Anwendung von Data Mining Verfahren bei politischen Wahlkmpfen

Der Kern des Data Mining ist das Gewinnen von Wissen aus gigantischen Datenmengen. Dies findet heutzutage immer mehr Anwendung und spielt eine zunehmende Rolle. Bekannt sind Anwendungen von Data Mining Verfahren überwiegend aus dem Marketing Bereich. Zum größten Teil wird das Kaufverhalten der Kunden analysiert und passende Werbung geschaltet. Jedoch finden Data Mining Algorithmen seit einigen Jahren auch in der Politik Einsatz, genauer gesagt bei Wahlkämpfen. Das angestrebte Ziel dahinter ist es, Wähler durch gezieltes Ansprechen zu verunsichern. Der erste Einsatz kam 2008 bei den US-Präsidentschaftswahlen in die Schlagzeilen. Dabei wurden erstmals nur mit demografischen Daten über Wahlberechtigte gearbeitet. Bis heute wurden immense Fortschritte gemacht, sodass nun auch psychologische Daten erhoben werden. Um Wähler gezielt ansprechen zu können, müssen im ersten Schritt ihre Interessen sowie ihr Charakter analysiert und anschließend sich ähnelnde Personen in Gruppen zusammengefasst werden. An der Stelle wird das Clustering des Data Mining eingesetzt.
In dieser Thesis wird anhand von personenbezogenen Daten, die von Facebook Profilen erhoben werden, eine beispielhafte Clusteranalyse mit RapidMiner Studio durchgeführt. Um das Problem und die geschichtliche Entwicklung darzustellen, wird auf diverse Zeitungs -und Zeitschriftenartikel bezogen. Die Theorie zu Data Mining, der Clusteranalyse und zum Microtargeting beschränkt sich auf die Bereiche, die für die praktische Analyse von Bedeutung sind. Für das Data Mining wird hauptsächlich das Buch Data Mining von Cleve und Lämmel genutzt. Für das Anwendungsszenario werden zunächst die Art und Weise der Datenerhebung sowie die Daten an sich detailliert beschrieben und anschließend der Analyseprozess im RapidMiner Studio mit Screenshots erklärt und die Ergebnisse mit Diagrammen visualisiert. Das Besondere an dieser Untersuchung ist es, dass Daten über politische Ansichten der Personen zwar erhoben werden aber nicht in die Analyse einfließen. Damit soll ermittelt werden, ob in den entstandenen Clustern jeweils eine Mehrheit von politisch gleich ausgerichteten Menschen zu erkennen ist.