Weiterbildung Datenjournalismus

Modul der modularen Weiterbildungen an der ebam Akademie

Weiterbildung in Teilzeit oder in Vollzeit – gefördert mit einem Bildungsgutschein

Wir leben im Zeitalter der Daten. Kaum eine Branche kann auf den Rohstoff Daten verzichten. Der Datenjournalismus ist aus dem Journalismus nicht mehr wegzudenken. In der Weiterbildung Datenjournalismus steigern Sie ihre digitale Kompetenz im Umgang mit Daten und deren Nutzung. An der ebam Akademie lernen Sie bequem auch von zu Hause aus via Live Streaming Video E-Learning.

Live, kompakt & erprobt – Datenjournalismus Weiterbildung

Dieses Modul umfasst 21 Schulungstage. Mit einem Bildungsgutschein über einen Monat werden die Kosten zu 100% übernommen. Wir beraten Sie gerne zu den Fördermöglichkeiten und zu den Inhalten unserer Weiterbildung.

Start am 07. Dezember 2020


Start am 19. April 2021


Modul aus folgender Weiterbildung

Inhalte der Weiterbildung Datenjournalismus

Datenjournalismus basiert auf Datensätzen. Hier sind Daten der zentrale Aspekt in der Darstellung und Erklärung. Die Visualisierung spielt eine große Rolle. „Data driven journalism“ (DDJ) bedeutet wörtlich übersetzt: Daten-getriebener Journalismus. Die Darstellung der Daten ist oftmals interaktiv. Die reine Präsentation von Tabellen oder Statistiken fällt im Allgemeinen nicht unter Datenjournalismus.

Datenjournalismus ist vielmehr die aktive journalistische Auseinandersetzung mit einem Datensatz. Damit kann die Relevanz von Inhalten deutlich erhöht werden. Auch sind Visualisierungen oftmals sehr hilfreich für das bessere und leichtere Verständnis von komplexen Thematiken.

Weiterbildung Daten Journalismus
Datenjournalismus – Analyse, Validierung, Visualisierung und Publikation von Daten

Wir leben in einer Welt, die in Daten ertrinkt. Wir haben die Wahl, ob wir sie weiterhin ignorieren und als großes Rauschen abtun oder ob wir sie nutzen wollen.

Jorn Lyseggen, CEO von Meltwater

Schwerpunkte im Modul Datenjournalismus

  • Die erweiterte Google Suche
  • Google Spreadsheets
  • Grundlagen Tabellenkalkulation
  • Grundlagen Scraping
  • Auswertung von Datensätzen
  • Strukturieren, Bereinigen, Analysieren
  • Datenanalysen
  • Geschichten auf Basis von Daten
  • Zugriff und Nutzung der GENESIS-Online Datenbank
  • Dokumente digitalisieren
  • GOVDATA – Das Datenportal für Deutschland
  • Zusammenarbeit via Slack oder Trello
  • Open Data Community

2010 hat vor allem Wikileaks dem Datenjournalismus zum Durchbruch verholfen. Seither sind zahlreiche hervorragende Publikationen auch in Deutschland entstanden. Journalisten, Programmierer und Designer sollten eng zusammenarbeiten, um die beste interaktive Darstellungsform zu erzielen.

Immer mehr Institutionen stellen maschinenlesbare Datensätze zur Verfügung. Ministerien, Ämter und Behörden stellen Statistiken auf ihren Seiten online. Die Recherche, das Analysieren und das Hinterfragen von Datensätzen sind zentrale Aufgaben im Tätigkeitsfeld. Auch die Bereinigung von Daten nimmt viel Zeit in Anspruch. Aber das lohnt sich.

Mehr Fakten, mehr Transparenz, mehr Interaktion. Journalisten sollten datenaffin sein.

Im Datenjournalismus arbeiten Sie an der Schnittstelle von Journalismus, Daten und Code. In der Kombination diverser Daten stecken oftmals wertvolle neue Erkenntnisse. Insbesondere für den investigativen Journalismus ist der Datenjournalismus eine spannende Wahl der Darstellung.

Vollzeit oder Teilzeit? Worin unterscheiden sich die beiden Weiterbildungen?

In der Vollzeit-Weiterbildung profitieren Sie von weitergehenden Analysen und Übungen, um Ihre Erfahrung mit Datenjournalismus zu erweitern und zu vertiefen. Sie haben mehr Zeit für Reports und Projekte.

Gängige Anforderungen und Aufgaben im Bereich Datenjournalismus

  • Sie stellen Projektteams zusammen
  • Sie beherrschen gängige Tools zur Datenaufbereitung
  • Grundkenntnisse in HTML/CSS, JavaScript, Python o.ä.
  • Sehr gute analytische Fähigkeiten
  • Gute Online-Kenntnisse zeichnen Dich aus
  • Datenjournalismus, Infografiken, Video-Journalismus
  • Daten sammeln, bereinigen, analysieren und visualisieren
  • Daten-Auswertungen anderer Journalisten überprüfen
  • Erfahrung in der Datenbereinigung und -analyse in Python oder R

Beispiele für Datenjournalismus