgaben von LLMs wie GPT ausgeweitet. Die Plattform wird interdisziplinäre Forschung aus verschiedenen Bereichen wie z.B. Journalismus, Sozialwissenschaften, Informatik und Informationswissenschaft unterstützen und es Forschern ermöglichen, Bias mit minimaler Schulung zu analysieren. Durch die Bereitstellung einer standardisierten, transparenten Methodologie zur Bias-Erkennung zielt BARI darauf ab, die Reproduzierbarkeit und Glaubwürdigkeit von Forschung zu verbessern, die sich mit Media Bias beschäftigt. BARI schließt mit der bereitgestellten Taxonomie und den Klassifikatoren eine Forschungsinfrastruktur-Lücke in der zur Analyse von Bias und trägt so zur Entwicklung robuster, zugänglicher Systeme zur wissenschaftlichen Analyse von Bias in der schnelllebigen heutigen Medienlandschaft bei.

• DFG-Verfahren: Forschungsdaten und Software (Wiss. Literaturversorgung und Informationssysteme)
• Mitverantwortliche: Dr. Daniel Kurzawe; Dr. Timo Spinde