Die Methode
Hat die Emotionalität und Polarisierung im Schweizer Parlament zwischen 1999 und 2026 zugenommen? Um diese Forschungsfrage zu beantworten, haben wir drei Ansätze kombiniert: Eine KI-Klassifikation, wörterbuchbasierte Methoden und eine manuelle Validierung.
Insgesamt wendeten wir Natural Language Processing auf mehr als 180'000 Schweizer Parlamentsreden in Deutsch, Französisch und Italienisch an. Den emotionalen Gehalt und die Tonalität analysierten wir mit GPT-4o-mini in zwei Schritten: Zunächst unterschied das Modell zwischen rationalen und emotionalen Reden. Im zweiten Schritt ordnete die KI jeder emotionalen Rede eine von acht Emotionen zu: Wut, Hoffnung, Enthusiasmus, Angst, Freude, Trauer, Stolz oder Ekel.
Um die Zuverlässigkeit der Ergebnisse sicherzustellen, haben wir eine Teilstichprobe von rund 500 Reden manuell codiert und mit den KI-Klassifikationen verglichen. Mittels mehrerer Validierungsrunden passten wir den Prompt iterativ an, bis die Übereinstimmung zwischen Mensch und Modell einen zufriedenstellenden Wert erreichte¹. In der finalen, validierten Stichprobe lag die Gesamtübereinstimmungsrate bei 72%. Das heisst, zwei menschliche Codierer und das Modell waren sich einig, ob eine Rede emotional war oder nicht. Bei der spezifischen dominanten Emotion lag die Übereinstimmung mit 61% etwas tiefer. Das liegt hauptsächlich daran, dass das Modell übermässig dazu neigte, Enthusiasmus zuzuweisen. Die grösste Übereinstimmung erzielten wir bei der Emotion Wut mit 72%.
Zusätzlich haben wir mithilfe des Multilingual ParlaCAP-Modells, einem optimierten, BERT-ähnlichen Klassifikationsmodell von Pungeršek et al. 2026², jede Rede einem von zehn inhaltlichen Themen zugeordnet. Die Themen reichten von Aussenpolitik und Gesundheit bis Migration, Energie und Strafjustiz³ und zeigten uns nur wie, sondern auch worüber die Parlamentarierinnen und Parlamentarier sprechen. Abschliessend haben wir anhand deskriptiver Statistiken ausgewertet, wie sich die Emotionalität über die Zeit, zwischen den Kammern und über Parteigrenzen hinweg verändert haben.
Unsere Erfahrungen
Mit dieser Tiefe und Breite an Daten zu arbeiten, war für uns gleichermaßen faszinierend wie anspruchsvoll. Daten bereinigen, Prompts anpassen und Code verfeinern hat uns gezeigt, wie wichtig Präzision von Anfang an ist, denn jegliche Fehler holen einen später unweigerlich wieder ein. Dieses Capstone-Projekt gab uns die Chance, praktische Erfahrungen neben dem Studium zu sammeln. Wir konnten wertvolle Kompetenzen im Programmieren und im Umgang mit Large Language Models aufbauen, die in der sozialwissenschaftlichen Forschung zunehmend an Bedeutung gewinnen. Schlussendlich mit dem finalen Datensatz zu arbeiten war sehr belohnend. Dennoch glich das Herausarbeiten bedeutsamer Erkenntnisse manchmal der sprichwörtlichen Suche nach der Nadel im Heuhaufen. Jede und jeder von uns brachte etwas andere Interessen, Herangehensweisen und Perspektiven mit. Genau diese Vielfalt hat uns einen umfassenderen Blick auf den parlamentarischen Habitus ermöglicht.
Eine Herausforderung hat uns allerdings wirklich überrascht: Die manuelle Validierung erwies sich als weitaus anspruchsvoller als erwartet, denn es war unglaublich schwierig, einer transkribierten Rede eine Emotion zuzuordnen. Diese Erkenntnis hebt nochmals hervor, wie viel der menschlichen Kommunikation jenseits der Worte stattfindet, und durch Handbewegungen, Mimik, Stimmhöhe, Tonfall oder Lautstärke vermittelt wird. Gleichzeitig hat uns der Prozess gezeigt, wie KI dazu beitragen kann, menschliche Vorurteile zu reduzieren und die Klassifikation dadurch konsistenter und skalierbarer zu machen. Dennoch hat die KI die Kunst, menschliche Emotionen fehlerfrei zu lesen, noch nicht gemeistert. Die Validität unserer Analyse hängt deshalb ebenso von der Konsistenz inhärenter Messfehler über Geschlecht, Partei und Zeit hinweg ab, wie von der Genauigkeit der Klassifikation selbst. Das ganze Spektrum menschlichen Austauschs jenseits von reinem Text einzufangen, bleibt eine faszinierende, offene Frage für die zukünftige Forschung.
Das Team
Vier Masterstudierende der Politikwissenschaft an der Universität Zürich im Studienschwerpunkt Demokratie, Entwicklung und internationale Politik: Jens Weirich, Laura Platz, Patrik György und Simon Birrer. Betreut von Hugo Subtil und Victor Kristof.
1 Pungeršek, Kuzman, Taja Rupnik, Daniela Širinić und Nikola Ljubešić. 2026. „Supercharging Agenda Setting Research: The ParlaCAP Dataset of 28 European Parliaments and a Scalable Multilingual LLM-Based Classification." arXiv. https://arxiv.org/abs/2602.16516.
Aussenpolitik & Sicherheit; Verteidigung & Militärbudget; Steuern & Staatsfinanzen; Strafjustiz & Rechte; Gesundheit; Energie & Umwelt; Landwirtschaft & Ernährung; Migration & Asyl; Sozialpolitik & Arbeit; Wirtschaft & Infrastruktur; Verfahrensfragen (wurden ausgeschlossen)