Medien-Bias. Forschungsbasiert analysiert.
Klyptra analysiert deutsche Nachrichtenartikel auf sechs wissenschaftlich belegte Bias-Dimensionen — mit Verbatim-Belegen, Multi-Modell-Ensemble und lückenlosen Audit-Trails. Kein Links-Rechts-Urteil. Nur Sprachmuster.
Oder eine Beispiel-Analyse ansehen- 6
- Bias-Dimensionen
- 27
- Bias-Muster
- 3
- KI-Modelle im Ensemble
Das Problem
Vertrauen sinkt. Verzerrung wächst. Werkzeuge fehlen.
Medien-Bias lässt sich systematisch untersuchen — aber nur, wenn die Methode selbst transparent und überprüfbar ist. Genau hier setzt Klyptra an.
Wie Klyptra funktioniert
Drei Schritte. Keine Black Box.
Jeder Schritt ist nachvollziehbar dokumentiert. Jede Bewertung lässt sich bis zur einzelnen Belegstelle im Originaltext zurückverfolgen.
Analysieren
Ein Ensemble aus drei unabhängigen Sprachmodellen — aus drei Pipelines (OpenAI/USA, Mistral/EU, DeepSeek/China) — bewertet jeden Text auf sechs Dimensionen, auf einer 0-bis-10-Skala mit wörtlichen Belegstellen.
Objektivitäts-Skala
Jeder Text wird auf einem Kontinuum von 0 (stark verzerrt) bis 10 (maximal sachlich) verortet.
Media Bias Taxonomy · 2023
Theoretischer Rahmen der sechs Bias-Dimensionen. Klyptras Skala operationalisiert die Taxonomie. Das System erfasst 27 spezifische Bias-Muster — von Framing bis zu selektiver Faktenauswahl.
Die sechs Dimensionen
Bias hat keinen einzigen Wert. Sondern sechs.
Klyptra reduziert keinen Artikel auf eine Zahl. Die sechs Dimensionen operationalisieren die Media-Bias-Taxonomie (Spinde et al. 2023) und sind einzeln auswertbar — ein Artikel kann beim Framing schwach und bei der Quellenvielfalt stark sein.
Framing
Welche Perspektive wird zur Norm erklärt?
„Polizei räumt Camp“ vs. „Aktivisten geräumt“ — gleicher Vorgang, andere Subjekte.
Wortwahl
Welche Wörter tragen Wertungen ein?
„aufweichen“ vs. „flexibilisieren“ — beide bezeichnen dasselbe.
Quellenvielfalt
Wie viele Stimmen kommen zu Wort?
Ein Artikel mit drei Regierungs- und null Oppositionsstimmen ist nicht ausgewogen.
Fakt / Meinung
Werden Beobachtung und Bewertung getrennt?
„Die Reform wird scheitern.“ — Prognose, nicht Tatsache.
Vollständigkeit
Was wird ausgelassen?
Kontextlücken sind oft die deutlichsten Bias-Indikatoren.
Emotionale Balance
Wie stark wird emotional aufgeladen?
„Beben!“, „Skandal!“ — typische BILD-Marker.
Für wen
Drei Zielgruppen, ein Werkzeug.
Klyptra ist nicht für alle gleich nützlich — aber für jede dieser Gruppen löst es ein klar umrissenes Problem.
Bürger:innen
Wer Nachrichten liest, soll wissen, welches Framing sie tragen — ohne ein Linguistik-Studium absolvieren zu müssen.
- Einzelne Artikel analysieren — sechs Bias-Dimensionen mit Belegen
- Ergebnis als teilbarer Permalink
- Keine Bewertung von Redaktionen — erkennbare politische Tendenz wird als Interpretation ausgewiesen und fließt nicht in den Objektivitäts-Score ein
Medienhäuser
Redaktionen können einzelne Texte vor Veröffentlichung auf Framing und Ausgewogenheit prüfen.
- Eigene Artikel auf sechs Dimensionen analysieren
- Wörtliche Belege, welche Formulierungen den Bias tragen
- Belegketten zur internen Diskussion verfügbar
Forschung
Reproduzierbare Methodik, dokumentierte Modell-Versionen und JSON-Exporte für empirische Medienforschung.
- JSON-Exporte aller Analysen
- Dokumentierte Prompts und Modell-Versionen
- Vollständige Modell-Provenienz je Analyse
Wissenschaftliche Basis
Keine selbstgebaute Skala.
Klyptra erfindet keine eigene Bias-Theorie. Methodik und Skala stützen sich auf veröffentlichte, peer-reviewte Forschung. Eine Evaluation gegen etablierte Benchmarks ist in Vorbereitung und noch nicht erfolgt.
Media Bias Taxonomy
2023Theoretischer Rahmen der sechs Bias-Dimensionen. Klyptras Skala operationalisiert die Taxonomie.
BABE Dataset
2021Trainings- und Evaluationsdatensatz mit Expert:innen-annotierten Bias-Labels (3.700 Sätze). Kalibriert die Few-Shot-Beispiele in Klyptras Prompts.
MBIB Benchmark
2023Bezugsrahmen für die Vergleichbarkeit von Bias-Detection-Systemen. Als Maßstab für eine geplante Evaluation herangezogen — Klyptra hat bislang keine MBIB-Werte veröffentlicht.
Horych et al.
2025Methodische Grundlage für den Umgang mit LLM-basierten Annotationen — Klyptras Ensemble-Setup adressiert direkt die in dieser Arbeit dokumentierten Schwächen.
Beta-Zugang
Die Closed Beta läuft — Zugang auf Anfrage.
Trag dich mit deiner E-Mail-Adresse ein. Wir prüfen jede Anfrage manuell und senden dir bei Freigabe einen persönlichen Zugangs-Key — Forschung und Redaktionen zuerst, dann Privatpersonen.
Kein Spam. Keine Weitergabe. E-Mail wird nur für die Bearbeitung deiner Beta-Anfrage genutzt und auf Wunsch gelöscht.