Data2Story verwandelt einen Rohdatensatz in einen verifizierbaren, multimodalen Artikel als Website, hier illustriert am Beispiel eines Datensatzes zur Kartenwahl von 1.354 Befragten. | Bild: Lin et al.Was das in der Praxis bedeutet, zeigen die Autoren an einem Datensatz, zu dem es noch kaum journalistische Aufarbeitung gibt: dem Spielplan der Fußball-WM 2026. Aus dem Spielplan und den Austragungsorten macht das System einen Klimaartikel mit interaktiver Karte.
Kernbefund: Rund vier von zehn Partien sind an Orten angesetzt, die die Spielergewerkschaft FIFPRO als Orte mit extrem hohem Hitzerisiko einstuft, wobei nicht die Lufttemperatur, sondern die Luftfeuchtigkeit der dominierende Faktor sei. Die Autoren betonen allerdings, dass es sich um typische Klimabedingungen handelt, nicht um eine konkrete Wetterprognose für die WM 2026.
Data2Story erzeugt eigenständig Geschichten zu Datensätzen ohne menschliche Vorlage, vom Klima der WM-Stadien über den Wandel des Preprint-Servers ArXiv bis zur Aufteilung des Tages. | Bild: Lin et al.Ein Inspector-Panel macht Aussagen rückverfolgbar
Die zentrale Funktion des Systems nennen die Forscher "Inspector". Sichtbar wird sie als Panel mit strukturierten Nachweisen zu Sätzen und Assets. Der Artikel ist darin in seine Einzelteile zerlegt: Jeder annotierte Satz, jedes Diagramm und jedes interaktive Element bekommt eine eigene Karteikarte. Auf dieser Karte steht entweder die genaue Codezeile samt zugrundeliegender Datendatei, mit der die Zahl berechnet wurde, oder die externe Adresse, die einen Kontextsatz stützt.
Der Inspector koppelt jede Aussage entweder an eine externe Quelle oder an ein ausführbares Skript, das die genannte Zahl direkt aus den Daten nachrechnet. | Bild: Lin et al.Damit lassen sich laut dem Paper 93 Prozent aller sichtbaren Aussagen in den Agent-Artikeln maschinell auf ihre Herkunft prüfen. Die Forscher betonen, dass das nicht heißt, die Aussagen seien korrekt, sondern nur, dass sie überprüfbar sind. Wer eine Zahl bezweifelt, kann den Code nachlaufen lassen.
Den Vergleichswert für menschlich verfasste Artikel geben die Autoren mit 25 Prozent an. Das liegt allerdings auch daran, dass Journalisten den Code für ihre Analysen praktisch nie mitveröffentlichen. Die Differenz misst also ebenso eine Lücke in der journalistischen Praxis wie eine Stärke des Systems.
Sieben Agenten, die wie eine Redaktion zusammenarbeiten
Hinter dem fertigen Artikel steht eine Abfolge aus sieben spezialisierten Agenten, die das Forschungsteam als "virtuelle Redaktion" beschreibt. Der "Detective" sucht zunächst per Websuche nach Kontext zum Datensatz, weil eine Tabelle allein selten reicht. Zum WM-Datensatz verknüpft er die Austragungsorte mit FIFPRO-Hitzerisikoeinstufungen und typischen Klimadaten von Open-Meteo.
Der "Analyst" führt Analysen mit Code aus, statt Zahlen zu schätzen. Der "Editor" entscheidet, welche Befunde die Geschichte tragen. Der "Designer" wählt das Medium passend zum Thema, also eine Karte für Geografie oder einen Audioclip für Musik. Der "Programmer" baut daraus eine HTML-Seite, ein "Auditor" prüft das Layout auf Fehler. Der "Inspector" verknüpft am Ende alles mit seinen Quellen.
In der virtuellen Redaktion von Data2Story übernimmt jede Agentenrolle einen Arbeitsschritt vom Recherchieren bis zum Layout, der Inspector bindet anschließend jede Aussage an ihre Belegquelle zurück. | Bild: Lin et al.Als Basismodell läuft Claude Opus 4.7 in Claude Code. Für Bilder, Videos und Tonspuren greift das System über OpenRouter auf Modelle wie gpt-5.4-image-2, bytedance/seedance-2.0 und google/lyria-3-pro-preview zurück.
53 Leser bewerten Agent-Artikel besser als menschliche Originale
Für die Auswertung paarten die Forscher 18 öffentlich verfügbare Datensätze mit jeweils einem dazu existierenden menschlichen Originalartikel aus drei stilistisch unterschiedlichen Quellen: den knappen Analysebriefings von The Economist, den aufwendig gestalteten Langformreportagen von The Pudding und den vielfältigen Community-Datensätzen von TidyTuesday. 53 rekrutierte Leser bewerteten beide Versionen in fünf Kategorien: visuelle Gestaltung, Erzählrhythmus, Datentransparenz, Belegbarkeit der Aussagen und Erkenntnisgewinn.
Data2Story lag in allen fünf Kategorien vorn, mit dem größten Vorsprung bei der Transparenz (+1,49 Punkte auf einer Siebenerskala). 74 Prozent der Teilnehmer bevorzugten den Agent-Artikel insgesamt, 25 Prozent das menschliche Pendant, 2 Prozent werteten beide als etwa gleichwertig.
Aufgeschlüsselt nach Quelle wird das Bild differenzierter. Bei den datenlastigen Economist-Briefings und den TidyTuesday-Stücken gewann der Agent klar. Bei den Pudding-Reportagen, an denen Designteams oft wochenlang sitzen, war es statistisch ein Unentschieden. Der Agent schaffte es nicht, die handgestrickte Inszenierung zu schlagen.
Über 18 Artikelpaare deckt Data2Story rund die Hälfte des menschlichen Blickwinkels ab, während Journalisten nur etwa ein Drittel der Agenten-Perspektive aufgreifen, am deutlichsten beim Economist. | Bild: Lin et al.Misst man, welche Aussagen aus dem menschlichen Artikel auch im Agent-Artikel vorkommen, deckt Data2Story rund die Hälfte ab. Umgekehrt finden sich nur 35 Prozent der Agent-Aussagen im menschlichen Text wieder.
Der Agent bringt also viele eigene oder abweichende Aussagen ein, trifft den redaktionellen Kern aber nur teilweise. Bei den kurzen, formelhaften Economist-Briefings ist die Lücke besonders groß: Hier reproduziert der Agent 73 Prozent der menschlichen Befunde, vermutlich, weil diese Texte sich eng an Standardstatistiken halten, die der Agent ohnehin berechnet.
Wo Menschen weiter klar besser sind
Die Forscher heben drei Bereiche hervor, in denen die menschlichen Autoren überlegen bleiben. Beim redaktionellen Blickwinkel liefern Reporter Erklärungen, die nicht im Datensatz stehen: Eine Reportage über Repair Cafés erklärt die niedrigen Reparaturquoten damit, dass Hersteller von Geräten wie Telefonen, Autos und Traktoren Diagnosewerkzeuge und Ersatzteile gezielt unzugänglich hielten, eine These, die auf Reporting beruht, nicht auf der Tabelle. Der Agent zeigt nur, was kaputtgeht; das Warum bleibt ihm verschlossen.
Beim TidyTuesday-Datensatz erklärt die menschliche Reportage, warum Reparatur scheitert, während Data2Story nur die Reparaturquoten pro Produkttyp visualisiert. | Bild: Lin et al.Beim kreativen Design macht ein Pudding-Stück über Stand-up-Comedy das gesamte Transkript einer Ali-Wong-Show zur Benutzeroberfläche: Neben jeder Zeile sitzt ein Kreis, dessen Größe die Länge des Lachers anzeigt. Der Agent bindet für denselben Inhalt nur ein statisches YouTube-Vorschaubild ein.
Für dasselbe Comedy-Thema macht die Pudding-Redaktion das ganze Transkript zur Oberfläche, Data2Story bindet nur ein anklickbares Vorschaubild ein. | Bild: Lin et al.Bei informationsdichten Einzelgrafiken schichtet eine Economist-Visualisierung zum Wettlauf ins All staatliche und kommerzielle Raketenanbieter, Erfolgs- und Fehlschlagsraten sowie erklärende Anmerkungen in eine einzige Grafik. Der Agent verteilt dieselben Daten auf mehrere Einzeldiagramme, die Pointe geht dabei verloren.
Die Economist-Grafik verdichtet staatliche und kommerzielle Starts samt Anmerkungen in ein Bild, Data2Story verteilt dieselben Daten auf eine interaktive Ansicht ohne die erklärenden Hinweise. | Bild: Lin et al.Kollaborateur, kein Ersatz
Die Autoren positionieren das System ausdrücklich als Werkzeug für Redaktionen: Menschen liefern Perspektive und Reporting, Agenten übernehmen Rechenarbeit, Grafikproduktion und die maschinell prüfbare Quellenbindung.
Interessant könnte das System für Themen sein, die Redaktionen mangels Kapazität gar nicht aufgreifen, also spezialisierte oder nischige Datensätze, die so überhaupt erst eine lesbare Form bekommen. Als Einschränkung nennen die Forscher, dass Data2Story bislang vollautomatisch arbeitet; eine Variante, die menschliches Feedback in den Prozess einbezieht, bleibt künftige Arbeit. Die Website ist unter data2story.github.io erreichbar; der Code liegt auf GitHub.
Die maschinelle Belegbarkeit ist genau der Punkt, an dem aktuelle KI-Systeme regelmäßig scheitern. Ein Benchmark der Peking University zeigte zuletzt, dass führende Modelle bei der Dokumentenanalyse zwar oft die richtige Antwort liefern, aber auf falsche Quellen verweisen, ein Phänomen, das die Forschenden "Attribution Hallucination" nennen.
Eine weitere Untersuchung legt nahe, dass KI-Suchagenten häufig gar nicht wirklich recherchieren, sondern vor allem bestätigen, was sie ohnehin schon aus dem Training wissen. Data2Story setzt an dieser Lücke an, indem der Analyst Zahlen per ausführbarem Code berechnet statt zu schätzen und der Inspector jede Aussage an ihre Quelle bindet. Denselben Hebel nutzt Perplexity mit "Search as Code", wo Modelle ihre Websuche selbst programmieren, statt eine Blackbox-API aufzurufen.
