tracking von unternehmensskandalen in sozialen netzwerken ... · ehrenwörtliche erklärung ich...

Inga Ecker, BSc.

Tracking von Unternehmensskandalen in sozialen

Netzwerken am Beispiel Volkswagen

Masterarbeit

zur Erlangung des akademischen Grades

eines Master of Science

der Studienrichtung Betriebswirtschaft

an der Karl-Franzens-Universität Graz

Betreuer:

Ao.Univ.-Prof. Mag. Dipl.-Ing. Dr.rer.soc.oec. Christian Schlögl

Institut für Informationswissenschaft und Wirtschaftsinformatik

Graz, September 2017

Ehrenwörtliche Erklärung

Ich erkläre ehrenwörtlich, dass ich die vorliegende Arbeit selbstständig und ohne fremde Hilfe

verfasst, andere als die angegebenen Quellen nicht benutzt und die den Quellen wörtlich oder

inhaltlich entnommenen Stellen als solche kenntlich gemacht habe. Die Arbeit wurde bisher

in gleicher oder ähnlicher Form keiner anderen inländischen oder ausländischen Prüfungsbe-

hörde vorgelegt und auch noch nicht veröffentlicht. Die vorliegende Fassung entspricht der

eingereichten elektronischen Version.

Datum ___________________

Ecker Inga, BSc.

Danksagung

Da mit dieser Arbeit der Abschluss meines Masterstudiums an der Karl-Franzens-Universität

Graz erfolgt, möchte ich mich an dieser Stelle bei allen bedanken, die mir während der letzten

Jahre zur Seite gestanden und mich im Laufe meiner Ausbildung tatkräftig unterstützt haben.

Dieser Dank gilt allen voran meiner Familie, die mir mein Studium in Graz ermöglicht hat

und bei allen Problemen während meiner akademischen Ausbildung für mich da war.

Im Besonderen danke ich Herrn Ao.Univ.-Prof. Mag. Dipl.-Ing. Dr.rer.soc.oec.

Christian Schlögl, der mich bei dieser Masterarbeit betreute. Durch den Besuch seiner Lehr-

veranstaltungen konnte ich wertvolle Kenntnisse gewinnen, die mir zur Erstellung dieser Ar-

beit eine große Hilfe waren. Zusätzlich stellte Herr Professor Schlögl im Zuge einer Seminar-

arbeit den Kontakt zu Herrn Jörg Fuchslueger, dem Leiter des Geschäftsbereiches Content

Analytics der Firma BIConcepts, einem der weltweit Top Drei IT-Unternehmen für Content

Analytics Lösungen, her.

Durch die profunde Einschulung von Herrn Fuchslueger in die ICInvestigation Plattform auf

Basis von IBM Watson Content Analytics konnten viele Erkenntnisse über Watson gewonnen

und die Funktionsweise des Supercomputers besser verstanden werden. Herr Fuchslueger

nahm sich dabei die Zeit, Watson genauestens zu erklären.

Nach Abschluss der Seminararbeit wurde mir ein Zertifikat von der Firma BIConcepts ausge-

stellt, welches sich im Anhang dieser Arbeit befindet.

Obwohl das für diese Masterarbeit verwendete Tool Watson Analytics for Social Media eine

andere Oberfläche als IBM Watson Content Analytics aufweist, erleichterte mir das in der

Einschulung vermittelte Grundverständnis wesentlich den Umgang mit dem Analyse Tool.

Die Arbeit mit Watson war äußert spannend, herausfordernd und hat mir viel Freude bereitet.

Für diese einmalige Gelegenheit möchte mich bei Herrn Fuchslueger und Herrn Professor

Schlögl herzlich bedanken!

I

Inhaltsverzeichnis

Abbildungsverzeichnis ..................................................................................................... III

Tabellenverzeichnis ............................................................................................................ V

Abkürzungsverzeichnis ..................................................................................................... VI

1 Einleitung ...................................................................................................................... 1

1.1 Problemstellung und Relevanz des Themas.......................................................... 2

1.2 Zielsetzung der Arbeit ........................................................................................... 3

1.3 Aufbau der Arbeit ................................................................................................. 4

2 Begriffsdefinitionen und -abgrenzungen .................................................................... 6

2.1 Social Media ......................................................................................................... 6

2.1.1 Facebook ................................................................................................... 7

2.1.2 Twitter ....................................................................................................... 7

2.1.3 Blogs ......................................................................................................... 7

2.1.4 Foren ......................................................................................................... 8

2.2 Negative Word of Mouth ...................................................................................... 8

3 Reflexion des Forschungsstandes .............................................................................. 10

4 Konzeption der Arbeit ............................................................................................... 13

4.1 Forschungsfragen ................................................................................................ 13

4.2 Analyseobjekt ..................................................................................................... 13

4.3 Methode .............................................................................................................. 15

4.3.1 Vorgehensweise ...................................................................................... 15

4.3.2 Tools ........................................................................................................ 17

4.3.2.1 IBM Watson Analytics for Social Media ................................ 17

4.3.2.2 Google Trends ......................................................................... 17

5 Ergebnisse ................................................................................................................... 19

5.1 Zeitverlauf des Skandals mittels Google Trends ................................................ 19

5.2 Diskussionen auf Social Media ........................................................................... 30

5.2.1 Eingabe der Grundeinstellungen zur Analyse der Entwicklungen von

Diskussionen auf sozialen Netzwerken ................................................... 31

5.2.2 Ergebnisse der Analyse ........................................................................... 40

II

5.2.2.1 Topics ...................................................................................... 41

5.2.2.2 Themes .................................................................................... 51

5.2.2.3 Sentiment ................................................................................. 52

5.2.2.4 Geography ............................................................................... 55

5.2.2.5 Influential Authors .................................................................. 56

5.2.2.6 Behavior .................................................................................. 56

5.2.2.7 Demographics ......................................................................... 59

5.2.3 Gegenüberstellung der USA und Europa ................................................ 60

5.2.4 Stimmungen nach Portalen ..................................................................... 67

5.2.5 Vergleich von betroffenen und nicht betroffenen VW-Modellen ........... 73

5.2.6 Vergleich mit anderen Autoherstellern ................................................... 79

5.3 Börsenkurse und Umsatzzahlen .......................................................................... 84

5.3.1 Verlauf des VW-Aktienkurses ................................................................ 84

5.3.2 Umsatzzahlen des Volkswagen-Konzerns .............................................. 87

5.4 Analyse und Interpretation .................................................................................. 89

6 Auswirkung ................................................................................................................. 91

6.1 Auswirkungen auf Aktienkurse .......................................................................... 91

6.2 Auswirkungen auf Umsatzzahlen ....................................................................... 94

7 Zusammenfassung und Ausblick .............................................................................. 96

Literaturverzeichnis .......................................................................................................... 98

Anhang .............................................................................................................................. 104

III

Abbildungsverzeichnis

Abbildung 1: Google Trends: Ergebnisse, gesamter Zeitraum des Skandals...................... 20

Abbildung 2: Google Trends: Ergebnisse nach Regionen................................................... 22

Abbildung 3: Google Trends: Ergebnisse Herbst/Winter 2015 .......................................... 23

Abbildung 4: Google Trends: Ergebnisse März bis August 2016 ....................................... 24

Abbildung 5: Google Trends: Ergebnisse Herbst/Winter 2016 .......................................... 26

Abbildung 6: Google Trends: Ergebnisse 2017. ................................................................. 27

Abbildung 7: Watson: neues Projekt anlegen...................................................................... 31

Abbildung 8: Watson: Auswahl der Topics ........................................................................ 32

Abbildung 9: Watson: Filtern der Topics ............................................................................ 33

Abbildung 10: Watson: Auswahl der Themes ..................................................................... 37

Abbildung 11: Watson: Filtern der Themes ........................................................................ 37

Abbildung 12: Watson: Auswahl des Analysezeitraums .................................................... 39

Abbildung 13: Watson: Auswahl der Sprachen. ................................................................. 39

Abbildung 14: Watson: Auswahl der Quellen. .................................................................... 40

Abbildung 15: Watson: Ergebnisse Topics ......................................................................... 41

Abbildung 16: Watson: Ergebnisse Topics, Sentiment ....................................................... 44

Abbildung 17: Watson: Ergebnisse, Topics, 2015 .............................................................. 45

Abbildung 18: Watson: Ergebnisse, Topics, Sentiment, 2015 ............................................ 46

Abbildung 19: Watson: Ergebnisse, Topics, Sentiment, September 2015 bis Januar 2016 47

Abbildung 20: Watson: Ergebnisse, Topics, Sentiment, Juni 2016 bis Januar 2017 .......... 48

Abbildung 21: Watson: Ergebnisse, Topics, Sentiment, Januar 2017 bis August 2017 ..... 49

Abbildung 22: Watson: Ergebnisse nach Themes ............................................................... 51

Abbildung 23: Watson: Ergebnisse nach Sentiment ........................................................... 52

Abbildung 24: Watson: Eingrenzung des Zeitraums, Sentimentanalyse ............................ 53

Abbildung 25: Watson: Sentimentanalyse, Zeitraum vor dem Skandal .............................. 54

Abbildung 26: Watson: Analyse nach Regionen ................................................................. 55

Abbildung 27: Watson: Analyse nach Autoren ................................................................... 56

Abbildung 28: Watson: Analyse nach Behavior ................................................................. 57

Abbildung 29: Watson: Analyse nach Behavior, Porsche und VW .................................... 57

Abbildung 30: Watson: Analyse Behavior, Prospective Users ........................................... 58

Abbildung 31: Watson: Analyse nach Demographics ......................................................... 59

Abbildung 32: Watson: Analyse USA und Europa ............................................................. 61

IV

Abbildung 33: Watson: Sentimentanalyse nach Staaten in den USA ................................. 63

Abbildung 34: Watson: Sentimentanalyse nach Gebieten, USA ........................................ 64

Abbildung 35: Watson: Analyse nach Portalen ................................................................... 67

Abbildung 36: Watson: Sentimentanalyse nach Portalen ................................................... 68

Abbildung 37: Watson: Sentimentanalyse nach Portalen, Themes ..................................... 70

Abbildung 38: Watson: Sentimentanalyse nach Portalen, Themes, Twitter ....................... 70

Abbildung 39: Watson: Sentimentanalyse nach Portalen, Foren ........................................ 71

Abbildung 40: Watson: Sentimentanalyse nach Portalen, Blogs ........................................ 72

Abbildung 41: Watson: Modellvergleich, Ergebnis Topics ................................................ 76

Abbildung 42: Watson: Modellvergleich, Ergebnis Sentiment ........................................... 76

Abbildung 43: Watson: Modellvergleich, Ergebnis Geografie ........................................... 78

Abbildung 44: Watson: Herstellervergleich, Ergebnis Topics ............................................ 80

Abbildung 45: Watson: Herstellervergleich, Ergebnis Topics ............................................ 81

Abbildung 46: Watson: Herstellervergleich, Ergebnis Geografie ....................................... 83

Abbildung 47: Verlauf des VW Aktienkurses, NASDAQ. ................................................. 85

Abbildung 48: Volkswagen und Toyota Aktienkurse, 2015 ............................................... 87

Abbildung 49: Trends-, Watson-, Aktien-Verlauf: September 2015 .................................. 92

Abbildung 50: Trends-,Watson-, Aktien-Verlauf: Juli 2017 ............................................... 93

V

Tabellenverzeichnis

Tabelle 1: Prozentuelle Auswertung: Ergebnisse, Topics, Sentiment ................................. 44

Tabelle 2: Auswertung der Posts in verschiedenen Zeitabschnitten ................................... 50

Tabelle 3: Zahl der Mentions: Europa. ................................................................................ 62

Tabelle 4: Zahl der Mentions: USA .................................................................................... 65

Tabelle 5: Zahl der Mentions: Sources ................................................................................ 69

Tabelle 6: Eingabe: Topics, Betroffene Modelle................................................................. 74

Tabelle 7: Eingabe: Topics, Nicht betroffene Modelle ....................................................... 74

Tabelle 8: Prozentuelle Auswertung: Sentiment. ................................................................ 77

Tabelle 9: Modellvergleich: Ergebnis Geografie ................................................................ 78

Tabelle 10: Herstellervergleich: Definieren der Topics ...................................................... 80

Tabelle 11: Herstellervergleich: prozentueller Anteil Sentiment ........................................ 82

Tabelle 12: Herstellervergleich: prozentuelle Auswertung Geografie. ............................... 83

VI

Abkürzungsverzeichnis

AG ............................................................................................................. Aktiengesellschaft

BMW ............................................................................................. Bayrische Motoren Werke

Brexit ..................................................................................................................... British Exit

CARB ................................................................................... California Air Resources Board

Engl. ........................................................................................................................... Englisch

EPA ............................................................. United States Environmental Protection Agency

EU ............................................................................................................. Europäische Union

FBI ........................................................................................ Federal Bureau of Investigation

IBM .................................................................. International Business Machines Corporation

IT ..............................................................................................................Informationstechnik

KI .......................................................................................................... Künstliche Intelligenz

PDF ............................................................................................... Portable Document Format

RSS ............................................................................................... Really Simple Syndication

US ....................................................................................................................... United States

USA ................................................................................................. United States of America

VW ...................................................................................................................... Volkswagen

WOM .............................................................................................................. Word of Mouth

1 Einleitung

1

1 Einleitung

Mit der Einführung des Web 1.0 1989 beginnt das Zeitalter des Online-

Informationsaustausches. Websites nehmen dabei vorerst nur eine passive Rolle ein und

dienen zur reinen Informationsgewinnung, Interaktionen mit Nutzern sind zu dieser Zeit

noch nicht möglich.

Als sich die zweite Generation des Webs, das Web 2.0, entwickelt, kommt es zu einigen

Veränderungen in der Art und Weise, wie das Internet genutzt wird. Erstmals können In-

halte von Usern selbst erstellt oder bearbeitet werden. Nicht nur Interaktionen zwischen

Websites und Besuchern sind fortan möglich, sondern auch zwischen den Nutzern selbst,

was zur Entstehung des Social Web führt. In dieser Zeit entwickeln sich YouTube, Blogs,

RSS Feeds und Podcasts.1 Soziale Netzwerke, wie Facebook und Twitter, erlauben seitdem

den Meinungs- und Informationsaustausch zwischen Nutzern. Inhalte werden von Usern

erstellt und geteilt, kommentiert oder bearbeitet. Nachrichten verbreiten sich so innerhalb

weniger Minuten weltweit und können politische sowie wirtschaftliche Entwicklungen

beeinflussen. Mittels mobilem Internetzugang kann fast überall und immer auf Informatio-

nen zugegriffen werden.

Onlineportale werden längst nicht mehr nur von Privatpersonen genutzt, viele Unterneh-

men versuchen durch gezieltes Social Media Marketing ihre Bekanntheit und Ansehen zu

steigern. Die dadurch entstehende Nähe zu den Kunden, ihre Wünsche, Bedürfnisse und

Meinung spielen dabei eine wesentliche Rolle für einen erfolgreichen Social Media Auf-

tritt.

Das Web 3.0, welches auch unter dem Begriff semantisches Web bekannt ist, ist die Wei-

terentwicklung des Web 2.0. Mit Hilfe von Computern können Inhalte, die von Usern er-

stellt wurden, in logische Relationen zueinander gesetzt, ausgewertet, interpretiert und ver-

standen werden. Auch eine Kommunikation zwischen den Maschinen ist möglich. Techno-

logien, die das Web 3.0 kennzeichnen, sind künstliche Intelligenzen sowie die Verarbei-

tung der menschlichen Sprache und maschinelles Lernen.2 An diese technologischen Ent-

wicklungen knüpft diese Masterarbeit durch die Nutzung von IBM Watson an.

1 Vgl. Choudhury (2014), S.8096-8098.

2 Vgl. Choudhury (2014), S.8099.

1 Einleitung

2

1.1 Problemstellung und Relevanz des Themas

Soziale Medien haben in den letzen Jahren zunehmend an Bedeutung für Unternehmen

gewonnen. Netzwerke wie Twitter und Facebook zählen mitunter zu den wichtigsten

Kommunikationskanälen für erfolgreiche Firmen und dienen in vielen Fällen als Diskussi-

onsbasen, um mit den Kunden direkt in Kontakt treten zu können. Durch Social Media

Plattformen können Betriebe ein positives Image aufbauen und die Kaufentscheidung der

Konsumenten in bestimmte Richtungen lenken. Neben den vorteilhaften Aspekten, die

soziale Medien mit sich bringen, wie etwa die schnelle und einfache Verbreitung von posi-

tiven Eindrücken durch User, kann es auch zu nachteiligen Bewegungen kommen, etwa zu

Boykotten.3 Diese negativen Aspekte stehen im Mittelpunkt dieser Masterarbeit.

Als Beispiel wird dafür der durch die Umweltorganisation EPA im September 2015 publik

gemachte Abgasskandal von Volkswagen herangezogen, als in den USA ein Programm zur

Manipulation der Emissionswerte bei einer Vielzahl von mit Diesel betriebenen Autos ein-

gesetzt wurde. Diese gesetzlich nicht zugelassene Emissionstechnik zog eine Reihe von

Zivilklagen nach sich sowie empfindliche Schadensersatzzahlungen für den Konzern. 4

Soziale Medien erlauben es, Nachrichten mit enormer Geschwindigkeit zu verbreiten.

Menschen, die sich im realen Leben nicht kennen, finden in Gruppen mit gemeinsamen

Interessen zusammen und können durch den schnellen Austausch von Meinungen Macht

aufbauen. Diese Masse an Diskussionen kann schwerwiegende Konsequenzen für ganze

Branchen, sogar Staaten, wie es etwa das Beispiel Brexit zeigt, nach sich ziehen. Jeder

einzelne Eintrag in ein soziales Netzwerk kann den Skandal oder die Debatte für unbe-

stimmte Zeit im Mittelpunkt der Öffentlichkeit erhalten.5 Aus diesem Sachverhalt ergibt

sich ein wissenschaftliches Interesse, die tatsächlichen Auswirkungen von Unterneh-

menskrisen auf messbare Medien wie Aktienkurse oder Umsatzzahlen zu untersuchen. Die

auf Facebook oder Twitter vorherrschenden Meinungen über den VW-Dieselskandal mit

konventionellen Mitteln zu erfassen und auszuwerten, wäre mit einem enormen Aufwand

verbunden. Aus diesem Grund ist die Nutzung eines Social Analytic Tools wie IBM

Watson for Social Media angemessen.

3 Vgl. Leinemann (2013), S.2.

4 Vgl. Autobild (2017), [online].

5 Vgl. Johnson (2012), S.1.

1 Einleitung

3

In der wissenschaftlichen Literatur finden sich, wie in Kapitel 3 aufgezeigt wird, praktisch

keine Arbeiten, die vorherrschende Meinungen über Unternehmenskrisen in sozialen

Netzwerken mit dem Verlauf von Aktienkursen in Verbindung bringen. Meist existieren

nur Schriften über den Umgang mit Empörungswellen in sozialen Medien, aber zu den

tatsächlichen Auswirkungen werden keine Verknüpfungen erstellt.

Dieser Fakt zeigt deutlich die Notwendigkeit nach weiteren Forschungsprojekten in diesem

Bereich. Eine Studie, die diese Konsequenzen beleuchtet und Verbindungen zu Meinungen

auf sozialen Plattformen herstellt, wäre aus diesem Grund von wissenschaftlicher Bedeu-

tung. Aus diesem Sachverhalt ergibt sich das Hauptziel der Masterarbeit, nämlich das Tra-

cking von Unternehmenskrisen in sozialen Medien und daraus resultierende Effekte am

Beispiel von Volkswagen.

1.2 Zielsetzung der Arbeit

Ziel der Arbeit ist es, den zeitlichen Verlauf des Skandals mit Hilfe von Google Trends auf

Basis von Suchanfragehäufigkeiten auszuwerten sowie mit IBM Watson Analytics for

Social Media die Entwicklung von Diskussionen in sozialen Netzwerken über den Zeit-

raum des Skandals hinweg zu dokumentieren. Vorherrschende Stimmungen sowie Suchan-

fragen, die die Affäre betreffen, sollen mit dem Kursverlauf der VW-Aktie verglichen wer-

den, um mögliche Muster zu erkennen. Zusätzlich sollen die Umsatzzahlen für die be-

troffenen Jahre ausgewertet und mit dem Skandal in Verbindung gebracht werden.

Außerdem wird versucht, durch verschiedene Sentimentanalysen den Shitstorm gegen VW

abzubilden. Eine Unterteilung der Auswertungen in mehrere Kategorien soll zur besseren

Dokumentation der negativen Posts dienen. So werden betroffene und nicht betroffene

VW-Fahrzeugmodelle gegenübergestellt, zusätzlich erfolgt ein Vergleich zwischen Volks-

wagen und anderen Autobauern. Des Weiteren werden die Auswertungen nach Social Me-

dia Portalen und Regionen aufgeteilt.

Die Analysen werden mit IBM Watson Analytics for Social Media durchgeführt, während

Google Trends als ,,Nebenschauplatz“ dient, um mit dessen Hilfe, parallel zur Nutzung des

IBM Tools, Peaks nach bestimmten Ereignissen, wie etwa Gerichtsurteilen, mit der Aus-

wertung der Watson Analyse sowie den Börsenkursen der VW-Aktie abgleichen zu können.

1 Einleitung

4

1.3 Aufbau der Arbeit

Die vorliegende Masterarbeit besteht aus drei Teilen. Einem theoretischen und einem em-

pirischen Part sowie einem Schlussteil.

Im theoretischen Abschnitt werden zunächst Grundlagen zur Thematik beschrieben und

Begrifflichkeiten wie Social Media und Negative Word of the Mouth erklärt. Zusätzlich

wird ein Überblick des derzeitigen Forschungsstandes (State of the Art) gegeben.

Der Hauptfokus dieser Arbeit liegt auf dem zweiten, praktischen Teil. Dieser gliedert sich

in drei Abschnitte: Konzeption der Arbeit, Ergebnisse und Auswirkung.

Der erste Teil des zweiten Abschnittes beinhaltet eine Zusammenfassung der Forschungs-

fragen und eine genaue Beschreibung des Analyseobjekts, den Dieselskandal rund um den

Volkswagenkonzern. Zudem werden auch die verwendeten Tools (Google Trends, IBM

Watson Analytics for Social Media) vorgestellt und die Vorgehensweise im Zuge der Ana-

lyse erklärt.

Im zweiten Abschnitt des empirischen Teils findet eine praktische Anwendung der Tools

statt, mit deren Hilfe das Analyseobjekt untersucht wird. Zu Beginn wird mit einer Google

Trends Untersuchung der Zeitverlauf des Dieselskandals abgebildet. Im Zuge dieser Aus-

wertung soll eine Verbindung zwischen medialen Berichten sowie besonderen Ereignissen

während der Emissionsaffäre und steigenden Suchanfragehäufigkeiten hergestellt werden.

Zusätzlich werden in diesem Abschnitt die mit dem Skandal zusammenhängenden Ent-

wicklungen von Diskussionen auf sozialen Netzwerken mit IBM Watson untersucht und

mit der Auswertung der Google Trends Analyse abgeglichen. Um ein besseres Verständnis

der Auswirkungen des Skandals auf die Stimmungen der Social Media User zu erlangen,

werden in mehreren Unterkapiteln weitere Analysen durchgeführt. Eine Gegenüberstellung

der USA und Europa soll zeigen, in welchen Gebieten der Konzern besonders mit dem

Shitstorm konfrontiert wird. Auch erfolgt ein Vergleich von Portalen, um zu erkennen, in

welchen die meisten ,,Provokationen“ stattfanden. Um den Shitstorm noch besser heraus-

filtern zu können, werden in weiterer Folge betroffene und nicht betroffene Fahrzeugmo-

delle sowie verschiedene Autohersteller einer Sentimentanalyse unterzogen und gegen-

übergestellt. Anschließend werden die Aktienkurse und Umsatzzahlen des VW-Konzerns

1 Einleitung

5

abgebildet, im Zusammenhang mit dem Skandal und den vorhergehenden Analysen disku-

tiert und mit den daraus generierten Resultaten verglichen.

Die Ergebnisse der Untersuchungen werden noch im selben Teil präsentiert. Abschließend

folgt eine Besprechung der durch die negativen Posts auf sozialen Netzwerken und Verän-

derungen der Suchanfragehäufigkeiten entstandenen Auswirkungen auf Aktienkurse und

Umsatzzahlen des VW-Konzerns.

Im Schlussteil werden die Ergebnisse aus der Untersuchung zusammengefasst und disku-

tiert sowie ein Ausblick für weitere Analysen gegeben.

2 Begriffsdefinitionen und -abgrenzungen

6


Die in der Analyse mittels IBM Watson in dieser Arbeit verwendeten Quellen sind haupt-

sächlich soziale Netzwerke. Zum besseren Verständnis für die folgenden Kapitel sollen

daher in diesem einleitenden Abschnitt die wichtigsten sozialen Plattformen näher be-

schrieben werden.

2.1 Social Media

Es gibt eine Vielzahl an Definitionen für soziale Netzwerke bzw. soziale Medien. Dies

liegt daran, dass Social Media in sehr unterschiedlichen Gebieten der Wissenschaft und

Forschung als Untersuchungsobjekt dienen und sich die Definition von den Zielen des je-

weiligen Bereiches ableitet.6

Ein Versuch einer universell validen Begriffserklärung für soziale Netzwerke sowie Social

Media wäre:

,,Ein ,soziales Netzwerk‛ (engl. social network) ist ein gemeinschaftliches Netzwerk im

Internet, d. h. eine lose Verbindung von Menschen in einer Online- bzw. Internet-

Community bzw. in einem computergestützten Netzwerk zur Kommunikation.

Eine erste mögliche Definition für Social Media lautet beispielsweise:

,Social Media‛, auch soziale Medien genannt, bezeichnen digitale Medien und Tech-

nologien, die es den Nutzern ermöglichen, sich untereinander in einem Netz, z. B. im

Internet, auszutauschen und mediale Inhalte einzeln oder in Gemeinschaft zu erstellen

und weiterzuleiten.“7

Im Zuge dieser Masterarbeit werden hauptsächlich Facebook, Twitter, Blogs und Foren als

Datenquellen zur Analyse herangezogen, daher macht es Sinn, in den weiteren Abschnitten

dieses Kapitels die genannten sozialen Netzwerke genauer zu erläutern.

6 Gabriel/Röhrs (2012), S.12.

7 Gabriel/Röhrs (2012), S.12.


7

2.1.1 Facebook

Mit annähernd zwei Milliarden aktiven Nutzern (Stand Juli 2017) ist Facebook das welt-

weit größte soziale Netzwerk.8 Die Plattform wurde 2004 an der Harvard University von

Hochschülern erfunden, um eine bessere Kommunikation zwischen den Studenten zu er-

möglichen. Das Unternehmen verzeichnet seit seiner Gründung ein stetiges Wachstum, die

Nutzerzahlen stiegen schnell in die Milliarden. User können sich nach der Registrierung

entweder ein Privat- oder Firmenprofil erstellen, welches dann personalisiert werden kann,

beispielsweise durch Angaben von persönlichen Daten oder durch Hochladen von Bildern.

Nach Fertigstellung des Profils können Beiträge von anderen Nutzern kommentiert oder

Einträge auf Pinnwänden hinterlassen werden.9

2.1.2 Twitter

Die Mikroblogging-Plattform Twitter erlaubt es Nachrichten, sogenannte Tweets, mit einer

Maximallänge von 140 Zeichen zu posten. Optional können auch Fotos oder Videos hoch-

geladen werden. Die in den USA sehr beliebte Kommunikationsplattform wird sowohl zu

privaten als auch kommerziellen Zwecken genutzt.10 Im Jahr 2017 verzeichnete Twitter

328 Millionen aktive User pro Monat.11 Die Halbwertszeit einer Meldung auf Twitter, das

ist jene Zeit, in der rund die Hälfte des Gesamttraffics für einen Eintrag erfolgt, liegt bei

wenigen Stunden, manchmal sogar Minuten. Im Zuge von Online-Firestorms werden im

Vergleich zu anderen Social Media Plattformen die meisten negativen Meldungen auf

Twitter gepostet. Dies liegt vermutlich an der Kürze der Einträge.12

2.1.3 Blogs

Die Bezeichnung Blog leitet sich von Weblog ab und beschreibt Webseiten, die aus per-

sönlichen Einträgen, meist in umgekehrt chronologischer Reihenfolge, bestehen. Eine wei-

tere Besonderheit von Blogs ist, dass sie meist öffentlich sind. Das bedeutet praktisch Zu-

gang für jeden. Oft werden zur Erstellung eines solchen Online-Tagebuchs Dienstleister

8 Vgl. Roth (2017), [online].

9 Vgl. Schlüter/Münz (2012), S.66-68.

10 Vgl. Statista (2017a), [online].

11 Vgl. Statista (2017b): [online].

12 Vgl. Pfeffer/Zorbach/Carley (2014), S.120.


8

wie Wordpress, Tumblr oder Blogger als Provider für die Infrastruktur genutzt. Des weite-

ren gibt es Kommentarfunktionen, durch die sich Nutzer über Posts austauschen können.13

2017 verzeichnete Wordpress 77 Millionen monatliche Blogposts, Tumblr 145 Milliar-

den.14

2.1.4 Foren

In Foren finden sich Interessensgemeinschaften, die über bestimmte Themen diskutieren.

Meist sind Foren öffentlich lesbar, Beiträge verfassen können jedoch nur registrierte Nut-

zer. Zur besseren Übersicht werden die Beiträge meist in Kategorien, sogenannte Threads

oder Topics, zusammengefasst. Die einzelnen Posts sind umgekehrt chronologisch nach

dem Erstellungsdatum angeordnet. Ähnlich wie bei Blogs, findet sich der jeweils neueste

Eintrag an erster Stelle.15

2.2 Negative Word of Mouth

Seit der Einführung von Web 2.0 haben soziale Netzwerke Milliarden von Usern generie-

ren können. Social Media Plattformen ermöglichen eine rasend schnelle globale Ausbrei-

tung von Meldungen. Durch den losen Zusammenschluss von Interessensgemeinschaften

können Inhalte unzählige Male geteilt und kommentiert werden.

Als Anfang des Jahres 2011 zu den ersten Demonstrationen in den arabischen Ländern

aufgerufen wurde, erfolgte dies nicht über klassische Medien, sondern über soziale Netz-

werke wie Facebook und Twitter.16 Dass ganze Regierungen von solchen Shitstorms be-

troffen sein können, bleibt allerdings der Ausnahmefall. Meist richtet sich die Welle der

Empörung auf sozialen Netzwerken gegen einzelne Unternehmen oder Personen. Typisch

hierfür ist die zunächst stark zunehmende Anzahl abschätziger und kritischer Posts auf

Social Media Plattformen, die bald in primitive, niveaulose Wortmeldungen bis hin zu

Drohungen umschlagen können.17

13 Vgl. Sauers (2006), S.1-2.

14 Vgl. Statista (Hrsg.) (2017c), [online].

15 Vgl. epubli GmbH (2013).

16 Vgl. Schmidt (2013), S.7.

17 Vgl. Justitz, (2012), [online].


9

Für Unternehmen können die Folgen schwerwiegend sein. Meist gehen Shitstorms mit dem

Verlust von Kunden oder sogar einer Rufschädigung einher. Des Weiteren bleiben die ne-

gativen Kommentare und Artikel oft über viele Jahre online.

Aus Unternehmenssicht gibt es eine Vielzahl an Ursachen für Shitstorms, meist sind es

allerdings Fehler, die der jeweilige Betrieb selbst macht. So führen etwa unmoralische

Handlungen, Schwierigkeiten im Hauptgeschäftsfeld oder falsche Informationsvermittlung,

gepaart mit überheblichem Verhalten, oft zu einem Sturm der Entrüstung. Meist entwi-

ckeln sich Eigendynamiken. Während eines Shitstorms können sich Emotionen verstärken.

Dies führt oftmals zu hitzigen Diskussionen, die dann in Beschimpfungen übergehen.

Durch den mobilen Zugriff auf Plattformen wie Twitter oder Facebook und die Möglich-

keit zum Kreieren und Kommentieren von Posts innerhalb von Sekunden, werden so nega-

tive Nachrichten in kürzester Zeit weltweit verbreitet. Diese Geschwindigkeit und die

enorme Anzahl an Posts stellen einen kritischen Faktor für Unternehmen dar, die von Shit-

storms betroffen sind. Während nach negativen Pressemeldungen bis zu ein Tag vergehen

darf, bis der betroffene Betrieb reagieren kann, muss eine Rückmeldung auf Shitstorms

meist innerhalb von Stunden oder Minuten erfolgen, um eine extreme Ausbreitung der

kritischen Posts zu vermeiden. Diese Reaktionen sind von besonderer Bedeutung für den

betroffenen Betrieb.18

Nur durch gezielte Kommunikation kann die Masse wieder beruhigt werden. Hierbei gilt,

dass sich richtige Handlungsweisen im Frühstadium des Shitstorms positiv auf den weite-

ren Verlauf der Diskussionen auswirken können. Hat die Welle der Empörung schon ein

gewisses Ausmaß erreicht, muss damit gerechnet werden, dass sich das Ergreifen von

Maßnahmen als kompliziert erweisen kann.19

18 Vgl. Pfeffer/Zorbach/Carley (2014), S.117.

19 Vgl. Hoffmann, K. (2016), [online].

3 Reflexion des Forschungsstandes

10


Dieser Abschnitt soll einen Überblick über den derzeitigen Forschungsstand der mit dieser

Masterarbeit verbundenen Themenbereiche geben. Eine erste Literaturrecherche erfolgt

mittels der seit 2017 von Clarivate Analytics vertriebenen Online Datenbank Web of Sci-

ence. Eine Suche nach Artikeln, die im Zusammenhang mit Shitstorms und Social Media

stehen, soll zeigen, wie viele Publikationen es in diesen Wissenschaftsgebieten bereits gibt.

Damit die Suche möglichst umfangreiche Ergebnisse liefert, werden neben dem Begriff

Shitstorm weitere Wortverbindungen, die Synonyme dafür sind, in die Recherche mitein-

bezogen. Diese sind Online Firestorm, Negative Word of Mouth und Negative WOM.

Um die Recherche zu verfeinern, wird der Boolesche Operator OR eingesetzt. Die bereits

erwähnten Begriffe werden mit einem OR versehen, da sie bedeutungsgleiche Worte sind.

Damit ist sichergestellt, dass jedes der Resultate eine mit Shitstorm verwandte Wortver-

bindung beinhalten muss. Die genaue Eingabe lautet:

[TITLE: (Shitstorm*) OR TITLE: ("Online Firestorm*") OR TITLE: ("Negative Word

of Mouth") OR TITLE: ("Negative WOM")]

Shitstorm, Online Firestorm*, Negative Word of Mouth und Negative WOM wurden ab-

sichtlich als ,,Title“ gesetzt. Eine Suche mit den selben Begriffen als ,,Topic“ ergab zu

viele, nicht mit dem Thema verwandte Suchergebnisse. Mit Sternchen versehen werden

Begriffe, nach denen sowohl in der Einzahl als auch in der Mehrzahl gesucht wird. Das

Sternchen ist dabei eine sogenannte ,,Wildcard“, die einen unbekannten oder gar keinen

Charakter - in diesen Fällen ein ,,s“ oder kein ,,s“ - repräsentiert, da in der englischen

Sprache bei diesen Begriffen, um sie von der Ein- in die Mehrzahl zu setzen, ein ,,s“ ange-

hängt wird. Durch das Sternchen erfolgt die Suche beispielsweise sowohl nach Online

Firestorm als auch nach Online Firestorms.

Groß- und Kleinschreibung haben keinen Einfluss auf die Resultate. Da Leerzeichen in

Web of Science als AND gewertet werden, müssen, um nicht mit dem Themenbereich zu-

sammenhängende Artikel aus den Ergebnissen zu filtern, Wortverbindungen wie Negative

Word of Mouth mit Anführungszeichen versehen werden ( = Phrasensuche). Anderenfalls

wären die angegeben Wörter zwar in den aus der Suche resultierenden Titeln erwähnt, al-

lerdings nicht notwendigerweise in der gewollten Kombination.

Abbildung 1 zeigt die Sucheingabe in Web of Science.


11

Die Recherche liefert 52 Artikel, die die Problemstellung behandeln. Diese geringe Zahl

zeigt schon, dass es kaum wissenschaftliche Arbeiten zur Thematik gibt.

Eine Suche mittels google.scholar.com soll weitere Ergebnisse bringen. Um diese zu ver-

feinern, muss wiederum mit Booleschen Operatoren bei der Eingabe verwendet werden.

Zusätzlich wird, wie auch bei der Web of Science Recherche, die Phrasensuchfunktion aus-

genutzt. Die genaue Suchanfrage lautet:

["online firestorm" OR "online firestorms" OR "negative word of mouth" OR "negative

wom" OR "shitstorm" OR "shitstorms"]

Die Recherche liefert 17.900 Ergebnisse, allerdings behandeln die meisten eine reine Soci-

al Media Analyse, aber keine Shitstorms. Um die Resultate weiter einzugrenzen, wird in

den erweiterten Sucheinstellungen die Funktion ,,Artikel finden, die meine Wörter im Titel

enthalten“ ausgewählt. Dadurch kann die Anzahl der Ergebnisse auf 424 eingegrenzt wer-

den. Noch seltener sind Arbeiten, in denen die Auswirkungen von Shitstorms untersucht

werden.

In einer Studie von Kim Su Jung, Rebecca Jen Hui und Ewa Maslowska konnte ein Zu-

sammenhang zwischen sinkenden Absatzzahlen von Unternehmen und Shitstorms herge-

stellt werden. Die Untersuchung aus dem Jahr 2016 ist vermutlich die erste und bis dato

einzige dieser Art.20

Des Weiteren zeigen F. Pfeffer, T. Zorbach und K. M. Carley in ihrem Artikel

,,Understanding online firestorms: Negative-word-of-mouth dynamics in social media net-

works“, welche Gründe für die Verbreitung von Shitstorms ausschlaggebend sein können.

Außerdem erörtern die Autoren Folgen eines solchen. Gemäß des Artikels sind meist nega-

tive Pressemeldungen Auslöser von Online Firestorms, die sich gegen Unternehmen, be-

rühmte Personen oder aber auch Regierungen wenden können.21

Chester Curme, Tobias Preis, H. Eugene Stanley und Helen Susannah Moat entdeckten

2014 einen möglichen Zusammenhang zwischen sinkenden Aktienkursen und steigenden

20 Vgl. Su Jung/Wang/Maslowska (2016), S.511-521.

21 Vgl. Pfeffer/Zorbach/Carley (2014), S.117-128.


12

Suchanfragen auf Google, Wikipedia und Amazon Mechanical Turk. Erhöht sich das Such-

volumen, fallen gemäß ihrer Recherchen oftmals kurze Zeit später die Kurse.22

Es gibt zwar eine Vielzahl von Publikation, die die Auswirkungen von sozialen Netzwer-

ken auf die Kommunikation zwischen Unternehmen und Kunden beschreiben. Auch exis-

tiert wissenschaftliche Literatur, die Firmenkrisen näher untersucht, Reaktionen beschreibt

und Auswirkungen, wie sinkende Aktienkurse, erörtert und erklärt. Zum Dieselskandal von

Volkswagen finden sich viele Artikel in Zeitungen und Nachrichtendiensten, die die Situa-

tion näher beleuchten.

Allerdings ergibt sich aus der Literaturrecherche, dass zur Zeit kaum Artikel existieren, die

sich mit Shitstorms und deren Auswirkungen auseinandersetzen.

Auch gibt es wahrscheinlich bis dato keine wissenschaftliche Untersuchung von Unter-

nehmensskandalen mit IBM Watson. Des Weiteren wurde vermutlich bisher keine Analyse

durchgeführt, die versucht Zusammenhänge zwischen Aktienkursen, Google Trends Such-

anfragen und Social Media Shitstorms herzustellen. Wahrscheinlich ist der Gegenstand

dieser Masterarbeit neu auf diesem Gebiet.

22 Vgl. Curme/Preis/Stanley/Moat (2014), S.117-128.

4 Konzeption der Arbeit

13


Der folgende Abschnitt soll Grundlagen vermitteln, um den Leser auf die Analysen in Ka-

pitel 5 vorzubereiten. In diesem Zusammenhang werden zunächst die Forschungsfragen

aufgezeigt. Danach folgt eine kurze Zusammenfassung des ,,Skandals“ im Zuge der Be-

schreibung des Analyseobjekts. Anschließend werden die Methodik und die Vorgehens-

weise bei der praktischen Untersuchung sowie die dafür benutzten Tools näher erklärt.

4.1 Forschungsfragen

Im Zuge von mehreren Analysen soll der VW-Dieselskandal mittels Google Trends und

IBM Watson Analytics for Social Media untersucht werden. Außerdem wird versucht, aus

den daraus gewonnenen Erkenntnissen eine Verbindung zum Verlauf des Börsenkurses der

VW-Aktie sowie zu den Umsatzzahlen des Konzerns herzustellen.

Mit Hilfe der Arbeit sollen Erkenntnisse gewonnen werden, um folgende, sich aus diesem

Zusammenhang ergebende Fragen zu beantworten:

Wie kann ein Skandal am besten erkannt werden?

Wie äußert sich ein Unternehmensskandal in sozialen Medien?

Wie wirken sich Stimmungen in sozialen Netzwerken auf Aktienkurse aus?

In welchem Zusammenhang stehen Meinungen in sozialen Medien mit den Absatz-

zahlen?

Gibt es einen Zusammenhang zwischen Suchanfragehäufigkeiten, Shitstorms und

Aktienkursen?

4.2 Analyseobjekt

Als Analyseobjekt wird der international bekannte Konzern Volkswagen herangezogen.

Der 1937 in Berlin gegründete Betrieb ist heute der größte Automobilhersteller in Europa.

Neben VW gehören Marken wie Audi, Skoda, Seat, Bugatti, Bentley, Porsche und Lambor-

ghini zum Unternehmen.23 Im September 2015 erklärte die Umweltbehörde Environmental

Protection Agency (EPA), dass der VW-Konzern möglicherweise Abgaswerte an Diesel-

23 Vgl. Volkswagen Aktiengesellschaft (2017a), [online].


14

fahrzeugen mit Hilfe eines Programmes gezielt manipuliert haben könnte, welches das

Emissionsprüfungssystem nur während der Ausführung von behördlichen Kontrollen akti-

viere, was auf einen größeren Schadstoffausstoß schließen lasse als die Laborwerte auf-

zeigten. Betroffen seien in erster Linie Autos gewesen, die zwischen 2009 und 2015 gebaut

wurden, wie die Modelle Jetta, Golf, Beetle und Passat.

Diese Anschuldigungen erwiesen sich nach weiteren Ermittlungen als wahr. EPA verlangte

daraufhin von Volkswagen, 482.000 Dieselautos des Konzerns in Kalifornien zurückzuru-

fen. VW wollte zunächst mit den Behörden zusammenarbeiten, um das Ausmaß des Skan-

dals überschaubar zu halten, da Volkwagen in den USA ohnehin nicht gleich erfolgreich

wie etwa in Europa war. Nur die Töchter Audi und Porsche konnten 2015 ihre Umsatzzah-

len erhöhen.24

Volkswagen gab nur wenig später nach Bekanntwerden des Skandals dem öffentlichen

Druck nach und bestätigte, die besagte Software zur Manipulation der Emissionswerte ein-

gesetzt zu haben, woraufhin es erste Hinweise gab, dass die amerikanischen Behörden kei-

ne Zulassungen für VW-Modelle für das folgende Jahr mehr vergeben würden.25 Das Aus-

maß des Skandals wurde immer größer. Es folgten Tests an Dieselautos in Deutschland

und dem Rest Europas, Gerichtsurteile, Zulassungsverbote, Ermittlungen gegen das Top-

management und Strafzahlungen. Allein in Deutschland wurden bereits im Oktober 2015

2,4 Millionen Autos der Marke VW zurückgerufen, in ganz Europa lag die Zahl bei 8,5

Millionen. Die Höhe der Strafzahlungen in den USA belief sich 2016 auf rund 15 Milliar-

den Dollar. Der Konzern beschloss noch im selben Jahr die Entlassung von 30.000 Mitar-

beitern weltweit und keine Dieselmodelle mehr auf dem amerikanischen Markt zu verkau-

fen. Im Jahr 2016 lag der Umsatz der Volkswagen AG bei 217,3 Milliarden Euro.

Auch 2017 kam es zu erneuten Gerichtsurteilen, die Strafzahlungen in Milliardenhöhe zur

Folge hatten. Manipulationen an vereinzelten Modellen der Marke Audi sollen schon im

Jahr 2007 durchgeführt worden sein.26 Weltweit seien nach den im Jahr 2017 vorliegenden

Daten mehr als 11 Millionen Fahrzeuge von der Dieselaffäre betroffen. Bis zur Hälfte des

24 Vgl. Spiegel Online (2015a), [online].

25 Vgl. Spiegel Online (2015b), [online].



15

Jahres hatte VW bereits 4,7 Millionen davon umgerüstet. Die Gesamtkosten belaufen sich

bis dato auf 22,6 Milliarden Euro.27

Der sogenannte Dieselgate steht im starken Kontrast zu den Umsatzzahlen. Die Aktienge-

sellschaft konnte 2016 den Umsatz um vier Milliarden Euro auf 217,3 Milliarden Euro

erhöhen. Auch das operative Ergebnis, das stark von den Auswirkungen des Dieselskan-

dals betroffen war, zeigte ein deutliches Plus. Mit 10,3 Millionen verkauften Autos wurde

2016 sogar zu einem Rekordjahr für Volkswagen.28

4.3 Methode

In den vorhergehenden Abschnitten wurden die für diese Arbeit relevanten Begriffe, wie

Social Media und Negative Word of the Mouth erklärt. Zudem wurde das Analyseobjekt

Volkswagen näher vorgestellt. Dadurch konnten grundsätzliche Einblicke in die Materie

gegeben werden, auf die die weiteren Analysen in diesem empirischen Teil aufbauen.

Angesichts der großen Menge an Daten, die zur Beantwortung der ebenfalls in diesem Ka-

pitel vorgestellten Forschungsfragen ausgewertet werden müssen, ergibt sich eine Notwen-

digkeit für den Einsatz von spezieller Software. Hauptsächlich werden hierfür zwei In-

strumente angewendet: zum einen Google Trends, zum anderen IBM Watson Analytics for

Social Media, sowie zusätzlich zur Auswertung des Aktienverlaufs www.wallstreet-

online.de. Vor der praktischen Anwendung sollen Google Trends und IBM Watson zu-

nächst näher vorgestellt sowie die genauen Arbeitsschritte beschrieben und erklärt werden.

4.3.1 Vorgehensweise

Zunächst soll der zeitliche Verlauf des Dieselskandals mit einer Google Trends Analyse

abgebildet werden. Hierfür werden für bestimmte Zeitabschnitte Auswertungen durchge-

führt und ein Diagramm, das die relativen Suchanfragehäufigkeiten darstellt, generiert. Die

Wahl der zeitlichen Intervalle erfolgt auf Basis von Pressemeldungen zur Manipulationsaf-

färe. In weiterer Folge sollen dann die Daten der Peaks im Trends-Diagramm identifiziert

und mit besonderen Entwicklungen und Ereignissen im Laufe des Skandals abgeglichen

werden. Hierfür wird die Nachrichten-Suchfunktion der Suchmaschine Google genutzt.


28 Vgl. Volkswagen Aktiengesellschaft (2017b), [online].


16

Im zweiten Teil der Analyse wird das Tool IBM Watson Analytics for Social Media einge-

setzt. Zunächst soll die allgemeine Entwicklung der Diskussionen abgebildet werden. Hier-

für werden alle drei betroffenen Autobauer (VW, Audi, Porsche) sowie die manipulierten

Modelle untersucht. Zudem sollen bestimmte Begriffe, die mit dem Skandal in Verbindung

stehen, wie Schadensersatzzahlung, Rückruf oder Dieselskandal, in die Analyse miteinbe-

zogen werden, um Zusammenhänge zu den Autoherstellern aufzeigen zu können. Aller-

dings werden diese negativen Ausdrücke, um Verzerrungen der Resultate zu vermeiden,

einer separaten Auswertung unterzogen.

Als erster Schritt der Watson Analyse werden, ähnlich zur Trends Untersuchung, der

Skandal im zeitlichen Verlauf abgebildet und die Daten, an denen sich die meisten Einträ-

ge finden, mit denen der größten Suchanfragehäufigkeiten verglichen. Danach erfolgen

weitere Untersuchungen mit Watson, um den Shitstorm möglichst genau auswerten zu

können. Zudem werden mehrere Vergleiche von Stimmungen, aufgeteilt nach geografi-

schen Gebieten und Portalen, angestellt.

Zuletzt werden die Umsatzzahlen abgebildet sowie der Verlauf des VW-Aktienkurses über

den gesamten Zeitraum zwischen 1. September 2015 und 1. August 2017 dargestellt und

wiederum mit der Auswertung der Trends Analyse abgeglichen.

Ziel des Kapitels ist es, den Shitstorm in sozialen Netzwerken mit Watson sichtbar zu ma-

chen und in späterer Folge mit den Resultaten aus der Google Trends Auswertung sowie

dem Aktienkursverlauf zu vergleichen.


17

4.3.2 Tools

Vor der praktischen Anwendung in Kapitel 5 werden in diesem Abschnitt die Tools IBM

Waston Analytics for Social Media und Google Trends sowie ihre Arbeitsweisen näher

vorgestellt.

4.3.2.1 IBM Watson Analytics for Social Media

IBM Watson Analytics for Social Media baut auf dem Cloud-basierten Tool des amerikani-

schen IT-Unternehmens IBM, Watson Analytics, auf, welches Daten visualisiert und aus-

wertet. Zusätzlich kann es zur Erstellung von Vorhersageanalysen genutzt werden. Diese

sogenannten ,,Predicitve Analytics“ beschreiben eine spezielle Software-Technik, die ver-

sucht, Muster in einer Datenmenge zu finden und daraus auf Basis mathematischer Be-

rechnungen Vorhersagen für zukünftige Entwicklungen zu treffen. Watson Analytics nutzt

für die Auswertungen eine Computertechnologie, durch die versucht wird, den Computer

wie ein menschliches Gehirn arbeiten zu lassen, um die natürliche Sprache auszuwerten.

Durch diese Technologie kann Watson Analytics for Social Media Daten aus sozialen

Netzwerken auswerten und Einblicke in Diskussionen, Stimmungen und Meinungen ge-

ben. Durch eine Kooperation mit der Social Media Plattform Twitter können noch mehr

Daten aus den sozialen Netzwerken gewonnen und analysiert werden. Das Analyse Tool

ist in verschiedenen Sprachen verfügbar und kann Daten aus unterschiedlichen Quellen,

wie Facebook, Foren, Blogs etc., generieren. Die Ergebnisse der Untersuchung werden

dann durch verschiedene Diagramme visualisiert.29

4.3.2.2 Google Trends

Google Trends ist ein kostenloses Online Analyse Tool, das es erlaubt, den zeitlichen Ver-

lauf von Suchanfragen einzusehen. Die dafür verwendeten Suchbegriffe können vom Nut-

zer selbst gewählt werden. Die Ergebnisse werden durch Zahlen abgebildet, die zwischen 0

und 100 liegen können. Diese errechnen sich aus der Gesamtanzahl der Suchanfragen für

einen Begriff und eine bestimmte Region, geteilt durch die Gesamtanzahl aller Suchanfra-

gen für das jeweilige Gebiet während des betrachteten Zeitraums. Der maximale Wert von

100 stellt dabei die Periode mit den meisten Suchanfragen für den ausgewählten Begriff

29 Vgl. Irandoust (2016), [online].


18

dar. Ein Wert von 0 wiederrum heißt, dass die Häufigkeit der Suchanfrage unter 1% des

höchsten Wertes lag.30

Google Trends wird sehr oft dazu eingesetzt, um Erkenntnisse über Popularität und Be-

kanntheit einer Marke zu gewinnen. Zusätzlich können Informationen über das derzeitige

sowie vergangene Konsumentenverhalten aggregiert werden. Die Ergebnisse werden dann

nach Regionen gefiltert.

Untersuchungen zeigen, dass Suchanfragehäufigkeiten für Unternehmen, von denen nega-

tiv in den Medien berichtet wurde, ansteigen.31

Eine weitere für diese Arbeit relevante Studie zeigt, dass es einen Zusammenhang zwi-

schen Suchanfragehäufigkeiten und dem Verlauf von Aktienkursen gibt. Eine Zunahme an

Suchanfragen kann gemäß der Studie mit einem Sinken des Aktienkurses für das Analyse-

objekt einhergehen, allerdings kann der genaue Handelspreis der Aktien nicht vorhergesagt

werden.32

30 Vgl. Choi/Varian (2012), S. 2-9.

31 Vgl. Renner (2015), [online].

32 Vgl. Pappas (2013), [online].

5 Ergebnisse

19

5 Ergebnisse

In diesem Kapitel sollen die Ergebnisse aus der Google Trends und IBM Watson Analyse

vorgestellt und diskutiert werden. Zunächst wird der zeitliche Verlauf der Dieselaffäre mit

dem Online Tool Google Trends abgebildet und mit Pressemeldungen abgeglichen, um

Verbindungen zwischen einem steigenden Suchvolumen und negativen Medienberichten

herstellen zu können. Die gewonnenen Erkenntnisse werden dann mit den Ergebnissen der

mit IBM Watson Analytics for Social Media durchgeführten Untersuchung der Stimmun-

gen auf sozialen Netzwerken verglichen. Wieder soll nach Zusammenhängen gesucht wer-

den. Im nächsten Schritt werden die Auswirkungen des Skandals auf die Stimmungen der

Social Media User untersucht. Abschließend erfolgt eine Auswertung der Aktienkurse und

der Umsatzzahlen des VW-Konzerns innerhalb der letzten drei Jahre sowie eine Interpreta-

tion des gewonnen Erkenntnisse.

5.1 Zeitverlauf des Skandals mittels Google Trends

Um den zeitlichen Verlauf des Skandals zu veranschaulichen und gegebenenfalls Zusam-

menhänge zwischen Suchanfragehäufigkeiten und Shitstorms zu erkennen, wird Google

Trends als Tool zur Analyse herangezogen. Dabei erstreckt sich die Untersuchung über

den gesamten bis dato bekannten Zeitraum der Dieselaffäre, von Juli 2015 bis August

2017. Google Trends erleichtert diese Analyse durch die Möglichkeit zur Erstellung eines

benutzerdifferenzierten Zeitraums. Das Anfangsdatum zur Untersuchung wurde bewusst

auf einen Monat vor Bekanntwerden der Dieselaffäre gelegt, um erste Peaks, die sich von

regulären Suchanfragen abheben, klar identifizieren zu können. Die Suchbegriffe ergeben

sich aus den Schlagworten, die mit dem Skandal in Zusammenhang stehen. Diese sind so

gewählt, dass sie keiner Übersetzung bedürfen, um ein weltweit einheitliches Ergebnis

erzielen zu können: VW, Volkswagen, Dieselgate, Diesel, Emissionsgate, Emission.

Zusätzlich erlaubt es Google Trends, die Ergebnisse nach Kategorien oder Art der Suchan-

frage (wie Bilder, Videos etc.) zu filtern, was in diesem Zusammenhang von der Autorin

allerdings für wenig sinnvoll erachtet wird, da die Suchergebnisse so umfassend wie mög-

lich sein und daher Einschränkungen eine Ausnahme bleiben sollen.

5 Ergebnisse

20

Um den Beginn des VW-Dieselskandals mittels Google Trends abbilden zu können, muss

zunächst die Internetadresse www.trends.google.at aufgerufen werden. Als nächster Schritt

werden die oben genannten Schlagworte in die Suchleiste eingetragen. Um ein möglichst

umfassendes Gesamtbild zu bekommen, werden die Begriffe mit einem ,,+“ getrennt. Der

Boolesche Operator stellt sicher, dass mindestens einer der genannten Begriffe Teil der

Suchanfrage war. Die exakte Eingabe lautet wie folgt:

VW+Volkswagen+Dieselgate+Diesel+Emissionsgate+Emission

Mit Klick auf die Lupe beginnt Google Trends mit der Auswertung. In einem nächsten

Schritt kann der Zeitraum festgelegt werden. Dieser erstreckt sich vom 1. Juli 2015 bis

zum 1. August 2017. Die Auswertung erfolgt weltweit. Eine Differenzierung nach Katego-

rien oder Suchobjekten ist aus den oben bereits erwähnten Gründen nicht sinnvoll.

Wird die Trendanalyse durchgeführt, ergibt sich ein zu erwartender Suchverlauf, wie er in

Abbildung 2 dargestellt ist.

Abbildung 1: Google Trends: Ergebnisse, gesamter Zeitraum des Skandals

Quelle: Analyse mit https://www.google.at/trends/, [Stand: 1. August 2017].

Das Interesse im zeitlichen Verlauf stellt die Suchanfragehäufigkeiten graphisch dar. Dabei

ist zu beachten, dass die Werte, wie in Kapitel 4 beschrieben, zwischen 100 und 0 schwan-

ken können. Die Zahl 100 kennzeichnet dabei jenen Zeitpunkt, an dem die meisten Such-

5 Ergebnisse

21

anfragen getätigt wurden. Alle anderen Werte leiten sich von diesem Höchstwert ab und

stellen die Anfragehäufigkeiten in Abhängigkeit davon dar. Aus dieser Kausalität ergibt

sich etwa für einen Wert von 50, dass die Suchanfragehäufigkeit zu diesem Zeitpunkt nur

halb so groß war als in dem Zeitraum, der mit 100 gekennzeichnet ist. Beträgt die Suchan-

fragehäufigkeit weniger als 1% vom Höchstwert, ergibt sich ein Wert von 0.33 Wie aus der

Abbildung 2 entnommen werden kann, kommt es im Zeitraum zwischen dem 20. und 26.

September zur größten Häufigkeit. Dies passt sehr gut mit dem Auftreten des Skandals

überein, von dem am 19 September 2015 zum ersten Mal in den Medien berichtet wurde.

Zwischen 13. und 19. September kann ein Anstieg der relativen Häufigkeit der Suchanfra-

gen von 53 auf 100 beobachtet werden.

Im Zeitraum zwischen 20. und 26. September überschlagen sich erstmalig die Ereignisse in

den medialen Berichterstattungen. Fakten zur Manipulationssoftware kommen ans Licht,

der Skandal wird zum Gesprächsthema in Deutschland. In den USA kommt es zu ersten

Nachforschungen durch die Regierung. Am 23. September verkündet Martin Winterkorn,

der damalige Chef des Volkswagenkonzerns, seinen Rücktritt. In der Schweiz ist von ei-

nem Zulassungsstopp für betroffene Volkswagenmodelle die Rede.34

Diese Ereignisse spiegeln sich auch in den Suchanfragehäufigkeiten wider, wie sie in Ab-

bildung 2 ersichtlich sind. Das extreme Interesse an den ausgewählten Suchbegriffen bleibt

für über einen Monat bestehen, erst Ende Oktober 2015 sinken die Anfragehäufigkeiten

auf einen Wert, der vergleichbar mit dem vor Auftreten des Skandals ist. Durch diese erste

Analyse kann der Anfangszeitpunkt des Skandals klar mit Hilfe von Google Trends aufge-

zeigt werden.

Als ein weiteres Ergebnis der Analyse bildet Google Trends die Beliebtheit der Suchbe-

griffe nach Gebieten ab. Wiederum werden dazu die relativen Häufigkeiten dargestellt. Die

Werte können, gleich wie bei der Analyse des Interesses im zeitlichen Verlauf, zwischen 0

und 100 liegen. Ein Wert von 100 bedeutet, dass an dem jeweiligen Standort, im Vergleich

zur gesamten Anzahl an Anfragen für diesen Standort, die meisten Onlinesuchen nach dem

ausgewählten Begriff getätigt wurden. Um Verzerrungen, die sich aus unterschiedlichen

Einwohnerzahlen ergeben könnten, zu vermeiden, zeigen die Ergebnisse nicht die tatsäch-

liche Anzahl an Suchanfragen an, sondern lediglich einen Wert, der abhängig von der Grö-

33 Vgl. Google Trends (2017), [online].


5 Ergebnisse

22

ße des Landes ist und sich aus dem prozentualen Anteil der Häufigkeit des gesuchten Be-

griffes, gemessen an der Gesamtanzahl aller Suchanfragen in dem betrachteten Land,

ergibt.35

Abbildung 2: Google Trends: Ergebnisse nach Regionen


Wie in Abbildung 3 ersichtlich, ergibt sich für Deutschland ein Wert von 100. Da Volks-

wagen ein etablierter deutscher Konzern ist, hatte sich der Skandal relativ schnell bis in die

Politik ausgeweitet.

Um ein besseres Bild des Zeitverlaufes des Skandals mittels Google Trends zu erhalten,

sollen in einem weiteren Schritt nun die Betrachtungszeiträume eingeschränkt werden. Die

Eingrenzung erfolgt nach besonders ereignisreichen Zeiträumen, wie etwa nach Rückruf-

aktionen oder Gerichtsurteilen. Betrachtet werden sollen daher zunächst die Monate von 1.

September 2015 bis 1. Januar 2016. Hierfür muss in der Leiste über dem Liniendiagramm

das das ,,Interesse im Zeitlichen Verlauf“ darstellt, der Zeitraum dementsprechend einge-

schränkt werden.

35 Vgl. Google Trends (2017), [online].

5 Ergebnisse

23

Abbildung 3: Google Trends: Ergebnisse Herbst/Winter 2015


Wie bereits beschrieben, lässt sich der Beginn des Skandals sehr genau aus dem Verlauf

der Kurve ablesen. Eine steigende Häufigkeit der Suchanfragen ist ab dem 20. September

2015 zu beobachten. Der Wert von 100 wird am 23. September 2015 erreicht.

An diesem Tag tritt der langjährige VW-Chef Martin Winterkorn auf Grund der Manipula-

tionsvorwürfe in den USA zurück. Dies wirkt sich auch auf die Börsenkurse aus, die an

diesem Tag sofort rapide sinken.36 Die Trends Kurve fällt nach den ersten Ereignissen auf

Werte zwischen 50 und 60, bevor sie zwischen 5. und 10. Oktober 2015 erneut ansteigt.

In diesem Zeitraum verbietet die Schweizer Regierung Neuzulassungen von Modellen, die

unter Verdacht stehen, die manipulierte Software eingebaut zu haben. VW erklärt erstma-

lig, die betroffenen Fahrzeugtypen zurückzurufen und umzurüsten. Dies solle im Januar

2016 geschehen. Am 15. Oktober 2015 werden 2,4 Millionen Fahrzeuge alleine in

Deutschland vom Kraftfahrtbundesamt zurückgerufen. In ganz Europa, so heißt es in me-

dialen Berichten an diesem Tag, sollen mehr als 8,5 Millionen Autos der Marke Volkswa-

gen vom Dieselskandal betroffen sein. Nachdem auch Fahrzeuge der Marken Porsche und

Audi unter Verdacht stehen, in die Manipulationen verwickelt zu sein, verbietet am 4. No-

36 Vgl. Spiegel Online (2015c), [online].

5 Ergebnisse

24

vember 2015 die amerikanische Regierung den Verkauf der betroffenen Autos der Herstel-

ler Porsche, Volkswagen und Audi in den USA.37

Nachdem der Beginn des Jahres 2016 relativ ruhig verläuft, wird eine nächste Trends Ana-

lyse erst für den Zeitraum zwischen 1. März 2016 und 1. August 2016 durchgeführt.

Abbildung 4: Google Trends: Ergebnisse März bis August 2016

Quelle: Analyse mit https://www.google.at/trends/, [Stand: 3. August 2017]

Wie aus Abbildung 5 entnommen werden kann, sind bis Mitte April 2016 wenig Auffällig-

keiten im Verlauf der Kurve zu erkennen, erst dann kommt es zu einem Anstieg, mit einem

Peak am 21. April 2016. Grund für diese Zunahme des Interesses könnte der näher rücken-

de Ablauf der Frist zur Klärung des Skandals, die dem Volkswagenkonzern von den US-

Behörden auferlegt worden ist, sein. Tatsächlich einigen sich beide Parteien am 21. April

2016 schließlich. Teil der Auflagen für VW seien neben Zahlungen an betroffene Kunden

unter anderem auch Rückrufe und Umbauten an den manipulierten 580.000 Dieselmotoren.

Die Entschädigungszahlungen sollen sich vorerst auf 5.000 Dollar pro Fahrzeugbesitzer

belaufen, der Umbau soll für die Geschädigten keine Kosten verursachen. Diese Auflagen

finden allerdings nur für US-Kunden Anwendung. Für die etwa 11 Millionen betroffenen

Dieselfahrer weltweit findet sich bis April 2016 vorerst noch keine Lösung.38



5 Ergebnisse

25

Interessant an der Kurve ist der Peak am 12. Juni 2016. Mit einem Wert von 100 erfolgen

an diesem Tag verhältnismäßig die meisten Suchanfragen nach den ausgewählten Begrif-

fen. Allerdings findet sich zu dem besagten Datum kein größeres Ereignis, das mit dem

Skandal in Zusammenhang steht.

Lediglich eine Woche zuvor wurde bekannt, dass ein Umbau für mehrere Volkswagen-

sowie Audi- und Seat-Modelle, die zu den betroffenen Dieselfahrzeugen zählen, durch das

Kraftfahrtbundesamt Deutschland genehmigt wurde. Kunden wurden demnach aufgefor-

dert, ihr Fahrzeug in die Werkstätte zu bringen, um die Mängel zu beheben.39 Diese Pres-

semeldungen könnten auch für den Peak am 19. Juni 2016 verantwortlich sein, da sich

auch zu diesem Datum kein besonderes Ereignis in Zeitungen und Online-Berichten finden

lässt.

Ein anderes Bild ergibt sich für den 28. Juni 2016: Laut ersten Medienberichten an diesem

Tag soll VW eine Entschädigungssumme von insgesamt 15 Milliarden Dollar an Privatper-

sonen sowie öffentliche Organe zahlen. Die Schadenssumme pro Kunde erhöht sich damit

von 5.000 Dollar auf bis zu 10.000 Dollar. Schätzungen für die bisherigen Kosten, die

durch die Abgasaffäre für VW entstanden sind, belaufen sich im Juni 2016 auf 17,6 Milli-

arden Dollar.40

Rund um den 4. Juli 2016 wird bekannt, dass es von Seiten des Volkswagenkonzerns keine

Schadensersatzzahlungen für betroffene Fahrzeugbesitzer in Europa geben würde. Dies

läge in erster Linie an den strikteren Höchstwerten für Emissionen in den Vereinigten Staa-

ten, die einen Umbau schwieriger machen, sowie daran, dass der Kunde dort frei entschei-

den darf, ob sein Fahrzeug nachgerüstet werden soll oder nicht. Mit einer höheren Scha-

densersatzzahlung sollen daher mehr Betroffene in die Werkstatt gelockt werden. Außer-

dem würden zusätzliche Zahlungen in Europa dem Konzern nach den Milliardenstrafen in

den USA schwer zu schaffen machen. Ziel in Europa sei es vorerst lediglich, das Vertrauen

der Kunden wiederzuerlangen und nur die von den Regierungen vorgeschriebenen Umrüs-

tungen durchzuführen.41

Ein Blick auf den Zeitraum zwischen September 2016 bis Januar 2017 zeigt, trotz einiger

größeren Ereignisse im VW-Fall, ein eher gleich bleibendes Interesse.



41 Vgl. Die Presse (2016a), [online].

5 Ergebnisse

26

Abbildung 5: Google Trends: Ergebnisse Herbst/Winter 2016


Dem Liniendiagramm in Abbildung 6 können nur einige wenige herausstechende Peaks

entnommen werden.

Ein Anstieg der Suchanfragehäufigkeiten ist am 26. September 2016 zu beobachten. Die

Zunahme kennzeichnet den Tag des Rücktritts von Stefan Knirsch, dem Entwicklungsleiter

von Audi. Eine offizielle Begründung für das Abtreten gibt es von Seiten des Unterneh-

mens nicht, allerdings sei Kirsch laut Medienberichten ebenfalls in die Abgasaffäre verwi-

ckelt.42

Am 25. Oktober 2016 kommt es zu einer finalen Übereinkunft zwischen den amerikani-

schen Behörden und Volkswagen. Das Unternehmen muss Schadensersatzleistungen bis zu

einer Höhe von 16,5 Milliarden Dollar an Besitzer von 2,0-Liter-Diesel-Fahrzeugen in den

USA auszahlen. Dies bedeutet eine Summe von 5.100 bis 10.000 Dollar pro Kunde. Für

die stärkeren 3,0-Liter-Motoren gibt es vorerst noch keine Einigung über die Höhe der

Wiedergutmachungsleistungen. An Kunden in Europa ist nach wie vor keine Zahlung von

Schadenersatz vorgesehen.43

Der 18. November 2016 kennzeichnet den Zeitpunkt mit der verhältnismäßig größten An-

zahl an Suchanfragen in der betrachteten Periode. Volkswagen verkündet an diesem Tag,

allein in Deutschland über 23.000 Stellen bis 2025 streichen zu wollen, weltweit belaufe

42 Vgl. Die Presse (2016b), [online].

43 Vgl. Die Presse (2016c), [online].

5 Ergebnisse

27

sich die Zahl auf 30.000. Diese Maßnahmen sind Teil des VW-Zukunftspakts, einem Plan

zur strategischen Neuausrichtung des Unternehmens. Durch den Stellenabbau sollen die

durch die Dieselaffäre entstandenen Kosten kompensiert werden.44

Gegen Ende des Jahres 2016 kann ein weiterer mäßiger Interessensanstieg beobachtet wer-

den. In diesem Zeitraum gibt es einige Entwicklungen und Wendungen im Abgasskandal.

Am 21. Dezember 2016 kommt es endlich auch zu einer Einigung zwischen den US-

Organen und Volkswagen hinsichtlich der 3,0-Liter-Motoren. Eine Entschädigung der

Kunden soll durch Rückkäufe von über 20.000 betroffenen Fahrzeugen sowie Umbauten

erfolgen. An private Kläger sollen Schadensersatzzahlungen geleistet werden. In Deutsch-

land gibt es weiterhin keine Entschädigung für Kunden, daher kommt es zu Zusammen-

schlüssen von Geschädigten auf der Website www.myright.de, um gemeinsam durch eine

Sammelklage Wiedergutmachungsleistungen einzufordern.45

Das Jahr 2017 erweist sich als ebenso turbulent wie die vergangenen Jahre seit Bekannt-

werden des Skandals.

Abbildung 6: Google Trends: Ergebnisse 2017.

Quelle: Analyse mit https://www.google.at/trends/, [Stand: 3. August 201]

44 Vgl. Shz.de (2016), [online].


5 Ergebnisse

28

Bereits Anfang Januar verklagt MyRight den Konzern im Namen von 100.000 betroffenen

Fahrzeugbesitzern. Die deutschen Kunden fühlen sich übergangen, da Volkswagen einzig

die betroffenen Fahrzeuge umrüstete, was sich allerdings laut Forschungsberichten negativ

auf den Wert, sowie Kraftstoffverbauch und Leistung der Autos auswirken könnte. Sollte

MyRight vor Gericht gewinnen, könnten sich die Schadensersatzzahlungen auf viele Milli-

arden Euro belaufen, außerdem könnten weitere Klagen folgen. Nachdem der Volkswa-

genkonzern in den USA bereits extrem hohe Forderungen begleichen musste, wurden für

den europäischen Markt keine dementsprechenden Rückstellungsposten in der Bilanz ge-

bildet.46 Am 9. Januar 2017 wird ein VW-Manager vom FBI festgenommen. Er steht in

Verdacht, einer der Drahtzieher rund um den Dieselskandal in den USA zu sein. Den Ma-

nager erwartet eine Gefängnisstrafe von bis zu 169 Jahren. Weitere Klagen gegen das ame-

rikanische Konzernmanagement gehen im Januar bei den US-Gerichten ein. Unter ande-

rem steht auch der Audi-Chef Rupert Stadler unter Verdacht, von der Manipulationssoft-

ware gewusst zu haben.47 Das Suchinteresse zeigt sich fast für den gesamten Monat

gleichbleibend hoch, bevor es im Februar allmählich fällt. Ein steigender Trend ist erst

wieder ab Mitte April 2017 zu beobachten.

Der Peak um den 17. April 2017 dürfte aber wahrscheinlich lediglich auf den Geburtstag

des einstigen Vorstandsvorsitzenden des Volkswagenkonzerns, Ferdinand Piëch, zurückzu-

führen sein, der an diesem Tag 80 wurde. Im Februar 2017 behauptete Piëch im Zuge des

Abgasskandals vor Gericht, dass das VW-Topmanagement, darunter Martin Winterkorn

und Wolfgang Porsche, bereits vor Bekanntwerden des Skandals von den Manipulationen

wussten.48 Am 16. Juni 2017 stellt der VW-Konzern eine Neuversion des Polos vor, wel-

cher neben Benzin auch mit einer dieselbetriebenen Maschine ab Herbst 2017 erhältlich

sein wird. Um dem Abgasskandal entgegenzuwirken, verkündet der Konzernvorstand Plä-

ne, in den nächsten Jahren den Schwerpunkt verstärkt auf den Verkauf von Elektroautos

legen zu wollen.49 Einen Tag zuvor, am 15. Juni 2017, kommt es zu einer Übereinkunft

zwischen der Europäischen Union und VW rund um die ausbleibenden Zahlungen für Ge-

schädigte in der EU. Das Übereinkommen sieht keine Entschädigungszahlungen vor, aller-

dings soll Volkswagen das Vertrauen der Kunden durch das Ausstellen einer zweijährigen



48 Vgl. Frankfurter Allgemeine (2017a), [online].

49 Vgl. Frankfurter Allgemeine (2017b), [online].

5 Ergebnisse

29

Gewährleistung auf die im Zuge der Umbauten getauschten Autoteile zurückgewinnen.

Zuvor waren von den Behörden Schadensersatzzahlungen, vergleichbar mit denen in den

USA, gefordert worden. Allerdings hätte die Höhe dieser Zahlungen das Fortbestehen des

Unternehmens, laut Meinungen von Sachverständigen, gefährden können. Waren in den

USA lediglich 500.000 Autos mit der Manipulationssoftware ausgestattet worden, sind es

in Europa 8,5 Millionen Fahrzeuge. Während sich die Kosten in den USA auf 10 Milliar-

den Dollar beliefen, hätten Wiedergutmachungsleistungen auf Grund der enormen Anzahl

an Geschädigten in Europa diese Summe um ein Vielfaches übertroffen.50

Mitte Juni 2017 gibt das FBI bekannt, weltweit nach fünf ehemaligen VW-Managern zu

suchen, die in den Skandal verwickelt waren. Sie erwartet eine langjährige Gefängnisstrafe

in Amerika. Die deutschen Behörden allerdings weigern sich, die gesuchten Männer an die

USA auszuliefern, da gesetzliche Bestimmungen dies verbieten würden.51 Der nächste

Peak im Google Trends Liniendiagramm ergibt sich für den 10. Juli 2017. Zu dieser Zeit

kommen Vorwürfe ans Licht, dass der zurückgetretene Chef des VW-Konzerns, Martin

Winterkorn, im Zuge der amerikanischen Nachforschungen verdächtigt wird, vom Abgas-

betrug gewusst und angeordnet zu haben, den Einsatz der Manipulationssoftware geheim

zu halten.52 Am Montag, den 24. Juli 2017, wird bekannt, dass eine Aufsichtsratssitzung

für den 26. Juli 2017 von VW geplant sei, wo die einige Tage zuvor an die Öffentlichkeit

durchgesickerten Beschuldigungen besprochen werden sollen, es hätte Kartellabsprachen

zwischen VW und den Autoherstellern Audi, BMW, Daimler und Porsche hinsichtlich der

Entwicklung von Kraftfahrzeugen, Taktiken zur Marktbearbeitung und Lieferanten gege-

ben. Die zuständigen europäischen Behörden haben einer deutschen Zeitung gegenüber

bejaht, dass Ermittlungen zur Aufklärung dieser Absprachen bereits im Gange seien. Diese

Medienberichte veranlassen ein sofortiges Sinken der Aktienkurse der genannten Fahr-

zeughersteller an der deutschen Börse. Unter anderem sollen die geheimen Vereinbarungen

der Autobauer auch der Auslöser für den Dieselskandal sein. Sollten sich die Kartellvor-

würfe bewahrheiten, wären tausende Arbeitsplätze in Gefahr. Auch die deutsche Wirt-

schaft würde unter den Folgen zu kämpfen haben. In Deutschland generieren die fünf ge-

nannten Fahrzeughersteller ungefähr 23% der Umsätze aller dortiger Industrien zusammen.

50 Vgl. Frankfurter Allgemeine (2017c), [online].

51 Vgl. Frankfurter Allgemeine (2017d), [online].

52 Vgl. Deutsche Wirtschafts Nachrichten (2017a), [online].

5 Ergebnisse

30

Ca. 1300 Firmen sind im Kraftfahrzeugbereich tätig, mit rund 800.000 Mitarbeitern. Ein

Fünftel des deutschen Exportvolumens sind Autos sowie damit in Verbindung stehende

Bauteile.53 Der Fahrzeugproduzent Daimler erstattet am selben Tag, an dem zum ersten

Mal von den Kartellabsprachen berichtet wird, Anzeige gegen sich selbst. Dadurch erhofft

sich der Firmenvorstand, dass das Unternehmen von einer Strafzahlung verschont bleibt.54

Am 27. Juli 2017 gibt Volkswagen bekannt, weitere 1,5 Millionen Autos mit Dieselmoto-

ren umrüsten zu wollen, um die Emissionen zu senken. Dies erhöht die Zahl der Umbauten

auf 4 Millionen.55

Auch Ende Juli 2017 ist Volkswagen weiterhin in den Schlagzeilen, der Dieselskandal

scheint sich auch auf andere Hersteller auszuweiten. Neben den Anschuldigungen rund um

die Manipulationen, kommen noch weitere Vorwürfe hinzu. Der Volkswagenkonzern soll

in den Jahren um 1970 mit der Militärdiktatur in Brasilien zusammengearbeitet und dabei

geholfen haben, Widerstandskämpfer auszuforschen und zu jagen.56 Im Juni und Juli 2017

ist der Volkswagenkonzern fast täglich im Mittelpunkt der medialen Berichterstattung.

Dies wirkt sich auch auf die Suchanfragehäufigkeiten und damit auf den Verlauf des

Google Trends Liniendiagramms aus, das in diesen Monaten einen Anstieg aufweist. Der

Skandal ist zum Zeitpunkt des Verfassens dieser Arbeit (August 2017) noch immer im

Gange.

5.2 Diskussionen auf Social Media

In diesem Abschnitt der Arbeit soll der Shitstorm auf sozialen Netzwerken mittels IBM

Watson Analytics for Social Media untersucht werden. Für eine genaue Analyse ist es not-

wendig, vorab die richtigen Grundeinstellungen zu wählen. Mehrere Male mussten Vor-

analysen durchgeführt und die vorläufigen Resultate auf Social Media Posts, die nicht mit

der Thematik in Verbindung stehen, geprüft werden. Die nicht mit dem Skandal zusam-

menhängenden Einträge wurden aus der Analyse mittels Ausschluss von Schlüsselwörtern

während mehreren neuerlichen Dateneingaben entfernt. Dieser Vorgang wurde so lange

wiederholt, bis sich die im folgenden Teil genau beschriebenen Grundeinstellungen für die

53 Vgl. Deutsche Wirtschafts Nachrichten (2017b), [online].

54 Vgl. Zeit Online (2017), [online].

55 Vgl. Handelsblatt (2017a), [online].

56 Vgl. Spiegel Online (2017d), [online].

5 Ergebnisse

31

Untersuchung des Skandals mittels IBM Watson Analytics for Social Media ergaben. Zum

besseren Verständnis soll die genaue Vorgangsweise der Eingabe dieser Grundeinstellun-

gen in diesem Kapitel genau beschrieben werden.

5.2.1 Eingabe der Grundeinstellungen zur Analyse der Entwicklungen von

Diskussionen auf sozialen Netzwerken

Um Diskussionen auf sozialen Netzwerken mittels Watson Analytics for Social Media zu

analysieren, muss zunächst die Seite http://watson.analytics.ibmcloud.com/ im Browser

aufgerufen werden. Danach muss im Drop-down-Menü im linken oberen Teil der Ansicht

IBM Watson Analytics for Social Media ausgewählt werden. Hier kann nun ein neues Pro-

jekt angelegt werden. Dies erfolgt, wie in Abbildung 8 ersichtlich, durch Klicken auf ,,New

project“.

Abbildung 7: Watson: neues Projekt anlegen

Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].

5 Ergebnisse

32

Innerhalb dieses Projekts werden bestimmte Oberbegriffe, sogenannte Topics, ausgewählt.

Sie definieren, welche Einträge aus den sozialen Netzwerken für die Analyse herangezo-

gen werden. Untersucht werden nur Posts, die mindestens eines der Topics beinhalten.

Die korrekte Wahl dieser Schlüsselwörter ist von großer Wichtigkeit. Da es Ziel dieser

Arbeit ist, Shitstorms auf sozialen Netzwerken zu verfolgen und abzubilden, müssen Aus-

drücke gewählt werden, die im Allgemeinen nicht sofort mit einem Shitstorm assoziiert

werden, aber dennoch mit der Affäre in Verbindung stehen. Da Begriffe wie Dieselaffäre

oder Dieselgate negativ behaftet sind und damit das Ergebnis verzerren könnten, da

dadurch nur negative Posts in die Analyse miteinbezogen werden, wurde darauf geachtet

möglichst neutrale Topics zu wählen. Diese sind:

VW , Audi, Porsche

Diese drei Automarken sind zwar vom Skandal betroffen, allerdings lassen sie nicht gleich

auf ein negatives Feedback schließen. Abbildung 9 stellt die Eingabe der Topics dar.

Abbildung 8: Watson: Auswahl der Topics

Quelle: : Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].

Obwohl Modelle von Seat und Skoda ebenfalls mit der Manipulationssoftware ausgestattet

wurden, werden diese von der Analyse ausgeschlossen. Grund dafür ist, dass die beiden

5 Ergebnisse

33

genannten Automarken nicht auf dem amerikanischen Markt verkauft werden. Ziel dieser

Analyse ist es aber, einen möglichst globalen Überblick über die Auswirkungen des Skan-

dals auf die Diskussionen in sozialen Netzwerken zu geben. Dies kann nur durch eine

Auswahl von Automodellen gewährleistet werden, die weltweit vom Dieselskandal betrof-

fen sind. Zudem kommt es zusätzlich zu Verzerrungen der Ergebnisse, wenn Watson, Seat

in die Analyse miteinbezieht. Seat bedeutet im Englischen Sitz. Trotz aller Versuche,

durch Exklusionen die Daten nur auf die mit dem Skandal in Zusammenhang stehenden

Einträge zu beschränken, erwies es sich als äußerst schwierig, Diskussionen über Autositze

aus den Resultaten herauszufiltern, wenn die Sprachauswahl Englisch aktiviert war.

Nachdem die Topics ausgewählt wurden, können diese durch Klicken auf ,,Topic

keywords“ genauer definiert werden.

Abbildung 9: Watson: Filtern der Topics


Wie in Abbildung 10 dargestellt, kann unter diesem Menüpunkt ausgewählt werden, wel-

che Suchbegriffe etwa ausgeschlossen und welche inkludiert werden sollen. Außerdem

können Wörter hinzugefügt werden, die im Kontext zu den Topics stehen. Dadurch wird

eine genauere Analyse ermöglicht, da Doppeldeutigkeiten vermieden werden können. Die

5 Ergebnisse

34

,,Context keywords“ werden in Form des Booleschen Operatoren AND in die Suche mit-

einbezogen.

Im rechten Teil der Darstellung zeigt Watson bereits in den Anfängen der Analyse seine

kognitive Intelligenz. Der Supercomputer schlägt Begriffe vor, die mit den Topics in Ver-

bindung stehen. Um ein genaueres Suchergebnis zu erzielen, lohnt es sich, diese Vorschlä-

ge näher zu betrachten und gegebenenfalls Wörter von der Analyse auszuschließen oder in

den Kontext mit einzubeziehen. Die ,,Topic Keywords“ erlauben eine Erweiterung der

Topics durch ein Hinzufügen von Begriffen, die ebenfalls in die Analyse des Oberbegriffes

miteinbezogen werden sollen. Allerdings scheint eine separate Auswertung der einzelnen

Stichwörter in den Ergebnissen nicht auf. Sie tragen lediglich zur Datengewinnung bei und

haben dadurch Einfluss auf das Gesamtresultat für das jeweilige Topic.

Für das Themengebiet VW wurden für die ,,Topic Keywords“ folgende Schlagworte aus-

gewählt, die sich aus den betroffenen Modellen, sowie den damit in Zusammenhang ste-

henden Hashtags ergeben:

Jetta, Golf, Passat, Beetle, Polo, Volkswagen, #vwgolf, #vwpassat, #vwbeetle, #vwpolo,

#vwjetta

Auch diese Schlagworte lassen sich nicht sofort mit einem Shitstorm in Verbindung brin-

gen, allerdings werden sie mit dem Skandal assoziiert. Die spätere Analyse wird zeigen,

wie über die genannten Synonyme diskutiert wird.

Um die ,,Topic keywords“ für die Untersuchung in Kontext mit dem Autohersteller zu

bringen, ergeben sich für die ,,Context keywords“ folgende Begriffe:

Vehicle, Vehicles, Car, Cars, Auto, Autos, Diesel, Autohersteller, Automobile manufactur-

er, Automobile manufacturers, Company, Companies

Damit die Analyse ein genaueres Ergebnis liefert, werden Wörter exkludiert, um Doppel-

deutigkeiten zu vermeiden. Die Gründe für den Ausschluss der Begriffe werden gemein-

sam mit den Schlagwörtern hier nun kurz aufgelistet:

Sport, Sports, Tournament: Golf, sowie Polo könnten auch im Bereich des Sports

diskutiert werden.

5 Ergebnisse

35

Weather, Wetter, Wind: Passat ist neben dem Automodell auch die Bezeichnung

für ein Windsystem.

Insects, insect, animal, animals, bug, bugs: Beetle ist das englische Wort für Käfer.

Shirt, Fashion, Clothes, Kleidung, Ralph Lauren, Marco: Der Begriff Polo erlangte

nicht nur Berühmtheit wegen des Händlers Marco Polo. Er steht auch in Verbin-

dung mit dem Polo Shirt und der Marke Ralph Lauren.

Grauchtwagen, Lemon, Tesla: Diese Schlagworte beziehen sich auf die von Watson

vorgeschlagenen Begriffe, die gemeinsam mit den Topics in Einträgen diskutiert

werden, allerdings keinen Bezug zum Volkswagenkonzern haben. Lemon und Ge-

brauchtwagen werden meist in Zusammenhang mit dem Verkauf von Autos aus

zweiter Hand verwendet. Tesla ist eine eigenständige Automarke, die keinerlei

Verbindung zum Dieselskandal aufweist.

Für das Definieren des Themengebietes Audi werden die gleichen Schritte wie zuvor schon

für VW durchgeführt.

Die ,,Topic Keywords“ sind hier wiederrum die betroffenen Automodelle:

A3, A5, A6, Q5

Die Kontextwörter bleiben die gleichen, wie sie schon für das Topic VW ausgewählt wur-

den.

Wiederum müssen gewisse Begriffe von der Suche ausgeschlossen werden, um sicherzu-

stellen, dass sich die analysierten Daten nur auf den Autohersteller beziehen:

Highway, Autobahn: A3 bezeichnet mehrere Autobahnen in Europa, genauso wie

A5 und A6.

Samsung: A3 ist der Name eines Modells des Telefonherstellers.

Maserati: A6 bezeichnet ebenfalls ein Automodell des italienischen Autoherstel-

lers.

Für den Themenbereich Porsche wird bei den ,,Topic Keywords“ das einzige Modell ge-

wählt, das von der Dieselaffäre betroffen ist:

5 Ergebnisse

36

Cayenne

Für die Kontext-Schlüsselwörter werden die gleichen wie schon zuvor bei den anderen

Themenbereichen gewählt. Ausgeschlossen von der Analyse sind:

Chilli, Spices: Cayenne steht auch für ein Gewürz.

Boxster, 911, Cayman, Carrera, Panamera, 918, Macan: andere aktuelle und belieb-

te Porschemodelle, die nicht vom Skandal betroffen sind, aber oft gemeinsam mit

Cayenne diskutiert werden. Dies zeigen die durch Watson generierten Vorschläge.

Nachdem nun die Hauptkategorien definiert wurden, müssen im nächsten Schritt die The-

mes bestimmt werden. Themes können als Attribute betrachtet werden, nach denen eine

Aufspaltung der Topics erfolgt. Sie sind eine Art Teilbereich zu den Hauptthemengebieten,

kommen aber erst nach der Untersuchung zum Tragen und geben mehr Informationen über

die vorher definierten Topics hinsichtlich der für sie festgelegten Begriffe wieder. Dadurch

kann ausgewertet werden, wie oft und in welchem Zusammenhang die für die Themes de-

finierten Begriffe gemeinsam mit den Topics diskutiert werden.

Themes haben weder Einfluss auf die zu untersuchenden Daten noch auf das Ergebnis.

Dies erlaubt auch die Auswahl von möglicherweise negativ behafteten Wörtern ohne dabei

das Resultat zu verzerren. Durch den Einsatz von Themes kann herausgefunden werden,

welche Meinungen User von sozialen Netzwerken über die definierten Schlagwörter in

Zusammenhang mit den Topics vertreten.

Das Definieren der Themes erfolgt nach dem gleichen Schema wie schon bei den Topics.

Zuerst müssen Oberbegriffe ausgewählt und in einem weiteren Schritt dann näher definiert

werden. Wiederum können bestimmte Wörter von der Analyse ausgeschlossen, inkludiert

oder durch den Booleschen Operator AND in Kontext gebracht werden. Es wurden fol-

gende Oberbegriffe ausgewählt:

Dieselaffäre, Schadensersatzzahlung, Rückruf

Abbildung 11 stellt die Eingabe der Themes dar.

5 Ergebnisse

37

Abbildung 10: Watson: Auswahl der Themes


Wieder kann durch Klicken auf ,,Theme keywords“ , in einem gleichen Verfahren wie bei

den Topics, eine Filterung durchgeführt werden.

Abbildung 11: Watson: Filtern der Themes


5 Ergebnisse

38

Wie in Abbildung 12 dargestellt, wurden für den Begriff Dieselaffäre die folgenden Syno-

nyme hinzugefügt:

Dieselskandal, Abgasskandal, Abgasaffäre, Emissiongate, Emissions Scandal, Emissions,

Emissionen, Schadstoffausstoß, Abgase, Stickoxid, Emission, Manipulation, VW Scandal,

Diesel, Scandal, CO2

Bei der Auswahl wurde darauf geachtet, auch englische Wörter zu inkludieren, da die Ana-

lyse in zwei Sprachen erfolgt. Da die Themes ohnehin immer in Zusammenhang mit den

Oberbegriffen stehen, müssen in diesem Fall keine Wörter von der Untersuchung ausge-

schlossen oder mit den Schlüsselwörtern verknüpft werden.

Im Zusammenhang mit Schadensersatzzahlung wurden folgende Synonyme für sinnvoll

erachtet:

Wiedergutmachungsleistung, Schadensersatz, Entschädigung, Wiedergutmachungszah-

lung, Compensation, Claims, Civil Fine, Civil Fines, Settlement

Synonyme für Rückruf, die in die Auswertung miteinbezogen werden, sind:

Rückrufaktion, Umbau, Nachrüsten, Umrüsten, Recall, Refit

Nach diesen Basiseingaben muss ein Untersuchungszeitraum gewählt werden.

Um einen besseren Überblick zu erhalten, wird dieser zunächst für den gesamten Zeitraum

des Skandals, vom 1. September 2015 bis hin zum 1. August 2017, festgesetzt. Die beo-

bachtete Periode orientiert sich auch an der Google Trends Analyse, die sich vom 1. Juli

2015 bis 1. August 2017 erstreckt. Allerdings erlaubt Watson nur einen Zugriff auf Daten

aus den letzten zwei Jahren, daher kann zum jetzigen Zeitpunkt (August 2017) der 1. Juli

nicht mehr ausgewählt werden.

Auch die in späteren Analysen betrachteten Untersuchungsperioden sollen sich an der

Google Trends Auswertung orientieren. Durch dieses Vorgehen können Shitstorms, die mit

bestimmten Ereignissen im Verlauf des Skandals in Zusammenhang stehen, ausfindig ge-

macht werden. Außerdem könnte eine Verbindung zwischen Peaks bei Suchanfragehäufig-

keiten und Shitstorms auf sozialen Netzwerken hergestellt werden.

5 Ergebnisse

39

Die Eingabe des Analysezeitraum ist in Abbildung 13 ersichtlich.

Abbildung 12: Watson: Auswahl des Analysezeitraums


Als nächster Schritt erlaubt IBM Watson Analytics for Social Media eine Auswahl an Spra-

chen. Dies ist in Abbildung 14 dargestellt.

Abbildung 13: Watson: Auswahl der Sprachen.


5 Ergebnisse

40

Für die Analyse werden mittels Anklicken des Kontrollkästchens Deutsch und Englisch

aktiviert. Diese Wahl resultiert daraus, dass der Skandal im deutsch- und englischsprachi-

gen Raum für das meiste Aufsehen sorgt.

Zuletzt müssen noch die Quellen ausgewählt werden. Für die Analyse werden die folgen-

den herangezogen:

Facebook, Twitter, Foren, Blogs

Wie in Abbildung 15 dargestellt, erfolgt die Auswahl wiederum durch Aktivierung des

Kontrollkästchens.

Abbildung 14: Watson: Auswahl der Quellen.


5.2.2 Ergebnisse der Analyse

Nachdem die Grundeingaben festgelegt wurden, führt Watson mit einem Klick auf ,,Create

Data Set“ die Analyse durch. Die Resultate werden in den folgenden Unterkapiteln nun

näher beschrieben, ausgewertet und erklärt. Zusätzlich sollen zum besseren Verständnis

5 Ergebnisse

41

des komplizierten Tools Hintergrundinformationen zu den Ergebnisberichten gegeben und

Funktionen erklärt werden.

5.2.2.1 Topics

Als erstes Resultat der Untersuchung stellt Watson das ,,Share of voice trend“- Diagramm

dar. Dieses zeigt, an welchen Tagen die meisten Erwähnungen in Einträgen der vorher

definierten Stichwörter (Topics) erfolgten. Für die fertige Analyse ergibt sich das in Abbil-

dung 16 dargestellte Ergebnis.

Abbildung 15: Watson: Ergebnisse Topics


Links oben gibt Watson die Anzahl der untersuchten Beiträge an. Für die ausgewählten

Topics sind dies 12.879 ,,Total documents“. Die Nummer setzt sich zusammen aus der

Summe einzelner Blog Posts, Tweets, Facebook-Einträgen und dergleichen, in denen die

Schlagworte mindestens ein Mal erwähnt werden. Gleich rechts daneben findet sich die

,,Number of mentions“ von 16.541. Sie basiert darauf, wie oft die analysierten Begriffe

insgesamt erwähnt wurden. Werden beispielsweise zwei Stichwörter in einem Social Me-

dia Eintrag genannt, bedeutet dies eine ,,Number of mentions“ von zwei. In diesem Zu-

sammenhang ist zu erwähnen, dass die für diese Arbeit genutzte Testversion von Watson

lediglich die 25.000 relevantesten Mentions für die Analyse heranzieht.

5 Ergebnisse

42

In der Mitte der Ergebnisansicht findet sich eine Navigationsleiste, durch die mit Hilfe

eines Drop-down-Menüs ausgewählt werden kann, welche Auswertung Watson darstellen

soll. Die Resultate der Analyse nach Topics werden als mehrfarbiges Liniendiagramm aus-

gegeben. Die drei Farben stehen, wie Abbildung 16 entnommen werden kann, für die vor-

definierten Schlüsselbegriffe: Audi, Porsche, VW.

Das Diagramm zeigt einen klaren Anstieg der Anzahl an Erwähnungen zwischen dem 19.

und 22. September 2015. Dies stimmt sehr gut mit der zuvor durchgeführten Google

Trends Analyse überein, wo es ebenfalls zu einer Zunahme der Suchanfragehäufigkeiten in

diesem Zeitraum kam. Auslöser hierfür waren wohl, wie in Abschnitt 5.1 bereits ausführ-

lich beschrieben, die ersten medialen Berichte über den Skandal. Wie aus dem ,,Share of

vioce trends“-Diagramm hervorgeht, steigt vorerst nur die Zahl der Einträge, die das Topic

VW beinhalten an. Dies ist damit zu erklären, dass die Manipulationsvorwürfe zunächst nur

Volkswagen betrafen.

Durch Klicken auf einen der Peaks des Liniendiagrammes ermöglicht Watson im linken

Teil des Ergebnisfensters unter der Bezeichnung Mentions genauere Einblicke in die Dis-

kussionen in den sozialen Netzwerken über das entsprechende Topic. Die in Abbildung 16

angezeigten Beiträge wurden am 22. September 2015 in der Kategorie VW verfasst. Die

meisten davon kommen von der Plattform Twitter. Dies ist an dem Unternehmenslogo in

Form eines Vogels rechts oben neben dem Beitrag erkennbar. In einem Großteil der Posts

wird der Dieselskandal diskutiert.

Die farbigen Markierung am rechten Rand der Einträge stellen eine Auswertung nach

Stimmung dar. Rot bedeutet, der Inhalt des Posts wurde von Watson für negativ erachtet.

Werden mehr positive Ausdrücke als negative in einem Beitrag gefunden, ist die Markie-

rung grün. Grau gekennzeichnet sind Posts, die als neutral gelten. Findet sich die gleiche

Anzahl an negativen und positiven Ausdrücken in einem Eintrag, ist dieser mit einer oran-

gen Linie markiert. Wird der Mauszeiger über den jeweiligen Eintrag geführt, unterstreicht

Watson die negativen bzw. positiven Aussagen im Text. Mit dieser Methode kann die

Auswertung auf Fehlerhaftigkeiten geprüft werden. Ist etwa eine Wortverbindung als nega-

tiv markiert, die aber positiv ist, kann diese durch einen Linksklick von der Untersuchung

ausgeschlossen werden.

Zusätzlich hilft die Mentions-Anzeige auch bei der Eingabe der Daten (Topics) vor der

Untersuchung. Durch mehrmalige Durchführung der Analyse und Lesen der Einträge

5 Ergebnisse

43

konnten Doppeldeutigkeiten der für die Topics verwendeten Schlagworte ausfindig ge-

macht und von der Auswertung ausgeschlossen werden.

Wie aus dem Liniendiagramm in Abbildung 16 abgelesen werden kann, finden sich zum

Topic VW über den gesamten Zeitraum des Skandals Posts auf sozialen Netzwerken. Beim

Lesen der Mentions für verschiedenen Peaks der Kurve wird ersichtlich, dass sich die Ein-

träge auf die Dieselaffäre beziehen. Für die Marken Porsche und Audi kommt es erst Mitte

Juli zu einer Zunahme an Erwähnungen. Werden diese ebenfalls mit Hilfe der Mentions-

Funktion ausgewertet, lässt sich erkennen, dass die Diskussionen ebenso mit dem Skandal

sowie den damit in Verbindung stehenden Rückrufen zusammenhängen. Auch dieser An-

stieg ist wieder vergleichbar mit dem Anstieg der Suchanfragehäufigkeiten, die mit Google

Trends in Kapitel 5.1 ausgewertet wurden. Durch Scrollen mit dem Mausrad kann in das

Diagramm hineingezoomt werden. Das ermöglich die nähere Analyse bestimmter Zeiträu-

me.

Die ,,Share of voice“-Leiste im unteren Bereich des Ergebnisfensters zeigt an, wie oft das

jeweilige Topic in Beiträgen erwähnt wird, die in der betrachteten Zeitspanne verfasst

wurden. Hier zeigt sich, dass zu VW deutlich mehr gepostet wurde als zu Audi oder Por-

sche. Insgesamt 9.736mal wurde VW erwähnt, das sind annähernd 58,9% von der Gesamt-

anzahl von 16.541 Nennungen. Audi wurde 4.065 (24,6%), Porsche 2.740mal (16,6%)

genannt. Wiederum öffnet sich durch einen Klick auf die ,,Share of voice“-Leiste das Men-

tions-Fenster und zeigt die relevantesten Beiträge zum ausgewählten Topic an.

Ganz unten in der Ergebnisanzeige findet sich eine blaue Menüleiste. Hier können für ge-

nauere Analysen der Topics zusätzliche Filter, wie Sentiment, Sprachen etc., ausgewählt

werden. Um den Verlauf der negativen Posts zu den drei Autoherstellern anzuzeigen, muss

in der erwähnten Menüleiste ,,Sentiment“ und ,,negative“ ausgewählt werden. Dadurch

werden im Diagramm, wie der Abbildung 17 entnommen werden kann, nur die kritischen

Kommentare angezeigt.

5 Ergebnisse

44

Abbildung 16: Watson: Ergebnisse Topics, Sentiment


Die Anzahl der ,,Total documents“ hat sich durch die Sentimentanalyse auf 3.280, die der

,,Total Mentions“ auf 3.692, reduziert. Dies bedeutet, dass die Inhalte von rund 25,5% aller

Posts, die sich auf die Volkswagen AG beziehen, und 22,3% der Erwähnungen ablehnend

gegenüber dem Konzern sind. Ganz klar zu erkennen ist der Anstieg der negativen Kom-

mentare im Zusammenhang mit dem Topic Volkswagen Mitte September 2015, als der

Skandal bekannt wurde, und ein weiterer Anstieg im Juli 2017.

Die meisten negativen Kommentare werden im Zusammenhang mit Volkswagen gepostet.

In Tabelle 1 können die genauen Auswertungen abgelesen werden.

VW Audi Porsche

Mentions 9736 4065 2740

Mentions % 58,9% 24,6% 16,6%

Neg. Mentions 2482 663 547

Neg. Mentions % 25,5% 16,3% 20,0%

Tabelle 1: Prozentuelle Auswertung: Ergebnisse, Topics, Sentiment

Quelle: Microsoft Excel, eigene Darstellung der Resultate der Watson Analyse.

5 Ergebnisse

45

25,5% aller Mentions des Topics VW sind über den gesamten Verlauf des Skandals nega-

tiv. Bei Porsche sind es 20%. Die Marke Audi wird am positivsten angesehen, der Anteil

der negativen Posts an der Gesamtanzahl aller Posts für das Topic liegt bei 16,3%.

Im nächsten Schritt soll das ,,Share of voice trend“-Diagramm nun auf Ereignisse im Ver-

lauf des Dieselskandals näher untersucht werden. Besonders interessant ist hier eine Aus-

wertung des Anteils an negativen Kommentaren für die betrachteten Zeitabschnitte. Hier-

für muss in Kapitel 5.1 nachgelesen werden, wann besondere Wendungen im Fall Volks-

wagen AG stattfanden. Da Watson als Ergebnis der Analyse immer nur absolute Zahlen

anzeigt, muss, bevor das ,,Sentiment“ auf negativ gestellt wird, auch eine Auswertung aller

Posts (positiv, negativ, ambivalent, neutral) für die untersuchte Periode erfolgen. Nur so

können die Zahlen verglichen werden. Hierfür muss zunächst im unteren Menüband

,,Dates“ ausgewählt werden. Zunächst wird der Anfangszeitraum abgebildet. Dafür werden

die Daten auf 1. September 2015 bis 1. Januar 2016 festgelegt. Für den ausgewählten Zeit-

raum ergibt sich die in Abbildung 18 dargestellte Kurve.

Abbildung 17: Watson: Ergebnisse, Topics, 2015


Da Watson nur die für ihn am relevantesten erachteten Beiträge zur Analyse heranzieht,

werden trotz Festsetzung einer Periode bis 1. Januar 2016, nur Einträge für den September

2015 dargestellt. Für Watson sind Posts, die während des restlichen Jahres 2015 entstanden

5 Ergebnisse

46

sind im Vergleich zu denen, die im September gepostet wurden, vernachlässigbar. Um

auch diese Posts darzustellen, muss eine erneute Analyse für den Zeitraum nach dem Sep-

tember 2015 erfolgen. Diese Untersuchung wird in einem nächsten Schritt durchgeführt.

An dieser Stelle werden nun die Auswertungen für September 2015 besprochen.

VW steht im Mittelpunkt der Diskussionen, insgesamt wird das Topic 2.212mal erwähnt.

Ab 20. September 2015 kann eine starke Zunahme an Mentions beobachtet werden. Diese

Zunahme ist identisch mit dem Anstieg der Suchanfragehäufigkeiten, die mittels Google

Trends in Kapitel 5.1. ausgewertet wurden. Auch der Peak am 23. September 2015 stimmt

mit der Trends Analyse überein.

Als nächster Schritt wird nun eine Sentimentanalyse durchgeführt. Nach Auswahl der

Funktion ,,Sentiment“ und ,,negative“ in der unteren Menüleiste werden nur noch die nega-

tiven Kommentare für die untersuchte Periode angezeigt.

Abbildung 18: Watson: Ergebnisse, Topics, Sentiment, 2015


770mal wird das Topic VW in einem negativen Zusammenhang zu Beginn des Skandals

genannt (im Vergleich zu 2212mal vor der Sentimentanalyse), was bedeutet, dass 34,8%

dieser Einträge dem Shitstorm gegenüber der Automarke zuordenbar sind. Die Anzahl der

,,Total mentions“ hat sich nach der Sentimentanalyse von 2.822 auf 825 reduziert, das

5 Ergebnisse

47

heißt, dass 29,23% der Gesamtposts für den betrachteten Zeitraum negativ sind. Der Ver-

lauf der Kurve ähnelt extrem dem Liniendiagramm der Google Trends Suchanfragehäufig-

keiten für die untersuchte Periode, welches in Abbildung 4 dargestellt wird.

Der Anzahl der kritischen Kommentare bei Audi beläuft sich auf 38. Bezugnehmend auf

die Gesamtanzahl an Posts zur Automarke im betrachteten Zeitraum von 372, sind das nur

10,2%. Porsche wird insgesamt 238mal erwähnt, davon sind nur 17 Einträge negativ, was

einen Anteil von 7,2% ergibt. Zu Beginn des Skandals waren diese beiden Autohersteller

laut Pressemeldungen noch nicht in die Affäre verstrickt.

Wie bereits beschrieben, ist der Grund, warum die Kurve nur bis 30. September angezeigt

wird, dass die restlichen Posts des Jahres 2015, im Vergleich zum Peak im September, von

Watson nicht als relevant genug eingestuft wurden. Daher finden sich für den Zeitraum

Oktober 2015 bis Januar 2016 auch keine Mentions. Um diese Mentions anzeigen zu kön-

nen, muss das Datum in der Konfiguration des Datasets geändert und eine neue Analyse

extra für die Periode 30. September 2015 bis 1. Januar 2016 durchgeführt werden. Da die

kostenlose Testversion von Watson pro Analyse immer die 25.000 relevantesten Doku-

mente untersucht, ergeben sich für diese Periode 2.790 Mentions vor und 680 nach der

Sentimentanalyse. Damit liegt der Anteil der negativen Posts bei 24,4%.

Abbildung 19: Watson: Ergebnisse, Topics, Sentiment, September 2015 bis Januar 2016


5 Ergebnisse

48

Weiterhin wird in erster Linie negativ über Volkswagen diskutiert, allerdings steigt der

Anteil der kritischen Meinungen über Audi auf 10,9%, der über Porsche sogar auf 12,8%.

Die negativen Meinungen über Volkswagen gehen in dieser Periode etwas zurück, auf

28,4% aller Posts. Genaue Angaben zur Berechnung der Anteile finden sich in Tabelle 2

am Ende dieses Kapitels.

Zum größten Peak in der untersuchten Periode kommt es zwischen 7. und 8. Oktober 2016,

wobei ab dem 5. Oktober ein starker Anstieg der negativen Posts zu beobachten ist. Dies

ist interessant, da sich die Google Trends Kurve ähnlich verhält. Auch hier kann ein An-

stieg ab dem 5. Oktober 2015 beobachtet werden, ebenfalls am 8. Oktober 2015 kommt es

zu einem Peak. Im Zuge der Trends Analyse wurde festgestellt, dass in diesem Zeitraum

der Volkswagenkonzern verkündete, betroffene Fahrzeuge zurückzurufen und umbauen zu

wollen. Werden nun die Mentions am 8. Oktober 2015 betrachtet, findet sich genau dieses

Thema in den Posts auf sozialen Netzwerken. Wie schon in Google Trends, kommt es auch

am 15. Oktober zu einem Peak im ,,Share of voice trend“-Diagramm. Als Grund dafür

kann nach dem Lesen der Posts im Mentions-Fenster ebenfalls der Rückruf von mehreren

Millionen betroffener Fahrzeuge genannt werden.

Da sich bis Anfang Juni 2016 keine besonderen Peaks abzeichnen, wird der nächste zu

analysierende Zeitraum für 1. Juni 2016 bis 1. Januar 2017 festgelegt.

Abbildung 20: Watson: Ergebnisse, Topics, Sentiment, Juni 2016 bis Januar 2017


5 Ergebnisse

49

Der Peak am 28. Juni 2016 stimmt wieder mit dem des Google Trends Diagrammes über-

ein. Auch ein Kontrolle der Mentions bestätigt den Grund, der schon für den Anstieg der

Suchanfragehäufigkeiten an diesem Tag verantwortlich war: die ersten Berichte über die

Ausmaße der Schadensersatzzahlungen in den USA. Im Dezember 2016 steigt die Zahl der

Mentions stark an. Der Peak ähnelt wiederrum dem in Google Trends und erreicht seinen

Höhepunkt zwischen 27. und 29. Dezember.

In der betrachteten Periode liegt der Anteil der negativen Erwähnungen bei 17,7%, damit

sinkt er um 6,5%-Punkte im Vergleich zur vorher untersuchten Periode. Auch die Meinun-

gen über Volkswagen fallen positiver aus, nur noch 20,7% können dem Shitstorm gegen

die Marke zugeordnet werden. Ein Anstieg ist allerdings bei Audi (14,6%) und Porsche

(13,5%) zu beobachten. Die genauen Berechnungen hierfür finden sich Tabelle 2 am Ende

des Kapitels.

Nun soll noch der Zeitraum zwischen 1. Januar 2017 und 1. August 2017 betrachtet wer-

den. Dafür muss wieder eine neue Analyse nach Veränderung des Untersuchungszeitraums

durchgeführt werden.

Abbildung 21: Watson: Ergebnisse, Topics, Sentiment, Januar 2017 bis August 2017


Für die ausgewählte Periode findet Watson insgesamt 14.086 ,,Total documents“ und

18.064 ,,Total mentions“. Wird eine Sentimentanalyse durchgeführt, verringern sich diese

5 Ergebnisse

50

Zahlen auf 2.956 und 3.391. Dem Shitstorm gegen den VW-Konzern sind daher rund

18,8% zuordenbar, dies ist eine Steigerung von 1,1 Prozentpunkten gegenüber dem vorher

betrachteten Zeitabschnitt. Auch die negativen Posts rund um die Kernmarke des Kon-

zerns, Volkswagen, nehmen in diesem Zeitraum wieder um 1%-Punkt zu und steigen auf

21,7%. Audi bleibt mit 14,2% gleich, die kritischen Kommentare zu Porsche nehmen um

5%-Punkte zu, sie liegen 2017 bei 18,5%.

Die für IBM Watson am relevantesten Beiträge werden zwischen Juli und August 2017

gepostet. Auch in Google Trends kommt es zu einigen Peaks in diesem Zeitraum. Die

,,Share of voice trend“-Kurve steigt ab dem 24. Juli 2017 deutlich an, an diesem Tag ist

auch das Suchvolumen hoch. Grund ist in beiden Fällen die Bekanntgabe der für den 26.

Juli geplanten Aufsichtsratssitzung des VW-Vorstandes hinsichtlich der Vorwürfe, es hätte

Kartellabsprachen zwischen verschiedenen Autoherstellern gegeben.

Zwischen 27. und 28. Juli sowie am 31. Juli kommt es in der Auswertung beider Tools

wieder zu einem gemeinsamen Peak. In diesem Zeitraum wird bekannt, dass weitere 1,5

Millionen Fahrzeuge umgerüstet werden sollen. Die Kontrolle von Foreneinträgen und

Twitter Posts bestätigt diesen Sachverhalt als Grund für den Anstieg der Mentions in die-

sem Zeitraum. In der folgenden Tabelle 2 können die genauen Prozentzahlen der negativen

Posts zu den Topics für die in diesem Kapitel ausgewerteten Perioden abgelesen werden.

Periode VW Audi Porsche

Gesamt Negativ Negativ % Gesamt Negativ Negativ % Gesamt Negativ Negativ %

1.9.2015-30.9.2015 2212 770 34,8% 372 38 10,2% 238 17 7,1%

30.9.2015-28.11.2015 2124 603 28,4% 431 47 10,9% 235 30 12,8%

1.6.2016-1.1.2017 9592 1984 20,7% 4891 715 14,6% 3159 428 13,5%

1.1.2017-1.8.2017 8972 1950 21,7% 5554 787 14,2% 3538 654 18,5%

Tabelle 2: Auswertung der Posts in verschiedenen Zeitabschnitten

Quelle: Microsoft Excel, eigene Darstellung der Resultate der Watson Analyse.

Besonders im Anfangsstadium des Skandals war die Kernmarke Volkswagen vom Shit-

storm stark betroffen. Erst nachdem bekannt wurde, dass die Manipulationssoftware auch

in Audi- und Porsche-Modellen eingesetzt wurde, schlugen die Stimmungen auf sozialen

Netzwerken auch für diese Hersteller ins Negative um.

5 Ergebnisse

51

5.2.2.2 Themes

Mit Hilfe der Auswertung nach Themes werden die untersuchten Topics nach den vorher

definierten Attributen aufgeteilt. In dieser Phase der Auswertung zeigt Watson an, welches

Theme oft gemeinsam mit den Oberbegriffen diskutiert wird.

Abbildung 22: Watson: Ergebnisse nach Themes


Ein erster Blick auf Abbildung 23 zeigt deutlich, dass vorwiegend das Topic VW im Zu-

sammenhang mit dem Dieselskandal in Diskussionen auf Social Media Plattformen ge-

nannt wird. ,,Theme mentions per topic“ liefert hierfür den Beweis. Auch die anderen

Schlagworte, wie Rückruf und Schadensersatzzahlung, werden verhältnismäßig öfter ge-

meinsam mit Volkswagen diskutiert als mit den anderen Autoherstellern. Außerdem ist der

Skandal selbst das am meisten erwähnte Theme im Vergleich zu Rückruf und Schadenser-

satzzahlung. Dies lässt sich durch Halten des Mauszeigers über die entsprechende Box der

Anzeige ,,Mentions per theme“ ablesen. Insgesamt 2.094mal wurde über die Abgasaffäre

auf sozialen Netzwerken gepostet, davon 1.552mal in Bezug auf Volkswagen, 283mal ge-

meinsam mit Audi und 259mal mit Porsche. Das Wort Rückruf und dessen Synonyme

wurden 492mal erwähnt, davon 305mal gemeinsam mit Volkswagen, 122mal in Verbin-

dung mit Porsche und 65mal gemeinsam mit Audi. Am wenigsten diskutiert wurde über

5 Ergebnisse

52

Schadensersatzzahlungen. Nur 293mal wurde dieser Begriff im Zuge der Affäre erwähnt,

davon 187mal mit VW, 48mal mit Porsche und 58mal mit Audi.

Durch einen Klick auf einen der Balken liefert Watson, wie schon bei der Analyse nach

Topics, Einblicke in die mit den Themes in Verbindung stehenden Einträge, die dann in

der rechten Leiste im Mentions-Fenster angezeigt werden. Wiederum wird dargestellt, von

welcher Quelle die Daten generiert wurden und welche Wortverbindungen in den Einträ-

gen neutral, negativ oder positiv behaftet sind sowie die Stimmung des Posts selbst.

Wird auf einen der Balken der ,,Mentions per theme“ geklickt, finden sich im Darstel-

lungsfenster Beiträge, die das Thema in Verbindung mit einem, zwei oder allen drei Topics

diskutieren. Sollen nähere Einblicke hinsichtlich eines der Autohersteller in Zusammen-

hang mit dem Theme gewonnen werden, muss auf den jeweiligen Balken in der Anzeige

,,Theme mentions per topic“ gedrückt werden. Viele der Diskussionen, die sich um den

Rückruf und die Schadensersatzzahlung drehen, werden von Watson mit der Farbe Grün

markiert. Auffällig ist hierbei, dass manche dieser Einträge ironisch gemeint sind, diese

aber vom Supercomputer als positiv angesehen werden.

5.2.2.3 Sentiment

Die Sentiment-Analyse, eine Untersuchung der Stimmungen, zeigt an, ob die Diskussionen

in den sozialen Netzwerken negativ oder positiv geprägt sind.

Abbildung 23: Watson: Ergebnisse nach Sentiment


5 Ergebnisse

53

Die verschiedenen Farben der Balken unter der Bezeichnung ,,Sentiment percentage per

topic“ geben die Stimmungen wieder, wobei Rot für negativ, Grau für neutral, Gelb für

ambivalent und Grün für positiv steht.

Wiederrum öffnet sich durch einen Klick auf einen der Balken im rechten Teil der Ergeb-

nisansicht ein Fenster, in dem Watson die mit dem Topic verbundenen Beiträge anzeigt.

Hier kann eine Auswahl je nach Sentiment erfolgen. So werden etwa durch ein Klicken auf

den grünen Balken rechts neben VW nur Beiträge angezeigt, in denen eine positive Haltung

gegenüber Volkswagen vertreten wird. Die Leiste ,,Sentiment benchmark across all topics“

stellt eine prozentuale Aufteilung der gesamten untersuchten Daten nach Stimmungen dar.

Wiederum können Beiträge durch Drücken auf einen der Abschnitte der Leiste im Men-

tions-Fenster geöffnet und gelesen werden.

Für den gesamten untersuchten Abschnitt zeigt sich, dass die meisten negativen Beiträge

über Volkswagen (fast 25% aller damit in Zusammenhang stehenden Posts) verfasst wur-

den. Die meisten positiven Diskussionen werden in Verbindung mit Audi geführt.

Die untere blaue Leiste, die in allen Ansichten der Resultate dargestellt wird, erlaubt wie-

derum eine Filterung der Ergebnisse. Um die Entwicklung der Diskussionen abzubilden,

wird nun ein Zeitraum gewählt, der vor Bekanntwerden des Skandals liegt. Mit Klicken

auf ,,Dates“ öffnet sich, wie in Abbildung 25 dargestellt, ein Pop-up-Fenster, in dem Ein-

stellungen hinsichtlich des Untersuchungszeitraumes durchgeführt werden können.

Abbildung 24: Watson: Eingrenzung des Zeitraums, Sentimentanalyse


5 Ergebnisse

54

Durch Verschieben der Balken kann ein Zeitraum zwischen 1. September 2015 und 18.

September 2015 gewählt werden. Der 18. September 2015 liegt einen Tag vor den ersten

Pressemeldungen über den Skandal. Ein Anstieg der Suchanfragehäufigkeiten für Schlag-

wörter, die in Verbindung mit der Affäre stehen, ist gemäß Google Trends Auswertung erst

ab dem 20. September 2015 beobachtbar. Aus diesen Gründen ist es wahrscheinlich, dass

Posts, die vor dem 19. September 2015 geschrieben wurden, nicht mit dem Skandal zu-

sammenhängen. Dadurch sollte ein neutrales Bild der Autohersteller wiedergegeben wer-

den können. Um diese Annahme zu überprüfen, werden auszugsweise Beiträge im Men-

tions-Fenster, die während des nun ausgewählten Zeitraumes verfasst wurden, durch Kli-

cken auf die unterschiedlichen Balken der Sentiment-Analyse kontrolliert. Tatsächlich fin-

den sich keinerlei Anzeichen des Skandals in diesen Social Media Posts. Die Auswertung

der Sentimentanalyse für den Zeitraum vor dem Skandal ist in Abbildung 26 ersichtlich.

Abbildung 25: Watson: Sentimentanalyse, Zeitraum vor dem Skandal


Im Vergleich zur Sentimentanalyse über den gesamten Zeitraum kann nach Eingrenzung

der Periode eine starke Veränderung der Balken beobachtet werden. Zwar werden die

meisten negativen Meinungen noch immer hinsichtlich Volkswagen vertreten, allerdings

hat sich die Anzahl von rund 25% auf 10% reduziert. Auch unter der Kategorie ,,Sentiment

benchmark across all topics“ belaufen sich die negativen Posts nur auf etwa 6% im Ver-

5 Ergebnisse

55

gleich zu mehr als 20% nach Bekanntwerden des Skandals. Der Großteil der Stimmungen

ist mit insgesamt rund 68% neutral.

5.2.2.4 Geography

Wird im Menü ,,Geography“ ausgewählt, zeigt Watson die Häufigkeiten der Erwähnungen

der Topics nach Regionen an.

Abbildung 26: Watson: Analyse nach Regionen


Wie in Abbildung 27 dargestellt, kann auf Basis der Blautöne abgelesen werden, wie oft

die Topics in verschiedenen Gebieten der Welt genannt wurden. Die Basisanzeige stellt

Resultate für alle drei Topics gemeinsam dar. Je heller die Farbe, desto weniger oft wurde

der Begriff in dem Land erwähnt. Grau bedeutet, dass keine Daten vorliegen. Wieder wer-

den durch Klicken auf eine Region in der Mentions-Anzeige die damit verbundenen Ein-

träge angezeigt. Wie aus der Abbildung 27 entnommen werden kann, werden die Topics

VW, Audi, Porsche in den USA mit mehr als 21% aller Einträge weltweit am häufigsten

erwähnt. Eine genaue Gegenüberstellung der USA und Europa folgt in Kapitel 5.2.3. Da-

her wird diese Funktion von Watson in diesem ersten Teil der Analyse der Vollständigkeit

halber nur nebenbei erwähnt.

5 Ergebnisse

56

5.2.2.5 Influential Authors

Unter der Kategorie ,,Influential Authors“ zeigt Watson die aktivsten und beliebtesten Au-

toren der Posts in Assoziation mit den Topics an.

Abbildung 27: Watson: Analyse nach Autoren


Unter ,,Sources“ kann hier eine der untersuchten Quellen ausgewählt werden: Foren,

Blogs, Twitter, Facebook-Seiten. Wird beispielsweise ,,Forums“ ausgewählt, wie in Abbil-

dung 28, zeigt Watson diejenigen Verfasser an, die die meisten Beiträge zu den Topics

geschrieben haben. Auch diese Analyse ist für das Gesamtergebnis eher nebensächlich,

wird aber, um das Tool besser verstehen zu können, dennoch in diesem Kapitel erwähnt.

5.2.2.6 Behavior

Wird ,,Behavior“ im Menü ausgewählt, erfolgt die Analyse nach drei Kategorien: ,,Themes

mentioned by Users“, ,,Themes mentioned by Prospective Users“ und ,,Themes mentioned

by Churners“. Dies ist besonders interessant, da hier aufgezeigt wird, wie derzeitige, zu-

künftige und wechselwillige Kunden über die Topics und die damit verbundenen Themes

auf sozialen Netzwerken diskutieren.

5 Ergebnisse

57

Abbildung 28: Watson: Analyse nach Behavior


Wieder öffnet ein Klicken auf eine der Boxen eine genaue Ansicht der entsprechenden

Einträge im Mentions-Fenster. Auffällig ist, dass im Zusammenhang mit Volkswagen und

Porsche, Dieselaffäre besonders häufig von Kunden der Unternehmen erwähnt wird. Zur

besseren Veranschaulichung wird daher die blaue Box zunächst neben Porsche, dann ne-

ben VW in der Rubrik ,,Themes mentioned by Users“ ausgewählt, um zu erfahren, wie be-

troffene Autofahrer denken.

Abbildung 29: Watson: Analyse nach Behavior, Porsche und VW


5 Ergebnisse

58

Abbildung 30 zeigt zwei auszugsweise gewählte Posts, die die allgemeine Stimmung auf

Social Media gut abbilden.

Der linke Eintrag bezieht sich auf die Automarke Porsche und wurde im Social-News-

Aggregator Reddit veröffentlicht. Der Post wurde von einer Frau erstellt, die fürchtet, auf

Grund des Dieselskandals ihren Porsche Cayenne nicht mehr fahren zu dürfen.

Der rechte Post ist ein Blogeintrag. Dies ist am Symbol am rechten Rand neben dem Da-

tum und der Uhrzeit, an dem der Eintrag upgeloaded wurde, erkennbar. Diesmal beschreibt

ein VW-Besitzer Probleme mit der Belüftung, die nach der Umrüstung auf Grund der

Emissionswerte auftraten. Während der linke Eintrag als neutral angesehen wird, markiert

Watson den rechten als positiv. Da der Post aber ganz klar negativ ist, soll herausgefunden

werden, warum Watson ihn Grün markiert hat. Dies erfolgt durch einen Mausklick auf den

Eintrag. Dadurch werden bestimmte Ausdrücke oder Sätze in jener Farbe, die die Stim-

mung abbildet, unterstrichen. Der Grund für die grüne Leiste ist die Wortkombination ,,my

car was perfect“. Um den Fehler auszubessern, wird der betroffene Satzteil angeklickt und

die Farbe manuell geändert. Hierzu muss lediglich in einem Pop-up-Fenster ein entspre-

chend anderes Sentiment ausgewählt werden. Die Änderungen werden dann vom System

geprüft, bevor sie kurze Zeit später ersichtlich werden. Durch dieses Vorgehen lernt der

Supercomputer und entwickelt ein noch besseres Verständnis der natürlichen Sprache.

Watson erlaubt es auch, die Sentimentanalyse für die in der Mentions Box angezeigten

Posts zu deaktivieren.

Bei den ,,Themes mentioned by Prospective Users“ wird im Zusammenhang mit der Au-

tomarke Volkswagen, wie aus Abbildung 29 entnommen werden kann, das Topic Scha-

densersatzzahlung am häufigsten diskutiert.

Abbildung 30: Watson: Analyse Behavior, Prospective Users


5 Ergebnisse

59

Der in Abbildung 31 dargestellte Eintrag stammt gemäß dem Symbol rechts neben Uhrzeit

und Datum aus einem Forum. In dem Post beschreibt ein ehemaliger Volkswagenkunde,

dass er nicht sicher sei, ob er jemals wieder ein Auto der Marke VW kaufen werde, nach-

dem Schadensersatzzahlungen nicht erfolgten. Der Kommentar ist als neutral markiert.

Wortkombinationen wie ,,not sure“, also ,,nicht sicher“ sind der Grund dafür. Dieser Ein-

trag ist ein hervorragendes Beispiel, um die Mächtigkeit der künstlichen Intelligenz

Watson zu demonstrieren. Als zusätzliches Feature kann die Detailansicht der Einträge

dazu genutzt werden, um herauszufinden, ob in den Posts Doppeldeutigkeiten für die aus-

gewählten Topics aufscheinen. Beispielsweise wenn VW als Abkürzung für Verwaltung

oder für ein Verhältniswort genannt wird. Mit Hilfe des Behavior Tools können so Wörter

identifiziert werden, die nicht mit den Autoherstellern zusammenhängen und dadurch das

Ergebnis der Analyse verzerren könnten. Nach der Identifizierung dieser Begriffe können

diese von der Suche im Rahmen einer erneuten Dateneingabe bei der Konfiguration der

Topics ausgeschlossen werden.

5.2.2.7 Demographics

Unter der Kategorie ,,Demographics“ erfolgt die Analyse nach demographischen Merkma-

len.

Abbildung 31: Watson: Analyse nach Demographics


5 Ergebnisse

60

Wie in der ersten Ergebnisauswertung der Abbildung 32 dargestellt (,,Percentage of men-

tions per gender“), gibt Watson an, wie oft die drei Automarken von Männern bzw. Frauen

in Posts genannt wurden. Bei allen Herstellern ergibt sich ein annähernd gleiches Bild:

Männer diskutieren häufiger auf sozialen Netzwerken über die Thematik als Frauen.

Nur ein geringer Prozentsatz der untersuchten Einträge stammt von Verheirateten oder

Personen mit Kindern. Allerdings ist es für Watson schwer, aus dem Kontext herauszufin-

den, ob die jeweiligen Personen eine Familie haben oder nicht. Auch durch eine manuelle

Kontrolle mittels der Mentions-Funktion lassen sich aus den meisten Einträgen keine de-

mografischen Informationen über die Verfasser der Posts herauslesen.

5.2.3 Gegenüberstellung der USA und Europa

Um einen Vergleich zwischen den USA und Europa herstellen zu können, muss nun das

Drop-down-Menü ,,Geography“ verwendet werden. Als nächstes sollen alle Gebiete der

Welt ausgeschlossen werden, die nicht zu den Vereinigten Staaten oder zu Europa zählen.

Da es in Europa einige Länder, wie etwa Russland oder Kasachstan gibt, die nicht eindeu-

tig dem Kontinent zuordenbar sind, werden für die Analyse nur jene Länder berücksichtigt,

die zum Zeitpunkt der Untersuchung Mitgliedsstaaten der Europäischen Union sind. Der

Ausschluss aller von der Analyse ausgenommenen Gebiete muss manuell erfolgen. Hierfür

wird auf der Weltkarte das jeweilige Land ausgewählt und dann mit rechter Maustaste

durch Drücken auf ,,Exclude“ ausgeschlossen.

Nachdem nun nur noch die USA und die besagten Teile Europas markiert sind, ergibt sich

das in Abbildung 33 dargestellte Bild.

Wie schon im Einführungskapitel zu IBM Watson Analytics for Social Media beschrieben,

geben die unterschiedlichen Nuancen von Blau wieder, wie intensiv das Thema diskutiert

wurde.

Der Vergleich zwischen der Europäischen Union und den USA lässt darauf schließen, dass

auf Grund des stärkeren Blautons der Vereinigten Staaten dort weit mehr Diskussionen zu

den Topics stattfinden. Es sei an dieser Stelle aber zu erwähnen, dass die Anzahl der

,,Total documents“ und ,,Total mentions“ sich trotz Ausschlusses der anderen Regionen

weiterhin auf die Gesamtanzahl der weltweit untersuchten Daten bezieht und nicht nur auf

die USA und Europa. Dies macht den manuellen Ausschluss der Gebiete unnötig.

5 Ergebnisse

61

Abbildung 32: Watson: Analyse USA und Europa


Es kann festgestellt werden, dass die meisten Diskussionen weltweit (rund 21,7%) über die

Topics in Amerika geführt werden. Allerdings kann durch reines Exkludieren von Regio-

nen kein Vergleich der zwei Gebiete hergestellt werden. Um eine Gegenüberstellung

durchführen zu können, müssen die Mentions der einzelnen Länder separat abgelesen und

aufsummiert werden.

Da die jeweilige Anzahl der Mentions immer die Absolutanzahl und daher unabhängig von

der Größe des betrachteten Gebietes sowie der Einwohnerzahl ist, sondern sich nur nach

der Gesamtanzahl der Beiträge richtet, muss, um einen Vergleich zwischen den USA und

Europa herstellen zu können, ein Vorgehen gewählt werden, das möglichst vergleichbare

Ergebnisse liefert. Hierfür werden beide Regionen zunächst nach der ersten Analyse be-

trachtet. Um die Gesamtanzahl der Posts über die Topics in den USA anzuzeigen, genügt

es, den Mauszeiger über den Kontinent zu führen und diesen mit der rechten Maustaste

auszuwählen. Ein Pop-up-Fenster erscheint, in dem die Gesamtanzahl der Mentions für die

USA sichtbar wird. Die Zahl beträgt 3.590. Um nun den Anteil der negativen Kommentare

anzuzeigen, muss eine Sentimentanalyse durchgeführt werden. Hierfür wird im unteren

blauen Menüband ,,Sentiment“ ausgewählt und dann ein Haken bei ,,negative“ gesetzt. Als

nächstes wird der Curser wiederum über die Vereinigten Staaten geführt, um diese mittels

5 Ergebnisse

62

rechter Maustaste zu markieren und dadurch die Anzahl der Mentions abzulesen. Diese

beträgt nun 675. Das bedeutet, dass von einer Gesamtanzahl von 3.590 Mentions, 675 dem

Shitstorm zuordenbar sind. Dies sind 18,8%.

Nun soll mit dem gleichen Vorgehen Europa untersucht werden. Dafür müssen allerdings

die Gesamtanzahlen der Mentions der Länder vor und nach der Sentimentanalyse addiert

und ausgewertet werden. Diese finden sich in Tabelle 3.

Tabelle 3: Zahl der Mentions: Europa.

Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse

Land Total Mentions Pro Land Negative Mentions Pro Land Anteil der negativen Mentions in Prozent

Belgien 18 5 27,8%

Bulgarien 1 0 0,0%

Dänemark 16 3 18,8%

Deutschland 150 46 30,7%

Estland 2 2 100,0%

Finnland 6 1 16,7%

Frankreich 24 5 20,8%

Griechenland 11 3 27,3%

Irland 40 6 15,0%

Italien 21 10 47,6%

Kroatien 1 0 0,0%

Lettland 1 0 0,0%

Litauen 4 0 0,0%

Luxemburg 2 1 50,0%

Malta 2 0 0,0%

Niederlande 18 4 22,2%

Österreich 28 2 7,1%

Polen 2 1 50,0%

Portugal 7 1 14,3%

Rumänien 0 0 0,0%

Schweden 22 4 18,2%

Slowakei 1 1 100,0%

Slowenien 3 0 0,0%

Spanien 20 3 15,0%

Tschechien 0 0 0,0%

Ungarn 1 0 0,0%

Vereinigtes Königreich 730 195 26,7%

Zypern 3 2 66,7%

Gesamtanzahl 1134 295 26,0%

https://de.wikipedia.org/wiki/Belgien

https://de.wikipedia.org/wiki/Bulgarien

https://de.wikipedia.org/wiki/D%C3%A4nemark

https://de.wikipedia.org/wiki/Deutschland

https://de.wikipedia.org/wiki/Estland

https://de.wikipedia.org/wiki/Finnland

https://de.wikipedia.org/wiki/Frankreich

https://de.wikipedia.org/wiki/Griechenland

https://de.wikipedia.org/wiki/Irland

https://de.wikipedia.org/wiki/Italien

https://de.wikipedia.org/wiki/Kroatien

https://de.wikipedia.org/wiki/Lettland

https://de.wikipedia.org/wiki/Litauen

https://de.wikipedia.org/wiki/Luxemburg

https://de.wikipedia.org/wiki/Malta

https://de.wikipedia.org/wiki/K%C3%B6nigreich_der_Niederlande

https://de.wikipedia.org/wiki/%C3%96sterreich

https://de.wikipedia.org/wiki/Polen

https://de.wikipedia.org/wiki/Portugal

https://de.wikipedia.org/wiki/Rum%C3%A4nien

https://de.wikipedia.org/wiki/Schweden

https://de.wikipedia.org/wiki/Slowakei

https://de.wikipedia.org/wiki/Slowenien

https://de.wikipedia.org/wiki/Spanien

https://de.wikipedia.org/wiki/Tschechien

https://de.wikipedia.org/wiki/Ungarn

https://de.wikipedia.org/wiki/Republik_Zypern

5 Ergebnisse

63

Die Gesamtanzahl aller Kommentare zu den Topics in Europa beträgt 1.134. Nach der

Sentimentanalyse werden nur noch die negativ assoziierten Beiträge angezeigt. Diese be-

laufen sich auf 295. Für die Länder der europäischen Union kann daher festgestellt werden,

dass 26% der Posts auf Grund der Analyse mittels Watson dem Shitstorm zuordenbar sind.

Werden die einzelnen Staaten näher betrachtet, so muss berücksichtigt werden, dass die

Gesamtanzahl der Mentions bei den meisten Ländern sehr gering ist. Die höchste absolute

Anzahl findet sich im Vereinigten Königreich. 730mal wurde Volkswagen hier während

des Skandals insgesamt auf sozialen Netzwerken erwähnt. 26,7% dieser Posts stehen in

einem negativen Zusammenhang mit den Unternehmen. In Deutschland, dem Staat in dem

der Volkswagenkonzern seinen Hauptsitz hat, sind 30,7% der Mentions mit dem Shitstorm

verbunden.

Um zusätzlich ein besseres Verständnis der genauen Situation in den Vereinigten Staaten

gewinnen zu können, wird mit der rechten Maustaste auf das Gebiet gedrückt und dann im

Pop-up-Menü ,,Go Down“ ausgewählt. Das Ergebnis findet sich in Abbildung 34.

Abbildung 33: Watson: Sentimentanalyse nach Staaten in den USA


Um nun zu erfahren, in welchen Gebieten der Shitstorm die größten Ausmaße angenom-

men hat, wird zusätzlich eine Sentimentanalyse durchgeführt. Hierfür wird wieder in der

5 Ergebnisse

64

blauen Menüleiste ,,Sentiment“ und ,,negative“ ausgewählt. Abbildung 35 zeigt die Staaten

mit den meisten kritischen Kommentaren.

Abbildung 34: Watson: Sentimentanalyse nach Gebieten, USA


Wie auf der Landkarte gut zu erkennen ist, wurden die meisten kritischen Kommentare in

Kalifornien gepostet, gefolgt von Florida und dem Staat New York. Keine negativen Ein-

träge wurden allerdings in Missouri, Wyoming, South Dakota, Mississippi und Maine ver-

fasst. Allerdings basiert diese Auswertung wieder auf der absoluten Anzahl der Kommen-

tare, unabhängig von der Einwohnerzahl des jeweiligen Staates. Um ein valides Resultat zu

erzielen, muss daher die selbe Vorgangsweise angewendet werden, wie zuvor schon beim

Vergleich zwischen den USA und Europa. In der unten stehenden Darstellung finden sich

wiederum die Anzahl der Mentions vor und nach der Sentimentanalyse für die einzelnen

Staaten der USA inklusive dem prozentuellen Anteil der negativen Kommentare.

5 Ergebnisse

65

Staat Mentions Pro Staat Negative Mentions Pro Staat Anteil der negativen Mentions in Prozent

Alabama 18 2 11,1% Alaska 14 4 28,6% Arizona 79 21 26,6% Arkansas 8 2 25,0% Colorado 88 19 21,6% Connecticut 84 36 42,9% Delaware 4 0 0,0% Florida 263 38 14,4% Georgia 91 10 11,0% Hawaii 6 1 16,7% Idaho 12 1 8,3% Illinois 99 19 19,2% Indiana 29 7 24,1% Iowa 6 1 16,7%

Kalifornien 580 102 17,6% Kansas 11 2 18,2% Kentucky 15 3 20,0% Louisiana 16 4 25,0% Maine 3 0 0,0% Maryland 61 11 18,0% Massachusetts 59 10 16,9%

Michigan 56 12 21,4% Minnesota 49 9 18,4% Mississippi 3 0 0,0% Missouri 53 10 18,9% Montana 7 1 14,3% Nebraska 12 0 0,0% Nevada 42 13 31,0% New Hampshire 9 1 11,1% New Jersey 99 13 13,1%

New Mexico 3 1 33,3% New York 211 37 17,5% North Carolina 114 11 9,6% North Dakota 2 2 100,0%

Ohio 95 16 16,8% Oklahoma 10 2 20,0% Oregon 54 12 22,2% Pennsylvania 97 22 22,7% Rhode Island 8 2 25,0% South Carolina 35 5 14,3% South Dakota 1 0 0,0% Tennessee 30 6 20,0% Texas 174 36 20,7% Utah 40 7 17,5% Vermont 3 2 66,7% Virginia 102 25 24,5% Washington 98 20 20,4% West Virginia 6 2 33,3% Wisconsin 41 12 29,3% Wyoming 3 0 0,0%

Gesamtanzahl 3003 572 19,0%

Tabelle 4: Zahl der Mentions: USA


5 Ergebnisse

66

Die Gesamtanzahl aller Kommentare beträgt 3.003, die der negativen 572. Die Abwei-

chung zur Anzahl von Einträgen, die beim Vergleich zwischen USA und Europa für die

Vereinigten Staaten generiert wurde (3.590 und 675), kommt davon, dass einige Posts

zwar Amerika zuordenbar sind, aber keinem spezifischen Staat.

Wie Tabelle 4 entnommen werden kann, beziehen sich 19% aller Kommentare, die einem

bestimmten Staat zuordenbar sind, auf den Shitstorm gegen Volkswagen.

Es ist nicht verwunderlich, dass der Shitstorm dort große Ausmaße angenommen hat. Dies

hat mehrere Gründe. Der Staat gilt als Vorreiter für den Einsatz von sauberen Energiequel-

len. Bereits im Jahre 1947 kam es dort zur Unterzeichnung des ersten Gesetzes zum Schutz

der Luftqualität, nachdem Los Angeles zuvor von dickem Smog eingehüllt war. Über die

Dekaden hinweg galten die Umweltschutzgesetze in Kalifornien als die strengsten in den

USA. Eine Vielzahl anderer Staaten erließen Gesetze nach kalifonischem Vorbild. Auch

im Bereich der Emissionen wurden bereits 2002 Limits für den Schadstoffausstoß von

Fahrzeugen festgelegt. Diesen Restriktionen folgten mehr als ein Dutzend anderer Bundes-

staaten.57 Die EPA, jene Organisation, die den Skandal 2015 aufgedeckt hatte, arbeitet eng

mit CARB, California Air Resources Board, zusammen. CARB ist Beirat der kaliforni-

schen Regierung und kreiert Gesetzesentwürfe zur Verbesserung der Luftqualität. 2017

haben die beiden Organisationen nach mehreren Untersuchungen den Einbau der Manipu-

lationssoftware in den Modellen VW Beetle, Golf, Jetta und Passat sowie Audi A3 öffent-

lich bestätigt. Gemeinsam mit EPA arbeitet CARB daran, einen Vergleich mit Volkswagen

bezüglich des Dieselskandals auszuhandeln. Zusätzlich führen derzeit (August 2017) beide

Organisationen weitere Untersuchungen an VW Modellen durch, in denen möglicherweise

ebenfalls die Schummelsoftware eingebaut worden ist.58

Nachdem im September 2015 der Verstoß publik wurde, beschuldigte CARB den Auto-

bauer, dass die Emissionsausstöße der rund 85.000 betroffenen Fahrzeuge in Kalifornien

bis zu 40mal höher sind als vom Staat per Gesetz zugelassen. Im Oktober 2016 machte die

kalifornische Regierung dann einen Anspruch gegenüber Volkswagen auf Grund des Ein-

baus der unerlaubten Software geltend.

57 Vgl. The Economist (2013), [online].

58 Vgl. United States Environmental Protection Agency (2013), [online].

5 Ergebnisse

67

Der Staat forderte, zusätzlich zu den Schadensersatzzahlungen, zu denen der Konzern in

den USA schon verurteilt wurde, 423 Millionen US-Dollar vom Automobilhersteller als

Schadensminderung ein sowie eine Investition von rund 800 Millionen US-Dollar in Pro-

jekte zur Förderung von Fahrzeugen ohne jeglichen Schadstoffausstoß in den nächsten

zehn Jahren.59

5.2.4 Stimmungen nach Portalen

Um eine Analyse nach Portalen durchzuführen, muss zunächst im Drop-down-Menü die

Kategorie ,,Sources and Sites“ ausgewählt werden.

Abbildung 35: Watson: Analyse nach Portalen


Nach der Auswahl ergibt sich das in Abbildung 36 dargestellte Bild. Daraus kann ent-

nommen werden, dass mit Abstand die meisten Diskussionen in Foren stattfinden, gefolgt

von Blogs und Twitter. Am wenigsten wurde überraschenderweise auf Facebook gepostet.

Um nun herauszufinden, in welcher dieser Quellen die meisten negativen Einträge gemacht

wurden, muss eine Sentimentanalyse durchgeführt werden. Hierzu wird in der unteren

59 Vgl. California Environmental Protection Agency Air Resources Board (2017), [online].

5 Ergebnisse

68

blauen Menüleiste ,,Sentiment“ ausgewählt und in einem weiteren Schritt ,,negative“, um

nur die Einträge anzuzeigen, die mit dem Shitstorm zusammenhängen.

Abbildung 36: Watson: Sentimentanalyse nach Portalen


Wie in Abbildung 37 ersichtlich, reduzieren sich dadurch die ,,Total documents“ von

12.879 auf 3.280, die ,,Total mentions“ von 16.541 auf 3.692. Dies bedeutet, dass von den

ursprünglichen 12.897 Posts rund 25% dem Shitstorm zuzuordnen sind. Allerdings werden

auch hier wieder die absoluten Zahlen zur Analyse herangezogen. Um herauszufinden, wie

viel Prozent der Beiträge der einzelnen Social Media Plattformen tatsächlich negativ asso-

ziiert sind, muss wiederum eine Betrachtung der Mentions vor und nach einer Sentimen-

tanalyse erfolgen. Die Vorgehensweise ist die selbe wie in Kapitel 5.2.3.

In Tabelle 5 findet sich die Anzahl der Mentions gesamt und die der negativen Einträge für

die einzelnen Autohersteller, aufgelistet nach der Quelle sowie deren prozentuellem Anteil

an den Einträgen.

5 Ergebnisse

69

Quelle Mentions Pro Quelle Negative Mentions Pro Quelle Anteil der negativen Mentions in Prozent

VW Audi Porsche Gesamt VW Audi Porsche Gesamt VW Audi Porsche Gesamt

Foren 5268 2795 1888 9951 1081 500 403 1.984 20,5% 17,9% 21,3% 19,9%

Blogs 2186 890 583 3659 618 124 123 865 28,3% 13,9% 21,1% 23,6%

Twitter 2212 372 238 2822 770 38 17 825 34,8% 10,2% 7,1% 29,2%

Facebook Pages 70 8 31 109 13 1 4 18 18,6% 12,5% 12,9% 16,5%

Gesamtanzahl 9736 4065 2740 16541 2482 663 547 3692 25,5% 16,3% 20,0% 22,3%

Tabelle 5: Zahl der Mentions: Sources


Wie in Tabelle 5 gut erkennbar, beziehen sich insgesamt die meisten Mentions auf VW. In

25,5% davon wird das Unternehmen in einem negativen Zusammenhang erwähnt. Bei

Porsche sind es 20,0%. Die Marke Audi wird mit 16,3% von den Social Network Usern für

noch am positivsten erachtet. Insgesamt beträgt der Anteil der negativen Posts an der Ge-

samtanzahl aller Einträge 22,3%.

Bezug nehmend auf die einzelnen Quellen erfolgen die meisten kritischen Diskussionen

während des Dieselskandals auf Twitter. Der Anteil beträgt fast 30%. Besonders VW ist

vom Shitstorm auf der besagten Social Media Plattform betroffen. In 34,8% aller Tweets

wird der deutsche Autohersteller in einem negativen Zusammenhang erwähnt, wohingegen

es nur 20,5% in Foren, 28,3% auf Blogs und lediglich 18,6% auf Facebook-Seiten sind.

Generell wird Volkswagen in allen analysierten Quellen am häufigsten in einem kritischen

Kontext erwähnt, mit Ausnahme der Foren, in denen Porsche mit 21,3% an erster Stelle

steht.

In einem nächsten Schritt soll nun herausgefunden werden, in welchem der Portale die

vordefinierten Themes Dieselaffäre, Rückruf, Schadensersatzzahlung und deren Synonyme

besonders häufig in einem negativen Zusammenhang genannt werden. Hierfür muss in der

unteren blauen Leiste zusätzlich unter dem Menüpunkt ,,Themes“ ein Haken bei den drei

Begriffen gesetzt werden.

Wie aus Abbildung 38 entnommen werden kann, hat sich die Zahl der ,,Total documents“

ein weiteres Mal reduziert, auf 902 und die der ,,Total mentions“ auf 1.055. Diese Einträge

sind nun dem Shitstorm sowie durch die Filterung nach Themes zusätzlich auch dem Die-

selskandal zuzuordnen.

5 Ergebnisse

70

Abbildung 37: Watson: Sentimentanalyse nach Portalen, Themes


Twitter ist nun der Hauptkanal für die negativen Diskussionen, gefolgt von Blogs und Fo-

ren. Facebook hingegen ist auf Grund der zu geringen Anzahl an relevanten Einträgen aus

der Resultatansicht verschwunden. Im Zentrum des Shitstorms steht weiterhin überwie-

gend VW.

Durch Drücken auf den orangen Balken neben der Bezeichnung Twitter können wieder

auszugsweise Einblicke in Posts gewonnen werden, wie in Abbildung 39 dargestellt.

Abbildung 38: Watson: Sentimentanalyse nach Portalen, Themes, Twitter


5 Ergebnisse

71

Wie zu erwarten, beziehen sich die Posts auf den durch den Dieselskandal ausgelösten

Shitstorm. Fast alle der Einträge sind in englischer Sprache verfasst, was nicht verwunder-

lich ist, da Twitter, im Gegensatz zu Europa, in den Vereinigten Staaten sehr beliebt ist.

Wieder wird durch Drücken auf die ,,Reset chart“ Funktion die Tabelle in ihre ursprüngli-

che Ausgangslage zurückgesetzt.

Da in den Foren im Allgemeinen am meisten Diskussionen über die Thematik stattfinden,

soll nun in einem weiteren Schritt herausgefunden werden, welche Foren von der Analyse

erfasst werden. Hierfür genügt ein Rechtsklick auf den entsprechenden Balken und die

Auswahl des Pop-up-Menüpunktes ,,Go Down“. Zusätzlich soll eine Sentimentanalyse

erfolgen, um herauszufinden, in welchen dieser Foren der Shitstorm die größten Ausmaße

annimmt. Dafür genügt es, in der unteren, blauen Menüleiste ,,Sentiment“ auszuwählen.

Nun können die Einträge nur auf die negativen eingeschränkt werden. Daraus resultiert das

in Abbildung 40 dargestellte Ergebnis.

Abbildung 39: Watson: Sentimentanalyse nach Portalen, Foren


Die meisten negativen Diskussionen zu allen drei Autoherstellern finden auf www.motor-

talk.de statt, Europas größtem Autoforum. An zweiter Stelle befindet sich

www.vwvortex.de, die größte Community weltweit für Volkswagen-Interessierte. Auf

5 Ergebnisse

72

www.rennlist.com, einer Internet-Gemeinschaft für Porsche-Besitzer und -Fans, beziehen

sich die Inhalte der Einträge überwiegend auf Modelle der Marke Porsche, Ähnliches gilt

für www.audizine.com, wo, wie der Name schon sagt, Fahrzeuge des Herstellers Audi im

Interessensmittelpunkt stehen. Auf dem Social-News-Aggregator Reddit wird ungefähr im

selben Ausmaß über alle drei Hersteller diskutiert.

Auffällig ist dennoch, dass allen voran Volkswagen mit der größten Anzahl an Mentions im

Mittelpunkt des Shitstorms steht.

Nun soll überprüft werden, ob dies auch bei Blogeinträgen der Fall ist. Hierfür muss zu-

nächst die Grafik mit Hilfe der Funktion ,,Reset chart“ zurückgesetzt werden. Die nächsten

Schritte sind identisch und erfolgen nach gleichem Schema wie bei der Sentimentanalyse

der Foren. Für die Blogs ergibt sich das in Abbildung 41 dargestellte Bild.

Abbildung 40: Watson: Sentimentanalyse nach Portalen, Blogs


Wiederum kann sofort festgestellt werden, dass sich die meisten negativen Blogeinträge

auf Volkswagen beziehen.

5 Ergebnisse

73

5.2.5 Vergleich von betroffenen und nicht betroffenen VW-Modellen

Um nun vom Dieselskandal betroffene und nicht betroffene VW-Modelle zu vergleichen,

muss wie in Kapitel 5.2.1 genauestens beschrieben, ein neues Projekt erstellt werden. In

diesem Fall werden zwei Topics definiert. Diese sind ,,Betroffene Modelle“ und ,,Nicht

betroffene Modelle“.

Da einige Dieselfahrzeuge noch immer unter Verdacht stehen, die Schummelsoftware ein-

gebaut zu haben, werden als ,,Nicht betroffene Modelle“ nur benzinbetriebene VW-Autos

ausgewählt, die in den USA und Europa vertrieben werden. Dies erfolgt durch das Hinzu-

fügen der ,,Context keywords“ ,,gas“ (englischer Ausdruck für Benzin) und ,,Benzin“.

Das Definieren des Topics ,,Betroffene Modelle“ bleibt unverändert mit dem in Kapitel

5.2.1. Allerdings wird, um einen passenden Vergleich herstellen zu können, bei der Defini-

tion der ,,Topic Keywords“ den Modellen die Bezeichnung VW vorangestellt. So kann si-

chergestellt werden, dass sie sich auch tatsächlich auf Volkswagen beziehen und nicht auf

gleiche Begriffe mit anderer Bedeutung. Da in diesem Abschnitt lediglich Modelle vergli-

chen werden und kein Gesamtbild des Unternehmens auf sozialen Netzwerken erstellt

werden soll, wie in Kapitel 5.2.2, reicht auch eine, auf Grund der Einschränkung durch das

Hinzufügen der Bezeichnung VW, verkleinerte Stichprobe aus, um valide Ergebnisse zu

erzielen. ,,Themes“ sollen im Zuge dieser Analyse keine definiert werden.

Tabelle 6 können die genauen Eingabebegriffe für das Topic ,,Betroffene Modelle“ ent-

nommen werden. Die ,,Exclude Keywords“ bleiben unverändert zur ersten Eingabe in Ka-

pitel 5.2.2, genauso wie die ,,Context Keywords“. Allerdings werden, um sicherzustellen,

dass die untersuchten Modelle auch tatsächlich jene sind, die vom Dieselskandal betroffen

waren (ältere Versionen des Golf, beispielsweise, waren nicht involviert), werden zusätz-

lich noch die Begriffe ,,Dieselskandal“, ,,Dieselaffäre“ und ,,Dieselgate“ in Kontext zu den

Modellen gebracht. Zusätzlich werden ,,Benzin“ und ,,Gas“ von den Schlüsselwörtern aus-

geschlossen. So kann garantiert werden, dass nur die Dieselversionen der Fahrzeuge in die

Analyse miteinbezogen werden.

5 Ergebnisse

74

Topic Keywords Context Keywords Exclude Keywords

VW Jetta Vehicle Sport, Sports

VW Golf Vehicles Tournament

VW Passat Car Weather, Wetter, Wind

VW Polo Cars Insect, Insects, Animal

VW Beetle Auto Bug, Bugs

#vwgolf Diesel, Dieselaffäre Shirt, Fashion, Clothes

#vwpassat Volkswagen Ralph Lauren, Marco

#vwbeetle VW Gebrauchtwagen, Lemon

#vwpolo Dieselgate, Dieselscandal Tesla

#vwjetta Dieselskandal Benzin, Gas

Tabelle 6: Eingabe: Topics, Betroffene Modelle

Quelle: Microsoft Excel, eigene Darstellung der Watson Data Configuration.

Nun muss noch das Topic ,,Nicht betroffene Modelle“ erstellt werden. Die ,,Topics

Keywords“ beziehen sich nun auf Fahrzeuge, die nicht in den Dieselskandal involviert

sind. Durch das zusätzliche Hinzufügen der Wörter ,,gas“ (amerikanische Bezeichnung für

Benzin) und ,,Benzin“ in die Kontext-Schlüsselwörter soll sichergestellt werden, dass nur

durch Benzin betriebene Fahrzeuge (inklusive dem E-Golf, einem Elektroauto) in die Ana-

lyse miteinbezogen werden.

In Tabelle 7 sind die Eingaben für das beschriebene Topic ersichtlich.

Topic Keywords Context Keywords Exclude Keywords

VW Tiguan Vehicle Sport, Sports

VW Touareg Vehicles Tournament

VW GTI Car Africa, Afrika, Dog, Hund

VW e-Golf Cars Gran Turismo Injektion

#vwtiguan Auto Gran Turismo Injection

#vwtouareg Benzin Gebrauchtwagen, Lemon

#vwgti Volkswagen Tesla, Dieselscandal

#vwegolf VW Diesel, TDI, Dieselgate

Gas Dieselskandal, Dieselaffäre

Tabelle 7: Eingabe: Topics, Nicht betroffene Modelle


5 Ergebnisse

75

Wiederum müssen Schlüsselwörter von der Analyse ausgeschlossen werden. Die Auswahl

der ,,Exclude Keywords“ erfolgt nach mehreren Voranalysen und einer Kontrolle der Men-

tions in der Ergebnisansicht von IBM Watson. Für die nicht betroffenen Fahrzeuge wurden

neben den bereits in Kapitel 5.2.1 beschriebenen auszuschließenden Wörter wie Tourna-

ment, Sport, Sports, Gebrauchtwagen, Lemon und Tesla folgende Begriffe exkludiert:

Africa, Afrika, Dog, Hund: Touareg ist neben einem afrikanischen Stamm auch die

Bezeichnung einer Hunderasse. Hund und Afrika wurden hierfür auch ins Engli-

sche übersetzt.

Gran Turismo Injection, Gran Turismo Injektion: Deutscher sowie Englischer Aus-

druck für eine bestimmte Motorenbauart mit Benzin-Einspritzung.

Zusätzlich wurden noch Diesel, TDI, Dieselskandal etc. zu den ,,Exclude Keywords“ hin-

zugefügt, um Verbindungen mit dem Dieselskandal auszuschließen.

Als nächster Schritt muss nun der Analysezeitraum ausgewählt werden, welcher ebenfalls

unverändert zu den vorhergehenden Kapiteln bleibt. Die untersuchte Periode erstreckt sich

von 1. September 2015 bis 1. August 2017.

Auch die ausgewählten Sprachen, Deutsch und Englisch sowie die Quellen Twitter, Foren,

Facebook-Seiten sowie Blogs werden für diese zweite Eingabe nicht verändert.

Durch Drücken von ,,Create Data Set“ beginnt IBM Watson mit der Analyse. Dies nimmt

einige Zeit in Anspruch. Auch bei dieser Untersuchung werden aufgrund der Testversion

nur die 25.000 von Watson für am demonstrativsten erachteten Beiträge untersucht und

daraus wiederum eine Auswahl getroffen. Nachdem die Analyse durchgeführt wurde, er-

geben sich für die ausgewählten Topics 15.789 ,,Total documents“ und 16.656 ,,Total men-

tions“. Zunächst sollen nun durch die Auswahl der Kategorie ,,Topics“ im Drop-down-

Menü die Schlagworte ausgewertet werden.

Wie in Abbildung 42 eindeutig ersichtlich, wird auf sozialen Netzwerken hauptsächlich

über die betroffenen Automodelle diskutiert. Besonders von Juli bis August 2017 können

extrem viele Peaks verzeichnet werden. Dies passt sehr gut zu den Suchanfragehäufigkei-

ten für diese Monate, die mit Google Trends in einem vorhergehenden Kapitel ausgewertet

werden und ein vergleichbares Bild ergeben.

5 Ergebnisse

76

Abbildung 41: Watson: Modellvergleich, Ergebnis Topics


Das Verhältnis der ,,Share of voice“-Analyse ist 14.574 zu 2.082. Dies bedeutet, dass sich

rund 85,7% aller Diskussionen auf die betroffenen Modelle beziehen.

Eine Sentimentanalyse soll zeigen, welcher Art diese Social Media Einträge sind. Hierfür

muss im Drop-down-Menü ,,Sentiment“ ausgewählt werden. Eine Darstellung der Ergeb-

nisse der Senitmentanalyse findet sich in Abbildung 43.

Abbildung 42: Watson: Modellvergleich, Ergebnis Sentiment

Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 20. August 2017]

5 Ergebnisse

77

Die Auswertung der ,,Betroffenen Modelle“ ist im oberen Balkendiagramm dargestellt, die

der ,,Nicht betroffenen Modelle“ im unteren. Das Verhältnis der Anteile an negativen Ein-

trägen ist bei beiden Topics annähernd gleich. Die genaue Anzahl beträgt 1.812 für die in

den Dieselskandal involvierten Fahrzeuge und 256 für die, die in keinem Zusammenhang

mit der Affäre stehen.

Die genaue Anzahl an Mentions je Sentiment sowie die prozentualen Verhältnisse finden

sich in Tabelle 8.

Betroffene Modelle Nicht betroffene Modelle

Positive Mentions 4022 662

Ambivalent Mentions 633 165

Neutrale Mentions 8107 999

Summe 12762 1826

Negative Mentions 1812 256

Anteil Negative Mentions 14,2% 14,0%

Tabelle 8: Prozentuelle Auswertung: Sentiment.

Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse.

Wie schon die Analyse nach ,,Topics“ zeigte, wird hauptsächlich über die betroffenen Mo-

delle auf den sozialen Netzwerken diskutiert. Interessant allerdings ist, dass der Anteil der

negativen Mentions bei beiden Kategorien jeweils knapp 14% beträgt. Durch Drücken auf

den roten Balken der Auswertung nach ,,Nicht betroffenen Modellen“ sollen Hintergründe

für dieses Ergebnis herausgefunden werden. Ein Großteil der Einträge auf sozialen Netz-

werken beschäftigt sich mit dem Model VW GTI, bei dem es laut diesen Posts zu einer

Vielzahl technischer Probleme kommt. Wie zu erwarten, bestimmt der Dieselskandal die

negativen Beiträge über die betroffenen Modelle.

Nun soll eine geographische Analyse nach Topics sowie Sentiment erfolgen, um herauszu-

finden, in welchen Teilen der Welt besonders kritisch über die Fahrzeugtypen diskutiert

wird. Hierfür muss im Drop-down-Menü ,,Geography“ ausgewählt werden.

5 Ergebnisse

78

Abbildung 43: Watson: Modellvergleich, Ergebnis Geografie


Wie Abbildung 44 zeigt, finden die meisten Diskussionen in den USA, gefolgt von Groß-

britannien und Deutschland statt. Diese Regionen sollen nun näher untersucht werden.

Hierfür wird zusätzlich in der unteren Menüleiste zunächst ,,Betroffene Modelle“, später

,,Nicht betroffene Modelle“ ausgewählt. Um den Anteil der negativen Kommentare pro

Region und Topics ablesen zu können, muss zusätzlich jeweils noch eine Sentimentanalyse

gemacht werden, welche wiederum durch Drücken auf ,,Sentiment“ und ,,negative“ im

unteren Menü ausgeführt wird. In Tabelle 9 wird die genaue Auswertung der Analyse an-

gezeigt.

USA GER GB

Betr. Mod. Nicht betr. Mod. Betr. Mod. Nicht betr. Mod. Betr. Mod. Nicht betr. Mod.

Anzahl Mentions 2027 551 351 29 758 78

Mentions in % 78,6% 21,4% 92,4% 7,6% 90,7% 9,3%

Neg. Mentions 245 63 71 3 85 5

Anteil neg. Mentions in % 12,1% 11,4% 20,2% 10,3% 11,2% 6,4%

Tabelle 9: Modellvergleich: Ergebnis Geografie

Quelle: Microsoft Excel, eigene Darstellung der Auswertung der der Watson Analyse.

5 Ergebnisse

79

In allen drei Regionen finden hauptsächlich Diskussionen über die betroffenen Modelle auf

sozialen Netzwerken statt. In Deutschland sind es sogar 92,4%. Der Anteil der negativen

Posts zu den in den Skandal involvierten Fahrzeugtypen beträgt dort 20,2%.

Das bedeutet, dass sich annähernd ein Fünftel aller negativen Diskussionen auf Social Me-

dia in Deutschland auf die Modelle Jetta, Golf, Passat, Polo und Beetle bezieht. In den

USA sind dies rund 12,1%, in Großbritannien circa 11,2%.

5.2.6 Vergleich mit anderen Autoherstellern

Um einen Vergleich zwischen verschiedenen Fahrzeugproduzenten herstellen zu können,

müssen zunächst passende Hersteller für die Analyse gefunden werden. Neben Volkswagen

sollen dies ein Autohersteller sein, der von der Größe vergleichbar ist, sowie ein solcher,

der nicht in den Skandal verwickelt ist und gegen den es auch derzeit (Stand: August 2017)

keine Anschuldigungen gibt. Die Wahl fiel daher auf Toyota und Opel.

Toyota ist wie Volkswagen einer der größten Automobilhersteller weltweit. Durch den Ein-

satz von Hybridtechnik in einer Vielzahl von Fahrzeugen konnte das Unternehmen aus

Japan seine Marktmacht in Deutschland vor allem nach dem Dieselskandal extrem vergrö-

ßern.60 Opel ist als eine der wenigen deutschen Automarken nicht in den Skandal ver-

strickt. Untersuchungen ergaben, dass bei allen Modellen keine Manipulationen der Ab-

gaswerte vorlagen.61

Nachdem nun die Analysegegenstände ausgewählt wurden, muss in IBM Watson Analytics

for Social Media ein neues Projekt erstellt werden. In diesem Projekt müssen, wie in Kapi-

tel 5.2.1. beschrieben, die besagten drei Autobauer mittels Topics eingefügt und definiert

werden. Da in diesem Fall keine einzelnen Modelle analysiert werden sollen, sondern

Stimmungen über die Unternehmen selbst, werden als ,,Topics keywords“ nur die Marken

eingetragen. Da dies Eigennamen sind, können die ,,Exclude keywords“ ignoriert werden.

Die ,,Context keywords“ sind für alle drei Topics die gleichen.

Aus Tabelle 10 können die ,,Topics keywords“ sowie ,,Context keywords“ entnommen

werden.

60 Vgl. Focus Online (2017), [online].

61 Vgl. mdr AKTUELL (2017), [online].

5 Ergebnisse

80

Topic Keywords

VW Toyota Opel

Volkswagen #toyota #opel

#vw #volkswagen

Context Keywords

Autohersteller, Autobauer

Car manufacturer, Carmaker

Auto, Autos, Car, Cars

Vehicle, Vehicles

Car company, Automotive manufacturer

Company, Unternehmen Fahrzeug, Fahrzeuge

Tabelle 10: Herstellervergleich: Definieren der Topics


Der Zeitraum der Analyse ist wiederum von 1. September 2015 bis 1. August 2017. Spra-

chen sowie Quellen weichen ebenfalls nicht von den vorhergehenden Analysen ab. Nach-

dem alle Eingaben erfolgt sind, muss die Analyse durchgeführt werden. Im Zuge dieser

sollen zunächst die Topics ausgewertet werden. Das Ergebnis der Untersuchung ist in Ab-

bildung 45 dargestellt.

Abbildung 44: Watson: Herstellervergleich, Ergebnis Topics


5 Ergebnisse

81

Insgesamt werden die drei Hersteller 21.095mal in Posts erwähnt. Davon entfallen 12.296

Mentions, also 58,29% auf VW, 37,34% auf Toyota und verhältnismäßig geringe 4,38%

auf Opel. Mehr als die Hälfte der Diskussionen betrifft daher Volkswagen.

Das orange Liniendiagramm, welches den Verlauf der Mentions von VW zeigt, weist eini-

ge Peaks zu Beginn des Skandals im September und Oktober 2015 auf, bevor es abflacht

und im Juli 2017, zu der Zeit, in der es auch im Google Trends Diagramm zu vielen Peaks

kommt, wieder ansteigt. Nun soll untersucht werden, warum es im Juli 2017 vermehrt zu

Mentions kam. Hierfür reicht es, die runden Kreise an den Höhepunkten des Diagramms

auszuwählen und im rechten Mentions-Feld die Posts durchzulesen. Wie zu erwarten, er-

wähnen fast alle Beiträge den Skandal. Oft wird von Social Media Usern davon abgeraten,

Fahrzeuge des Volkswagenkonzerns zu kaufen, aus Angst vor dem Einsatz der Manipula-

tionssoftware. Erstaunlich ist auch der Anstieg der Mentions von Toyota im Juli 2017.

Durch das Auswählen verschiedener Kreise an den Spitzen der Kurve soll auch hierfür

eine Erklärung gefunden werden. Aus den Posts kann herausgelesen werden, dass viele der

User sich Gedanken über den Kauf eines Toyota machen. In einer Vielzahl von Foren wer-

den unterschiedliche Modelle besprochen. Häufig fallen Meldungen zu Fahrzeugen mit

Hybridantrieb. Dies passt auch zu den steigenden Verkaufszahlen von diesen Autotypen in

Deutschland nach dem Skandal.

Um zu untersuchen, welcher Art die Diskussionen sind, wird im Drop-down-Menü

,,Sentiment“ ausgewählt. Das Ergebnis der Analyse wird in Abbildung 46 angezeigt.

Abbildung 45: Watson: Herstellervergleich, Ergebnis Topics


5 Ergebnisse

82

Auf den ersten Blick ersichtlich ist, dass VW die mit Abstand wenigsten positiven Einträge

aufweist, dafür die meisten negativen. Der Anteil der negativen Erwähnungen an der Ge-

samtzahl aller Mentions soll nun für jeden Autohersteller separat in Excel berechnet wer-

den. Hierfür muss lediglich der Mauszeiger über den jeweiligen Balken gehalten werden,

um ein Pop-up-Fenster zu öffnen, in dem die genaue Anzahl der Mentions angezeigt wird.

Diese Zahl der positiven, ambivalenten und neutralen Einträge wird dann addiert und da-

von der Anteil der negativen Beiträge in Prozent berechnet. Die Ergebnisse sind in Tabelle

11 zu finden.

Opel Toyota VW

Positive Mentions 389 3299 3585

Ambivalent Mentions 49 671 998

Neutrale Mentions 345 2668 4211

Summe 783 6638 8794

Negative Mentions 140 1238 3502

Anteil Negative Mentions 17,9% 18,7% 39,8%

Tabelle 11: Herstellervergleich: prozentueller Anteil Sentiment


Nur rund 18% aller Beiträge berichten jeweils negativ über Toyota und Opel. Bei VW sind

es weitaus mehr, mit 39,8% ist die Quote höher als die der anderen beiden Hersteller zu-

sammen. Aus dieser Berechnung geht deutlich hervor, dass der Shitstorm fast ausschließ-

lich Volkswagen betrifft.

In einem weiteren Schritt soll nach Regionen analysiert werden. Hierfür muss im Menü

,,Geography“ ausgewählt werden.

Die Basisansicht der Weltkarte in Abbildung 47 zeigt die globale Verteilung der Mentions

aller drei Hersteller gemeinsam an. Durch eine kurze Auswertung der Anzahl der Beiträge

kann herausgefunden werden, dass die meisten davon aus den USA stammen, gefolgt von

Großbritannien und Deutschland. Zum gleichen Ergebnis führte schon die Analyse der

vom Dieselskandal betroffenen und nicht betroffenen Modelle.

5 Ergebnisse

83

Abbildung 46: Watson: Herstellervergleich, Ergebnis Geografie


Wie schon in dem besagten vorhergehenden Abschnitt, muss, um den Anteil der Mentions

pro Region berechnen zu können, auch bei der Untersuchung der verschiedenen Autoher-

steller zunächst eine Aufteilung nach Marke erfolgen und in einem weiteren Schritt eine

Sentimentanalyse. Nach jedem erfolgten Arbeitsschritt müssen die Mentions erneut abge-

lesen werden. Dies geschieht wieder durch Halten des Mauszeigers über das jeweilige Ge-

biet.

Wiederum erfolgt diese Auswertung durch Auswahl der betreffenden Funktionen in der

unteren blauen Menüleiste.

USA GER GB

Opel Toyota VW Opel Toyota VW Opel Toyota VW

Anzahl Mentions 45 1438 2153 17 37 163 12 96 544

Mentions in % 1,2% 39,5% 59,2% 7,8% 17,1% 75,1% 1,8% 14,7% 83,4%

Neg. Mentions 11 268 543 2 1 39 5 8 175

Anteil neg. Mentions in % 24,4% 18,6% 25,2% 11,8% 2,7% 23,9% 41,7% 8,3% 32,2%

Tabelle 12: Herstellervergleich: prozentuelle Auswertung Geografie.

Quelle: Microsoft Excel, eigene Darstellung der Watson Analyse.

5 Ergebnisse

84

Tabelle 12 zeigt die geografische Verteilung der Mentions der drei Autohersteller in den

Ländern mit den meisten Beiträgen. In allen Regionen wird am häufigsten über Volkswa-

gen diskutiert, besonders in Großbritannien. Aus der Untersuchung der Mentions geht hier-

für kein genauer Grund hervor. Social Media User aus England diskutieren in Zusammen-

hang mit VW sowohl über den Dieselskandal als auch über technische Probleme oder den

Autokauf. Der Anteil der negativen Mentions an der Gesamtzahl der Mentions pro Land

ist für VW in Großbritannien mit 32,2% am höchsten. In den USA und Deutschland liegen

die negativen Kommentare für Volkswagen bei rund 25%.

Viele dieser kritischen Posts betreffen in erster Linie Reparaturen und technische Defekte

von älteren Modellen, wie aus einer genaueren Auswertung der Mentions hervorgeht. In

den USA sind die Meinungen über Opel und Toyota in einem ähnlichen Ausmaß wie bei

VW negativ. In Deutschland hingegen wird Toyota in einigen Posts in einem positiven Zu-

sammenhang erwähnt. Auch dies passt zu den steigenden Verkaufszahlen der Marke in

dieser Region. Allerdings hat eine Gesamtmentionszahl von 37 möglicherweise nur wenig

Aussagekraft.

5.3 Börsenkurse und Umsatzzahlen

In diesem Abschnitt sollen nun die Entwicklungen der Börsenkurse und Umsatzzahlen der

Volkswagen AG während des Skandals näher beleuchtet und mit den vorhergehenden Ana-

lysen abgeglichen werden. Die in diesem Kapitel erwähnten Ereignisse im Verlauf des

Skandals werden in Kapitel 5.1 genauestens beschrieben. Für die Untersuchung des Akti-

enkurses wird das Finanzportal wallstreet-online.de ausgewählt, da es erlaubt, einen ge-

nauen Zeitraum für die Analyse einzustellen. Beispielsweise kann der Verlauf des Aktien-

kurses auf finanznachrichten.de nur im Ein-Jahres- oder in Fünf-Jahresschritten abgebildet

werden. Ein Jahr ist für die notwendige Analyse zu kurz und fünf Jahre zu lang.

5.3.1 Verlauf des VW-Aktienkurses

Um den Aktienkurs der Volkswagen AG abzubilden, muss zunächst im Browser die Webs-

ite www.wallstreet-online.de geöffnet werden. Im nächsten Schritt wird in der Suchleiste

der Name des ausgewählten Unternehmens, Volkswagen, eingegeben und auf das Feld

,,Suchen“ gedrückt. Um nun den Verlauf des Kurses darzustellen, muss im Analysemenü

unter der Kategorie ,,Analyse“ ,,Chart“ ausgewählt werden. Hier können nun ein genauer

5 Ergebnisse

85

Zeitraum sowie das Intervall und der Börsenplatz bestimmt werden. Die festgelegte Perio-

de erstreckt sich vom 1. September 2015 bis zum 1. August 2017, ein ähnlicher Zeitraum

wie bei den Analysen mit Google Trends und IBM Watson Analytics for Social Media. Das

Intervall soll ein Tag sein. Als Börsenplatz wird die amerikanische Börse NASDAQ ge-

wählt. Nachdem nun die Grundeinstellungen festgelegt wurden, ergibt sich das in Abbil-

dung 48 dargestellte Bild.

Abbildung 47: Verlauf des VW Aktienkurses, NASDAQ.

Quelle: Analyse mit https://www.wallstreet-online.de, [Stand: 26. August 2017].

Wird der Mauszeiger über die Linie im Diagramm gehalten, zeigt wallstreet-online.de das

exakte Datum für die jeweilige Position des Cursors an.

Am 16. September 2015, vor dem Skandal, liegt der Kurs bei 187,55 USD. In den folgen-

den Tagen beginnt er allmählich zu sinken, bis er dann ab 19. September 2015 stark abfällt.

Den ersten Tiefpunkt erreicht der Aktienkurs am 23. September 2015. Dieser Tag kenn-

zeichnet den Rücktritt des VW-Chefs Martin Winterkorn. Danach fällt der Kurs weiter, bis

er am 2. Oktober 2015 bei lediglich 115,50 USD liegt. Dies bedeutet einen Wertverlust

von 72,05 USD innerhalb von nur zwei Wochen.

5 Ergebnisse

86

Wird das Börsenkurs-Diagramm nun mit dem Verlauf der Google Trends Kurve sowie der

Entwicklung der Diskussionen auf sozialen Netzwerken abgeglichen, finden sich einige

Parallelen, die im abschließenden Kapitel 6 des Ergebnisteils näher beschrieben werden.

Ab dem 5. Oktober steigt der Kurs neuerlich an und erreicht am 12. Oktober 2015 wieder

ein erstes Hoch von 151,40 USD, bevor er wieder sinkt. Auch die Google Trends Kurve

verzeichnet zwischen 5. und 10. Oktober 2015 einen Anstieg der Suchanfragehäufigkeiten.

Am 4. November fällt der Kurs der VW-Aktie auf 129,95 USD, nachdem es zu einem Ver-

kaufsstopp von betroffenen VW-, Audi- und Porsche-Modellen in den USA kommt. Mit

Ende 2015 steigt der Wert der Aktie wieder allmählich, bevor er Anfang 2016 wieder

sinkt. Erst rund um den 21. April 2016 steigt der Kurs erneut an, auf 153,10 USD. Grund

dafür könnte die erste Einigung zwischen US-Behörden und dem VW-Konzern im Zu-

sammenhang mit der Klärung des Skandals sein.

Ein erneutes Tief findet sich am 28. Juni 2016. An diesem Tag fällt der Kurs auf 135,33

USD. Wahrscheinlicher Grund dafür dürfte die Veröffentlichung der voraussichtlichen

Summe an Schadensersatzzahlungen in Höhe von 15 Milliarden USD in Amerika sein.

Nach dieser Meldung bleibt der Kurs für das restliche Halbjahr 2016 auf annähernd glei-

cher Höhe, tendenziell aber leicht ansteigend. Dennoch kommt es am 18. November 2016

zu einem Wertverlust, als bekannt wird, dass der VW-Konzern die durch den Skandal ent-

standenen finanziellen Schäden durch das Streichen von rund 30.000 Arbeitsplätzen kom-

pensieren will. Anfang des Jahres 2017 steigt der Kurs wieder an, fällt jedoch bis Mitte

April 2017 wieder stetig. Interessant ist der Anstieg des Wertes der Aktie im Juli 2017, da

zu dieser Zeit berichtet wird, es hätte Kartellabsprachen zwischen verschiedenen Autobau-

ern und VW gegeben.

Ein Vergleich der Aktienkurse von Volkswagen und Toyota zwischen 1. September 2015

und 31. Dezember 2015 zeigt, dass es nur bei VW zu einem Wertverlust kommt. Daher

kann daraus geschlossen werden, dass der Dieselskandal Grund für das Sinken des Bör-

senkurses des deutschen Automobilherstellers ist. In Abbildung 48 sind die Kurse beider

Unternehmen für den erwähnten Zeitraum ersichtlich. Ein Graph mit zwei y-Achsen ist für

die Darstellung erforderlich, da die Börsenkurse der Fahrzeugproduzenten zu unterschied-

liche Werte aufweisen. Die VW-Kurse werden deshalb auf der Primärachse dargestellt, die

Toyota-Kurse auf der Sekundärachse.

5 Ergebnisse

87

Abbildung 48: Volkswagen und Toyota Aktienkurse, 2015

Quelle: Microsoft Excel, eigene graphische Darstellung Kurse.

5.3.2 Umsatzzahlen des Volkswagen-Konzerns

Die für die Auswertung der Umsatzzahlen herangezogenen Geschäftsberichte sind auf der

Volkswagen AG Website als PDF verfügbar.

2015 belief sich die Zahl der verkauften Fahrzeuge auf 10,009.605 Stück. 2016 konnte

diese Zahl trotz Skandal um 3,8%, auf 10,391.113 sogar gesteigert werden. Auch die Pro-

duktion nahm um 3,9% zu. Die Umsatzerlöse stiegen um 1,9% an, von 213.292 Milliarden

Euro (2015) auf 217.267 Milliarden Euro (2016). Interessant ist auch die Zunahme an

Fahrzeugauslieferungen. In die USA werden 2016 um 0,8% mehr Fahrzeuge ausgeliefert

als 2015. Auch kann 2015 eine Zunahme im Vergleich zu 2014 verzeichnet werden. Liegt

die Anzahl 2014 bei 893.000, kann sie 2015 trotz Skandal auf 932.000 gesteigert werden,

2016 sogar auf 939.000. In Europa erfolgt eine noch größere Zunahme. Insgesamt werden

2016 4,618.000 Fahrzeuge ausgeliefert, 113.000 mehr als 2015. Damit steigert sich die

Zahl um 2,5%. Auch von 2014 auf 2015 erhöht sich die Zahl um den gleichen Stückzahl

von 113.000.62

62 Vgl. Volkswagen Aktiengesellschaft (2017c), [online].

50

52

54

56

58

60

62

64

66

68

70

100

110

120

130

140

150

160

170

180

190

200

VW Aktie

Toyota Aktie

5 Ergebnisse

88

2016 hat der Volkswagenkonzern den höchsten Umsatz in der Unternehmensgeschichte

generieren können, trotz negativer Sondereinflüsse von rund 6,4 Milliarden Euro auf

Grund des Dieselskandals. Auch das EBIT, der Gewinn vor Zinsen und Steuern, nimmt

2016 einen Rekordwert von 14,6 Milliarden Euro an und steigt um 14% im Vergleich zu

2015.

Auslöser für diese positive Entwicklung sollen laut Vorstand des Konzerns die auf Grund

der Emissionsaffäre herbeigeführte Umstrukturierung sowie die neue Ausrichtung des Un-

ternehmens sein.63 Dennoch sinkt der Umsatz der Modelle Golf, Passat und Tiguan 2016

um 0,6% und erreicht nur noch 105,7 Milliarden Euro, das operative Ergebnis für diese

Marken sinkt auf 1,9 Milliarden Euro. Das ist ein Rückgang von 11,1%. Trotzdem kann

der Konzern im Allgemeinen auf Grund der starken anderen Marken, wie etwa Audi, 2016

zu einem Rekordjahr machen. Auch 2017 geht der positive Trend weiter. Es kommt nun

endlich auch wieder zu einer Zunahme an Verkäufen der Modelle des Typs Volkswagen.

Der Anstieg wird hervorgerufen durch den Verkaufsstart einer neuen Version des Tiguan.

Besonders in den westlichen Teilen Europas kann der Konzern ein deutliches Plus ver-

zeichnen. Dadurch steigt das EBIT der VW AG schon im ersten Quartal 2017 um eine Mil-

liarde Euro im Vergleich zu 2016, von 3,4 Milliarden Euro auf 4,4 Milliarden Euro. Auch

der Wert der Volkswagen-Aktie erhöht sich während dieses Zeitraums. Der Vorstand des

Konzerns blickt positiv in die Zukunft und rechnet mit weiteren Steigerungen dieser Zah-

len für 2017. 64

Auch in den USA kann der Konzern 2017 die Umsätze bedeutend erhöhen. Bereits Anfang

des Jahres kommt es zu einer Steigerung an Verkäufen der Marke VW um 17,1%. Damit

werden 23.510 mehr Volkswagen-Fahrzeuge verkauft als im Jahr zuvor. Lediglich Autos

des Typs Jetta schwächeln. Auch die Absätze der Marke Audi können in den Vereinigten

Staaten Anfang 2017 bereits um 11% gesteigert werden, wohingegen Toyota auf dem US-

Markt einen Rückgang von 11% verzeichnen muss. Auch die Umsätze anderer Autobauer,

wie Ford, General Motors und Fiat Chrysler, gehen Anfang 2017 zurück.65 Der sinkende

Umsatz Toyotas passt zu den Ergebnissen der Sentimentanalyse nach Automobilproduzen-

ten, denn die Anzahl der negativen Posts über den japanischen Hersteller ist in den USA

mit 18,6% im Vergleich zu anderen Ländern bedeutend höher.

63 Vgl. Volkswagen Aktiengesellschaft (2017b), [online].

64 Vgl. Manager Magazin (2017), [online].

65 Vgl. Handelsblatt (2017b), [online].

5 Ergebnisse

89

5.4 Analyse und Interpretation

Mittels einer Google Trends Analyse kann beobachtet werden, dass ein steigendes Suchvo-

lumen oft mit Pressemeldungen zusammenhängt. Besonders zu Beginn des Dieselskandals

stieg die Anzahl der damit verbundenen Suchanfragen enorm an. Werden einzelne Zeitab-

schnitte in den Jahren 2015, 2016 und 2017 untersucht, kann bestätigt werden, dass das

meiste Interesse für die Dieselgate-Thematik kurz nach oder während öffentlichen Ereig-

nissen und Entwicklungen entsteht.

Ein Vergleich mit der ,,Share of voice trend“-Kurve, die mittels IBM Watson erstellt wur-

de, zeigt, dass sich die Zahl der Social Media Posts sowie deren Anteil an negativen Bei-

trägen über den Volkswagenkonzern ähnlich verhalten und ebenfalls von Pressemeldungen

beeinflusst werden. Auch diese Werte steigen nach besonderen Ereignissen im Zuge des

VW-Skandals oder richterlichen Urteilen gegen den Konzern an. Zusätzlich kann mit Hilfe

von Watson der Shitstorm in sozialen Netzwerken gegen den Konzern relativ einfach ab-

gebildet werden. Eine Sentimentanalyse vor und nach Bekanntwerden des Skandals zeigt

deutlich einen Anstieg der negativen Posts für alle drei untersuchten Marken (Audi, VW,

Porsche), jedoch ist die Kernmarke Volkswagen am meisten vom Online Firestorm betrof-

fen.

Um aufzuzeigen, welche mit dem Skandal verwandten Themen am häufigsten mit den be-

troffenen Marken diskutiert werden, erfolgte eine separate Analyse. Diese zeigt, dass die

meisten Posts in den Bereichen Dieselaffäre, Rückruf und Schadensersatzzahlung mit der

Kernmarke Volkswagen in Verbindung gebracht werden können.

Eine Gegenüberstellung der USA und Europa zeigt, dass 18,8% aller Posts in den Verei-

nigten Staaten, die sich auf den Autokonzern VW beziehen, negativ geprägt sind, wohinge-

gen der Anteil in der EU 26% beträgt. Die größere Anzahl an negativen Stimmungen ge-

genüber dem Fahrzeughersteller kann auf die ausbleibenden Schadensersatzzahlungen für

europäische Geschädigte zurückzuführen sein. In den USA wurde Volkswagen von Gerich-

ten dazu verurteilt, Wiedergutmachungszahlungen in Höhe von mehreren Milliarden Dol-

lar zu leisten, wohingegen in Europa lediglich eine kostenfreie Umrüstung der betroffenen

Fahrzeuge angeboten wurde.

Foren sind der Hauptschauplatz der Diskussionen, allerdings nimmt der Shitstorm auf

Twitter die größten Ausmaße an. Dies ist vermutlich darauf zurückzuführen, dass Tweets

5 Ergebnisse

90

relativ schnell verfasst, gepostet und retweeted sowie geliked werden können. Dadurch

verbreiten sich negativen Ansichten besonders schnell auf der Microblogging Plattform.

Wiederum ist die Kernmarke Volkswagen hauptsächlich vom Shitstorm auf Twitter betrof-

fen, mit einem Anteil an negativen Kommentaren von 34,8%. Noch größere Ausmaße des

Online Firestorms auf Twitter können durch eine Filterung nach Schlagwörtern, die mit

dem Dieselskandal in Verbindung stehen (= Themes) aufgezeigt werden. Werden diese

Suchbegriffe in die Analyse miteinbezogen, beziehen sich fast alle negativen Tweets auf

die Marke VW.

Eine Gegenüberstellung von betroffenen und nicht betroffenen Automodellen zeigt, dass

zwar vermehrt über die manipulierten Fahrzeuge diskutiert wird, allerdings ist der Anteil

an negativen Posts für beide Kategorien gleich und liegt bei rund 14%. Auch eine zusätz-

lich Aufteilung nach Regionen gemessen an der größten Anzahl an Mentions, zeigt, dass

auch in den Ländern mit den meisten Posts das Verhältnis der negativen zur Gesamtanzahl

der Kommentare für beide Untersuchungsgruppen gleich bleibt. Aus diesem Umstand kann

die Schlussfolgerung gezogen werden, dass auf Grund des Shitstorms gegen den Konzern

auch die anderen Marken des Unternehmens von Social Media Usern negativ betrachtet

werden.

Auch ein Vergleich von Autoherstellern zeigt, dass in Verbindung mit VW mehr negative

Kommentare gepostet werden als bei den anderen beiden Analyseobjekten, Toyota und

Opel, zwei Automobilhersteller, die bist dato nicht in den Skandal involviert sind.

Interessant sind jedoch die steigenden Umsatzzahlen der Volkswagen AG, die trotz Skan-

dal sehr positiv in den untersuchten Jahren ausfallen. Da die Verkäufe der betroffenen Mo-

delle der Kernmarke Volkswagen, wie etwa Golf, Passat, Jetta und Tiguan, in den betrach-

teten Perioden dennoch gesunken sind, ist der Anstieg der Umsätze möglicherweise auf

eine Zunahme an Verkäufen von anderen Marken des Herstellers zurückzuführen. Eine

nähere Beleuchtung der Auswirkungen folgt in Abschnitt 6, Kapitel 6.2.

Auch könnte ein Zusammenhang zwischen der Google Trends Kurve, den Ergebnissen der

Watson Sentimentanalyse und dem Aktienkursverlauf bestehen. Diese Annahme soll eben-

falls in Kapitel 6 genauer untersucht werden.

6 Auswirkung

91

6 Auswirkung

In diesem Abschnitt sollen die Konsequenzen des Skandals für die Aktienkurse und Um-

satzzahlen des VW-Konzerns diskutiert werden. Zusätzlich wird versucht Parallelen zwi-

schen den Verläufen der Google Trends sowie ,,Share of voice trend“ Kurven und dem

Kurs der VW-Aktie zu finden.

6.1 Auswirkungen auf Aktienkurse

In der Tat kann in Kapitel 5 ein möglicher Zusammenhang zwischen einem Anstieg der

Suchanfragehäufigkeiten, einer Zunahme der negativen Posts auf Social Media und dem

Verlauf des Aktienkurses erkannt werden. Wie diese Relation genau aussieht, soll in die-

sem Kapitel analysiert sowie interpretiert werden.

Zur Untersuchung der Auswirkungen auf die Aktienkurse werden der Verlauf des Börsen-

kurses der Volkswagen AG sowie jene Resultate, die sich nach Durchführung der Senti-

mentanalyse mittels IBM Watson Analytics ergaben, um den Online Firestorm in die Un-

tersuchung miteinbeziehen zu können, zur Diskussion herangezogen. Als drittes Ver-

gleichsobjekt dient der Verlauf des Suchvolumens während des Skandals, welcher mit

Google Trends ermittelt wurde.

Zur Interpretation der Resultate soll zunächst die Anfangsphase des Skandals abgebildet

werden. Hierfür wird ein zweidimensionaler Graph erstellt, in dem alle drei beschriebenen

Kurven (Trends, Watson, Aktienkurs) übereinandergelegt werden. Um diese vergleichbar

zu machen und in einem einzigen Diagramm abbilden zu können, müssen, auf Grund der

unterschiedlichen Skalierungen der Werte, drei y-Achsen verwendet werden.

Da die Vermutung besteht, dass Börsenkurse mit steigender Suchanfragehäufigkeit bzw.

Zunahme von negativen Mentions sinken, wird die Aktienkurskurve horizontal gespiegelt,

um den geringsten Wert als Höchstwert in der Kurve darzustellen. Dies erfolgt durch ein

Umkehren der Werte auf der y-Achse in Excel.

Die Abszissenachse (x-Achse) gibt in der Darstellung das jeweilige Datum wieder, die

Ordinatenachse (y-Achse) die Werte.

Das Resultat ist in Abbildung 49 dargestellt.

6 Auswirkung

92

Abbildung 49: Trends-, Watson-, Aktien-Verlauf: September 2015

Quelle: Microsoft Excel, eigene graphische Darstellung der Berechnungen.

Tatsächlich verlaufen alle drei Kurven annähernd gleich. Der Kurs der VW-Aktie sinkt (in

diesem Fall steigt die Kurve, wenn der Kurs sinkt, da ansonsten die drei Kurven nicht ver-

gleichbar gemacht werden können), wenn die Google Trends Anfragen sowie die negati-

ven Erwähnungen in sozialen Netzwerken zunehmen. Interessant ist auch die Ähnlichkeit

zwischen der Google Trends und der Watson Linie, die sich fast ident im Anstieg verhal-

ten.

Zwischen 22. und 25. September kommt es bei allen drei Kurven zu Peaks. Auch im Zeit-

raum vom 28. bis 29. September 2015 ergeben sich im Verlauf der Kurven Extremstellen,

allerdings sind diese unterschiedlich hoch ausgeprägt.

6 Auswirkung

93

Zur Kontrolle soll nun noch ein zweiter Graph für Mitte Juli 2017 bis Anfang August 2017

in der gleichen Vorgangsweise erstellt werden, um aktuelle Ergebnisse der Analysen zu

vergleichen.

Der Untersuchungszeitraum ergibt sich auf Grund der Limitation der Watson Daten, die

erst ab dem 20. Juli vorhanden sind, da davor zu wenig relevante Posts vom Analyse Tool

gefunden wurden.

Abbildung 50 zeigt den Graphen.

Abbildung 50: Trends-,Watson-, Aktien-Verlauf: Juli 2017

Quelle: Microsoft Excel, eigene graphische Darstellung der Berechnungen.

Erneut ergibt sich ein ähnlicher Verlauf der Kurven, wiederum sinkt der Aktienkurs mit

zunehmenden Mentions und Suchanfragen. Am 28. Juli 2017 kommt es zu Peaks aller drei

Kurven. Auch am 31. Juli 2017 erreichen die Verläufe der Graphen gemeinsame Extrem-

punkte, in unterschiedlichen Ausprägungen.

6 Auswirkung

94

Generell kann aus den Diagrammen abgelesen werden, dass der Aktienkurs sich ähnlich

wie die Zunahme der Suchanfragehäufigkeiten, bzw. Mentions, verhält. Ein vergleichbarer

Verlauf der Kurven findet sich auch zwischen der Google Trends und IBM Watson Analy-

se.

Daraus kann der Schluss gezogen werden, dass es einen Zusammenhang zwischen Suchvo-

lumen, Häufigkeiten der negativen Erwähnungen im Rahmen von Shitstorms und Aktien-

kursen gibt. Allerdings muss davon ausgegangen werden, dass nicht die Online Firestorms

Auswirkungen auf die Kursverläufe haben, sondern die zu Grunde liegenden Sachverhalte.

6.2 Auswirkungen auf Umsatzzahlen

Auf Grund der noch nicht festgelegten Höhe der Kosten für den Dieselskandal muss

Volkswagen 2015 Rückstellungen von 16,2 Milliarden Euro bilden, die sich negativ auf die

Bilanz des Jahres auswirken. Insgesamt macht der Konzern auf Grund der Dieselaffäre

2015 einen Verlust von 4,1 Milliarden Euro. Die Umsatz sinkt um 5,4% im Vergleich zum

Vorjahr. 66 Besonders ab Mitte September 2015 steigt der Anteil der negativen Posts auf

sozialen Netzwerken extrem an. Davor waren die positiven und negativen Meinungen über

das Unternehmen eher gleich gewichtet.

Trotz insgesamt steigender Umsatzzahlen gehen 2016, im ersten Jahr nach der Dieselaffä-

re, die Verkäufe der Modelle des Typs VW deutlich zurück. Die vielen negativen Kom-

mentare auf sozialen Netzwerken bestätigen, dass das Vertrauen der Käufer in den deut-

schen Autohersteller kaum noch vorhanden ist. Die steigende Anzahl an Fahrzeugausliefe-

rungen im Jahr 2016 kann durch das Wachstum des Weltmarktes für Automobile erklärt

werden, der in der selben Zeit um 4% wächst. Die Zunahme an Fahrzeugauslieferungen für

Europa durch Volkswagen beläuft sich 2016 auf 2,5%, während sich der Automobilmarkt

für diese Region um 5% vergrößert. Dies bedeutet, dass Volkswagen trotz der Zunahme an

Auslieferungen Marktanteile in Europa verliert. In den USA verkleinerte sich der Fahr-

zeugmarkt um 2%, trotzdem konnte Volkswagen um 0,8% mehr Fahrzeuge nach Amerika

ausliefern.67 Der 2016 gestiegene Jahresumsatz des Konzerns ist vor allem auf die hohen

Verkaufszahlen der Marken Seat und Porsche zurückzuführen.

66 Vgl. Tagesschau (2017), [online].

67 Vgl. Welt N24 (2016), [online].

6 Auswirkung

95

Die große Anzahl an negativen Kommentaren auf sozialen Netzwerken spiegelt auch die

Meinung vieler potentieller VW-Kunden wider: 2016 verringern sich die Einnahmen aus

Verkäufen der unter die Marke VW fallenden Fahrzeuge um 11%. Auch Audi konnte 2016

keine positiven Zahlen verbuchen, Grund dafür waren vor allem hohe Strafzahlungen in

Amerika.68

Werden die Einträge in sozialen Netzwerken mit diesen Entwicklungen abgeglichen, wird

ersichtlich, dass sich 2016 die meisten negativen Posts auf die Kernmarke Volkswagen

beziehen. Dies passt auch zur Entwicklung der Umsatzzahlen.

Porsche konnte 2016 den Umsatz um 2,6% auf 20,17 Milliarden Euro steigern. Auch der

Erlös durch den Verkauf von Fahrzeugen der Marke Skoda erhöhte sich von 6,1 Milliarden

Euro auf 6,6 Milliarden Euro im Vergleich zum Vorjahr.69

Eine Sentimentanalyse für den ersten Teil des Jahres 2017 zeigt einen Rückgang der nega-

tiven Mentions über VW im Vergleich zum Beginn des Skandals. Diese Entwicklung deckt

sich mit der Zunahme an Verkäufen der Kernmarke im betrachteten ersten Halbjahr 2017.

68 Vgl. Spiegel Online (2016d), [online].

69 Vgl. Auto Motor und Sport (2017), [online].

7 Zusammenfassung und Ausblick

96


Das Ziel der vorliegenden Masterarbeit war es, zunächst aufzuzeigen, wie ein Skandal am

besten erkannt werden kann, bzw. wie er sich in sozialen Medien äußert. Zudem sollte

überprüft werden, ob ein Zusammenhang zwischen Suchanfragehäufigkeiten, Stimmungen

in sozialen Netzwerken und Aktienkursen sowie Umsatzzahlen besteht.

Die Arbeit gliedert sich in zwei Teile. Im ersten Abschnitt wurden theoretische Grundbe-

griffe erklärt und der aktuelle Stand der Forschung zu verwandten Themenbereichen wie-

dergegeben. Aus einer Literaturrecherche ging hervor, dass Publikationen zu den unter-

suchten Wissenschaftsgebieten rar sind. Tatsächlich konnte keine wissenschaftliche Arbeit

über die Analyse eines Social Media Shitstorms mittels Watson bzw. die Auswirkungen

eines solchen auf den Aktienkurs gefunden werden.

Im empirischen Teil wurde im ersten Abschnitt zunächst das für die Untersuchung ausge-

wählte Analyseobjekt vorgestellt, bevor eine genaue Beschreibung der verwendeten Tools

erfolgte.

Im zweiten Kapitel wurde der Verlauf des Dieselskandals rund um den Volkswagenkon-

zern zunächst mittels Google Trends Analyse abgebildet. Informationen über einen mögli-

chen Zusammenhang zwischen steigendem Suchvolumen und Pressemeldungen konnten

aus dieser Auswertung gewonnen werden. Danach wurde versucht, die Auswirkungen des

Skandals auf vorherrschende Meinungen von Social Media Usern abzubilden. Zu diesem

Zwecke wurden Einträge in Foren, Blogs sowie auf Facebook-Seiten und Twitter mit IBM

Watson Analytics for Social Media ausgewertet und einer Sentimentanalyse unterzogen.

Die dadurch gewonnenen Erkenntnisse zeigten, dass es während des Skandals zu einer

steigenden Anzahl von negativen Posts im Zusammenhang mit dem Volkswagenkonzern

kam. Eine Gegenüberstellung verschiedener Autohersteller verdeutlichte dieses Ergebnis.

Allerdings zeigte ein Vergleich von betroffenen und nicht betroffenen Modellen des VW-

Konzerns, dass alle Autotypen des Herstellers, möglicherweise auf Grund des Skandals, im

gleichen Ausmaß negativ betrachtet werden.

Zusätzlich wurden die Watson Auswertungen mit Google Trends abgeglichen. Diese Ge-

genüberstellung zeigte, dass sich die Anzahl der negativen Posts ähnlich verhält wie das

Suchvolumen. Nach negativen Pressemeldungen konnten ein Anstieg der Suchanfragehäu-


97

figkeiten sowie eine Zunahme der Anzahl an Posts beobachtet werden. Ein Vergleich zwi-

schen Europa und USA zeigte, dass die Meinungen über den VW Konzern in Europa nega-

tiver sind, was mit den ausbleibenden Schadensersatzzahlungen für betroffene Kunden

zusammenhängen könnte.

Zum Abschluss des empirischen Teils wurden mögliche Zusammenhänge mit dem Bör-

senkurs und den Umsatzzahlen diskutiert. Mit Hilfe von Microsoft Excel konnten Dia-

gramme erstellt werden, die die Trends-, Watson- und Aktienkurskurven gemeinsam abbil-

deten. Aus diesen Diagrammen ging hervor, dass die drei Kurven ähnlich verliefen.

Dieser Zusammenhang könnte Grundlage für weitere Arbeiten sein, in denen mit Hilfe von

mehreren Beispielen und einer größeren Datenmenge die Beziehungen genauer untersucht

werden könnten.

Abschließend kann festgestellt werden, dass das in dieser Arbeit für die Analysen des On-

line Firestorms verwendete Tool IBM Watson Analytics for Social Media ein mächtiges

Instrument und für eine Vielzahl von interessanten Social Media Auswertungen nutzbar ist.

Auf Grund der erst kürzlichen Markteinführung vor einem Jahr (die Beta-Version startete

im November 2015), sind zu diesem Zeitpunkt noch kaum wissenschaftliche Publikationen

über den Einsatz von IBM Watson Analytics for Social Media vorhanden. Auch der The-

menbereich ,,Shitstorms“ wird erst seit kurzem in wissenschaftlichen Artikeln aufgegriffen

und untersucht. Da die Zahl der Social Media User aber weiterhin steigt, wird es auch für

Unternehmen immer wichtiger, die vorherrschenden Stimmungen zu erkennen und sich

über die Auswirkungen von Online Negative Word of Mouth bewusst zu werden. Beson-

ders für Anleger und Investoren könnten Erkenntnisse über Zusammenhänge zwischen

Suchvolumen, Online Firestorms und Aktienkursverläufen in Zukunft immer mehr an Be-

deutung gewinnen.


98

Literaturverzeichnis

Literaturquellen

Brosius, F. (2011): SPSS 19, 1. Aufl., Verlagsgruppe Hüthig-Jehle-Rehm, S.739.

Choi, H.Y./Varian, H. (2012): Predicting the Present with Google Trends, Economic Record, Vol. 88, Special

Issue, S. 2-9.

Choudhury, N. (2014): World Wide Web and Its Journey from Web 1.0 to Web 4.0, International Journal of

Computer Science and Information Technologies, Vol. 5., S. 8096-8099.

Curme, C./Preis, T./Stanley, H.E./Moat, H. S. (2014): Quantifying the semantics of search behavior before

stock market moves, PNAS, Vol. 111, S.117-128.

epubli GmbH (2013): Buchmarketing und Social Media Guide für Autoren, 3. aktualisierte Auflage, Berlin.

Gabriel, R./Röhrs, H.P. (2012): Social Media. Potenziale, Trends Chancen und Risiken, 1. Aufl., Berlin,

Heidelberg.

Johnson, D.R. (2012): Social media: redefining crisis management, The National Provisioner, S.1.

Leinemann, R. (2013): Social Media: Der Einfluss auf Unternehmen, Springer, Berlin Heidelberg, S. 2.

Pfeffer, J./Zorbach, T./ Carley, K. M. (2014): Understanding online firestorms: Negative word-of-mouth

dynamics in social media networks, Journal of Marketing Communications, Vol. 20, S.117-128.

Sauers, M.P. (2006): Blogging and RSS. A Librarian's GUIDE, United States of America.

Schmidt, J.H. (2013): Social Media, Wiesbaden.

Schlüter, T./Münz, M. (2012): 30 Minuten Twitter, Facebook, XING & Co, 5. überarb. Aufl., Offenbach.

Sfetcu, N. (2017): Web 2.0/Social media/Social networks, S. 1.

Su Jung, K./Wang, R./Maslowska, E.: (2016): Understanding a fury in your words: The effects of posting and

viewing electronic negative word-of-mouth on purchase behaviors, Computers in Human Behavior,

Vol. 54, S. 511-521.


99

Online-Quellen

Autobild (2017): VW Abgasskandal: Aktuelle News und Updates.

URL: http://www.autobild.de/artikel/vw-abgasskandal-aktuelle-news-und-updates-6077591.html,

[Stand: 20. Juni 2017].

Auto Motor und Sport (2017): VW-Jahreskonferenz 2017. Porsche und Skoda retten die Bilanz.

URL: http://www.auto-motor-und-sport.de/news/vw-jahrespressekonferenz-2017-alle-zahlen-alle-

gehaelter-8544923.html, [Stand: 28. August 2017].

California Environmental Protection Agency Air Resources Board (2017): Volkswagen diesel vehicle infor-

mation for California.

URL: https://www.arb.ca.gov/msprog/vw_info/vw-diesel-info/vw-diesel-info.htm,

[Stand: 21. August 2017].

Deutsche Wirtschafts Nachrichten (2017a): Volkswagen: Zeugen belasten Winterkorn schwer.

URL: https://deutsche-wirtschafts-nachrichten.de/2017/07/09/volkswagen-zeugen-belasten-

winterkorn-schwer/, [Stand: 3. August 2017].

Deutsche Wirtschafts Nachrichten (2017b): VW beruft Sondersitzung des Aufsichtsrats ein.

URL: https://deutsche-wirtschafts-nachrichten.de/2017/07/24/vw-ruft-aufsichtsrat-zu-notsitzung-

zusammen/, [Stand: 3. August 2017].

Die Presse (2016a): VW lehnt Entschädigungen für Kunden in Europa ab.

URL: http://www.spiegel.de/wirtschaft/unternehmen/vw-muss-angeblich-15-milliarden-dollar-

entschaedigung-zahlen-a-1100131.html, [Stand: 3. August 2017].

Die Presse (2016b): VW-Abgasskandal. Audi trennt sich von Entwicklungschef.

URL: http://www.spiegel.de/wirtschaft/unternehmen/audi-hat-sich-von-seinem-technikvorstand-

stefan-knirsch-getrennt-a-1114022.html, [Stand: 3. August 2017].

Die Press (2016c): VW-Abgasskandal. US_Richter billigt 15-Milliarden-Euro-Vergleich.

URL: http://www.spiegel.de/wirtschaft/unternehmen/vw-abgasskandal-einigung-ueber-strafzahlung-

in-den-usa-a-1118236.html, [Stand: 3. August 2017].

Focus Online (2017): Fünf Millionen Autos sollen mit neuer Software sauberer werden - jetzt spricht

Dobrindt.

URL: http://www.focus.de/auto/news/abgas-skandal/diesel-gipfel-im-news-ticker-toyota-profitiert-

vom-diesel-skandal_id_7427100.html, [Stand: 27. August 2017].


100

Frankfurter Allgemeine (2017a): Ferdinand Piëch wird 80. Es ging ihm nie um Harmonie.

URL: http://www.faz.net/aktuell/wirtschaft/ferdinand-piech-feiert-seinen-80-geburtstag-

14972399.html, [Stand: 3. August 2017].

Frankfurter Allgemeine (2017b): Modell vorgestellt. Neuer Polo soll VW Schwung bringen.

URL: http://www.faz.net/aktuell/wirtschaft/unternehmen/modell-vorgestellt-neuer-polo-soll-vw-

schwung-bringen-15063909.html, [Stand: 3. August 2017].

Frankfurter Allgemeine (2017c): Keine Entschädigung. Volkswagen und EU einigen sich im Abgasstreit.

URL: http://www.faz.net/aktuell/wirtschaft/diesel-affaere/keine-entschaedigung-volkswagen-und-eu-

einigen-sich-im-abgasstreit-15061990.html, [Stand: 3. August 2017].

Frankfurter Allgemeine (2017d): Abgasskandal. Amerika jagt VW-Manager mit Interpol.

URL: http://www.faz.net/aktuell/wirtschaft/diesel-affaere/abgasskandal-amerika-jagt-vw-manager-

mit-interpol-15073151.html, [Stand: 3. August 2017].

Google Trends (2017): Google Trends Analyse.

URL: https://trends.google.at/trends/explore?date=2015-07-01%202017-08-01&geo=US&q=VW,


Handelsblatt (2017a): Abgasskandal. Volkswagen will vier Millionen Diesel nachrüsten.

URL: http://www.handelsblatt.com/unternehmen/industrie/abgasskandal-volkswagen-will-vier-

millionen-diesel-nachruesten/20114028.html, [Stand: 3. August 2017].

Handelsblatt (2017b): Volkswagen. Erneut dickes Absatzplus in den USA.

URL: http://www.handelsblatt.com/unternehmen/industrie/volkswagen-erneut-dickes-absatzplus-in-

den-usa/19335152.html, [Stand: 28. August 2017].

Hoffmann, K. (2016): Studie: Welchen Schaden richten Shitstorms wirklich an - und wie können Marken

sich schützen?

URL: http://www.kerstin-hoffmann.de/pr-doktor/2016/10/18/studie-shitstorm-schaden-marken-

schuetzen/, [Stand: 22. Juli 2017].

Irandoust, K. (2016): Big Data. IBM Watson Analytics for Social Media.

URL: https://www.linkit.nl/eng/knowledge-base/79/IBM_Watson_Analytics_for_social_media/,

[Stand: 25. Juli 2017].

Justitz, R. (2012): Kritik von Kunden über Social Media.

URL: http://www.business-wissen.de/artikel/kritik-von-kunden-ueber-social-media/,

[Stand: 22. Juli 2017].


101

Manager Magazin (2017): Kernmarke VW bereitet Anlegern Freude.

URL: http://www.manager-magazin.de/unternehmen/autoindustrie/volkswagen-hoher-gewinn-im-

ersten-quartal-q1-a-1143742.html, [Stand: 28. August 2017].

mdr AKTUEL (2017): Dieselskandal: Autokonzerne unter Druck.

URL: http://www.mdr.de/nachrichten/politik/inland/dieselskandal-autokonzerne-unter-druck-


Pappas, S. (2013): Google Predicts Stock-Market Crashes, Study Suggests.

URL: https://www.yahoo.com/news/google-predicts-stock-market-crashes-study-suggests-

131040530.html, [Stand: 28. Juli 2017].

Renner, B. (2015): Shitstorm und organische Sichtbarkeit.

URL: https://www.iprospect.com/de/de/unser-blog/shitstorm-und-organische-sichtbarkeit/,

[Stand: 28. Juli 2017].

Roth, P. (2017): Nutzerzahlen: Facebook, Instagram und WhatsApp, Highlights, Umsätze, uvm..

URL: https://allfacebook.de/toll/state-of-facebook, [Stand: 21. Juli 2017].

Shz.de (2016): Stellenabbau nach Dieselgate. VW streicht 23.000 Arbeitsplätze in Deutschland.

URL: https://www.shz.de/incoming/vw-streicht-23-000-arbeitsplaetze-in-deutschland-

id15370421.html, [Stand: 3. August 2017].

Spiegel Online (2015a): Umweltbehörde fordert Rückruf von fast 500.000 VW.

URL: http://www.spiegel.de/wirtschaft/unternehmen/usa-umweltbehoerde-fordert-rueckruf-von-fast-

500-000-vw-autos-a-1053747.html, [Stand: 24. Juli 2017].

Spiegel Online (2015b): Das VW-Desaster in den USA - die Fakten.

URL: http://www.spiegel.de/auto/aktuell/manipulationsverdacht-gegen-volkswagen-die-fakten-a-

1053825.html, [Stand: 24. Juli 2017].

Spiegel Online (2015c): Abgas-Affäre. VW-Chef Winterkorn tritt zurück.

URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-chef-martin-winterkorn-tritt-

zurueck-a-1054419.html, [Stand: 3. August 2017].

Spiegel Online (2016a): Abgasskandal. Richter verkündet Einigung zwischen VW und US-Behörden.

URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-us-richter-verkuendet-einigung-im-

vw-abgasskandal-a-1088571.html, [Stand: 3. August 2017].


102

Spiegel Online (2016b): Abgasaffäre. Volkswagen darf weitere 1,1 Millionen Dieselautos umrüsten.

URL: http://www.spiegel.de/auto/aktuell/volkswagen-darf-weitere-1-1-millionen-dieselautos-

umruesten-a-1096525.html, [Stand: 3. August 2017].

Spiegel Online (2016c): US-Abgasaffäre. VW muss angeblich 15 Milliarden Dollar Entschädigung zahlen.

URL: http://www.spiegel.de/wirtschaft/unternehmen/vw-muss-angeblich-15-milliarden-dollar-

entschaedigung-zahlen-a-1100131.html, [Stand: 3. August 2017].

Spiegel Online (2016d): Abgasskandal. VW-Vorstände müssen zunächst auf 30 Prozent ihrer Boni verzich-

ten.

URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-macht-2015-riesen-verlust-a-


Spiegel Online (2017a): Volkswagen Affäre. Chronik eines Skandals.

URL: http://www.spiegel.de/auto/aktuell/vw-abgasskandal-chronik-eines-skandals-a-1122730.html,

[Stand: 24. Juli 2017].

Spiegel Online (2017b): Abgasaffäre bei Volkswagen. VW hat weltweit 4,7 Millionen Diesel umgerüstet.

URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-weltweit-4-7-millionen-diesel-

umgeruestet-a-1146985.html, [Stand: 24. Juli 2017].

Spiegel Online (2017c): Abgasskandal. Erste Musterklage in Deutschland bringt VW in die Klemme.

URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-erste-musterklage-in-abgasaffaere-

bringt-vw-in-die-klemme-a-1128382.html, [Stand: 3. August 2017].

Spiegel Online (2017d): Spionage unter Mitarbeitern. Volkswagen soll Militärdiktatur in Brasilien unterstützt

haben.

URL: http://www.spiegel.de/wirtschaft/unternehmen/brasilien-volkswagen-soll-militaerdiktatur-

unterstuetzt-haben-a-1159357.html, [Stand: 3. August 2017].

Statista (2017a): Statistiken zu Twitter.

URL: http://de.statista.com/themen/99/twitter/, [Stand: 21. Juli 2017].

Statista (2017b): Anzahl der monatlich aktiven Nutzer von Twitter weltweit vom 1. Quartal 2010 bis zum 2.

Quartal 2017 (in Millionen).

URL: http://de.statista.com/statistik/daten/studie/232401/umfrage/monatlich-aktive-nutzer-von-

twitter-weltweit-zeitreihe/, [Stand: 21. Juli 2017].

Statista (2017c): Statistiken zum Thema Blogs.

URL: http://de.statista.com/themen/248/blog/, [Stand: 22 Juli 2017].


103

Tagesschau (2017): VW-Jahresbilanz 2016. Die Kernmarke schwächelt noch.

URL: https://www.tagesschau.de/wirtschaft/volkswagen-bilanz-103.html, [Stand: 28. August 2017].

The Economist (2013): Gold and green. California wants to lead America to a greener future.

URL: https://www.economist.com/news/united-states/21573547-california-wants-lead-america-

greener-future-gold-and-green, [Stand: 21. August 2017].

United States Environmental Protection Agency (2013): Learn About Volkswagen Violations.

URL: https://www.epa.gov/vw/learn-about-volkswagen-violations, [Stand: 21. August 2017].

Volkswagen Aktiengesellschaft (2017a): Konzern.

URL: https://www.volkswagenag.com/de/group.html, [Stand: 26. Juli 2017].

Volkswagen Aktiengesellschaft (2017b): Volkswagen Konzern zurück in der Gewinnzone: Umsatz und Ope-

ratives Ergebnis im Jahr 2016 so hoch wie noch nie zuvor.

URL: http://www.volkswagenag.com/de/news/2017/02/VW_Group_2016_results.html, [Stand: 26.

Juli 2017].

Volkswagen Aktiengesellschaft (2017c): Wir definieren Mobilität neu. Geschäftsbericht 2016.

URL: https://www.volkswagenag.com/presence/investorrelation/publications/annual-

reports/2017/volkswagen/de/Y_2016_d.pdf, [Stand: 28. August 2017].

Welt N24 (2016): Weltweite Pkw-Märkte 2016/2017.

URL: https://www.welt.de/motor/news/article160491737/Weltweite-Pkw-Maerkte-2016-2017.html,


Zeit Online (2017): Kartellverdacht. Daimler reichte Selbstanzeige offenbar vor VW ein.

URL: http://www.zeit.de/mobilitaet/2017-07/kartellverdacht-selbstanzeige-daimler-vw-autoindustrie,


Anhang

104

Anhang

tracking von unternehmensskandalen in sozialen netzwerken ... · ehrenwörtliche erklärung ich...

Documents