Post on 25-Sep-2019
Inga Ecker, BSc.
Tracking von Unternehmensskandalen in sozialen
Netzwerken am Beispiel Volkswagen
Masterarbeit
zur Erlangung des akademischen Grades
eines Master of Science
der Studienrichtung Betriebswirtschaft
an der Karl-Franzens-Universität Graz
Betreuer:
Ao.Univ.-Prof. Mag. Dipl.-Ing. Dr.rer.soc.oec. Christian Schlögl
Institut für Informationswissenschaft und Wirtschaftsinformatik
Graz, September 2017
Ehrenwörtliche Erklärung
Ich erkläre ehrenwörtlich, dass ich die vorliegende Arbeit selbstständig und ohne fremde Hilfe
verfasst, andere als die angegebenen Quellen nicht benutzt und die den Quellen wörtlich oder
inhaltlich entnommenen Stellen als solche kenntlich gemacht habe. Die Arbeit wurde bisher
in gleicher oder ähnlicher Form keiner anderen inländischen oder ausländischen Prüfungsbe-
hörde vorgelegt und auch noch nicht veröffentlicht. Die vorliegende Fassung entspricht der
eingereichten elektronischen Version.
Datum ___________________
Ecker Inga, BSc.
Danksagung
Da mit dieser Arbeit der Abschluss meines Masterstudiums an der Karl-Franzens-Universität
Graz erfolgt, möchte ich mich an dieser Stelle bei allen bedanken, die mir während der letzten
Jahre zur Seite gestanden und mich im Laufe meiner Ausbildung tatkräftig unterstützt haben.
Dieser Dank gilt allen voran meiner Familie, die mir mein Studium in Graz ermöglicht hat
und bei allen Problemen während meiner akademischen Ausbildung für mich da war.
Im Besonderen danke ich Herrn Ao.Univ.-Prof. Mag. Dipl.-Ing. Dr.rer.soc.oec.
Christian Schlögl, der mich bei dieser Masterarbeit betreute. Durch den Besuch seiner Lehr-
veranstaltungen konnte ich wertvolle Kenntnisse gewinnen, die mir zur Erstellung dieser Ar-
beit eine große Hilfe waren. Zusätzlich stellte Herr Professor Schlögl im Zuge einer Seminar-
arbeit den Kontakt zu Herrn Jörg Fuchslueger, dem Leiter des Geschäftsbereiches Content
Analytics der Firma BIConcepts, einem der weltweit Top Drei IT-Unternehmen für Content
Analytics Lösungen, her.
Durch die profunde Einschulung von Herrn Fuchslueger in die ICInvestigation Plattform auf
Basis von IBM Watson Content Analytics konnten viele Erkenntnisse über Watson gewonnen
und die Funktionsweise des Supercomputers besser verstanden werden. Herr Fuchslueger
nahm sich dabei die Zeit, Watson genauestens zu erklären.
Nach Abschluss der Seminararbeit wurde mir ein Zertifikat von der Firma BIConcepts ausge-
stellt, welches sich im Anhang dieser Arbeit befindet.
Obwohl das für diese Masterarbeit verwendete Tool Watson Analytics for Social Media eine
andere Oberfläche als IBM Watson Content Analytics aufweist, erleichterte mir das in der
Einschulung vermittelte Grundverständnis wesentlich den Umgang mit dem Analyse Tool.
Die Arbeit mit Watson war äußert spannend, herausfordernd und hat mir viel Freude bereitet.
Für diese einmalige Gelegenheit möchte mich bei Herrn Fuchslueger und Herrn Professor
Schlögl herzlich bedanken!
I
Inhaltsverzeichnis
Abbildungsverzeichnis ..................................................................................................... III
Tabellenverzeichnis ............................................................................................................ V
Abkürzungsverzeichnis ..................................................................................................... VI
1 Einleitung ...................................................................................................................... 1
1.1 Problemstellung und Relevanz des Themas.......................................................... 2
1.2 Zielsetzung der Arbeit ........................................................................................... 3
1.3 Aufbau der Arbeit ................................................................................................. 4
2 Begriffsdefinitionen und -abgrenzungen .................................................................... 6
2.1 Social Media ......................................................................................................... 6
2.1.1 Facebook ................................................................................................... 7
2.1.2 Twitter ....................................................................................................... 7
2.1.3 Blogs ......................................................................................................... 7
2.1.4 Foren ......................................................................................................... 8
2.2 Negative Word of Mouth ...................................................................................... 8
3 Reflexion des Forschungsstandes .............................................................................. 10
4 Konzeption der Arbeit ............................................................................................... 13
4.1 Forschungsfragen ................................................................................................ 13
4.2 Analyseobjekt ..................................................................................................... 13
4.3 Methode .............................................................................................................. 15
4.3.1 Vorgehensweise ...................................................................................... 15
4.3.2 Tools ........................................................................................................ 17
4.3.2.1 IBM Watson Analytics for Social Media ................................ 17
4.3.2.2 Google Trends ......................................................................... 17
5 Ergebnisse ................................................................................................................... 19
5.1 Zeitverlauf des Skandals mittels Google Trends ................................................ 19
5.2 Diskussionen auf Social Media ........................................................................... 30
5.2.1 Eingabe der Grundeinstellungen zur Analyse der Entwicklungen von
Diskussionen auf sozialen Netzwerken ................................................... 31
5.2.2 Ergebnisse der Analyse ........................................................................... 40
II
5.2.2.1 Topics ...................................................................................... 41
5.2.2.2 Themes .................................................................................... 51
5.2.2.3 Sentiment ................................................................................. 52
5.2.2.4 Geography ............................................................................... 55
5.2.2.5 Influential Authors .................................................................. 56
5.2.2.6 Behavior .................................................................................. 56
5.2.2.7 Demographics ......................................................................... 59
5.2.3 Gegenüberstellung der USA und Europa ................................................ 60
5.2.4 Stimmungen nach Portalen ..................................................................... 67
5.2.5 Vergleich von betroffenen und nicht betroffenen VW-Modellen ........... 73
5.2.6 Vergleich mit anderen Autoherstellern ................................................... 79
5.3 Börsenkurse und Umsatzzahlen .......................................................................... 84
5.3.1 Verlauf des VW-Aktienkurses ................................................................ 84
5.3.2 Umsatzzahlen des Volkswagen-Konzerns .............................................. 87
5.4 Analyse und Interpretation .................................................................................. 89
6 Auswirkung ................................................................................................................. 91
6.1 Auswirkungen auf Aktienkurse .......................................................................... 91
6.2 Auswirkungen auf Umsatzzahlen ....................................................................... 94
7 Zusammenfassung und Ausblick .............................................................................. 96
Literaturverzeichnis .......................................................................................................... 98
Anhang .............................................................................................................................. 104
III
Abbildungsverzeichnis
Abbildung 1: Google Trends: Ergebnisse, gesamter Zeitraum des Skandals...................... 20
Abbildung 2: Google Trends: Ergebnisse nach Regionen................................................... 22
Abbildung 3: Google Trends: Ergebnisse Herbst/Winter 2015 .......................................... 23
Abbildung 4: Google Trends: Ergebnisse März bis August 2016 ....................................... 24
Abbildung 5: Google Trends: Ergebnisse Herbst/Winter 2016 .......................................... 26
Abbildung 6: Google Trends: Ergebnisse 2017. ................................................................. 27
Abbildung 7: Watson: neues Projekt anlegen...................................................................... 31
Abbildung 8: Watson: Auswahl der Topics ........................................................................ 32
Abbildung 9: Watson: Filtern der Topics ............................................................................ 33
Abbildung 10: Watson: Auswahl der Themes ..................................................................... 37
Abbildung 11: Watson: Filtern der Themes ........................................................................ 37
Abbildung 12: Watson: Auswahl des Analysezeitraums .................................................... 39
Abbildung 13: Watson: Auswahl der Sprachen. ................................................................. 39
Abbildung 14: Watson: Auswahl der Quellen. .................................................................... 40
Abbildung 15: Watson: Ergebnisse Topics ......................................................................... 41
Abbildung 16: Watson: Ergebnisse Topics, Sentiment ....................................................... 44
Abbildung 17: Watson: Ergebnisse, Topics, 2015 .............................................................. 45
Abbildung 18: Watson: Ergebnisse, Topics, Sentiment, 2015 ............................................ 46
Abbildung 19: Watson: Ergebnisse, Topics, Sentiment, September 2015 bis Januar 2016 47
Abbildung 20: Watson: Ergebnisse, Topics, Sentiment, Juni 2016 bis Januar 2017 .......... 48
Abbildung 21: Watson: Ergebnisse, Topics, Sentiment, Januar 2017 bis August 2017 ..... 49
Abbildung 22: Watson: Ergebnisse nach Themes ............................................................... 51
Abbildung 23: Watson: Ergebnisse nach Sentiment ........................................................... 52
Abbildung 24: Watson: Eingrenzung des Zeitraums, Sentimentanalyse ............................ 53
Abbildung 25: Watson: Sentimentanalyse, Zeitraum vor dem Skandal .............................. 54
Abbildung 26: Watson: Analyse nach Regionen ................................................................. 55
Abbildung 27: Watson: Analyse nach Autoren ................................................................... 56
Abbildung 28: Watson: Analyse nach Behavior ................................................................. 57
Abbildung 29: Watson: Analyse nach Behavior, Porsche und VW .................................... 57
Abbildung 30: Watson: Analyse Behavior, Prospective Users ........................................... 58
Abbildung 31: Watson: Analyse nach Demographics ......................................................... 59
Abbildung 32: Watson: Analyse USA und Europa ............................................................. 61
IV
Abbildung 33: Watson: Sentimentanalyse nach Staaten in den USA ................................. 63
Abbildung 34: Watson: Sentimentanalyse nach Gebieten, USA ........................................ 64
Abbildung 35: Watson: Analyse nach Portalen ................................................................... 67
Abbildung 36: Watson: Sentimentanalyse nach Portalen ................................................... 68
Abbildung 37: Watson: Sentimentanalyse nach Portalen, Themes ..................................... 70
Abbildung 38: Watson: Sentimentanalyse nach Portalen, Themes, Twitter ....................... 70
Abbildung 39: Watson: Sentimentanalyse nach Portalen, Foren ........................................ 71
Abbildung 40: Watson: Sentimentanalyse nach Portalen, Blogs ........................................ 72
Abbildung 41: Watson: Modellvergleich, Ergebnis Topics ................................................ 76
Abbildung 42: Watson: Modellvergleich, Ergebnis Sentiment ........................................... 76
Abbildung 43: Watson: Modellvergleich, Ergebnis Geografie ........................................... 78
Abbildung 44: Watson: Herstellervergleich, Ergebnis Topics ............................................ 80
Abbildung 45: Watson: Herstellervergleich, Ergebnis Topics ............................................ 81
Abbildung 46: Watson: Herstellervergleich, Ergebnis Geografie ....................................... 83
Abbildung 47: Verlauf des VW Aktienkurses, NASDAQ. ................................................. 85
Abbildung 48: Volkswagen und Toyota Aktienkurse, 2015 ............................................... 87
Abbildung 49: Trends-, Watson-, Aktien-Verlauf: September 2015 .................................. 92
Abbildung 50: Trends-,Watson-, Aktien-Verlauf: Juli 2017 ............................................... 93
V
Tabellenverzeichnis
Tabelle 1: Prozentuelle Auswertung: Ergebnisse, Topics, Sentiment ................................. 44
Tabelle 2: Auswertung der Posts in verschiedenen Zeitabschnitten ................................... 50
Tabelle 3: Zahl der Mentions: Europa. ................................................................................ 62
Tabelle 4: Zahl der Mentions: USA .................................................................................... 65
Tabelle 5: Zahl der Mentions: Sources ................................................................................ 69
Tabelle 6: Eingabe: Topics, Betroffene Modelle................................................................. 74
Tabelle 7: Eingabe: Topics, Nicht betroffene Modelle ....................................................... 74
Tabelle 8: Prozentuelle Auswertung: Sentiment. ................................................................ 77
Tabelle 9: Modellvergleich: Ergebnis Geografie ................................................................ 78
Tabelle 10: Herstellervergleich: Definieren der Topics ...................................................... 80
Tabelle 11: Herstellervergleich: prozentueller Anteil Sentiment ........................................ 82
Tabelle 12: Herstellervergleich: prozentuelle Auswertung Geografie. ............................... 83
VI
Abkürzungsverzeichnis
AG ............................................................................................................. Aktiengesellschaft
BMW ............................................................................................. Bayrische Motoren Werke
Brexit ..................................................................................................................... British Exit
CARB ................................................................................... California Air Resources Board
Engl. ........................................................................................................................... Englisch
EPA ............................................................. United States Environmental Protection Agency
EU ............................................................................................................. Europäische Union
FBI ........................................................................................ Federal Bureau of Investigation
IBM .................................................................. International Business Machines Corporation
IT ..............................................................................................................Informationstechnik
KI .......................................................................................................... Künstliche Intelligenz
PDF ............................................................................................... Portable Document Format
RSS ............................................................................................... Really Simple Syndication
US ....................................................................................................................... United States
USA ................................................................................................. United States of America
VW ...................................................................................................................... Volkswagen
WOM .............................................................................................................. Word of Mouth
1 Einleitung
1
1 Einleitung
Mit der Einführung des Web 1.0 1989 beginnt das Zeitalter des Online-
Informationsaustausches. Websites nehmen dabei vorerst nur eine passive Rolle ein und
dienen zur reinen Informationsgewinnung, Interaktionen mit Nutzern sind zu dieser Zeit
noch nicht möglich.
Als sich die zweite Generation des Webs, das Web 2.0, entwickelt, kommt es zu einigen
Veränderungen in der Art und Weise, wie das Internet genutzt wird. Erstmals können In-
halte von Usern selbst erstellt oder bearbeitet werden. Nicht nur Interaktionen zwischen
Websites und Besuchern sind fortan möglich, sondern auch zwischen den Nutzern selbst,
was zur Entstehung des Social Web führt. In dieser Zeit entwickeln sich YouTube, Blogs,
RSS Feeds und Podcasts.1 Soziale Netzwerke, wie Facebook und Twitter, erlauben seitdem
den Meinungs- und Informationsaustausch zwischen Nutzern. Inhalte werden von Usern
erstellt und geteilt, kommentiert oder bearbeitet. Nachrichten verbreiten sich so innerhalb
weniger Minuten weltweit und können politische sowie wirtschaftliche Entwicklungen
beeinflussen. Mittels mobilem Internetzugang kann fast überall und immer auf Informatio-
nen zugegriffen werden.
Onlineportale werden längst nicht mehr nur von Privatpersonen genutzt, viele Unterneh-
men versuchen durch gezieltes Social Media Marketing ihre Bekanntheit und Ansehen zu
steigern. Die dadurch entstehende Nähe zu den Kunden, ihre Wünsche, Bedürfnisse und
Meinung spielen dabei eine wesentliche Rolle für einen erfolgreichen Social Media Auf-
tritt.
Das Web 3.0, welches auch unter dem Begriff semantisches Web bekannt ist, ist die Wei-
terentwicklung des Web 2.0. Mit Hilfe von Computern können Inhalte, die von Usern er-
stellt wurden, in logische Relationen zueinander gesetzt, ausgewertet, interpretiert und ver-
standen werden. Auch eine Kommunikation zwischen den Maschinen ist möglich. Techno-
logien, die das Web 3.0 kennzeichnen, sind künstliche Intelligenzen sowie die Verarbei-
tung der menschlichen Sprache und maschinelles Lernen.2 An diese technologischen Ent-
wicklungen knüpft diese Masterarbeit durch die Nutzung von IBM Watson an.
1 Vgl. Choudhury (2014), S.8096-8098.
2 Vgl. Choudhury (2014), S.8099.
1 Einleitung
2
1.1 Problemstellung und Relevanz des Themas
Soziale Medien haben in den letzen Jahren zunehmend an Bedeutung für Unternehmen
gewonnen. Netzwerke wie Twitter und Facebook zählen mitunter zu den wichtigsten
Kommunikationskanälen für erfolgreiche Firmen und dienen in vielen Fällen als Diskussi-
onsbasen, um mit den Kunden direkt in Kontakt treten zu können. Durch Social Media
Plattformen können Betriebe ein positives Image aufbauen und die Kaufentscheidung der
Konsumenten in bestimmte Richtungen lenken. Neben den vorteilhaften Aspekten, die
soziale Medien mit sich bringen, wie etwa die schnelle und einfache Verbreitung von posi-
tiven Eindrücken durch User, kann es auch zu nachteiligen Bewegungen kommen, etwa zu
Boykotten.3 Diese negativen Aspekte stehen im Mittelpunkt dieser Masterarbeit.
Als Beispiel wird dafür der durch die Umweltorganisation EPA im September 2015 publik
gemachte Abgasskandal von Volkswagen herangezogen, als in den USA ein Programm zur
Manipulation der Emissionswerte bei einer Vielzahl von mit Diesel betriebenen Autos ein-
gesetzt wurde. Diese gesetzlich nicht zugelassene Emissionstechnik zog eine Reihe von
Zivilklagen nach sich sowie empfindliche Schadensersatzzahlungen für den Konzern. 4
Soziale Medien erlauben es, Nachrichten mit enormer Geschwindigkeit zu verbreiten.
Menschen, die sich im realen Leben nicht kennen, finden in Gruppen mit gemeinsamen
Interessen zusammen und können durch den schnellen Austausch von Meinungen Macht
aufbauen. Diese Masse an Diskussionen kann schwerwiegende Konsequenzen für ganze
Branchen, sogar Staaten, wie es etwa das Beispiel Brexit zeigt, nach sich ziehen. Jeder
einzelne Eintrag in ein soziales Netzwerk kann den Skandal oder die Debatte für unbe-
stimmte Zeit im Mittelpunkt der Öffentlichkeit erhalten.5 Aus diesem Sachverhalt ergibt
sich ein wissenschaftliches Interesse, die tatsächlichen Auswirkungen von Unterneh-
menskrisen auf messbare Medien wie Aktienkurse oder Umsatzzahlen zu untersuchen. Die
auf Facebook oder Twitter vorherrschenden Meinungen über den VW-Dieselskandal mit
konventionellen Mitteln zu erfassen und auszuwerten, wäre mit einem enormen Aufwand
verbunden. Aus diesem Grund ist die Nutzung eines Social Analytic Tools wie IBM
Watson for Social Media angemessen.
3 Vgl. Leinemann (2013), S.2.
4 Vgl. Autobild (2017), [online].
5 Vgl. Johnson (2012), S.1.
1 Einleitung
3
In der wissenschaftlichen Literatur finden sich, wie in Kapitel 3 aufgezeigt wird, praktisch
keine Arbeiten, die vorherrschende Meinungen über Unternehmenskrisen in sozialen
Netzwerken mit dem Verlauf von Aktienkursen in Verbindung bringen. Meist existieren
nur Schriften über den Umgang mit Empörungswellen in sozialen Medien, aber zu den
tatsächlichen Auswirkungen werden keine Verknüpfungen erstellt.
Dieser Fakt zeigt deutlich die Notwendigkeit nach weiteren Forschungsprojekten in diesem
Bereich. Eine Studie, die diese Konsequenzen beleuchtet und Verbindungen zu Meinungen
auf sozialen Plattformen herstellt, wäre aus diesem Grund von wissenschaftlicher Bedeu-
tung. Aus diesem Sachverhalt ergibt sich das Hauptziel der Masterarbeit, nämlich das Tra-
cking von Unternehmenskrisen in sozialen Medien und daraus resultierende Effekte am
Beispiel von Volkswagen.
1.2 Zielsetzung der Arbeit
Ziel der Arbeit ist es, den zeitlichen Verlauf des Skandals mit Hilfe von Google Trends auf
Basis von Suchanfragehäufigkeiten auszuwerten sowie mit IBM Watson Analytics for
Social Media die Entwicklung von Diskussionen in sozialen Netzwerken über den Zeit-
raum des Skandals hinweg zu dokumentieren. Vorherrschende Stimmungen sowie Suchan-
fragen, die die Affäre betreffen, sollen mit dem Kursverlauf der VW-Aktie verglichen wer-
den, um mögliche Muster zu erkennen. Zusätzlich sollen die Umsatzzahlen für die be-
troffenen Jahre ausgewertet und mit dem Skandal in Verbindung gebracht werden.
Außerdem wird versucht, durch verschiedene Sentimentanalysen den Shitstorm gegen VW
abzubilden. Eine Unterteilung der Auswertungen in mehrere Kategorien soll zur besseren
Dokumentation der negativen Posts dienen. So werden betroffene und nicht betroffene
VW-Fahrzeugmodelle gegenübergestellt, zusätzlich erfolgt ein Vergleich zwischen Volks-
wagen und anderen Autobauern. Des Weiteren werden die Auswertungen nach Social Me-
dia Portalen und Regionen aufgeteilt.
Die Analysen werden mit IBM Watson Analytics for Social Media durchgeführt, während
Google Trends als ,,Nebenschauplatz“ dient, um mit dessen Hilfe, parallel zur Nutzung des
IBM Tools, Peaks nach bestimmten Ereignissen, wie etwa Gerichtsurteilen, mit der Aus-
wertung der Watson Analyse sowie den Börsenkursen der VW-Aktie abgleichen zu können.
1 Einleitung
4
1.3 Aufbau der Arbeit
Die vorliegende Masterarbeit besteht aus drei Teilen. Einem theoretischen und einem em-
pirischen Part sowie einem Schlussteil.
Im theoretischen Abschnitt werden zunächst Grundlagen zur Thematik beschrieben und
Begrifflichkeiten wie Social Media und Negative Word of the Mouth erklärt. Zusätzlich
wird ein Überblick des derzeitigen Forschungsstandes (State of the Art) gegeben.
Der Hauptfokus dieser Arbeit liegt auf dem zweiten, praktischen Teil. Dieser gliedert sich
in drei Abschnitte: Konzeption der Arbeit, Ergebnisse und Auswirkung.
Der erste Teil des zweiten Abschnittes beinhaltet eine Zusammenfassung der Forschungs-
fragen und eine genaue Beschreibung des Analyseobjekts, den Dieselskandal rund um den
Volkswagenkonzern. Zudem werden auch die verwendeten Tools (Google Trends, IBM
Watson Analytics for Social Media) vorgestellt und die Vorgehensweise im Zuge der Ana-
lyse erklärt.
Im zweiten Abschnitt des empirischen Teils findet eine praktische Anwendung der Tools
statt, mit deren Hilfe das Analyseobjekt untersucht wird. Zu Beginn wird mit einer Google
Trends Untersuchung der Zeitverlauf des Dieselskandals abgebildet. Im Zuge dieser Aus-
wertung soll eine Verbindung zwischen medialen Berichten sowie besonderen Ereignissen
während der Emissionsaffäre und steigenden Suchanfragehäufigkeiten hergestellt werden.
Zusätzlich werden in diesem Abschnitt die mit dem Skandal zusammenhängenden Ent-
wicklungen von Diskussionen auf sozialen Netzwerken mit IBM Watson untersucht und
mit der Auswertung der Google Trends Analyse abgeglichen. Um ein besseres Verständnis
der Auswirkungen des Skandals auf die Stimmungen der Social Media User zu erlangen,
werden in mehreren Unterkapiteln weitere Analysen durchgeführt. Eine Gegenüberstellung
der USA und Europa soll zeigen, in welchen Gebieten der Konzern besonders mit dem
Shitstorm konfrontiert wird. Auch erfolgt ein Vergleich von Portalen, um zu erkennen, in
welchen die meisten ,,Provokationen“ stattfanden. Um den Shitstorm noch besser heraus-
filtern zu können, werden in weiterer Folge betroffene und nicht betroffene Fahrzeugmo-
delle sowie verschiedene Autohersteller einer Sentimentanalyse unterzogen und gegen-
übergestellt. Anschließend werden die Aktienkurse und Umsatzzahlen des VW-Konzerns
1 Einleitung
5
abgebildet, im Zusammenhang mit dem Skandal und den vorhergehenden Analysen disku-
tiert und mit den daraus generierten Resultaten verglichen.
Die Ergebnisse der Untersuchungen werden noch im selben Teil präsentiert. Abschließend
folgt eine Besprechung der durch die negativen Posts auf sozialen Netzwerken und Verän-
derungen der Suchanfragehäufigkeiten entstandenen Auswirkungen auf Aktienkurse und
Umsatzzahlen des VW-Konzerns.
Im Schlussteil werden die Ergebnisse aus der Untersuchung zusammengefasst und disku-
tiert sowie ein Ausblick für weitere Analysen gegeben.
2 Begriffsdefinitionen und -abgrenzungen
6
2 Begriffsdefinitionen und -abgrenzungen
Die in der Analyse mittels IBM Watson in dieser Arbeit verwendeten Quellen sind haupt-
sächlich soziale Netzwerke. Zum besseren Verständnis für die folgenden Kapitel sollen
daher in diesem einleitenden Abschnitt die wichtigsten sozialen Plattformen näher be-
schrieben werden.
2.1 Social Media
Es gibt eine Vielzahl an Definitionen für soziale Netzwerke bzw. soziale Medien. Dies
liegt daran, dass Social Media in sehr unterschiedlichen Gebieten der Wissenschaft und
Forschung als Untersuchungsobjekt dienen und sich die Definition von den Zielen des je-
weiligen Bereiches ableitet.6
Ein Versuch einer universell validen Begriffserklärung für soziale Netzwerke sowie Social
Media wäre:
,,Ein ,soziales Netzwerk‛ (engl. social network) ist ein gemeinschaftliches Netzwerk im
Internet, d. h. eine lose Verbindung von Menschen in einer Online- bzw. Internet-
Community bzw. in einem computergestützten Netzwerk zur Kommunikation.
Eine erste mögliche Definition für Social Media lautet beispielsweise:
,Social Media‛, auch soziale Medien genannt, bezeichnen digitale Medien und Tech-
nologien, die es den Nutzern ermöglichen, sich untereinander in einem Netz, z. B. im
Internet, auszutauschen und mediale Inhalte einzeln oder in Gemeinschaft zu erstellen
und weiterzuleiten.“7
Im Zuge dieser Masterarbeit werden hauptsächlich Facebook, Twitter, Blogs und Foren als
Datenquellen zur Analyse herangezogen, daher macht es Sinn, in den weiteren Abschnitten
dieses Kapitels die genannten sozialen Netzwerke genauer zu erläutern.
6 Gabriel/Röhrs (2012), S.12.
7 Gabriel/Röhrs (2012), S.12.
2 Begriffsdefinitionen und -abgrenzungen
7
2.1.1 Facebook
Mit annähernd zwei Milliarden aktiven Nutzern (Stand Juli 2017) ist Facebook das welt-
weit größte soziale Netzwerk.8 Die Plattform wurde 2004 an der Harvard University von
Hochschülern erfunden, um eine bessere Kommunikation zwischen den Studenten zu er-
möglichen. Das Unternehmen verzeichnet seit seiner Gründung ein stetiges Wachstum, die
Nutzerzahlen stiegen schnell in die Milliarden. User können sich nach der Registrierung
entweder ein Privat- oder Firmenprofil erstellen, welches dann personalisiert werden kann,
beispielsweise durch Angaben von persönlichen Daten oder durch Hochladen von Bildern.
Nach Fertigstellung des Profils können Beiträge von anderen Nutzern kommentiert oder
Einträge auf Pinnwänden hinterlassen werden.9
2.1.2 Twitter
Die Mikroblogging-Plattform Twitter erlaubt es Nachrichten, sogenannte Tweets, mit einer
Maximallänge von 140 Zeichen zu posten. Optional können auch Fotos oder Videos hoch-
geladen werden. Die in den USA sehr beliebte Kommunikationsplattform wird sowohl zu
privaten als auch kommerziellen Zwecken genutzt.10 Im Jahr 2017 verzeichnete Twitter
328 Millionen aktive User pro Monat.11 Die Halbwertszeit einer Meldung auf Twitter, das
ist jene Zeit, in der rund die Hälfte des Gesamttraffics für einen Eintrag erfolgt, liegt bei
wenigen Stunden, manchmal sogar Minuten. Im Zuge von Online-Firestorms werden im
Vergleich zu anderen Social Media Plattformen die meisten negativen Meldungen auf
Twitter gepostet. Dies liegt vermutlich an der Kürze der Einträge.12
2.1.3 Blogs
Die Bezeichnung Blog leitet sich von Weblog ab und beschreibt Webseiten, die aus per-
sönlichen Einträgen, meist in umgekehrt chronologischer Reihenfolge, bestehen. Eine wei-
tere Besonderheit von Blogs ist, dass sie meist öffentlich sind. Das bedeutet praktisch Zu-
gang für jeden. Oft werden zur Erstellung eines solchen Online-Tagebuchs Dienstleister
8 Vgl. Roth (2017), [online].
9 Vgl. Schlüter/Münz (2012), S.66-68.
10 Vgl. Statista (2017a), [online].
11 Vgl. Statista (2017b): [online].
12 Vgl. Pfeffer/Zorbach/Carley (2014), S.120.
2 Begriffsdefinitionen und -abgrenzungen
8
wie Wordpress, Tumblr oder Blogger als Provider für die Infrastruktur genutzt. Des weite-
ren gibt es Kommentarfunktionen, durch die sich Nutzer über Posts austauschen können.13
2017 verzeichnete Wordpress 77 Millionen monatliche Blogposts, Tumblr 145 Milliar-
den.14
2.1.4 Foren
In Foren finden sich Interessensgemeinschaften, die über bestimmte Themen diskutieren.
Meist sind Foren öffentlich lesbar, Beiträge verfassen können jedoch nur registrierte Nut-
zer. Zur besseren Übersicht werden die Beiträge meist in Kategorien, sogenannte Threads
oder Topics, zusammengefasst. Die einzelnen Posts sind umgekehrt chronologisch nach
dem Erstellungsdatum angeordnet. Ähnlich wie bei Blogs, findet sich der jeweils neueste
Eintrag an erster Stelle.15
2.2 Negative Word of Mouth
Seit der Einführung von Web 2.0 haben soziale Netzwerke Milliarden von Usern generie-
ren können. Social Media Plattformen ermöglichen eine rasend schnelle globale Ausbrei-
tung von Meldungen. Durch den losen Zusammenschluss von Interessensgemeinschaften
können Inhalte unzählige Male geteilt und kommentiert werden.
Als Anfang des Jahres 2011 zu den ersten Demonstrationen in den arabischen Ländern
aufgerufen wurde, erfolgte dies nicht über klassische Medien, sondern über soziale Netz-
werke wie Facebook und Twitter.16 Dass ganze Regierungen von solchen Shitstorms be-
troffen sein können, bleibt allerdings der Ausnahmefall. Meist richtet sich die Welle der
Empörung auf sozialen Netzwerken gegen einzelne Unternehmen oder Personen. Typisch
hierfür ist die zunächst stark zunehmende Anzahl abschätziger und kritischer Posts auf
Social Media Plattformen, die bald in primitive, niveaulose Wortmeldungen bis hin zu
Drohungen umschlagen können.17
13 Vgl. Sauers (2006), S.1-2.
14 Vgl. Statista (Hrsg.) (2017c), [online].
15 Vgl. epubli GmbH (2013).
16 Vgl. Schmidt (2013), S.7.
17 Vgl. Justitz, (2012), [online].
2 Begriffsdefinitionen und -abgrenzungen
9
Für Unternehmen können die Folgen schwerwiegend sein. Meist gehen Shitstorms mit dem
Verlust von Kunden oder sogar einer Rufschädigung einher. Des Weiteren bleiben die ne-
gativen Kommentare und Artikel oft über viele Jahre online.
Aus Unternehmenssicht gibt es eine Vielzahl an Ursachen für Shitstorms, meist sind es
allerdings Fehler, die der jeweilige Betrieb selbst macht. So führen etwa unmoralische
Handlungen, Schwierigkeiten im Hauptgeschäftsfeld oder falsche Informationsvermittlung,
gepaart mit überheblichem Verhalten, oft zu einem Sturm der Entrüstung. Meist entwi-
ckeln sich Eigendynamiken. Während eines Shitstorms können sich Emotionen verstärken.
Dies führt oftmals zu hitzigen Diskussionen, die dann in Beschimpfungen übergehen.
Durch den mobilen Zugriff auf Plattformen wie Twitter oder Facebook und die Möglich-
keit zum Kreieren und Kommentieren von Posts innerhalb von Sekunden, werden so nega-
tive Nachrichten in kürzester Zeit weltweit verbreitet. Diese Geschwindigkeit und die
enorme Anzahl an Posts stellen einen kritischen Faktor für Unternehmen dar, die von Shit-
storms betroffen sind. Während nach negativen Pressemeldungen bis zu ein Tag vergehen
darf, bis der betroffene Betrieb reagieren kann, muss eine Rückmeldung auf Shitstorms
meist innerhalb von Stunden oder Minuten erfolgen, um eine extreme Ausbreitung der
kritischen Posts zu vermeiden. Diese Reaktionen sind von besonderer Bedeutung für den
betroffenen Betrieb.18
Nur durch gezielte Kommunikation kann die Masse wieder beruhigt werden. Hierbei gilt,
dass sich richtige Handlungsweisen im Frühstadium des Shitstorms positiv auf den weite-
ren Verlauf der Diskussionen auswirken können. Hat die Welle der Empörung schon ein
gewisses Ausmaß erreicht, muss damit gerechnet werden, dass sich das Ergreifen von
Maßnahmen als kompliziert erweisen kann.19
18 Vgl. Pfeffer/Zorbach/Carley (2014), S.117.
19 Vgl. Hoffmann, K. (2016), [online].
3 Reflexion des Forschungsstandes
10
3 Reflexion des Forschungsstandes
Dieser Abschnitt soll einen Überblick über den derzeitigen Forschungsstand der mit dieser
Masterarbeit verbundenen Themenbereiche geben. Eine erste Literaturrecherche erfolgt
mittels der seit 2017 von Clarivate Analytics vertriebenen Online Datenbank Web of Sci-
ence. Eine Suche nach Artikeln, die im Zusammenhang mit Shitstorms und Social Media
stehen, soll zeigen, wie viele Publikationen es in diesen Wissenschaftsgebieten bereits gibt.
Damit die Suche möglichst umfangreiche Ergebnisse liefert, werden neben dem Begriff
Shitstorm weitere Wortverbindungen, die Synonyme dafür sind, in die Recherche mitein-
bezogen. Diese sind Online Firestorm, Negative Word of Mouth und Negative WOM.
Um die Recherche zu verfeinern, wird der Boolesche Operator OR eingesetzt. Die bereits
erwähnten Begriffe werden mit einem OR versehen, da sie bedeutungsgleiche Worte sind.
Damit ist sichergestellt, dass jedes der Resultate eine mit Shitstorm verwandte Wortver-
bindung beinhalten muss. Die genaue Eingabe lautet:
[TITLE: (Shitstorm*) OR TITLE: ("Online Firestorm*") OR TITLE: ("Negative Word
of Mouth") OR TITLE: ("Negative WOM")]
Shitstorm, Online Firestorm*, Negative Word of Mouth und Negative WOM wurden ab-
sichtlich als ,,Title“ gesetzt. Eine Suche mit den selben Begriffen als ,,Topic“ ergab zu
viele, nicht mit dem Thema verwandte Suchergebnisse. Mit Sternchen versehen werden
Begriffe, nach denen sowohl in der Einzahl als auch in der Mehrzahl gesucht wird. Das
Sternchen ist dabei eine sogenannte ,,Wildcard“, die einen unbekannten oder gar keinen
Charakter - in diesen Fällen ein ,,s“ oder kein ,,s“ - repräsentiert, da in der englischen
Sprache bei diesen Begriffen, um sie von der Ein- in die Mehrzahl zu setzen, ein ,,s“ ange-
hängt wird. Durch das Sternchen erfolgt die Suche beispielsweise sowohl nach Online
Firestorm als auch nach Online Firestorms.
Groß- und Kleinschreibung haben keinen Einfluss auf die Resultate. Da Leerzeichen in
Web of Science als AND gewertet werden, müssen, um nicht mit dem Themenbereich zu-
sammenhängende Artikel aus den Ergebnissen zu filtern, Wortverbindungen wie Negative
Word of Mouth mit Anführungszeichen versehen werden ( = Phrasensuche). Anderenfalls
wären die angegeben Wörter zwar in den aus der Suche resultierenden Titeln erwähnt, al-
lerdings nicht notwendigerweise in der gewollten Kombination.
Abbildung 1 zeigt die Sucheingabe in Web of Science.
3 Reflexion des Forschungsstandes
11
Die Recherche liefert 52 Artikel, die die Problemstellung behandeln. Diese geringe Zahl
zeigt schon, dass es kaum wissenschaftliche Arbeiten zur Thematik gibt.
Eine Suche mittels google.scholar.com soll weitere Ergebnisse bringen. Um diese zu ver-
feinern, muss wiederum mit Booleschen Operatoren bei der Eingabe verwendet werden.
Zusätzlich wird, wie auch bei der Web of Science Recherche, die Phrasensuchfunktion aus-
genutzt. Die genaue Suchanfrage lautet:
["online firestorm" OR "online firestorms" OR "negative word of mouth" OR "negative
wom" OR "shitstorm" OR "shitstorms"]
Die Recherche liefert 17.900 Ergebnisse, allerdings behandeln die meisten eine reine Soci-
al Media Analyse, aber keine Shitstorms. Um die Resultate weiter einzugrenzen, wird in
den erweiterten Sucheinstellungen die Funktion ,,Artikel finden, die meine Wörter im Titel
enthalten“ ausgewählt. Dadurch kann die Anzahl der Ergebnisse auf 424 eingegrenzt wer-
den. Noch seltener sind Arbeiten, in denen die Auswirkungen von Shitstorms untersucht
werden.
In einer Studie von Kim Su Jung, Rebecca Jen Hui und Ewa Maslowska konnte ein Zu-
sammenhang zwischen sinkenden Absatzzahlen von Unternehmen und Shitstorms herge-
stellt werden. Die Untersuchung aus dem Jahr 2016 ist vermutlich die erste und bis dato
einzige dieser Art.20
Des Weiteren zeigen F. Pfeffer, T. Zorbach und K. M. Carley in ihrem Artikel
,,Understanding online firestorms: Negative-word-of-mouth dynamics in social media net-
works“, welche Gründe für die Verbreitung von Shitstorms ausschlaggebend sein können.
Außerdem erörtern die Autoren Folgen eines solchen. Gemäß des Artikels sind meist nega-
tive Pressemeldungen Auslöser von Online Firestorms, die sich gegen Unternehmen, be-
rühmte Personen oder aber auch Regierungen wenden können.21
Chester Curme, Tobias Preis, H. Eugene Stanley und Helen Susannah Moat entdeckten
2014 einen möglichen Zusammenhang zwischen sinkenden Aktienkursen und steigenden
20 Vgl. Su Jung/Wang/Maslowska (2016), S.511-521.
21 Vgl. Pfeffer/Zorbach/Carley (2014), S.117-128.
3 Reflexion des Forschungsstandes
12
Suchanfragen auf Google, Wikipedia und Amazon Mechanical Turk. Erhöht sich das Such-
volumen, fallen gemäß ihrer Recherchen oftmals kurze Zeit später die Kurse.22
Es gibt zwar eine Vielzahl von Publikation, die die Auswirkungen von sozialen Netzwer-
ken auf die Kommunikation zwischen Unternehmen und Kunden beschreiben. Auch exis-
tiert wissenschaftliche Literatur, die Firmenkrisen näher untersucht, Reaktionen beschreibt
und Auswirkungen, wie sinkende Aktienkurse, erörtert und erklärt. Zum Dieselskandal von
Volkswagen finden sich viele Artikel in Zeitungen und Nachrichtendiensten, die die Situa-
tion näher beleuchten.
Allerdings ergibt sich aus der Literaturrecherche, dass zur Zeit kaum Artikel existieren, die
sich mit Shitstorms und deren Auswirkungen auseinandersetzen.
Auch gibt es wahrscheinlich bis dato keine wissenschaftliche Untersuchung von Unter-
nehmensskandalen mit IBM Watson. Des Weiteren wurde vermutlich bisher keine Analyse
durchgeführt, die versucht Zusammenhänge zwischen Aktienkursen, Google Trends Such-
anfragen und Social Media Shitstorms herzustellen. Wahrscheinlich ist der Gegenstand
dieser Masterarbeit neu auf diesem Gebiet.
22 Vgl. Curme/Preis/Stanley/Moat (2014), S.117-128.
4 Konzeption der Arbeit
13
4 Konzeption der Arbeit
Der folgende Abschnitt soll Grundlagen vermitteln, um den Leser auf die Analysen in Ka-
pitel 5 vorzubereiten. In diesem Zusammenhang werden zunächst die Forschungsfragen
aufgezeigt. Danach folgt eine kurze Zusammenfassung des ,,Skandals“ im Zuge der Be-
schreibung des Analyseobjekts. Anschließend werden die Methodik und die Vorgehens-
weise bei der praktischen Untersuchung sowie die dafür benutzten Tools näher erklärt.
4.1 Forschungsfragen
Im Zuge von mehreren Analysen soll der VW-Dieselskandal mittels Google Trends und
IBM Watson Analytics for Social Media untersucht werden. Außerdem wird versucht, aus
den daraus gewonnenen Erkenntnissen eine Verbindung zum Verlauf des Börsenkurses der
VW-Aktie sowie zu den Umsatzzahlen des Konzerns herzustellen.
Mit Hilfe der Arbeit sollen Erkenntnisse gewonnen werden, um folgende, sich aus diesem
Zusammenhang ergebende Fragen zu beantworten:
Wie kann ein Skandal am besten erkannt werden?
Wie äußert sich ein Unternehmensskandal in sozialen Medien?
Wie wirken sich Stimmungen in sozialen Netzwerken auf Aktienkurse aus?
In welchem Zusammenhang stehen Meinungen in sozialen Medien mit den Absatz-
zahlen?
Gibt es einen Zusammenhang zwischen Suchanfragehäufigkeiten, Shitstorms und
Aktienkursen?
4.2 Analyseobjekt
Als Analyseobjekt wird der international bekannte Konzern Volkswagen herangezogen.
Der 1937 in Berlin gegründete Betrieb ist heute der größte Automobilhersteller in Europa.
Neben VW gehören Marken wie Audi, Skoda, Seat, Bugatti, Bentley, Porsche und Lambor-
ghini zum Unternehmen.23 Im September 2015 erklärte die Umweltbehörde Environmental
Protection Agency (EPA), dass der VW-Konzern möglicherweise Abgaswerte an Diesel-
23 Vgl. Volkswagen Aktiengesellschaft (2017a), [online].
4 Konzeption der Arbeit
14
fahrzeugen mit Hilfe eines Programmes gezielt manipuliert haben könnte, welches das
Emissionsprüfungssystem nur während der Ausführung von behördlichen Kontrollen akti-
viere, was auf einen größeren Schadstoffausstoß schließen lasse als die Laborwerte auf-
zeigten. Betroffen seien in erster Linie Autos gewesen, die zwischen 2009 und 2015 gebaut
wurden, wie die Modelle Jetta, Golf, Beetle und Passat.
Diese Anschuldigungen erwiesen sich nach weiteren Ermittlungen als wahr. EPA verlangte
daraufhin von Volkswagen, 482.000 Dieselautos des Konzerns in Kalifornien zurückzuru-
fen. VW wollte zunächst mit den Behörden zusammenarbeiten, um das Ausmaß des Skan-
dals überschaubar zu halten, da Volkwagen in den USA ohnehin nicht gleich erfolgreich
wie etwa in Europa war. Nur die Töchter Audi und Porsche konnten 2015 ihre Umsatzzah-
len erhöhen.24
Volkswagen gab nur wenig später nach Bekanntwerden des Skandals dem öffentlichen
Druck nach und bestätigte, die besagte Software zur Manipulation der Emissionswerte ein-
gesetzt zu haben, woraufhin es erste Hinweise gab, dass die amerikanischen Behörden kei-
ne Zulassungen für VW-Modelle für das folgende Jahr mehr vergeben würden.25 Das Aus-
maß des Skandals wurde immer größer. Es folgten Tests an Dieselautos in Deutschland
und dem Rest Europas, Gerichtsurteile, Zulassungsverbote, Ermittlungen gegen das Top-
management und Strafzahlungen. Allein in Deutschland wurden bereits im Oktober 2015
2,4 Millionen Autos der Marke VW zurückgerufen, in ganz Europa lag die Zahl bei 8,5
Millionen. Die Höhe der Strafzahlungen in den USA belief sich 2016 auf rund 15 Milliar-
den Dollar. Der Konzern beschloss noch im selben Jahr die Entlassung von 30.000 Mitar-
beitern weltweit und keine Dieselmodelle mehr auf dem amerikanischen Markt zu verkau-
fen. Im Jahr 2016 lag der Umsatz der Volkswagen AG bei 217,3 Milliarden Euro.
Auch 2017 kam es zu erneuten Gerichtsurteilen, die Strafzahlungen in Milliardenhöhe zur
Folge hatten. Manipulationen an vereinzelten Modellen der Marke Audi sollen schon im
Jahr 2007 durchgeführt worden sein.26 Weltweit seien nach den im Jahr 2017 vorliegenden
Daten mehr als 11 Millionen Fahrzeuge von der Dieselaffäre betroffen. Bis zur Hälfte des
24 Vgl. Spiegel Online (2015a), [online].
25 Vgl. Spiegel Online (2015b), [online].
26 Vgl. Spiegel Online (2017a), [online].
4 Konzeption der Arbeit
15
Jahres hatte VW bereits 4,7 Millionen davon umgerüstet. Die Gesamtkosten belaufen sich
bis dato auf 22,6 Milliarden Euro.27
Der sogenannte Dieselgate steht im starken Kontrast zu den Umsatzzahlen. Die Aktienge-
sellschaft konnte 2016 den Umsatz um vier Milliarden Euro auf 217,3 Milliarden Euro
erhöhen. Auch das operative Ergebnis, das stark von den Auswirkungen des Dieselskan-
dals betroffen war, zeigte ein deutliches Plus. Mit 10,3 Millionen verkauften Autos wurde
2016 sogar zu einem Rekordjahr für Volkswagen.28
4.3 Methode
In den vorhergehenden Abschnitten wurden die für diese Arbeit relevanten Begriffe, wie
Social Media und Negative Word of the Mouth erklärt. Zudem wurde das Analyseobjekt
Volkswagen näher vorgestellt. Dadurch konnten grundsätzliche Einblicke in die Materie
gegeben werden, auf die die weiteren Analysen in diesem empirischen Teil aufbauen.
Angesichts der großen Menge an Daten, die zur Beantwortung der ebenfalls in diesem Ka-
pitel vorgestellten Forschungsfragen ausgewertet werden müssen, ergibt sich eine Notwen-
digkeit für den Einsatz von spezieller Software. Hauptsächlich werden hierfür zwei In-
strumente angewendet: zum einen Google Trends, zum anderen IBM Watson Analytics for
Social Media, sowie zusätzlich zur Auswertung des Aktienverlaufs www.wallstreet-
online.de. Vor der praktischen Anwendung sollen Google Trends und IBM Watson zu-
nächst näher vorgestellt sowie die genauen Arbeitsschritte beschrieben und erklärt werden.
4.3.1 Vorgehensweise
Zunächst soll der zeitliche Verlauf des Dieselskandals mit einer Google Trends Analyse
abgebildet werden. Hierfür werden für bestimmte Zeitabschnitte Auswertungen durchge-
führt und ein Diagramm, das die relativen Suchanfragehäufigkeiten darstellt, generiert. Die
Wahl der zeitlichen Intervalle erfolgt auf Basis von Pressemeldungen zur Manipulationsaf-
färe. In weiterer Folge sollen dann die Daten der Peaks im Trends-Diagramm identifiziert
und mit besonderen Entwicklungen und Ereignissen im Laufe des Skandals abgeglichen
werden. Hierfür wird die Nachrichten-Suchfunktion der Suchmaschine Google genutzt.
27 Vgl. Spiegel Online (2017b), [online].
28 Vgl. Volkswagen Aktiengesellschaft (2017b), [online].
4 Konzeption der Arbeit
16
Im zweiten Teil der Analyse wird das Tool IBM Watson Analytics for Social Media einge-
setzt. Zunächst soll die allgemeine Entwicklung der Diskussionen abgebildet werden. Hier-
für werden alle drei betroffenen Autobauer (VW, Audi, Porsche) sowie die manipulierten
Modelle untersucht. Zudem sollen bestimmte Begriffe, die mit dem Skandal in Verbindung
stehen, wie Schadensersatzzahlung, Rückruf oder Dieselskandal, in die Analyse miteinbe-
zogen werden, um Zusammenhänge zu den Autoherstellern aufzeigen zu können. Aller-
dings werden diese negativen Ausdrücke, um Verzerrungen der Resultate zu vermeiden,
einer separaten Auswertung unterzogen.
Als erster Schritt der Watson Analyse werden, ähnlich zur Trends Untersuchung, der
Skandal im zeitlichen Verlauf abgebildet und die Daten, an denen sich die meisten Einträ-
ge finden, mit denen der größten Suchanfragehäufigkeiten verglichen. Danach erfolgen
weitere Untersuchungen mit Watson, um den Shitstorm möglichst genau auswerten zu
können. Zudem werden mehrere Vergleiche von Stimmungen, aufgeteilt nach geografi-
schen Gebieten und Portalen, angestellt.
Zuletzt werden die Umsatzzahlen abgebildet sowie der Verlauf des VW-Aktienkurses über
den gesamten Zeitraum zwischen 1. September 2015 und 1. August 2017 dargestellt und
wiederum mit der Auswertung der Trends Analyse abgeglichen.
Ziel des Kapitels ist es, den Shitstorm in sozialen Netzwerken mit Watson sichtbar zu ma-
chen und in späterer Folge mit den Resultaten aus der Google Trends Auswertung sowie
dem Aktienkursverlauf zu vergleichen.
4 Konzeption der Arbeit
17
4.3.2 Tools
Vor der praktischen Anwendung in Kapitel 5 werden in diesem Abschnitt die Tools IBM
Waston Analytics for Social Media und Google Trends sowie ihre Arbeitsweisen näher
vorgestellt.
4.3.2.1 IBM Watson Analytics for Social Media
IBM Watson Analytics for Social Media baut auf dem Cloud-basierten Tool des amerikani-
schen IT-Unternehmens IBM, Watson Analytics, auf, welches Daten visualisiert und aus-
wertet. Zusätzlich kann es zur Erstellung von Vorhersageanalysen genutzt werden. Diese
sogenannten ,,Predicitve Analytics“ beschreiben eine spezielle Software-Technik, die ver-
sucht, Muster in einer Datenmenge zu finden und daraus auf Basis mathematischer Be-
rechnungen Vorhersagen für zukünftige Entwicklungen zu treffen. Watson Analytics nutzt
für die Auswertungen eine Computertechnologie, durch die versucht wird, den Computer
wie ein menschliches Gehirn arbeiten zu lassen, um die natürliche Sprache auszuwerten.
Durch diese Technologie kann Watson Analytics for Social Media Daten aus sozialen
Netzwerken auswerten und Einblicke in Diskussionen, Stimmungen und Meinungen ge-
ben. Durch eine Kooperation mit der Social Media Plattform Twitter können noch mehr
Daten aus den sozialen Netzwerken gewonnen und analysiert werden. Das Analyse Tool
ist in verschiedenen Sprachen verfügbar und kann Daten aus unterschiedlichen Quellen,
wie Facebook, Foren, Blogs etc., generieren. Die Ergebnisse der Untersuchung werden
dann durch verschiedene Diagramme visualisiert.29
4.3.2.2 Google Trends
Google Trends ist ein kostenloses Online Analyse Tool, das es erlaubt, den zeitlichen Ver-
lauf von Suchanfragen einzusehen. Die dafür verwendeten Suchbegriffe können vom Nut-
zer selbst gewählt werden. Die Ergebnisse werden durch Zahlen abgebildet, die zwischen 0
und 100 liegen können. Diese errechnen sich aus der Gesamtanzahl der Suchanfragen für
einen Begriff und eine bestimmte Region, geteilt durch die Gesamtanzahl aller Suchanfra-
gen für das jeweilige Gebiet während des betrachteten Zeitraums. Der maximale Wert von
100 stellt dabei die Periode mit den meisten Suchanfragen für den ausgewählten Begriff
29 Vgl. Irandoust (2016), [online].
4 Konzeption der Arbeit
18
dar. Ein Wert von 0 wiederrum heißt, dass die Häufigkeit der Suchanfrage unter 1% des
höchsten Wertes lag.30
Google Trends wird sehr oft dazu eingesetzt, um Erkenntnisse über Popularität und Be-
kanntheit einer Marke zu gewinnen. Zusätzlich können Informationen über das derzeitige
sowie vergangene Konsumentenverhalten aggregiert werden. Die Ergebnisse werden dann
nach Regionen gefiltert.
Untersuchungen zeigen, dass Suchanfragehäufigkeiten für Unternehmen, von denen nega-
tiv in den Medien berichtet wurde, ansteigen.31
Eine weitere für diese Arbeit relevante Studie zeigt, dass es einen Zusammenhang zwi-
schen Suchanfragehäufigkeiten und dem Verlauf von Aktienkursen gibt. Eine Zunahme an
Suchanfragen kann gemäß der Studie mit einem Sinken des Aktienkurses für das Analyse-
objekt einhergehen, allerdings kann der genaue Handelspreis der Aktien nicht vorhergesagt
werden.32
30 Vgl. Choi/Varian (2012), S. 2-9.
31 Vgl. Renner (2015), [online].
32 Vgl. Pappas (2013), [online].
5 Ergebnisse
19
5 Ergebnisse
In diesem Kapitel sollen die Ergebnisse aus der Google Trends und IBM Watson Analyse
vorgestellt und diskutiert werden. Zunächst wird der zeitliche Verlauf der Dieselaffäre mit
dem Online Tool Google Trends abgebildet und mit Pressemeldungen abgeglichen, um
Verbindungen zwischen einem steigenden Suchvolumen und negativen Medienberichten
herstellen zu können. Die gewonnenen Erkenntnisse werden dann mit den Ergebnissen der
mit IBM Watson Analytics for Social Media durchgeführten Untersuchung der Stimmun-
gen auf sozialen Netzwerken verglichen. Wieder soll nach Zusammenhängen gesucht wer-
den. Im nächsten Schritt werden die Auswirkungen des Skandals auf die Stimmungen der
Social Media User untersucht. Abschließend erfolgt eine Auswertung der Aktienkurse und
der Umsatzzahlen des VW-Konzerns innerhalb der letzten drei Jahre sowie eine Interpreta-
tion des gewonnen Erkenntnisse.
5.1 Zeitverlauf des Skandals mittels Google Trends
Um den zeitlichen Verlauf des Skandals zu veranschaulichen und gegebenenfalls Zusam-
menhänge zwischen Suchanfragehäufigkeiten und Shitstorms zu erkennen, wird Google
Trends als Tool zur Analyse herangezogen. Dabei erstreckt sich die Untersuchung über
den gesamten bis dato bekannten Zeitraum der Dieselaffäre, von Juli 2015 bis August
2017. Google Trends erleichtert diese Analyse durch die Möglichkeit zur Erstellung eines
benutzerdifferenzierten Zeitraums. Das Anfangsdatum zur Untersuchung wurde bewusst
auf einen Monat vor Bekanntwerden der Dieselaffäre gelegt, um erste Peaks, die sich von
regulären Suchanfragen abheben, klar identifizieren zu können. Die Suchbegriffe ergeben
sich aus den Schlagworten, die mit dem Skandal in Zusammenhang stehen. Diese sind so
gewählt, dass sie keiner Übersetzung bedürfen, um ein weltweit einheitliches Ergebnis
erzielen zu können: VW, Volkswagen, Dieselgate, Diesel, Emissionsgate, Emission.
Zusätzlich erlaubt es Google Trends, die Ergebnisse nach Kategorien oder Art der Suchan-
frage (wie Bilder, Videos etc.) zu filtern, was in diesem Zusammenhang von der Autorin
allerdings für wenig sinnvoll erachtet wird, da die Suchergebnisse so umfassend wie mög-
lich sein und daher Einschränkungen eine Ausnahme bleiben sollen.
5 Ergebnisse
20
Um den Beginn des VW-Dieselskandals mittels Google Trends abbilden zu können, muss
zunächst die Internetadresse www.trends.google.at aufgerufen werden. Als nächster Schritt
werden die oben genannten Schlagworte in die Suchleiste eingetragen. Um ein möglichst
umfassendes Gesamtbild zu bekommen, werden die Begriffe mit einem ,,+“ getrennt. Der
Boolesche Operator stellt sicher, dass mindestens einer der genannten Begriffe Teil der
Suchanfrage war. Die exakte Eingabe lautet wie folgt:
VW+Volkswagen+Dieselgate+Diesel+Emissionsgate+Emission
Mit Klick auf die Lupe beginnt Google Trends mit der Auswertung. In einem nächsten
Schritt kann der Zeitraum festgelegt werden. Dieser erstreckt sich vom 1. Juli 2015 bis
zum 1. August 2017. Die Auswertung erfolgt weltweit. Eine Differenzierung nach Katego-
rien oder Suchobjekten ist aus den oben bereits erwähnten Gründen nicht sinnvoll.
Wird die Trendanalyse durchgeführt, ergibt sich ein zu erwartender Suchverlauf, wie er in
Abbildung 2 dargestellt ist.
Abbildung 1: Google Trends: Ergebnisse, gesamter Zeitraum des Skandals
Quelle: Analyse mit https://www.google.at/trends/, [Stand: 1. August 2017].
Das Interesse im zeitlichen Verlauf stellt die Suchanfragehäufigkeiten graphisch dar. Dabei
ist zu beachten, dass die Werte, wie in Kapitel 4 beschrieben, zwischen 100 und 0 schwan-
ken können. Die Zahl 100 kennzeichnet dabei jenen Zeitpunkt, an dem die meisten Such-
5 Ergebnisse
21
anfragen getätigt wurden. Alle anderen Werte leiten sich von diesem Höchstwert ab und
stellen die Anfragehäufigkeiten in Abhängigkeit davon dar. Aus dieser Kausalität ergibt
sich etwa für einen Wert von 50, dass die Suchanfragehäufigkeit zu diesem Zeitpunkt nur
halb so groß war als in dem Zeitraum, der mit 100 gekennzeichnet ist. Beträgt die Suchan-
fragehäufigkeit weniger als 1% vom Höchstwert, ergibt sich ein Wert von 0.33 Wie aus der
Abbildung 2 entnommen werden kann, kommt es im Zeitraum zwischen dem 20. und 26.
September zur größten Häufigkeit. Dies passt sehr gut mit dem Auftreten des Skandals
überein, von dem am 19 September 2015 zum ersten Mal in den Medien berichtet wurde.
Zwischen 13. und 19. September kann ein Anstieg der relativen Häufigkeit der Suchanfra-
gen von 53 auf 100 beobachtet werden.
Im Zeitraum zwischen 20. und 26. September überschlagen sich erstmalig die Ereignisse in
den medialen Berichterstattungen. Fakten zur Manipulationssoftware kommen ans Licht,
der Skandal wird zum Gesprächsthema in Deutschland. In den USA kommt es zu ersten
Nachforschungen durch die Regierung. Am 23. September verkündet Martin Winterkorn,
der damalige Chef des Volkswagenkonzerns, seinen Rücktritt. In der Schweiz ist von ei-
nem Zulassungsstopp für betroffene Volkswagenmodelle die Rede.34
Diese Ereignisse spiegeln sich auch in den Suchanfragehäufigkeiten wider, wie sie in Ab-
bildung 2 ersichtlich sind. Das extreme Interesse an den ausgewählten Suchbegriffen bleibt
für über einen Monat bestehen, erst Ende Oktober 2015 sinken die Anfragehäufigkeiten
auf einen Wert, der vergleichbar mit dem vor Auftreten des Skandals ist. Durch diese erste
Analyse kann der Anfangszeitpunkt des Skandals klar mit Hilfe von Google Trends aufge-
zeigt werden.
Als ein weiteres Ergebnis der Analyse bildet Google Trends die Beliebtheit der Suchbe-
griffe nach Gebieten ab. Wiederum werden dazu die relativen Häufigkeiten dargestellt. Die
Werte können, gleich wie bei der Analyse des Interesses im zeitlichen Verlauf, zwischen 0
und 100 liegen. Ein Wert von 100 bedeutet, dass an dem jeweiligen Standort, im Vergleich
zur gesamten Anzahl an Anfragen für diesen Standort, die meisten Onlinesuchen nach dem
ausgewählten Begriff getätigt wurden. Um Verzerrungen, die sich aus unterschiedlichen
Einwohnerzahlen ergeben könnten, zu vermeiden, zeigen die Ergebnisse nicht die tatsäch-
liche Anzahl an Suchanfragen an, sondern lediglich einen Wert, der abhängig von der Grö-
33 Vgl. Google Trends (2017), [online].
34 Vgl. Spiegel Online (2017a), [online].
5 Ergebnisse
22
ße des Landes ist und sich aus dem prozentualen Anteil der Häufigkeit des gesuchten Be-
griffes, gemessen an der Gesamtanzahl aller Suchanfragen in dem betrachteten Land,
ergibt.35
Abbildung 2: Google Trends: Ergebnisse nach Regionen
Quelle: Analyse mit https://www.google.at/trends/, [Stand: 2. August 2017].
Wie in Abbildung 3 ersichtlich, ergibt sich für Deutschland ein Wert von 100. Da Volks-
wagen ein etablierter deutscher Konzern ist, hatte sich der Skandal relativ schnell bis in die
Politik ausgeweitet.
Um ein besseres Bild des Zeitverlaufes des Skandals mittels Google Trends zu erhalten,
sollen in einem weiteren Schritt nun die Betrachtungszeiträume eingeschränkt werden. Die
Eingrenzung erfolgt nach besonders ereignisreichen Zeiträumen, wie etwa nach Rückruf-
aktionen oder Gerichtsurteilen. Betrachtet werden sollen daher zunächst die Monate von 1.
September 2015 bis 1. Januar 2016. Hierfür muss in der Leiste über dem Liniendiagramm
das das ,,Interesse im Zeitlichen Verlauf“ darstellt, der Zeitraum dementsprechend einge-
schränkt werden.
35 Vgl. Google Trends (2017), [online].
5 Ergebnisse
23
Abbildung 3: Google Trends: Ergebnisse Herbst/Winter 2015
Quelle: Analyse mit https://www.google.at/trends/, [Stand: 3. August 2017].
Wie bereits beschrieben, lässt sich der Beginn des Skandals sehr genau aus dem Verlauf
der Kurve ablesen. Eine steigende Häufigkeit der Suchanfragen ist ab dem 20. September
2015 zu beobachten. Der Wert von 100 wird am 23. September 2015 erreicht.
An diesem Tag tritt der langjährige VW-Chef Martin Winterkorn auf Grund der Manipula-
tionsvorwürfe in den USA zurück. Dies wirkt sich auch auf die Börsenkurse aus, die an
diesem Tag sofort rapide sinken.36 Die Trends Kurve fällt nach den ersten Ereignissen auf
Werte zwischen 50 und 60, bevor sie zwischen 5. und 10. Oktober 2015 erneut ansteigt.
In diesem Zeitraum verbietet die Schweizer Regierung Neuzulassungen von Modellen, die
unter Verdacht stehen, die manipulierte Software eingebaut zu haben. VW erklärt erstma-
lig, die betroffenen Fahrzeugtypen zurückzurufen und umzurüsten. Dies solle im Januar
2016 geschehen. Am 15. Oktober 2015 werden 2,4 Millionen Fahrzeuge alleine in
Deutschland vom Kraftfahrtbundesamt zurückgerufen. In ganz Europa, so heißt es in me-
dialen Berichten an diesem Tag, sollen mehr als 8,5 Millionen Autos der Marke Volkswa-
gen vom Dieselskandal betroffen sein. Nachdem auch Fahrzeuge der Marken Porsche und
Audi unter Verdacht stehen, in die Manipulationen verwickelt zu sein, verbietet am 4. No-
36 Vgl. Spiegel Online (2015c), [online].
5 Ergebnisse
24
vember 2015 die amerikanische Regierung den Verkauf der betroffenen Autos der Herstel-
ler Porsche, Volkswagen und Audi in den USA.37
Nachdem der Beginn des Jahres 2016 relativ ruhig verläuft, wird eine nächste Trends Ana-
lyse erst für den Zeitraum zwischen 1. März 2016 und 1. August 2016 durchgeführt.
Abbildung 4: Google Trends: Ergebnisse März bis August 2016
Quelle: Analyse mit https://www.google.at/trends/, [Stand: 3. August 2017]
Wie aus Abbildung 5 entnommen werden kann, sind bis Mitte April 2016 wenig Auffällig-
keiten im Verlauf der Kurve zu erkennen, erst dann kommt es zu einem Anstieg, mit einem
Peak am 21. April 2016. Grund für diese Zunahme des Interesses könnte der näher rücken-
de Ablauf der Frist zur Klärung des Skandals, die dem Volkswagenkonzern von den US-
Behörden auferlegt worden ist, sein. Tatsächlich einigen sich beide Parteien am 21. April
2016 schließlich. Teil der Auflagen für VW seien neben Zahlungen an betroffene Kunden
unter anderem auch Rückrufe und Umbauten an den manipulierten 580.000 Dieselmotoren.
Die Entschädigungszahlungen sollen sich vorerst auf 5.000 Dollar pro Fahrzeugbesitzer
belaufen, der Umbau soll für die Geschädigten keine Kosten verursachen. Diese Auflagen
finden allerdings nur für US-Kunden Anwendung. Für die etwa 11 Millionen betroffenen
Dieselfahrer weltweit findet sich bis April 2016 vorerst noch keine Lösung.38
37 Vgl. Spiegel Online (2017a), [online].
38 Vgl. Spiegel Online (2016a), [online].
5 Ergebnisse
25
Interessant an der Kurve ist der Peak am 12. Juni 2016. Mit einem Wert von 100 erfolgen
an diesem Tag verhältnismäßig die meisten Suchanfragen nach den ausgewählten Begrif-
fen. Allerdings findet sich zu dem besagten Datum kein größeres Ereignis, das mit dem
Skandal in Zusammenhang steht.
Lediglich eine Woche zuvor wurde bekannt, dass ein Umbau für mehrere Volkswagen-
sowie Audi- und Seat-Modelle, die zu den betroffenen Dieselfahrzeugen zählen, durch das
Kraftfahrtbundesamt Deutschland genehmigt wurde. Kunden wurden demnach aufgefor-
dert, ihr Fahrzeug in die Werkstätte zu bringen, um die Mängel zu beheben.39 Diese Pres-
semeldungen könnten auch für den Peak am 19. Juni 2016 verantwortlich sein, da sich
auch zu diesem Datum kein besonderes Ereignis in Zeitungen und Online-Berichten finden
lässt.
Ein anderes Bild ergibt sich für den 28. Juni 2016: Laut ersten Medienberichten an diesem
Tag soll VW eine Entschädigungssumme von insgesamt 15 Milliarden Dollar an Privatper-
sonen sowie öffentliche Organe zahlen. Die Schadenssumme pro Kunde erhöht sich damit
von 5.000 Dollar auf bis zu 10.000 Dollar. Schätzungen für die bisherigen Kosten, die
durch die Abgasaffäre für VW entstanden sind, belaufen sich im Juni 2016 auf 17,6 Milli-
arden Dollar.40
Rund um den 4. Juli 2016 wird bekannt, dass es von Seiten des Volkswagenkonzerns keine
Schadensersatzzahlungen für betroffene Fahrzeugbesitzer in Europa geben würde. Dies
läge in erster Linie an den strikteren Höchstwerten für Emissionen in den Vereinigten Staa-
ten, die einen Umbau schwieriger machen, sowie daran, dass der Kunde dort frei entschei-
den darf, ob sein Fahrzeug nachgerüstet werden soll oder nicht. Mit einer höheren Scha-
densersatzzahlung sollen daher mehr Betroffene in die Werkstatt gelockt werden. Außer-
dem würden zusätzliche Zahlungen in Europa dem Konzern nach den Milliardenstrafen in
den USA schwer zu schaffen machen. Ziel in Europa sei es vorerst lediglich, das Vertrauen
der Kunden wiederzuerlangen und nur die von den Regierungen vorgeschriebenen Umrüs-
tungen durchzuführen.41
Ein Blick auf den Zeitraum zwischen September 2016 bis Januar 2017 zeigt, trotz einiger
größeren Ereignisse im VW-Fall, ein eher gleich bleibendes Interesse.
39 Vgl. Spiegel Online (2016b), [online].
40 Vgl. Spiegel Online (2016c), [online].
41 Vgl. Die Presse (2016a), [online].
5 Ergebnisse
26
Abbildung 5: Google Trends: Ergebnisse Herbst/Winter 2016
Quelle: Analyse mit https://www.google.at/trends/, [Stand: 3. August 2017].
Dem Liniendiagramm in Abbildung 6 können nur einige wenige herausstechende Peaks
entnommen werden.
Ein Anstieg der Suchanfragehäufigkeiten ist am 26. September 2016 zu beobachten. Die
Zunahme kennzeichnet den Tag des Rücktritts von Stefan Knirsch, dem Entwicklungsleiter
von Audi. Eine offizielle Begründung für das Abtreten gibt es von Seiten des Unterneh-
mens nicht, allerdings sei Kirsch laut Medienberichten ebenfalls in die Abgasaffäre verwi-
ckelt.42
Am 25. Oktober 2016 kommt es zu einer finalen Übereinkunft zwischen den amerikani-
schen Behörden und Volkswagen. Das Unternehmen muss Schadensersatzleistungen bis zu
einer Höhe von 16,5 Milliarden Dollar an Besitzer von 2,0-Liter-Diesel-Fahrzeugen in den
USA auszahlen. Dies bedeutet eine Summe von 5.100 bis 10.000 Dollar pro Kunde. Für
die stärkeren 3,0-Liter-Motoren gibt es vorerst noch keine Einigung über die Höhe der
Wiedergutmachungsleistungen. An Kunden in Europa ist nach wie vor keine Zahlung von
Schadenersatz vorgesehen.43
Der 18. November 2016 kennzeichnet den Zeitpunkt mit der verhältnismäßig größten An-
zahl an Suchanfragen in der betrachteten Periode. Volkswagen verkündet an diesem Tag,
allein in Deutschland über 23.000 Stellen bis 2025 streichen zu wollen, weltweit belaufe
42 Vgl. Die Presse (2016b), [online].
43 Vgl. Die Presse (2016c), [online].
5 Ergebnisse
27
sich die Zahl auf 30.000. Diese Maßnahmen sind Teil des VW-Zukunftspakts, einem Plan
zur strategischen Neuausrichtung des Unternehmens. Durch den Stellenabbau sollen die
durch die Dieselaffäre entstandenen Kosten kompensiert werden.44
Gegen Ende des Jahres 2016 kann ein weiterer mäßiger Interessensanstieg beobachtet wer-
den. In diesem Zeitraum gibt es einige Entwicklungen und Wendungen im Abgasskandal.
Am 21. Dezember 2016 kommt es endlich auch zu einer Einigung zwischen den US-
Organen und Volkswagen hinsichtlich der 3,0-Liter-Motoren. Eine Entschädigung der
Kunden soll durch Rückkäufe von über 20.000 betroffenen Fahrzeugen sowie Umbauten
erfolgen. An private Kläger sollen Schadensersatzzahlungen geleistet werden. In Deutsch-
land gibt es weiterhin keine Entschädigung für Kunden, daher kommt es zu Zusammen-
schlüssen von Geschädigten auf der Website www.myright.de, um gemeinsam durch eine
Sammelklage Wiedergutmachungsleistungen einzufordern.45
Das Jahr 2017 erweist sich als ebenso turbulent wie die vergangenen Jahre seit Bekannt-
werden des Skandals.
Abbildung 6: Google Trends: Ergebnisse 2017.
Quelle: Analyse mit https://www.google.at/trends/, [Stand: 3. August 201]
44 Vgl. Shz.de (2016), [online].
45 Vgl. Spiegel Online (2017a), [online].
5 Ergebnisse
28
Bereits Anfang Januar verklagt MyRight den Konzern im Namen von 100.000 betroffenen
Fahrzeugbesitzern. Die deutschen Kunden fühlen sich übergangen, da Volkswagen einzig
die betroffenen Fahrzeuge umrüstete, was sich allerdings laut Forschungsberichten negativ
auf den Wert, sowie Kraftstoffverbauch und Leistung der Autos auswirken könnte. Sollte
MyRight vor Gericht gewinnen, könnten sich die Schadensersatzzahlungen auf viele Milli-
arden Euro belaufen, außerdem könnten weitere Klagen folgen. Nachdem der Volkswa-
genkonzern in den USA bereits extrem hohe Forderungen begleichen musste, wurden für
den europäischen Markt keine dementsprechenden Rückstellungsposten in der Bilanz ge-
bildet.46 Am 9. Januar 2017 wird ein VW-Manager vom FBI festgenommen. Er steht in
Verdacht, einer der Drahtzieher rund um den Dieselskandal in den USA zu sein. Den Ma-
nager erwartet eine Gefängnisstrafe von bis zu 169 Jahren. Weitere Klagen gegen das ame-
rikanische Konzernmanagement gehen im Januar bei den US-Gerichten ein. Unter ande-
rem steht auch der Audi-Chef Rupert Stadler unter Verdacht, von der Manipulationssoft-
ware gewusst zu haben.47 Das Suchinteresse zeigt sich fast für den gesamten Monat
gleichbleibend hoch, bevor es im Februar allmählich fällt. Ein steigender Trend ist erst
wieder ab Mitte April 2017 zu beobachten.
Der Peak um den 17. April 2017 dürfte aber wahrscheinlich lediglich auf den Geburtstag
des einstigen Vorstandsvorsitzenden des Volkswagenkonzerns, Ferdinand Piëch, zurückzu-
führen sein, der an diesem Tag 80 wurde. Im Februar 2017 behauptete Piëch im Zuge des
Abgasskandals vor Gericht, dass das VW-Topmanagement, darunter Martin Winterkorn
und Wolfgang Porsche, bereits vor Bekanntwerden des Skandals von den Manipulationen
wussten.48 Am 16. Juni 2017 stellt der VW-Konzern eine Neuversion des Polos vor, wel-
cher neben Benzin auch mit einer dieselbetriebenen Maschine ab Herbst 2017 erhältlich
sein wird. Um dem Abgasskandal entgegenzuwirken, verkündet der Konzernvorstand Plä-
ne, in den nächsten Jahren den Schwerpunkt verstärkt auf den Verkauf von Elektroautos
legen zu wollen.49 Einen Tag zuvor, am 15. Juni 2017, kommt es zu einer Übereinkunft
zwischen der Europäischen Union und VW rund um die ausbleibenden Zahlungen für Ge-
schädigte in der EU. Das Übereinkommen sieht keine Entschädigungszahlungen vor, aller-
dings soll Volkswagen das Vertrauen der Kunden durch das Ausstellen einer zweijährigen
46 Vgl. Spiegel Online (2017c), [online].
47 Vgl. Spiegel Online (2017a), [online].
48 Vgl. Frankfurter Allgemeine (2017a), [online].
49 Vgl. Frankfurter Allgemeine (2017b), [online].
5 Ergebnisse
29
Gewährleistung auf die im Zuge der Umbauten getauschten Autoteile zurückgewinnen.
Zuvor waren von den Behörden Schadensersatzzahlungen, vergleichbar mit denen in den
USA, gefordert worden. Allerdings hätte die Höhe dieser Zahlungen das Fortbestehen des
Unternehmens, laut Meinungen von Sachverständigen, gefährden können. Waren in den
USA lediglich 500.000 Autos mit der Manipulationssoftware ausgestattet worden, sind es
in Europa 8,5 Millionen Fahrzeuge. Während sich die Kosten in den USA auf 10 Milliar-
den Dollar beliefen, hätten Wiedergutmachungsleistungen auf Grund der enormen Anzahl
an Geschädigten in Europa diese Summe um ein Vielfaches übertroffen.50
Mitte Juni 2017 gibt das FBI bekannt, weltweit nach fünf ehemaligen VW-Managern zu
suchen, die in den Skandal verwickelt waren. Sie erwartet eine langjährige Gefängnisstrafe
in Amerika. Die deutschen Behörden allerdings weigern sich, die gesuchten Männer an die
USA auszuliefern, da gesetzliche Bestimmungen dies verbieten würden.51 Der nächste
Peak im Google Trends Liniendiagramm ergibt sich für den 10. Juli 2017. Zu dieser Zeit
kommen Vorwürfe ans Licht, dass der zurückgetretene Chef des VW-Konzerns, Martin
Winterkorn, im Zuge der amerikanischen Nachforschungen verdächtigt wird, vom Abgas-
betrug gewusst und angeordnet zu haben, den Einsatz der Manipulationssoftware geheim
zu halten.52 Am Montag, den 24. Juli 2017, wird bekannt, dass eine Aufsichtsratssitzung
für den 26. Juli 2017 von VW geplant sei, wo die einige Tage zuvor an die Öffentlichkeit
durchgesickerten Beschuldigungen besprochen werden sollen, es hätte Kartellabsprachen
zwischen VW und den Autoherstellern Audi, BMW, Daimler und Porsche hinsichtlich der
Entwicklung von Kraftfahrzeugen, Taktiken zur Marktbearbeitung und Lieferanten gege-
ben. Die zuständigen europäischen Behörden haben einer deutschen Zeitung gegenüber
bejaht, dass Ermittlungen zur Aufklärung dieser Absprachen bereits im Gange seien. Diese
Medienberichte veranlassen ein sofortiges Sinken der Aktienkurse der genannten Fahr-
zeughersteller an der deutschen Börse. Unter anderem sollen die geheimen Vereinbarungen
der Autobauer auch der Auslöser für den Dieselskandal sein. Sollten sich die Kartellvor-
würfe bewahrheiten, wären tausende Arbeitsplätze in Gefahr. Auch die deutsche Wirt-
schaft würde unter den Folgen zu kämpfen haben. In Deutschland generieren die fünf ge-
nannten Fahrzeughersteller ungefähr 23% der Umsätze aller dortiger Industrien zusammen.
50 Vgl. Frankfurter Allgemeine (2017c), [online].
51 Vgl. Frankfurter Allgemeine (2017d), [online].
52 Vgl. Deutsche Wirtschafts Nachrichten (2017a), [online].
5 Ergebnisse
30
Ca. 1300 Firmen sind im Kraftfahrzeugbereich tätig, mit rund 800.000 Mitarbeitern. Ein
Fünftel des deutschen Exportvolumens sind Autos sowie damit in Verbindung stehende
Bauteile.53 Der Fahrzeugproduzent Daimler erstattet am selben Tag, an dem zum ersten
Mal von den Kartellabsprachen berichtet wird, Anzeige gegen sich selbst. Dadurch erhofft
sich der Firmenvorstand, dass das Unternehmen von einer Strafzahlung verschont bleibt.54
Am 27. Juli 2017 gibt Volkswagen bekannt, weitere 1,5 Millionen Autos mit Dieselmoto-
ren umrüsten zu wollen, um die Emissionen zu senken. Dies erhöht die Zahl der Umbauten
auf 4 Millionen.55
Auch Ende Juli 2017 ist Volkswagen weiterhin in den Schlagzeilen, der Dieselskandal
scheint sich auch auf andere Hersteller auszuweiten. Neben den Anschuldigungen rund um
die Manipulationen, kommen noch weitere Vorwürfe hinzu. Der Volkswagenkonzern soll
in den Jahren um 1970 mit der Militärdiktatur in Brasilien zusammengearbeitet und dabei
geholfen haben, Widerstandskämpfer auszuforschen und zu jagen.56 Im Juni und Juli 2017
ist der Volkswagenkonzern fast täglich im Mittelpunkt der medialen Berichterstattung.
Dies wirkt sich auch auf die Suchanfragehäufigkeiten und damit auf den Verlauf des
Google Trends Liniendiagramms aus, das in diesen Monaten einen Anstieg aufweist. Der
Skandal ist zum Zeitpunkt des Verfassens dieser Arbeit (August 2017) noch immer im
Gange.
5.2 Diskussionen auf Social Media
In diesem Abschnitt der Arbeit soll der Shitstorm auf sozialen Netzwerken mittels IBM
Watson Analytics for Social Media untersucht werden. Für eine genaue Analyse ist es not-
wendig, vorab die richtigen Grundeinstellungen zu wählen. Mehrere Male mussten Vor-
analysen durchgeführt und die vorläufigen Resultate auf Social Media Posts, die nicht mit
der Thematik in Verbindung stehen, geprüft werden. Die nicht mit dem Skandal zusam-
menhängenden Einträge wurden aus der Analyse mittels Ausschluss von Schlüsselwörtern
während mehreren neuerlichen Dateneingaben entfernt. Dieser Vorgang wurde so lange
wiederholt, bis sich die im folgenden Teil genau beschriebenen Grundeinstellungen für die
53 Vgl. Deutsche Wirtschafts Nachrichten (2017b), [online].
54 Vgl. Zeit Online (2017), [online].
55 Vgl. Handelsblatt (2017a), [online].
56 Vgl. Spiegel Online (2017d), [online].
5 Ergebnisse
31
Untersuchung des Skandals mittels IBM Watson Analytics for Social Media ergaben. Zum
besseren Verständnis soll die genaue Vorgangsweise der Eingabe dieser Grundeinstellun-
gen in diesem Kapitel genau beschrieben werden.
5.2.1 Eingabe der Grundeinstellungen zur Analyse der Entwicklungen von
Diskussionen auf sozialen Netzwerken
Um Diskussionen auf sozialen Netzwerken mittels Watson Analytics for Social Media zu
analysieren, muss zunächst die Seite http://watson.analytics.ibmcloud.com/ im Browser
aufgerufen werden. Danach muss im Drop-down-Menü im linken oberen Teil der Ansicht
IBM Watson Analytics for Social Media ausgewählt werden. Hier kann nun ein neues Pro-
jekt angelegt werden. Dies erfolgt, wie in Abbildung 8 ersichtlich, durch Klicken auf ,,New
project“.
Abbildung 7: Watson: neues Projekt anlegen
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
5 Ergebnisse
32
Innerhalb dieses Projekts werden bestimmte Oberbegriffe, sogenannte Topics, ausgewählt.
Sie definieren, welche Einträge aus den sozialen Netzwerken für die Analyse herangezo-
gen werden. Untersucht werden nur Posts, die mindestens eines der Topics beinhalten.
Die korrekte Wahl dieser Schlüsselwörter ist von großer Wichtigkeit. Da es Ziel dieser
Arbeit ist, Shitstorms auf sozialen Netzwerken zu verfolgen und abzubilden, müssen Aus-
drücke gewählt werden, die im Allgemeinen nicht sofort mit einem Shitstorm assoziiert
werden, aber dennoch mit der Affäre in Verbindung stehen. Da Begriffe wie Dieselaffäre
oder Dieselgate negativ behaftet sind und damit das Ergebnis verzerren könnten, da
dadurch nur negative Posts in die Analyse miteinbezogen werden, wurde darauf geachtet
möglichst neutrale Topics zu wählen. Diese sind:
VW , Audi, Porsche
Diese drei Automarken sind zwar vom Skandal betroffen, allerdings lassen sie nicht gleich
auf ein negatives Feedback schließen. Abbildung 9 stellt die Eingabe der Topics dar.
Abbildung 8: Watson: Auswahl der Topics
Quelle: : Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
Obwohl Modelle von Seat und Skoda ebenfalls mit der Manipulationssoftware ausgestattet
wurden, werden diese von der Analyse ausgeschlossen. Grund dafür ist, dass die beiden
5 Ergebnisse
33
genannten Automarken nicht auf dem amerikanischen Markt verkauft werden. Ziel dieser
Analyse ist es aber, einen möglichst globalen Überblick über die Auswirkungen des Skan-
dals auf die Diskussionen in sozialen Netzwerken zu geben. Dies kann nur durch eine
Auswahl von Automodellen gewährleistet werden, die weltweit vom Dieselskandal betrof-
fen sind. Zudem kommt es zusätzlich zu Verzerrungen der Ergebnisse, wenn Watson, Seat
in die Analyse miteinbezieht. Seat bedeutet im Englischen Sitz. Trotz aller Versuche,
durch Exklusionen die Daten nur auf die mit dem Skandal in Zusammenhang stehenden
Einträge zu beschränken, erwies es sich als äußerst schwierig, Diskussionen über Autositze
aus den Resultaten herauszufiltern, wenn die Sprachauswahl Englisch aktiviert war.
Nachdem die Topics ausgewählt wurden, können diese durch Klicken auf ,,Topic
keywords“ genauer definiert werden.
Abbildung 9: Watson: Filtern der Topics
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
Wie in Abbildung 10 dargestellt, kann unter diesem Menüpunkt ausgewählt werden, wel-
che Suchbegriffe etwa ausgeschlossen und welche inkludiert werden sollen. Außerdem
können Wörter hinzugefügt werden, die im Kontext zu den Topics stehen. Dadurch wird
eine genauere Analyse ermöglicht, da Doppeldeutigkeiten vermieden werden können. Die
5 Ergebnisse
34
,,Context keywords“ werden in Form des Booleschen Operatoren AND in die Suche mit-
einbezogen.
Im rechten Teil der Darstellung zeigt Watson bereits in den Anfängen der Analyse seine
kognitive Intelligenz. Der Supercomputer schlägt Begriffe vor, die mit den Topics in Ver-
bindung stehen. Um ein genaueres Suchergebnis zu erzielen, lohnt es sich, diese Vorschlä-
ge näher zu betrachten und gegebenenfalls Wörter von der Analyse auszuschließen oder in
den Kontext mit einzubeziehen. Die ,,Topic Keywords“ erlauben eine Erweiterung der
Topics durch ein Hinzufügen von Begriffen, die ebenfalls in die Analyse des Oberbegriffes
miteinbezogen werden sollen. Allerdings scheint eine separate Auswertung der einzelnen
Stichwörter in den Ergebnissen nicht auf. Sie tragen lediglich zur Datengewinnung bei und
haben dadurch Einfluss auf das Gesamtresultat für das jeweilige Topic.
Für das Themengebiet VW wurden für die ,,Topic Keywords“ folgende Schlagworte aus-
gewählt, die sich aus den betroffenen Modellen, sowie den damit in Zusammenhang ste-
henden Hashtags ergeben:
Jetta, Golf, Passat, Beetle, Polo, Volkswagen, #vwgolf, #vwpassat, #vwbeetle, #vwpolo,
#vwjetta
Auch diese Schlagworte lassen sich nicht sofort mit einem Shitstorm in Verbindung brin-
gen, allerdings werden sie mit dem Skandal assoziiert. Die spätere Analyse wird zeigen,
wie über die genannten Synonyme diskutiert wird.
Um die ,,Topic keywords“ für die Untersuchung in Kontext mit dem Autohersteller zu
bringen, ergeben sich für die ,,Context keywords“ folgende Begriffe:
Vehicle, Vehicles, Car, Cars, Auto, Autos, Diesel, Autohersteller, Automobile manufactur-
er, Automobile manufacturers, Company, Companies
Damit die Analyse ein genaueres Ergebnis liefert, werden Wörter exkludiert, um Doppel-
deutigkeiten zu vermeiden. Die Gründe für den Ausschluss der Begriffe werden gemein-
sam mit den Schlagwörtern hier nun kurz aufgelistet:
Sport, Sports, Tournament: Golf, sowie Polo könnten auch im Bereich des Sports
diskutiert werden.
5 Ergebnisse
35
Weather, Wetter, Wind: Passat ist neben dem Automodell auch die Bezeichnung
für ein Windsystem.
Insects, insect, animal, animals, bug, bugs: Beetle ist das englische Wort für Käfer.
Shirt, Fashion, Clothes, Kleidung, Ralph Lauren, Marco: Der Begriff Polo erlangte
nicht nur Berühmtheit wegen des Händlers Marco Polo. Er steht auch in Verbin-
dung mit dem Polo Shirt und der Marke Ralph Lauren.
Grauchtwagen, Lemon, Tesla: Diese Schlagworte beziehen sich auf die von Watson
vorgeschlagenen Begriffe, die gemeinsam mit den Topics in Einträgen diskutiert
werden, allerdings keinen Bezug zum Volkswagenkonzern haben. Lemon und Ge-
brauchtwagen werden meist in Zusammenhang mit dem Verkauf von Autos aus
zweiter Hand verwendet. Tesla ist eine eigenständige Automarke, die keinerlei
Verbindung zum Dieselskandal aufweist.
Für das Definieren des Themengebietes Audi werden die gleichen Schritte wie zuvor schon
für VW durchgeführt.
Die ,,Topic Keywords“ sind hier wiederrum die betroffenen Automodelle:
A3, A5, A6, Q5
Die Kontextwörter bleiben die gleichen, wie sie schon für das Topic VW ausgewählt wur-
den.
Wiederum müssen gewisse Begriffe von der Suche ausgeschlossen werden, um sicherzu-
stellen, dass sich die analysierten Daten nur auf den Autohersteller beziehen:
Highway, Autobahn: A3 bezeichnet mehrere Autobahnen in Europa, genauso wie
A5 und A6.
Samsung: A3 ist der Name eines Modells des Telefonherstellers.
Maserati: A6 bezeichnet ebenfalls ein Automodell des italienischen Autoherstel-
lers.
Für den Themenbereich Porsche wird bei den ,,Topic Keywords“ das einzige Modell ge-
wählt, das von der Dieselaffäre betroffen ist:
5 Ergebnisse
36
Cayenne
Für die Kontext-Schlüsselwörter werden die gleichen wie schon zuvor bei den anderen
Themenbereichen gewählt. Ausgeschlossen von der Analyse sind:
Chilli, Spices: Cayenne steht auch für ein Gewürz.
Boxster, 911, Cayman, Carrera, Panamera, 918, Macan: andere aktuelle und belieb-
te Porschemodelle, die nicht vom Skandal betroffen sind, aber oft gemeinsam mit
Cayenne diskutiert werden. Dies zeigen die durch Watson generierten Vorschläge.
Nachdem nun die Hauptkategorien definiert wurden, müssen im nächsten Schritt die The-
mes bestimmt werden. Themes können als Attribute betrachtet werden, nach denen eine
Aufspaltung der Topics erfolgt. Sie sind eine Art Teilbereich zu den Hauptthemengebieten,
kommen aber erst nach der Untersuchung zum Tragen und geben mehr Informationen über
die vorher definierten Topics hinsichtlich der für sie festgelegten Begriffe wieder. Dadurch
kann ausgewertet werden, wie oft und in welchem Zusammenhang die für die Themes de-
finierten Begriffe gemeinsam mit den Topics diskutiert werden.
Themes haben weder Einfluss auf die zu untersuchenden Daten noch auf das Ergebnis.
Dies erlaubt auch die Auswahl von möglicherweise negativ behafteten Wörtern ohne dabei
das Resultat zu verzerren. Durch den Einsatz von Themes kann herausgefunden werden,
welche Meinungen User von sozialen Netzwerken über die definierten Schlagwörter in
Zusammenhang mit den Topics vertreten.
Das Definieren der Themes erfolgt nach dem gleichen Schema wie schon bei den Topics.
Zuerst müssen Oberbegriffe ausgewählt und in einem weiteren Schritt dann näher definiert
werden. Wiederum können bestimmte Wörter von der Analyse ausgeschlossen, inkludiert
oder durch den Booleschen Operator AND in Kontext gebracht werden. Es wurden fol-
gende Oberbegriffe ausgewählt:
Dieselaffäre, Schadensersatzzahlung, Rückruf
Abbildung 11 stellt die Eingabe der Themes dar.
5 Ergebnisse
37
Abbildung 10: Watson: Auswahl der Themes
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
Wieder kann durch Klicken auf ,,Theme keywords“ , in einem gleichen Verfahren wie bei
den Topics, eine Filterung durchgeführt werden.
Abbildung 11: Watson: Filtern der Themes
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
5 Ergebnisse
38
Wie in Abbildung 12 dargestellt, wurden für den Begriff Dieselaffäre die folgenden Syno-
nyme hinzugefügt:
Dieselskandal, Abgasskandal, Abgasaffäre, Emissiongate, Emissions Scandal, Emissions,
Emissionen, Schadstoffausstoß, Abgase, Stickoxid, Emission, Manipulation, VW Scandal,
Diesel, Scandal, CO2
Bei der Auswahl wurde darauf geachtet, auch englische Wörter zu inkludieren, da die Ana-
lyse in zwei Sprachen erfolgt. Da die Themes ohnehin immer in Zusammenhang mit den
Oberbegriffen stehen, müssen in diesem Fall keine Wörter von der Untersuchung ausge-
schlossen oder mit den Schlüsselwörtern verknüpft werden.
Im Zusammenhang mit Schadensersatzzahlung wurden folgende Synonyme für sinnvoll
erachtet:
Wiedergutmachungsleistung, Schadensersatz, Entschädigung, Wiedergutmachungszah-
lung, Compensation, Claims, Civil Fine, Civil Fines, Settlement
Synonyme für Rückruf, die in die Auswertung miteinbezogen werden, sind:
Rückrufaktion, Umbau, Nachrüsten, Umrüsten, Recall, Refit
Nach diesen Basiseingaben muss ein Untersuchungszeitraum gewählt werden.
Um einen besseren Überblick zu erhalten, wird dieser zunächst für den gesamten Zeitraum
des Skandals, vom 1. September 2015 bis hin zum 1. August 2017, festgesetzt. Die beo-
bachtete Periode orientiert sich auch an der Google Trends Analyse, die sich vom 1. Juli
2015 bis 1. August 2017 erstreckt. Allerdings erlaubt Watson nur einen Zugriff auf Daten
aus den letzten zwei Jahren, daher kann zum jetzigen Zeitpunkt (August 2017) der 1. Juli
nicht mehr ausgewählt werden.
Auch die in späteren Analysen betrachteten Untersuchungsperioden sollen sich an der
Google Trends Auswertung orientieren. Durch dieses Vorgehen können Shitstorms, die mit
bestimmten Ereignissen im Verlauf des Skandals in Zusammenhang stehen, ausfindig ge-
macht werden. Außerdem könnte eine Verbindung zwischen Peaks bei Suchanfragehäufig-
keiten und Shitstorms auf sozialen Netzwerken hergestellt werden.
5 Ergebnisse
39
Die Eingabe des Analysezeitraum ist in Abbildung 13 ersichtlich.
Abbildung 12: Watson: Auswahl des Analysezeitraums
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
Als nächster Schritt erlaubt IBM Watson Analytics for Social Media eine Auswahl an Spra-
chen. Dies ist in Abbildung 14 dargestellt.
Abbildung 13: Watson: Auswahl der Sprachen.
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
5 Ergebnisse
40
Für die Analyse werden mittels Anklicken des Kontrollkästchens Deutsch und Englisch
aktiviert. Diese Wahl resultiert daraus, dass der Skandal im deutsch- und englischsprachi-
gen Raum für das meiste Aufsehen sorgt.
Zuletzt müssen noch die Quellen ausgewählt werden. Für die Analyse werden die folgen-
den herangezogen:
Facebook, Twitter, Foren, Blogs
Wie in Abbildung 15 dargestellt, erfolgt die Auswahl wiederum durch Aktivierung des
Kontrollkästchens.
Abbildung 14: Watson: Auswahl der Quellen.
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 5. August 2017].
5.2.2 Ergebnisse der Analyse
Nachdem die Grundeingaben festgelegt wurden, führt Watson mit einem Klick auf ,,Create
Data Set“ die Analyse durch. Die Resultate werden in den folgenden Unterkapiteln nun
näher beschrieben, ausgewertet und erklärt. Zusätzlich sollen zum besseren Verständnis
5 Ergebnisse
41
des komplizierten Tools Hintergrundinformationen zu den Ergebnisberichten gegeben und
Funktionen erklärt werden.
5.2.2.1 Topics
Als erstes Resultat der Untersuchung stellt Watson das ,,Share of voice trend“- Diagramm
dar. Dieses zeigt, an welchen Tagen die meisten Erwähnungen in Einträgen der vorher
definierten Stichwörter (Topics) erfolgten. Für die fertige Analyse ergibt sich das in Abbil-
dung 16 dargestellte Ergebnis.
Abbildung 15: Watson: Ergebnisse Topics
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Links oben gibt Watson die Anzahl der untersuchten Beiträge an. Für die ausgewählten
Topics sind dies 12.879 ,,Total documents“. Die Nummer setzt sich zusammen aus der
Summe einzelner Blog Posts, Tweets, Facebook-Einträgen und dergleichen, in denen die
Schlagworte mindestens ein Mal erwähnt werden. Gleich rechts daneben findet sich die
,,Number of mentions“ von 16.541. Sie basiert darauf, wie oft die analysierten Begriffe
insgesamt erwähnt wurden. Werden beispielsweise zwei Stichwörter in einem Social Me-
dia Eintrag genannt, bedeutet dies eine ,,Number of mentions“ von zwei. In diesem Zu-
sammenhang ist zu erwähnen, dass die für diese Arbeit genutzte Testversion von Watson
lediglich die 25.000 relevantesten Mentions für die Analyse heranzieht.
5 Ergebnisse
42
In der Mitte der Ergebnisansicht findet sich eine Navigationsleiste, durch die mit Hilfe
eines Drop-down-Menüs ausgewählt werden kann, welche Auswertung Watson darstellen
soll. Die Resultate der Analyse nach Topics werden als mehrfarbiges Liniendiagramm aus-
gegeben. Die drei Farben stehen, wie Abbildung 16 entnommen werden kann, für die vor-
definierten Schlüsselbegriffe: Audi, Porsche, VW.
Das Diagramm zeigt einen klaren Anstieg der Anzahl an Erwähnungen zwischen dem 19.
und 22. September 2015. Dies stimmt sehr gut mit der zuvor durchgeführten Google
Trends Analyse überein, wo es ebenfalls zu einer Zunahme der Suchanfragehäufigkeiten in
diesem Zeitraum kam. Auslöser hierfür waren wohl, wie in Abschnitt 5.1 bereits ausführ-
lich beschrieben, die ersten medialen Berichte über den Skandal. Wie aus dem ,,Share of
vioce trends“-Diagramm hervorgeht, steigt vorerst nur die Zahl der Einträge, die das Topic
VW beinhalten an. Dies ist damit zu erklären, dass die Manipulationsvorwürfe zunächst nur
Volkswagen betrafen.
Durch Klicken auf einen der Peaks des Liniendiagrammes ermöglicht Watson im linken
Teil des Ergebnisfensters unter der Bezeichnung Mentions genauere Einblicke in die Dis-
kussionen in den sozialen Netzwerken über das entsprechende Topic. Die in Abbildung 16
angezeigten Beiträge wurden am 22. September 2015 in der Kategorie VW verfasst. Die
meisten davon kommen von der Plattform Twitter. Dies ist an dem Unternehmenslogo in
Form eines Vogels rechts oben neben dem Beitrag erkennbar. In einem Großteil der Posts
wird der Dieselskandal diskutiert.
Die farbigen Markierung am rechten Rand der Einträge stellen eine Auswertung nach
Stimmung dar. Rot bedeutet, der Inhalt des Posts wurde von Watson für negativ erachtet.
Werden mehr positive Ausdrücke als negative in einem Beitrag gefunden, ist die Markie-
rung grün. Grau gekennzeichnet sind Posts, die als neutral gelten. Findet sich die gleiche
Anzahl an negativen und positiven Ausdrücken in einem Eintrag, ist dieser mit einer oran-
gen Linie markiert. Wird der Mauszeiger über den jeweiligen Eintrag geführt, unterstreicht
Watson die negativen bzw. positiven Aussagen im Text. Mit dieser Methode kann die
Auswertung auf Fehlerhaftigkeiten geprüft werden. Ist etwa eine Wortverbindung als nega-
tiv markiert, die aber positiv ist, kann diese durch einen Linksklick von der Untersuchung
ausgeschlossen werden.
Zusätzlich hilft die Mentions-Anzeige auch bei der Eingabe der Daten (Topics) vor der
Untersuchung. Durch mehrmalige Durchführung der Analyse und Lesen der Einträge
5 Ergebnisse
43
konnten Doppeldeutigkeiten der für die Topics verwendeten Schlagworte ausfindig ge-
macht und von der Auswertung ausgeschlossen werden.
Wie aus dem Liniendiagramm in Abbildung 16 abgelesen werden kann, finden sich zum
Topic VW über den gesamten Zeitraum des Skandals Posts auf sozialen Netzwerken. Beim
Lesen der Mentions für verschiedenen Peaks der Kurve wird ersichtlich, dass sich die Ein-
träge auf die Dieselaffäre beziehen. Für die Marken Porsche und Audi kommt es erst Mitte
Juli zu einer Zunahme an Erwähnungen. Werden diese ebenfalls mit Hilfe der Mentions-
Funktion ausgewertet, lässt sich erkennen, dass die Diskussionen ebenso mit dem Skandal
sowie den damit in Verbindung stehenden Rückrufen zusammenhängen. Auch dieser An-
stieg ist wieder vergleichbar mit dem Anstieg der Suchanfragehäufigkeiten, die mit Google
Trends in Kapitel 5.1 ausgewertet wurden. Durch Scrollen mit dem Mausrad kann in das
Diagramm hineingezoomt werden. Das ermöglich die nähere Analyse bestimmter Zeiträu-
me.
Die ,,Share of voice“-Leiste im unteren Bereich des Ergebnisfensters zeigt an, wie oft das
jeweilige Topic in Beiträgen erwähnt wird, die in der betrachteten Zeitspanne verfasst
wurden. Hier zeigt sich, dass zu VW deutlich mehr gepostet wurde als zu Audi oder Por-
sche. Insgesamt 9.736mal wurde VW erwähnt, das sind annähernd 58,9% von der Gesamt-
anzahl von 16.541 Nennungen. Audi wurde 4.065 (24,6%), Porsche 2.740mal (16,6%)
genannt. Wiederum öffnet sich durch einen Klick auf die ,,Share of voice“-Leiste das Men-
tions-Fenster und zeigt die relevantesten Beiträge zum ausgewählten Topic an.
Ganz unten in der Ergebnisanzeige findet sich eine blaue Menüleiste. Hier können für ge-
nauere Analysen der Topics zusätzliche Filter, wie Sentiment, Sprachen etc., ausgewählt
werden. Um den Verlauf der negativen Posts zu den drei Autoherstellern anzuzeigen, muss
in der erwähnten Menüleiste ,,Sentiment“ und ,,negative“ ausgewählt werden. Dadurch
werden im Diagramm, wie der Abbildung 17 entnommen werden kann, nur die kritischen
Kommentare angezeigt.
5 Ergebnisse
44
Abbildung 16: Watson: Ergebnisse Topics, Sentiment
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Die Anzahl der ,,Total documents“ hat sich durch die Sentimentanalyse auf 3.280, die der
,,Total Mentions“ auf 3.692, reduziert. Dies bedeutet, dass die Inhalte von rund 25,5% aller
Posts, die sich auf die Volkswagen AG beziehen, und 22,3% der Erwähnungen ablehnend
gegenüber dem Konzern sind. Ganz klar zu erkennen ist der Anstieg der negativen Kom-
mentare im Zusammenhang mit dem Topic Volkswagen Mitte September 2015, als der
Skandal bekannt wurde, und ein weiterer Anstieg im Juli 2017.
Die meisten negativen Kommentare werden im Zusammenhang mit Volkswagen gepostet.
In Tabelle 1 können die genauen Auswertungen abgelesen werden.
VW Audi Porsche
Mentions 9736 4065 2740
Mentions % 58,9% 24,6% 16,6%
Neg. Mentions 2482 663 547
Neg. Mentions % 25,5% 16,3% 20,0%
Tabelle 1: Prozentuelle Auswertung: Ergebnisse, Topics, Sentiment
Quelle: Microsoft Excel, eigene Darstellung der Resultate der Watson Analyse.
5 Ergebnisse
45
25,5% aller Mentions des Topics VW sind über den gesamten Verlauf des Skandals nega-
tiv. Bei Porsche sind es 20%. Die Marke Audi wird am positivsten angesehen, der Anteil
der negativen Posts an der Gesamtanzahl aller Posts für das Topic liegt bei 16,3%.
Im nächsten Schritt soll das ,,Share of voice trend“-Diagramm nun auf Ereignisse im Ver-
lauf des Dieselskandals näher untersucht werden. Besonders interessant ist hier eine Aus-
wertung des Anteils an negativen Kommentaren für die betrachteten Zeitabschnitte. Hier-
für muss in Kapitel 5.1 nachgelesen werden, wann besondere Wendungen im Fall Volks-
wagen AG stattfanden. Da Watson als Ergebnis der Analyse immer nur absolute Zahlen
anzeigt, muss, bevor das ,,Sentiment“ auf negativ gestellt wird, auch eine Auswertung aller
Posts (positiv, negativ, ambivalent, neutral) für die untersuchte Periode erfolgen. Nur so
können die Zahlen verglichen werden. Hierfür muss zunächst im unteren Menüband
,,Dates“ ausgewählt werden. Zunächst wird der Anfangszeitraum abgebildet. Dafür werden
die Daten auf 1. September 2015 bis 1. Januar 2016 festgelegt. Für den ausgewählten Zeit-
raum ergibt sich die in Abbildung 18 dargestellte Kurve.
Abbildung 17: Watson: Ergebnisse, Topics, 2015
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Da Watson nur die für ihn am relevantesten erachteten Beiträge zur Analyse heranzieht,
werden trotz Festsetzung einer Periode bis 1. Januar 2016, nur Einträge für den September
2015 dargestellt. Für Watson sind Posts, die während des restlichen Jahres 2015 entstanden
5 Ergebnisse
46
sind im Vergleich zu denen, die im September gepostet wurden, vernachlässigbar. Um
auch diese Posts darzustellen, muss eine erneute Analyse für den Zeitraum nach dem Sep-
tember 2015 erfolgen. Diese Untersuchung wird in einem nächsten Schritt durchgeführt.
An dieser Stelle werden nun die Auswertungen für September 2015 besprochen.
VW steht im Mittelpunkt der Diskussionen, insgesamt wird das Topic 2.212mal erwähnt.
Ab 20. September 2015 kann eine starke Zunahme an Mentions beobachtet werden. Diese
Zunahme ist identisch mit dem Anstieg der Suchanfragehäufigkeiten, die mittels Google
Trends in Kapitel 5.1. ausgewertet wurden. Auch der Peak am 23. September 2015 stimmt
mit der Trends Analyse überein.
Als nächster Schritt wird nun eine Sentimentanalyse durchgeführt. Nach Auswahl der
Funktion ,,Sentiment“ und ,,negative“ in der unteren Menüleiste werden nur noch die nega-
tiven Kommentare für die untersuchte Periode angezeigt.
Abbildung 18: Watson: Ergebnisse, Topics, Sentiment, 2015
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
770mal wird das Topic VW in einem negativen Zusammenhang zu Beginn des Skandals
genannt (im Vergleich zu 2212mal vor der Sentimentanalyse), was bedeutet, dass 34,8%
dieser Einträge dem Shitstorm gegenüber der Automarke zuordenbar sind. Die Anzahl der
,,Total mentions“ hat sich nach der Sentimentanalyse von 2.822 auf 825 reduziert, das
5 Ergebnisse
47
heißt, dass 29,23% der Gesamtposts für den betrachteten Zeitraum negativ sind. Der Ver-
lauf der Kurve ähnelt extrem dem Liniendiagramm der Google Trends Suchanfragehäufig-
keiten für die untersuchte Periode, welches in Abbildung 4 dargestellt wird.
Der Anzahl der kritischen Kommentare bei Audi beläuft sich auf 38. Bezugnehmend auf
die Gesamtanzahl an Posts zur Automarke im betrachteten Zeitraum von 372, sind das nur
10,2%. Porsche wird insgesamt 238mal erwähnt, davon sind nur 17 Einträge negativ, was
einen Anteil von 7,2% ergibt. Zu Beginn des Skandals waren diese beiden Autohersteller
laut Pressemeldungen noch nicht in die Affäre verstrickt.
Wie bereits beschrieben, ist der Grund, warum die Kurve nur bis 30. September angezeigt
wird, dass die restlichen Posts des Jahres 2015, im Vergleich zum Peak im September, von
Watson nicht als relevant genug eingestuft wurden. Daher finden sich für den Zeitraum
Oktober 2015 bis Januar 2016 auch keine Mentions. Um diese Mentions anzeigen zu kön-
nen, muss das Datum in der Konfiguration des Datasets geändert und eine neue Analyse
extra für die Periode 30. September 2015 bis 1. Januar 2016 durchgeführt werden. Da die
kostenlose Testversion von Watson pro Analyse immer die 25.000 relevantesten Doku-
mente untersucht, ergeben sich für diese Periode 2.790 Mentions vor und 680 nach der
Sentimentanalyse. Damit liegt der Anteil der negativen Posts bei 24,4%.
Abbildung 19: Watson: Ergebnisse, Topics, Sentiment, September 2015 bis Januar 2016
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 8. August 2017].
5 Ergebnisse
48
Weiterhin wird in erster Linie negativ über Volkswagen diskutiert, allerdings steigt der
Anteil der kritischen Meinungen über Audi auf 10,9%, der über Porsche sogar auf 12,8%.
Die negativen Meinungen über Volkswagen gehen in dieser Periode etwas zurück, auf
28,4% aller Posts. Genaue Angaben zur Berechnung der Anteile finden sich in Tabelle 2
am Ende dieses Kapitels.
Zum größten Peak in der untersuchten Periode kommt es zwischen 7. und 8. Oktober 2016,
wobei ab dem 5. Oktober ein starker Anstieg der negativen Posts zu beobachten ist. Dies
ist interessant, da sich die Google Trends Kurve ähnlich verhält. Auch hier kann ein An-
stieg ab dem 5. Oktober 2015 beobachtet werden, ebenfalls am 8. Oktober 2015 kommt es
zu einem Peak. Im Zuge der Trends Analyse wurde festgestellt, dass in diesem Zeitraum
der Volkswagenkonzern verkündete, betroffene Fahrzeuge zurückzurufen und umbauen zu
wollen. Werden nun die Mentions am 8. Oktober 2015 betrachtet, findet sich genau dieses
Thema in den Posts auf sozialen Netzwerken. Wie schon in Google Trends, kommt es auch
am 15. Oktober zu einem Peak im ,,Share of voice trend“-Diagramm. Als Grund dafür
kann nach dem Lesen der Posts im Mentions-Fenster ebenfalls der Rückruf von mehreren
Millionen betroffener Fahrzeuge genannt werden.
Da sich bis Anfang Juni 2016 keine besonderen Peaks abzeichnen, wird der nächste zu
analysierende Zeitraum für 1. Juni 2016 bis 1. Januar 2017 festgelegt.
Abbildung 20: Watson: Ergebnisse, Topics, Sentiment, Juni 2016 bis Januar 2017
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 8. August 2017].
5 Ergebnisse
49
Der Peak am 28. Juni 2016 stimmt wieder mit dem des Google Trends Diagrammes über-
ein. Auch ein Kontrolle der Mentions bestätigt den Grund, der schon für den Anstieg der
Suchanfragehäufigkeiten an diesem Tag verantwortlich war: die ersten Berichte über die
Ausmaße der Schadensersatzzahlungen in den USA. Im Dezember 2016 steigt die Zahl der
Mentions stark an. Der Peak ähnelt wiederrum dem in Google Trends und erreicht seinen
Höhepunkt zwischen 27. und 29. Dezember.
In der betrachteten Periode liegt der Anteil der negativen Erwähnungen bei 17,7%, damit
sinkt er um 6,5%-Punkte im Vergleich zur vorher untersuchten Periode. Auch die Meinun-
gen über Volkswagen fallen positiver aus, nur noch 20,7% können dem Shitstorm gegen
die Marke zugeordnet werden. Ein Anstieg ist allerdings bei Audi (14,6%) und Porsche
(13,5%) zu beobachten. Die genauen Berechnungen hierfür finden sich Tabelle 2 am Ende
des Kapitels.
Nun soll noch der Zeitraum zwischen 1. Januar 2017 und 1. August 2017 betrachtet wer-
den. Dafür muss wieder eine neue Analyse nach Veränderung des Untersuchungszeitraums
durchgeführt werden.
Abbildung 21: Watson: Ergebnisse, Topics, Sentiment, Januar 2017 bis August 2017
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 8. August 2017].
Für die ausgewählte Periode findet Watson insgesamt 14.086 ,,Total documents“ und
18.064 ,,Total mentions“. Wird eine Sentimentanalyse durchgeführt, verringern sich diese
5 Ergebnisse
50
Zahlen auf 2.956 und 3.391. Dem Shitstorm gegen den VW-Konzern sind daher rund
18,8% zuordenbar, dies ist eine Steigerung von 1,1 Prozentpunkten gegenüber dem vorher
betrachteten Zeitabschnitt. Auch die negativen Posts rund um die Kernmarke des Kon-
zerns, Volkswagen, nehmen in diesem Zeitraum wieder um 1%-Punkt zu und steigen auf
21,7%. Audi bleibt mit 14,2% gleich, die kritischen Kommentare zu Porsche nehmen um
5%-Punkte zu, sie liegen 2017 bei 18,5%.
Die für IBM Watson am relevantesten Beiträge werden zwischen Juli und August 2017
gepostet. Auch in Google Trends kommt es zu einigen Peaks in diesem Zeitraum. Die
,,Share of voice trend“-Kurve steigt ab dem 24. Juli 2017 deutlich an, an diesem Tag ist
auch das Suchvolumen hoch. Grund ist in beiden Fällen die Bekanntgabe der für den 26.
Juli geplanten Aufsichtsratssitzung des VW-Vorstandes hinsichtlich der Vorwürfe, es hätte
Kartellabsprachen zwischen verschiedenen Autoherstellern gegeben.
Zwischen 27. und 28. Juli sowie am 31. Juli kommt es in der Auswertung beider Tools
wieder zu einem gemeinsamen Peak. In diesem Zeitraum wird bekannt, dass weitere 1,5
Millionen Fahrzeuge umgerüstet werden sollen. Die Kontrolle von Foreneinträgen und
Twitter Posts bestätigt diesen Sachverhalt als Grund für den Anstieg der Mentions in die-
sem Zeitraum. In der folgenden Tabelle 2 können die genauen Prozentzahlen der negativen
Posts zu den Topics für die in diesem Kapitel ausgewerteten Perioden abgelesen werden.
Periode VW Audi Porsche
Gesamt Negativ Negativ % Gesamt Negativ Negativ % Gesamt Negativ Negativ %
1.9.2015-30.9.2015 2212 770 34,8% 372 38 10,2% 238 17 7,1%
30.9.2015-28.11.2015 2124 603 28,4% 431 47 10,9% 235 30 12,8%
1.6.2016-1.1.2017 9592 1984 20,7% 4891 715 14,6% 3159 428 13,5%
1.1.2017-1.8.2017 8972 1950 21,7% 5554 787 14,2% 3538 654 18,5%
Tabelle 2: Auswertung der Posts in verschiedenen Zeitabschnitten
Quelle: Microsoft Excel, eigene Darstellung der Resultate der Watson Analyse.
Besonders im Anfangsstadium des Skandals war die Kernmarke Volkswagen vom Shit-
storm stark betroffen. Erst nachdem bekannt wurde, dass die Manipulationssoftware auch
in Audi- und Porsche-Modellen eingesetzt wurde, schlugen die Stimmungen auf sozialen
Netzwerken auch für diese Hersteller ins Negative um.
5 Ergebnisse
51
5.2.2.2 Themes
Mit Hilfe der Auswertung nach Themes werden die untersuchten Topics nach den vorher
definierten Attributen aufgeteilt. In dieser Phase der Auswertung zeigt Watson an, welches
Theme oft gemeinsam mit den Oberbegriffen diskutiert wird.
Abbildung 22: Watson: Ergebnisse nach Themes
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Ein erster Blick auf Abbildung 23 zeigt deutlich, dass vorwiegend das Topic VW im Zu-
sammenhang mit dem Dieselskandal in Diskussionen auf Social Media Plattformen ge-
nannt wird. ,,Theme mentions per topic“ liefert hierfür den Beweis. Auch die anderen
Schlagworte, wie Rückruf und Schadensersatzzahlung, werden verhältnismäßig öfter ge-
meinsam mit Volkswagen diskutiert als mit den anderen Autoherstellern. Außerdem ist der
Skandal selbst das am meisten erwähnte Theme im Vergleich zu Rückruf und Schadenser-
satzzahlung. Dies lässt sich durch Halten des Mauszeigers über die entsprechende Box der
Anzeige ,,Mentions per theme“ ablesen. Insgesamt 2.094mal wurde über die Abgasaffäre
auf sozialen Netzwerken gepostet, davon 1.552mal in Bezug auf Volkswagen, 283mal ge-
meinsam mit Audi und 259mal mit Porsche. Das Wort Rückruf und dessen Synonyme
wurden 492mal erwähnt, davon 305mal gemeinsam mit Volkswagen, 122mal in Verbin-
dung mit Porsche und 65mal gemeinsam mit Audi. Am wenigsten diskutiert wurde über
5 Ergebnisse
52
Schadensersatzzahlungen. Nur 293mal wurde dieser Begriff im Zuge der Affäre erwähnt,
davon 187mal mit VW, 48mal mit Porsche und 58mal mit Audi.
Durch einen Klick auf einen der Balken liefert Watson, wie schon bei der Analyse nach
Topics, Einblicke in die mit den Themes in Verbindung stehenden Einträge, die dann in
der rechten Leiste im Mentions-Fenster angezeigt werden. Wiederum wird dargestellt, von
welcher Quelle die Daten generiert wurden und welche Wortverbindungen in den Einträ-
gen neutral, negativ oder positiv behaftet sind sowie die Stimmung des Posts selbst.
Wird auf einen der Balken der ,,Mentions per theme“ geklickt, finden sich im Darstel-
lungsfenster Beiträge, die das Thema in Verbindung mit einem, zwei oder allen drei Topics
diskutieren. Sollen nähere Einblicke hinsichtlich eines der Autohersteller in Zusammen-
hang mit dem Theme gewonnen werden, muss auf den jeweiligen Balken in der Anzeige
,,Theme mentions per topic“ gedrückt werden. Viele der Diskussionen, die sich um den
Rückruf und die Schadensersatzzahlung drehen, werden von Watson mit der Farbe Grün
markiert. Auffällig ist hierbei, dass manche dieser Einträge ironisch gemeint sind, diese
aber vom Supercomputer als positiv angesehen werden.
5.2.2.3 Sentiment
Die Sentiment-Analyse, eine Untersuchung der Stimmungen, zeigt an, ob die Diskussionen
in den sozialen Netzwerken negativ oder positiv geprägt sind.
Abbildung 23: Watson: Ergebnisse nach Sentiment
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
5 Ergebnisse
53
Die verschiedenen Farben der Balken unter der Bezeichnung ,,Sentiment percentage per
topic“ geben die Stimmungen wieder, wobei Rot für negativ, Grau für neutral, Gelb für
ambivalent und Grün für positiv steht.
Wiederrum öffnet sich durch einen Klick auf einen der Balken im rechten Teil der Ergeb-
nisansicht ein Fenster, in dem Watson die mit dem Topic verbundenen Beiträge anzeigt.
Hier kann eine Auswahl je nach Sentiment erfolgen. So werden etwa durch ein Klicken auf
den grünen Balken rechts neben VW nur Beiträge angezeigt, in denen eine positive Haltung
gegenüber Volkswagen vertreten wird. Die Leiste ,,Sentiment benchmark across all topics“
stellt eine prozentuale Aufteilung der gesamten untersuchten Daten nach Stimmungen dar.
Wiederum können Beiträge durch Drücken auf einen der Abschnitte der Leiste im Men-
tions-Fenster geöffnet und gelesen werden.
Für den gesamten untersuchten Abschnitt zeigt sich, dass die meisten negativen Beiträge
über Volkswagen (fast 25% aller damit in Zusammenhang stehenden Posts) verfasst wur-
den. Die meisten positiven Diskussionen werden in Verbindung mit Audi geführt.
Die untere blaue Leiste, die in allen Ansichten der Resultate dargestellt wird, erlaubt wie-
derum eine Filterung der Ergebnisse. Um die Entwicklung der Diskussionen abzubilden,
wird nun ein Zeitraum gewählt, der vor Bekanntwerden des Skandals liegt. Mit Klicken
auf ,,Dates“ öffnet sich, wie in Abbildung 25 dargestellt, ein Pop-up-Fenster, in dem Ein-
stellungen hinsichtlich des Untersuchungszeitraumes durchgeführt werden können.
Abbildung 24: Watson: Eingrenzung des Zeitraums, Sentimentanalyse
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
5 Ergebnisse
54
Durch Verschieben der Balken kann ein Zeitraum zwischen 1. September 2015 und 18.
September 2015 gewählt werden. Der 18. September 2015 liegt einen Tag vor den ersten
Pressemeldungen über den Skandal. Ein Anstieg der Suchanfragehäufigkeiten für Schlag-
wörter, die in Verbindung mit der Affäre stehen, ist gemäß Google Trends Auswertung erst
ab dem 20. September 2015 beobachtbar. Aus diesen Gründen ist es wahrscheinlich, dass
Posts, die vor dem 19. September 2015 geschrieben wurden, nicht mit dem Skandal zu-
sammenhängen. Dadurch sollte ein neutrales Bild der Autohersteller wiedergegeben wer-
den können. Um diese Annahme zu überprüfen, werden auszugsweise Beiträge im Men-
tions-Fenster, die während des nun ausgewählten Zeitraumes verfasst wurden, durch Kli-
cken auf die unterschiedlichen Balken der Sentiment-Analyse kontrolliert. Tatsächlich fin-
den sich keinerlei Anzeichen des Skandals in diesen Social Media Posts. Die Auswertung
der Sentimentanalyse für den Zeitraum vor dem Skandal ist in Abbildung 26 ersichtlich.
Abbildung 25: Watson: Sentimentanalyse, Zeitraum vor dem Skandal
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Im Vergleich zur Sentimentanalyse über den gesamten Zeitraum kann nach Eingrenzung
der Periode eine starke Veränderung der Balken beobachtet werden. Zwar werden die
meisten negativen Meinungen noch immer hinsichtlich Volkswagen vertreten, allerdings
hat sich die Anzahl von rund 25% auf 10% reduziert. Auch unter der Kategorie ,,Sentiment
benchmark across all topics“ belaufen sich die negativen Posts nur auf etwa 6% im Ver-
5 Ergebnisse
55
gleich zu mehr als 20% nach Bekanntwerden des Skandals. Der Großteil der Stimmungen
ist mit insgesamt rund 68% neutral.
5.2.2.4 Geography
Wird im Menü ,,Geography“ ausgewählt, zeigt Watson die Häufigkeiten der Erwähnungen
der Topics nach Regionen an.
Abbildung 26: Watson: Analyse nach Regionen
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Wie in Abbildung 27 dargestellt, kann auf Basis der Blautöne abgelesen werden, wie oft
die Topics in verschiedenen Gebieten der Welt genannt wurden. Die Basisanzeige stellt
Resultate für alle drei Topics gemeinsam dar. Je heller die Farbe, desto weniger oft wurde
der Begriff in dem Land erwähnt. Grau bedeutet, dass keine Daten vorliegen. Wieder wer-
den durch Klicken auf eine Region in der Mentions-Anzeige die damit verbundenen Ein-
träge angezeigt. Wie aus der Abbildung 27 entnommen werden kann, werden die Topics
VW, Audi, Porsche in den USA mit mehr als 21% aller Einträge weltweit am häufigsten
erwähnt. Eine genaue Gegenüberstellung der USA und Europa folgt in Kapitel 5.2.3. Da-
her wird diese Funktion von Watson in diesem ersten Teil der Analyse der Vollständigkeit
halber nur nebenbei erwähnt.
5 Ergebnisse
56
5.2.2.5 Influential Authors
Unter der Kategorie ,,Influential Authors“ zeigt Watson die aktivsten und beliebtesten Au-
toren der Posts in Assoziation mit den Topics an.
Abbildung 27: Watson: Analyse nach Autoren
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Unter ,,Sources“ kann hier eine der untersuchten Quellen ausgewählt werden: Foren,
Blogs, Twitter, Facebook-Seiten. Wird beispielsweise ,,Forums“ ausgewählt, wie in Abbil-
dung 28, zeigt Watson diejenigen Verfasser an, die die meisten Beiträge zu den Topics
geschrieben haben. Auch diese Analyse ist für das Gesamtergebnis eher nebensächlich,
wird aber, um das Tool besser verstehen zu können, dennoch in diesem Kapitel erwähnt.
5.2.2.6 Behavior
Wird ,,Behavior“ im Menü ausgewählt, erfolgt die Analyse nach drei Kategorien: ,,Themes
mentioned by Users“, ,,Themes mentioned by Prospective Users“ und ,,Themes mentioned
by Churners“. Dies ist besonders interessant, da hier aufgezeigt wird, wie derzeitige, zu-
künftige und wechselwillige Kunden über die Topics und die damit verbundenen Themes
auf sozialen Netzwerken diskutieren.
5 Ergebnisse
57
Abbildung 28: Watson: Analyse nach Behavior
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Wieder öffnet ein Klicken auf eine der Boxen eine genaue Ansicht der entsprechenden
Einträge im Mentions-Fenster. Auffällig ist, dass im Zusammenhang mit Volkswagen und
Porsche, Dieselaffäre besonders häufig von Kunden der Unternehmen erwähnt wird. Zur
besseren Veranschaulichung wird daher die blaue Box zunächst neben Porsche, dann ne-
ben VW in der Rubrik ,,Themes mentioned by Users“ ausgewählt, um zu erfahren, wie be-
troffene Autofahrer denken.
Abbildung 29: Watson: Analyse nach Behavior, Porsche und VW
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
5 Ergebnisse
58
Abbildung 30 zeigt zwei auszugsweise gewählte Posts, die die allgemeine Stimmung auf
Social Media gut abbilden.
Der linke Eintrag bezieht sich auf die Automarke Porsche und wurde im Social-News-
Aggregator Reddit veröffentlicht. Der Post wurde von einer Frau erstellt, die fürchtet, auf
Grund des Dieselskandals ihren Porsche Cayenne nicht mehr fahren zu dürfen.
Der rechte Post ist ein Blogeintrag. Dies ist am Symbol am rechten Rand neben dem Da-
tum und der Uhrzeit, an dem der Eintrag upgeloaded wurde, erkennbar. Diesmal beschreibt
ein VW-Besitzer Probleme mit der Belüftung, die nach der Umrüstung auf Grund der
Emissionswerte auftraten. Während der linke Eintrag als neutral angesehen wird, markiert
Watson den rechten als positiv. Da der Post aber ganz klar negativ ist, soll herausgefunden
werden, warum Watson ihn Grün markiert hat. Dies erfolgt durch einen Mausklick auf den
Eintrag. Dadurch werden bestimmte Ausdrücke oder Sätze in jener Farbe, die die Stim-
mung abbildet, unterstrichen. Der Grund für die grüne Leiste ist die Wortkombination ,,my
car was perfect“. Um den Fehler auszubessern, wird der betroffene Satzteil angeklickt und
die Farbe manuell geändert. Hierzu muss lediglich in einem Pop-up-Fenster ein entspre-
chend anderes Sentiment ausgewählt werden. Die Änderungen werden dann vom System
geprüft, bevor sie kurze Zeit später ersichtlich werden. Durch dieses Vorgehen lernt der
Supercomputer und entwickelt ein noch besseres Verständnis der natürlichen Sprache.
Watson erlaubt es auch, die Sentimentanalyse für die in der Mentions Box angezeigten
Posts zu deaktivieren.
Bei den ,,Themes mentioned by Prospective Users“ wird im Zusammenhang mit der Au-
tomarke Volkswagen, wie aus Abbildung 29 entnommen werden kann, das Topic Scha-
densersatzzahlung am häufigsten diskutiert.
Abbildung 30: Watson: Analyse Behavior, Prospective Users
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
5 Ergebnisse
59
Der in Abbildung 31 dargestellte Eintrag stammt gemäß dem Symbol rechts neben Uhrzeit
und Datum aus einem Forum. In dem Post beschreibt ein ehemaliger Volkswagenkunde,
dass er nicht sicher sei, ob er jemals wieder ein Auto der Marke VW kaufen werde, nach-
dem Schadensersatzzahlungen nicht erfolgten. Der Kommentar ist als neutral markiert.
Wortkombinationen wie ,,not sure“, also ,,nicht sicher“ sind der Grund dafür. Dieser Ein-
trag ist ein hervorragendes Beispiel, um die Mächtigkeit der künstlichen Intelligenz
Watson zu demonstrieren. Als zusätzliches Feature kann die Detailansicht der Einträge
dazu genutzt werden, um herauszufinden, ob in den Posts Doppeldeutigkeiten für die aus-
gewählten Topics aufscheinen. Beispielsweise wenn VW als Abkürzung für Verwaltung
oder für ein Verhältniswort genannt wird. Mit Hilfe des Behavior Tools können so Wörter
identifiziert werden, die nicht mit den Autoherstellern zusammenhängen und dadurch das
Ergebnis der Analyse verzerren könnten. Nach der Identifizierung dieser Begriffe können
diese von der Suche im Rahmen einer erneuten Dateneingabe bei der Konfiguration der
Topics ausgeschlossen werden.
5.2.2.7 Demographics
Unter der Kategorie ,,Demographics“ erfolgt die Analyse nach demographischen Merkma-
len.
Abbildung 31: Watson: Analyse nach Demographics
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
5 Ergebnisse
60
Wie in der ersten Ergebnisauswertung der Abbildung 32 dargestellt (,,Percentage of men-
tions per gender“), gibt Watson an, wie oft die drei Automarken von Männern bzw. Frauen
in Posts genannt wurden. Bei allen Herstellern ergibt sich ein annähernd gleiches Bild:
Männer diskutieren häufiger auf sozialen Netzwerken über die Thematik als Frauen.
Nur ein geringer Prozentsatz der untersuchten Einträge stammt von Verheirateten oder
Personen mit Kindern. Allerdings ist es für Watson schwer, aus dem Kontext herauszufin-
den, ob die jeweiligen Personen eine Familie haben oder nicht. Auch durch eine manuelle
Kontrolle mittels der Mentions-Funktion lassen sich aus den meisten Einträgen keine de-
mografischen Informationen über die Verfasser der Posts herauslesen.
5.2.3 Gegenüberstellung der USA und Europa
Um einen Vergleich zwischen den USA und Europa herstellen zu können, muss nun das
Drop-down-Menü ,,Geography“ verwendet werden. Als nächstes sollen alle Gebiete der
Welt ausgeschlossen werden, die nicht zu den Vereinigten Staaten oder zu Europa zählen.
Da es in Europa einige Länder, wie etwa Russland oder Kasachstan gibt, die nicht eindeu-
tig dem Kontinent zuordenbar sind, werden für die Analyse nur jene Länder berücksichtigt,
die zum Zeitpunkt der Untersuchung Mitgliedsstaaten der Europäischen Union sind. Der
Ausschluss aller von der Analyse ausgenommenen Gebiete muss manuell erfolgen. Hierfür
wird auf der Weltkarte das jeweilige Land ausgewählt und dann mit rechter Maustaste
durch Drücken auf ,,Exclude“ ausgeschlossen.
Nachdem nun nur noch die USA und die besagten Teile Europas markiert sind, ergibt sich
das in Abbildung 33 dargestellte Bild.
Wie schon im Einführungskapitel zu IBM Watson Analytics for Social Media beschrieben,
geben die unterschiedlichen Nuancen von Blau wieder, wie intensiv das Thema diskutiert
wurde.
Der Vergleich zwischen der Europäischen Union und den USA lässt darauf schließen, dass
auf Grund des stärkeren Blautons der Vereinigten Staaten dort weit mehr Diskussionen zu
den Topics stattfinden. Es sei an dieser Stelle aber zu erwähnen, dass die Anzahl der
,,Total documents“ und ,,Total mentions“ sich trotz Ausschlusses der anderen Regionen
weiterhin auf die Gesamtanzahl der weltweit untersuchten Daten bezieht und nicht nur auf
die USA und Europa. Dies macht den manuellen Ausschluss der Gebiete unnötig.
5 Ergebnisse
61
Abbildung 32: Watson: Analyse USA und Europa
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 12. August 2017].
Es kann festgestellt werden, dass die meisten Diskussionen weltweit (rund 21,7%) über die
Topics in Amerika geführt werden. Allerdings kann durch reines Exkludieren von Regio-
nen kein Vergleich der zwei Gebiete hergestellt werden. Um eine Gegenüberstellung
durchführen zu können, müssen die Mentions der einzelnen Länder separat abgelesen und
aufsummiert werden.
Da die jeweilige Anzahl der Mentions immer die Absolutanzahl und daher unabhängig von
der Größe des betrachteten Gebietes sowie der Einwohnerzahl ist, sondern sich nur nach
der Gesamtanzahl der Beiträge richtet, muss, um einen Vergleich zwischen den USA und
Europa herstellen zu können, ein Vorgehen gewählt werden, das möglichst vergleichbare
Ergebnisse liefert. Hierfür werden beide Regionen zunächst nach der ersten Analyse be-
trachtet. Um die Gesamtanzahl der Posts über die Topics in den USA anzuzeigen, genügt
es, den Mauszeiger über den Kontinent zu führen und diesen mit der rechten Maustaste
auszuwählen. Ein Pop-up-Fenster erscheint, in dem die Gesamtanzahl der Mentions für die
USA sichtbar wird. Die Zahl beträgt 3.590. Um nun den Anteil der negativen Kommentare
anzuzeigen, muss eine Sentimentanalyse durchgeführt werden. Hierfür wird im unteren
blauen Menüband ,,Sentiment“ ausgewählt und dann ein Haken bei ,,negative“ gesetzt. Als
nächstes wird der Curser wiederum über die Vereinigten Staaten geführt, um diese mittels
5 Ergebnisse
62
rechter Maustaste zu markieren und dadurch die Anzahl der Mentions abzulesen. Diese
beträgt nun 675. Das bedeutet, dass von einer Gesamtanzahl von 3.590 Mentions, 675 dem
Shitstorm zuordenbar sind. Dies sind 18,8%.
Nun soll mit dem gleichen Vorgehen Europa untersucht werden. Dafür müssen allerdings
die Gesamtanzahlen der Mentions der Länder vor und nach der Sentimentanalyse addiert
und ausgewertet werden. Diese finden sich in Tabelle 3.
Tabelle 3: Zahl der Mentions: Europa.
Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse
Land Total Mentions Pro Land Negative Mentions Pro Land Anteil der negativen Mentions in Prozent
Belgien 18 5 27,8%
Bulgarien 1 0 0,0%
Dänemark 16 3 18,8%
Deutschland 150 46 30,7%
Estland 2 2 100,0%
Finnland 6 1 16,7%
Frankreich 24 5 20,8%
Griechenland 11 3 27,3%
Irland 40 6 15,0%
Italien 21 10 47,6%
Kroatien 1 0 0,0%
Lettland 1 0 0,0%
Litauen 4 0 0,0%
Luxemburg 2 1 50,0%
Malta 2 0 0,0%
Niederlande 18 4 22,2%
Österreich 28 2 7,1%
Polen 2 1 50,0%
Portugal 7 1 14,3%
Rumänien 0 0 0,0%
Schweden 22 4 18,2%
Slowakei 1 1 100,0%
Slowenien 3 0 0,0%
Spanien 20 3 15,0%
Tschechien 0 0 0,0%
Ungarn 1 0 0,0%
Vereinigtes Königreich 730 195 26,7%
Zypern 3 2 66,7%
Gesamtanzahl 1134 295 26,0%
5 Ergebnisse
63
Die Gesamtanzahl aller Kommentare zu den Topics in Europa beträgt 1.134. Nach der
Sentimentanalyse werden nur noch die negativ assoziierten Beiträge angezeigt. Diese be-
laufen sich auf 295. Für die Länder der europäischen Union kann daher festgestellt werden,
dass 26% der Posts auf Grund der Analyse mittels Watson dem Shitstorm zuordenbar sind.
Werden die einzelnen Staaten näher betrachtet, so muss berücksichtigt werden, dass die
Gesamtanzahl der Mentions bei den meisten Ländern sehr gering ist. Die höchste absolute
Anzahl findet sich im Vereinigten Königreich. 730mal wurde Volkswagen hier während
des Skandals insgesamt auf sozialen Netzwerken erwähnt. 26,7% dieser Posts stehen in
einem negativen Zusammenhang mit den Unternehmen. In Deutschland, dem Staat in dem
der Volkswagenkonzern seinen Hauptsitz hat, sind 30,7% der Mentions mit dem Shitstorm
verbunden.
Um zusätzlich ein besseres Verständnis der genauen Situation in den Vereinigten Staaten
gewinnen zu können, wird mit der rechten Maustaste auf das Gebiet gedrückt und dann im
Pop-up-Menü ,,Go Down“ ausgewählt. Das Ergebnis findet sich in Abbildung 34.
Abbildung 33: Watson: Sentimentanalyse nach Staaten in den USA
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 12. August 2017].
Um nun zu erfahren, in welchen Gebieten der Shitstorm die größten Ausmaße angenom-
men hat, wird zusätzlich eine Sentimentanalyse durchgeführt. Hierfür wird wieder in der
5 Ergebnisse
64
blauen Menüleiste ,,Sentiment“ und ,,negative“ ausgewählt. Abbildung 35 zeigt die Staaten
mit den meisten kritischen Kommentaren.
Abbildung 34: Watson: Sentimentanalyse nach Gebieten, USA
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 12. August 2017].
Wie auf der Landkarte gut zu erkennen ist, wurden die meisten kritischen Kommentare in
Kalifornien gepostet, gefolgt von Florida und dem Staat New York. Keine negativen Ein-
träge wurden allerdings in Missouri, Wyoming, South Dakota, Mississippi und Maine ver-
fasst. Allerdings basiert diese Auswertung wieder auf der absoluten Anzahl der Kommen-
tare, unabhängig von der Einwohnerzahl des jeweiligen Staates. Um ein valides Resultat zu
erzielen, muss daher die selbe Vorgangsweise angewendet werden, wie zuvor schon beim
Vergleich zwischen den USA und Europa. In der unten stehenden Darstellung finden sich
wiederum die Anzahl der Mentions vor und nach der Sentimentanalyse für die einzelnen
Staaten der USA inklusive dem prozentuellen Anteil der negativen Kommentare.
5 Ergebnisse
65
Staat Mentions Pro Staat Negative Mentions Pro Staat Anteil der negativen Mentions in Prozent
Alabama 18 2 11,1% Alaska 14 4 28,6% Arizona 79 21 26,6% Arkansas 8 2 25,0% Colorado 88 19 21,6% Connecticut 84 36 42,9% Delaware 4 0 0,0% Florida 263 38 14,4% Georgia 91 10 11,0% Hawaii 6 1 16,7% Idaho 12 1 8,3% Illinois 99 19 19,2% Indiana 29 7 24,1% Iowa 6 1 16,7%
Kalifornien 580 102 17,6% Kansas 11 2 18,2% Kentucky 15 3 20,0% Louisiana 16 4 25,0% Maine 3 0 0,0% Maryland 61 11 18,0% Massachusetts 59 10 16,9%
Michigan 56 12 21,4% Minnesota 49 9 18,4% Mississippi 3 0 0,0% Missouri 53 10 18,9% Montana 7 1 14,3% Nebraska 12 0 0,0% Nevada 42 13 31,0% New Hampshire 9 1 11,1% New Jersey 99 13 13,1%
New Mexico 3 1 33,3% New York 211 37 17,5% North Carolina 114 11 9,6% North Dakota 2 2 100,0%
Ohio 95 16 16,8% Oklahoma 10 2 20,0% Oregon 54 12 22,2% Pennsylvania 97 22 22,7% Rhode Island 8 2 25,0% South Carolina 35 5 14,3% South Dakota 1 0 0,0% Tennessee 30 6 20,0% Texas 174 36 20,7% Utah 40 7 17,5% Vermont 3 2 66,7% Virginia 102 25 24,5% Washington 98 20 20,4% West Virginia 6 2 33,3% Wisconsin 41 12 29,3% Wyoming 3 0 0,0%
Gesamtanzahl 3003 572 19,0%
Tabelle 4: Zahl der Mentions: USA
Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse
5 Ergebnisse
66
Die Gesamtanzahl aller Kommentare beträgt 3.003, die der negativen 572. Die Abwei-
chung zur Anzahl von Einträgen, die beim Vergleich zwischen USA und Europa für die
Vereinigten Staaten generiert wurde (3.590 und 675), kommt davon, dass einige Posts
zwar Amerika zuordenbar sind, aber keinem spezifischen Staat.
Wie Tabelle 4 entnommen werden kann, beziehen sich 19% aller Kommentare, die einem
bestimmten Staat zuordenbar sind, auf den Shitstorm gegen Volkswagen.
Es ist nicht verwunderlich, dass der Shitstorm dort große Ausmaße angenommen hat. Dies
hat mehrere Gründe. Der Staat gilt als Vorreiter für den Einsatz von sauberen Energiequel-
len. Bereits im Jahre 1947 kam es dort zur Unterzeichnung des ersten Gesetzes zum Schutz
der Luftqualität, nachdem Los Angeles zuvor von dickem Smog eingehüllt war. Über die
Dekaden hinweg galten die Umweltschutzgesetze in Kalifornien als die strengsten in den
USA. Eine Vielzahl anderer Staaten erließen Gesetze nach kalifonischem Vorbild. Auch
im Bereich der Emissionen wurden bereits 2002 Limits für den Schadstoffausstoß von
Fahrzeugen festgelegt. Diesen Restriktionen folgten mehr als ein Dutzend anderer Bundes-
staaten.57 Die EPA, jene Organisation, die den Skandal 2015 aufgedeckt hatte, arbeitet eng
mit CARB, California Air Resources Board, zusammen. CARB ist Beirat der kaliforni-
schen Regierung und kreiert Gesetzesentwürfe zur Verbesserung der Luftqualität. 2017
haben die beiden Organisationen nach mehreren Untersuchungen den Einbau der Manipu-
lationssoftware in den Modellen VW Beetle, Golf, Jetta und Passat sowie Audi A3 öffent-
lich bestätigt. Gemeinsam mit EPA arbeitet CARB daran, einen Vergleich mit Volkswagen
bezüglich des Dieselskandals auszuhandeln. Zusätzlich führen derzeit (August 2017) beide
Organisationen weitere Untersuchungen an VW Modellen durch, in denen möglicherweise
ebenfalls die Schummelsoftware eingebaut worden ist.58
Nachdem im September 2015 der Verstoß publik wurde, beschuldigte CARB den Auto-
bauer, dass die Emissionsausstöße der rund 85.000 betroffenen Fahrzeuge in Kalifornien
bis zu 40mal höher sind als vom Staat per Gesetz zugelassen. Im Oktober 2016 machte die
kalifornische Regierung dann einen Anspruch gegenüber Volkswagen auf Grund des Ein-
baus der unerlaubten Software geltend.
57 Vgl. The Economist (2013), [online].
58 Vgl. United States Environmental Protection Agency (2013), [online].
5 Ergebnisse
67
Der Staat forderte, zusätzlich zu den Schadensersatzzahlungen, zu denen der Konzern in
den USA schon verurteilt wurde, 423 Millionen US-Dollar vom Automobilhersteller als
Schadensminderung ein sowie eine Investition von rund 800 Millionen US-Dollar in Pro-
jekte zur Förderung von Fahrzeugen ohne jeglichen Schadstoffausstoß in den nächsten
zehn Jahren.59
5.2.4 Stimmungen nach Portalen
Um eine Analyse nach Portalen durchzuführen, muss zunächst im Drop-down-Menü die
Kategorie ,,Sources and Sites“ ausgewählt werden.
Abbildung 35: Watson: Analyse nach Portalen
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Nach der Auswahl ergibt sich das in Abbildung 36 dargestellte Bild. Daraus kann ent-
nommen werden, dass mit Abstand die meisten Diskussionen in Foren stattfinden, gefolgt
von Blogs und Twitter. Am wenigsten wurde überraschenderweise auf Facebook gepostet.
Um nun herauszufinden, in welcher dieser Quellen die meisten negativen Einträge gemacht
wurden, muss eine Sentimentanalyse durchgeführt werden. Hierzu wird in der unteren
59 Vgl. California Environmental Protection Agency Air Resources Board (2017), [online].
5 Ergebnisse
68
blauen Menüleiste ,,Sentiment“ ausgewählt und in einem weiteren Schritt ,,negative“, um
nur die Einträge anzuzeigen, die mit dem Shitstorm zusammenhängen.
Abbildung 36: Watson: Sentimentanalyse nach Portalen
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Wie in Abbildung 37 ersichtlich, reduzieren sich dadurch die ,,Total documents“ von
12.879 auf 3.280, die ,,Total mentions“ von 16.541 auf 3.692. Dies bedeutet, dass von den
ursprünglichen 12.897 Posts rund 25% dem Shitstorm zuzuordnen sind. Allerdings werden
auch hier wieder die absoluten Zahlen zur Analyse herangezogen. Um herauszufinden, wie
viel Prozent der Beiträge der einzelnen Social Media Plattformen tatsächlich negativ asso-
ziiert sind, muss wiederum eine Betrachtung der Mentions vor und nach einer Sentimen-
tanalyse erfolgen. Die Vorgehensweise ist die selbe wie in Kapitel 5.2.3.
In Tabelle 5 findet sich die Anzahl der Mentions gesamt und die der negativen Einträge für
die einzelnen Autohersteller, aufgelistet nach der Quelle sowie deren prozentuellem Anteil
an den Einträgen.
5 Ergebnisse
69
Quelle Mentions Pro Quelle Negative Mentions Pro Quelle Anteil der negativen Mentions in Prozent
VW Audi Porsche Gesamt VW Audi Porsche Gesamt VW Audi Porsche Gesamt
Foren 5268 2795 1888 9951 1081 500 403 1.984 20,5% 17,9% 21,3% 19,9%
Blogs 2186 890 583 3659 618 124 123 865 28,3% 13,9% 21,1% 23,6%
Twitter 2212 372 238 2822 770 38 17 825 34,8% 10,2% 7,1% 29,2%
Facebook Pages 70 8 31 109 13 1 4 18 18,6% 12,5% 12,9% 16,5%
Gesamtanzahl 9736 4065 2740 16541 2482 663 547 3692 25,5% 16,3% 20,0% 22,3%
Tabelle 5: Zahl der Mentions: Sources
Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse
Wie in Tabelle 5 gut erkennbar, beziehen sich insgesamt die meisten Mentions auf VW. In
25,5% davon wird das Unternehmen in einem negativen Zusammenhang erwähnt. Bei
Porsche sind es 20,0%. Die Marke Audi wird mit 16,3% von den Social Network Usern für
noch am positivsten erachtet. Insgesamt beträgt der Anteil der negativen Posts an der Ge-
samtanzahl aller Einträge 22,3%.
Bezug nehmend auf die einzelnen Quellen erfolgen die meisten kritischen Diskussionen
während des Dieselskandals auf Twitter. Der Anteil beträgt fast 30%. Besonders VW ist
vom Shitstorm auf der besagten Social Media Plattform betroffen. In 34,8% aller Tweets
wird der deutsche Autohersteller in einem negativen Zusammenhang erwähnt, wohingegen
es nur 20,5% in Foren, 28,3% auf Blogs und lediglich 18,6% auf Facebook-Seiten sind.
Generell wird Volkswagen in allen analysierten Quellen am häufigsten in einem kritischen
Kontext erwähnt, mit Ausnahme der Foren, in denen Porsche mit 21,3% an erster Stelle
steht.
In einem nächsten Schritt soll nun herausgefunden werden, in welchem der Portale die
vordefinierten Themes Dieselaffäre, Rückruf, Schadensersatzzahlung und deren Synonyme
besonders häufig in einem negativen Zusammenhang genannt werden. Hierfür muss in der
unteren blauen Leiste zusätzlich unter dem Menüpunkt ,,Themes“ ein Haken bei den drei
Begriffen gesetzt werden.
Wie aus Abbildung 38 entnommen werden kann, hat sich die Zahl der ,,Total documents“
ein weiteres Mal reduziert, auf 902 und die der ,,Total mentions“ auf 1.055. Diese Einträge
sind nun dem Shitstorm sowie durch die Filterung nach Themes zusätzlich auch dem Die-
selskandal zuzuordnen.
5 Ergebnisse
70
Abbildung 37: Watson: Sentimentanalyse nach Portalen, Themes
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Twitter ist nun der Hauptkanal für die negativen Diskussionen, gefolgt von Blogs und Fo-
ren. Facebook hingegen ist auf Grund der zu geringen Anzahl an relevanten Einträgen aus
der Resultatansicht verschwunden. Im Zentrum des Shitstorms steht weiterhin überwie-
gend VW.
Durch Drücken auf den orangen Balken neben der Bezeichnung Twitter können wieder
auszugsweise Einblicke in Posts gewonnen werden, wie in Abbildung 39 dargestellt.
Abbildung 38: Watson: Sentimentanalyse nach Portalen, Themes, Twitter
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
5 Ergebnisse
71
Wie zu erwarten, beziehen sich die Posts auf den durch den Dieselskandal ausgelösten
Shitstorm. Fast alle der Einträge sind in englischer Sprache verfasst, was nicht verwunder-
lich ist, da Twitter, im Gegensatz zu Europa, in den Vereinigten Staaten sehr beliebt ist.
Wieder wird durch Drücken auf die ,,Reset chart“ Funktion die Tabelle in ihre ursprüngli-
che Ausgangslage zurückgesetzt.
Da in den Foren im Allgemeinen am meisten Diskussionen über die Thematik stattfinden,
soll nun in einem weiteren Schritt herausgefunden werden, welche Foren von der Analyse
erfasst werden. Hierfür genügt ein Rechtsklick auf den entsprechenden Balken und die
Auswahl des Pop-up-Menüpunktes ,,Go Down“. Zusätzlich soll eine Sentimentanalyse
erfolgen, um herauszufinden, in welchen dieser Foren der Shitstorm die größten Ausmaße
annimmt. Dafür genügt es, in der unteren, blauen Menüleiste ,,Sentiment“ auszuwählen.
Nun können die Einträge nur auf die negativen eingeschränkt werden. Daraus resultiert das
in Abbildung 40 dargestellte Ergebnis.
Abbildung 39: Watson: Sentimentanalyse nach Portalen, Foren
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Die meisten negativen Diskussionen zu allen drei Autoherstellern finden auf www.motor-
talk.de statt, Europas größtem Autoforum. An zweiter Stelle befindet sich
www.vwvortex.de, die größte Community weltweit für Volkswagen-Interessierte. Auf
5 Ergebnisse
72
www.rennlist.com, einer Internet-Gemeinschaft für Porsche-Besitzer und -Fans, beziehen
sich die Inhalte der Einträge überwiegend auf Modelle der Marke Porsche, Ähnliches gilt
für www.audizine.com, wo, wie der Name schon sagt, Fahrzeuge des Herstellers Audi im
Interessensmittelpunkt stehen. Auf dem Social-News-Aggregator Reddit wird ungefähr im
selben Ausmaß über alle drei Hersteller diskutiert.
Auffällig ist dennoch, dass allen voran Volkswagen mit der größten Anzahl an Mentions im
Mittelpunkt des Shitstorms steht.
Nun soll überprüft werden, ob dies auch bei Blogeinträgen der Fall ist. Hierfür muss zu-
nächst die Grafik mit Hilfe der Funktion ,,Reset chart“ zurückgesetzt werden. Die nächsten
Schritte sind identisch und erfolgen nach gleichem Schema wie bei der Sentimentanalyse
der Foren. Für die Blogs ergibt sich das in Abbildung 41 dargestellte Bild.
Abbildung 40: Watson: Sentimentanalyse nach Portalen, Blogs
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 6. August 2017].
Wiederum kann sofort festgestellt werden, dass sich die meisten negativen Blogeinträge
auf Volkswagen beziehen.
5 Ergebnisse
73
5.2.5 Vergleich von betroffenen und nicht betroffenen VW-Modellen
Um nun vom Dieselskandal betroffene und nicht betroffene VW-Modelle zu vergleichen,
muss wie in Kapitel 5.2.1 genauestens beschrieben, ein neues Projekt erstellt werden. In
diesem Fall werden zwei Topics definiert. Diese sind ,,Betroffene Modelle“ und ,,Nicht
betroffene Modelle“.
Da einige Dieselfahrzeuge noch immer unter Verdacht stehen, die Schummelsoftware ein-
gebaut zu haben, werden als ,,Nicht betroffene Modelle“ nur benzinbetriebene VW-Autos
ausgewählt, die in den USA und Europa vertrieben werden. Dies erfolgt durch das Hinzu-
fügen der ,,Context keywords“ ,,gas“ (englischer Ausdruck für Benzin) und ,,Benzin“.
Das Definieren des Topics ,,Betroffene Modelle“ bleibt unverändert mit dem in Kapitel
5.2.1. Allerdings wird, um einen passenden Vergleich herstellen zu können, bei der Defini-
tion der ,,Topic Keywords“ den Modellen die Bezeichnung VW vorangestellt. So kann si-
chergestellt werden, dass sie sich auch tatsächlich auf Volkswagen beziehen und nicht auf
gleiche Begriffe mit anderer Bedeutung. Da in diesem Abschnitt lediglich Modelle vergli-
chen werden und kein Gesamtbild des Unternehmens auf sozialen Netzwerken erstellt
werden soll, wie in Kapitel 5.2.2, reicht auch eine, auf Grund der Einschränkung durch das
Hinzufügen der Bezeichnung VW, verkleinerte Stichprobe aus, um valide Ergebnisse zu
erzielen. ,,Themes“ sollen im Zuge dieser Analyse keine definiert werden.
Tabelle 6 können die genauen Eingabebegriffe für das Topic ,,Betroffene Modelle“ ent-
nommen werden. Die ,,Exclude Keywords“ bleiben unverändert zur ersten Eingabe in Ka-
pitel 5.2.2, genauso wie die ,,Context Keywords“. Allerdings werden, um sicherzustellen,
dass die untersuchten Modelle auch tatsächlich jene sind, die vom Dieselskandal betroffen
waren (ältere Versionen des Golf, beispielsweise, waren nicht involviert), werden zusätz-
lich noch die Begriffe ,,Dieselskandal“, ,,Dieselaffäre“ und ,,Dieselgate“ in Kontext zu den
Modellen gebracht. Zusätzlich werden ,,Benzin“ und ,,Gas“ von den Schlüsselwörtern aus-
geschlossen. So kann garantiert werden, dass nur die Dieselversionen der Fahrzeuge in die
Analyse miteinbezogen werden.
5 Ergebnisse
74
Topic Keywords Context Keywords Exclude Keywords
VW Jetta Vehicle Sport, Sports
VW Golf Vehicles Tournament
VW Passat Car Weather, Wetter, Wind
VW Polo Cars Insect, Insects, Animal
VW Beetle Auto Bug, Bugs
#vwgolf Diesel, Dieselaffäre Shirt, Fashion, Clothes
#vwpassat Volkswagen Ralph Lauren, Marco
#vwbeetle VW Gebrauchtwagen, Lemon
#vwpolo Dieselgate, Dieselscandal Tesla
#vwjetta Dieselskandal Benzin, Gas
Tabelle 6: Eingabe: Topics, Betroffene Modelle
Quelle: Microsoft Excel, eigene Darstellung der Watson Data Configuration.
Nun muss noch das Topic ,,Nicht betroffene Modelle“ erstellt werden. Die ,,Topics
Keywords“ beziehen sich nun auf Fahrzeuge, die nicht in den Dieselskandal involviert
sind. Durch das zusätzliche Hinzufügen der Wörter ,,gas“ (amerikanische Bezeichnung für
Benzin) und ,,Benzin“ in die Kontext-Schlüsselwörter soll sichergestellt werden, dass nur
durch Benzin betriebene Fahrzeuge (inklusive dem E-Golf, einem Elektroauto) in die Ana-
lyse miteinbezogen werden.
In Tabelle 7 sind die Eingaben für das beschriebene Topic ersichtlich.
Topic Keywords Context Keywords Exclude Keywords
VW Tiguan Vehicle Sport, Sports
VW Touareg Vehicles Tournament
VW GTI Car Africa, Afrika, Dog, Hund
VW e-Golf Cars Gran Turismo Injektion
#vwtiguan Auto Gran Turismo Injection
#vwtouareg Benzin Gebrauchtwagen, Lemon
#vwgti Volkswagen Tesla, Dieselscandal
#vwegolf VW Diesel, TDI, Dieselgate
Gas Dieselskandal, Dieselaffäre
Tabelle 7: Eingabe: Topics, Nicht betroffene Modelle
Quelle: Microsoft Excel, eigene Darstellung der Watson Data Configuration.
5 Ergebnisse
75
Wiederum müssen Schlüsselwörter von der Analyse ausgeschlossen werden. Die Auswahl
der ,,Exclude Keywords“ erfolgt nach mehreren Voranalysen und einer Kontrolle der Men-
tions in der Ergebnisansicht von IBM Watson. Für die nicht betroffenen Fahrzeuge wurden
neben den bereits in Kapitel 5.2.1 beschriebenen auszuschließenden Wörter wie Tourna-
ment, Sport, Sports, Gebrauchtwagen, Lemon und Tesla folgende Begriffe exkludiert:
Africa, Afrika, Dog, Hund: Touareg ist neben einem afrikanischen Stamm auch die
Bezeichnung einer Hunderasse. Hund und Afrika wurden hierfür auch ins Engli-
sche übersetzt.
Gran Turismo Injection, Gran Turismo Injektion: Deutscher sowie Englischer Aus-
druck für eine bestimmte Motorenbauart mit Benzin-Einspritzung.
Zusätzlich wurden noch Diesel, TDI, Dieselskandal etc. zu den ,,Exclude Keywords“ hin-
zugefügt, um Verbindungen mit dem Dieselskandal auszuschließen.
Als nächster Schritt muss nun der Analysezeitraum ausgewählt werden, welcher ebenfalls
unverändert zu den vorhergehenden Kapiteln bleibt. Die untersuchte Periode erstreckt sich
von 1. September 2015 bis 1. August 2017.
Auch die ausgewählten Sprachen, Deutsch und Englisch sowie die Quellen Twitter, Foren,
Facebook-Seiten sowie Blogs werden für diese zweite Eingabe nicht verändert.
Durch Drücken von ,,Create Data Set“ beginnt IBM Watson mit der Analyse. Dies nimmt
einige Zeit in Anspruch. Auch bei dieser Untersuchung werden aufgrund der Testversion
nur die 25.000 von Watson für am demonstrativsten erachteten Beiträge untersucht und
daraus wiederum eine Auswahl getroffen. Nachdem die Analyse durchgeführt wurde, er-
geben sich für die ausgewählten Topics 15.789 ,,Total documents“ und 16.656 ,,Total men-
tions“. Zunächst sollen nun durch die Auswahl der Kategorie ,,Topics“ im Drop-down-
Menü die Schlagworte ausgewertet werden.
Wie in Abbildung 42 eindeutig ersichtlich, wird auf sozialen Netzwerken hauptsächlich
über die betroffenen Automodelle diskutiert. Besonders von Juli bis August 2017 können
extrem viele Peaks verzeichnet werden. Dies passt sehr gut zu den Suchanfragehäufigkei-
ten für diese Monate, die mit Google Trends in einem vorhergehenden Kapitel ausgewertet
werden und ein vergleichbares Bild ergeben.
5 Ergebnisse
76
Abbildung 41: Watson: Modellvergleich, Ergebnis Topics
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 20. August 2017].
Das Verhältnis der ,,Share of voice“-Analyse ist 14.574 zu 2.082. Dies bedeutet, dass sich
rund 85,7% aller Diskussionen auf die betroffenen Modelle beziehen.
Eine Sentimentanalyse soll zeigen, welcher Art diese Social Media Einträge sind. Hierfür
muss im Drop-down-Menü ,,Sentiment“ ausgewählt werden. Eine Darstellung der Ergeb-
nisse der Senitmentanalyse findet sich in Abbildung 43.
Abbildung 42: Watson: Modellvergleich, Ergebnis Sentiment
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 20. August 2017]
5 Ergebnisse
77
Die Auswertung der ,,Betroffenen Modelle“ ist im oberen Balkendiagramm dargestellt, die
der ,,Nicht betroffenen Modelle“ im unteren. Das Verhältnis der Anteile an negativen Ein-
trägen ist bei beiden Topics annähernd gleich. Die genaue Anzahl beträgt 1.812 für die in
den Dieselskandal involvierten Fahrzeuge und 256 für die, die in keinem Zusammenhang
mit der Affäre stehen.
Die genaue Anzahl an Mentions je Sentiment sowie die prozentualen Verhältnisse finden
sich in Tabelle 8.
Betroffene Modelle Nicht betroffene Modelle
Positive Mentions 4022 662
Ambivalent Mentions 633 165
Neutrale Mentions 8107 999
Summe 12762 1826
Negative Mentions 1812 256
Anteil Negative Mentions 14,2% 14,0%
Tabelle 8: Prozentuelle Auswertung: Sentiment.
Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse.
Wie schon die Analyse nach ,,Topics“ zeigte, wird hauptsächlich über die betroffenen Mo-
delle auf den sozialen Netzwerken diskutiert. Interessant allerdings ist, dass der Anteil der
negativen Mentions bei beiden Kategorien jeweils knapp 14% beträgt. Durch Drücken auf
den roten Balken der Auswertung nach ,,Nicht betroffenen Modellen“ sollen Hintergründe
für dieses Ergebnis herausgefunden werden. Ein Großteil der Einträge auf sozialen Netz-
werken beschäftigt sich mit dem Model VW GTI, bei dem es laut diesen Posts zu einer
Vielzahl technischer Probleme kommt. Wie zu erwarten, bestimmt der Dieselskandal die
negativen Beiträge über die betroffenen Modelle.
Nun soll eine geographische Analyse nach Topics sowie Sentiment erfolgen, um herauszu-
finden, in welchen Teilen der Welt besonders kritisch über die Fahrzeugtypen diskutiert
wird. Hierfür muss im Drop-down-Menü ,,Geography“ ausgewählt werden.
5 Ergebnisse
78
Abbildung 43: Watson: Modellvergleich, Ergebnis Geografie
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 20. August 2017].
Wie Abbildung 44 zeigt, finden die meisten Diskussionen in den USA, gefolgt von Groß-
britannien und Deutschland statt. Diese Regionen sollen nun näher untersucht werden.
Hierfür wird zusätzlich in der unteren Menüleiste zunächst ,,Betroffene Modelle“, später
,,Nicht betroffene Modelle“ ausgewählt. Um den Anteil der negativen Kommentare pro
Region und Topics ablesen zu können, muss zusätzlich jeweils noch eine Sentimentanalyse
gemacht werden, welche wiederum durch Drücken auf ,,Sentiment“ und ,,negative“ im
unteren Menü ausgeführt wird. In Tabelle 9 wird die genaue Auswertung der Analyse an-
gezeigt.
USA GER GB
Betr. Mod. Nicht betr. Mod. Betr. Mod. Nicht betr. Mod. Betr. Mod. Nicht betr. Mod.
Anzahl Mentions 2027 551 351 29 758 78
Mentions in % 78,6% 21,4% 92,4% 7,6% 90,7% 9,3%
Neg. Mentions 245 63 71 3 85 5
Anteil neg. Mentions in % 12,1% 11,4% 20,2% 10,3% 11,2% 6,4%
Tabelle 9: Modellvergleich: Ergebnis Geografie
Quelle: Microsoft Excel, eigene Darstellung der Auswertung der der Watson Analyse.
5 Ergebnisse
79
In allen drei Regionen finden hauptsächlich Diskussionen über die betroffenen Modelle auf
sozialen Netzwerken statt. In Deutschland sind es sogar 92,4%. Der Anteil der negativen
Posts zu den in den Skandal involvierten Fahrzeugtypen beträgt dort 20,2%.
Das bedeutet, dass sich annähernd ein Fünftel aller negativen Diskussionen auf Social Me-
dia in Deutschland auf die Modelle Jetta, Golf, Passat, Polo und Beetle bezieht. In den
USA sind dies rund 12,1%, in Großbritannien circa 11,2%.
5.2.6 Vergleich mit anderen Autoherstellern
Um einen Vergleich zwischen verschiedenen Fahrzeugproduzenten herstellen zu können,
müssen zunächst passende Hersteller für die Analyse gefunden werden. Neben Volkswagen
sollen dies ein Autohersteller sein, der von der Größe vergleichbar ist, sowie ein solcher,
der nicht in den Skandal verwickelt ist und gegen den es auch derzeit (Stand: August 2017)
keine Anschuldigungen gibt. Die Wahl fiel daher auf Toyota und Opel.
Toyota ist wie Volkswagen einer der größten Automobilhersteller weltweit. Durch den Ein-
satz von Hybridtechnik in einer Vielzahl von Fahrzeugen konnte das Unternehmen aus
Japan seine Marktmacht in Deutschland vor allem nach dem Dieselskandal extrem vergrö-
ßern.60 Opel ist als eine der wenigen deutschen Automarken nicht in den Skandal ver-
strickt. Untersuchungen ergaben, dass bei allen Modellen keine Manipulationen der Ab-
gaswerte vorlagen.61
Nachdem nun die Analysegegenstände ausgewählt wurden, muss in IBM Watson Analytics
for Social Media ein neues Projekt erstellt werden. In diesem Projekt müssen, wie in Kapi-
tel 5.2.1. beschrieben, die besagten drei Autobauer mittels Topics eingefügt und definiert
werden. Da in diesem Fall keine einzelnen Modelle analysiert werden sollen, sondern
Stimmungen über die Unternehmen selbst, werden als ,,Topics keywords“ nur die Marken
eingetragen. Da dies Eigennamen sind, können die ,,Exclude keywords“ ignoriert werden.
Die ,,Context keywords“ sind für alle drei Topics die gleichen.
Aus Tabelle 10 können die ,,Topics keywords“ sowie ,,Context keywords“ entnommen
werden.
60 Vgl. Focus Online (2017), [online].
61 Vgl. mdr AKTUELL (2017), [online].
5 Ergebnisse
80
Topic Keywords
VW Toyota Opel
Volkswagen #toyota #opel
#vw #volkswagen
Context Keywords
Autohersteller, Autobauer
Car manufacturer, Carmaker
Auto, Autos, Car, Cars
Vehicle, Vehicles
Car company, Automotive manufacturer
Company, Unternehmen Fahrzeug, Fahrzeuge
Tabelle 10: Herstellervergleich: Definieren der Topics
Quelle: Microsoft Excel, eigene Darstellung der Watson Data Configuration.
Der Zeitraum der Analyse ist wiederum von 1. September 2015 bis 1. August 2017. Spra-
chen sowie Quellen weichen ebenfalls nicht von den vorhergehenden Analysen ab. Nach-
dem alle Eingaben erfolgt sind, muss die Analyse durchgeführt werden. Im Zuge dieser
sollen zunächst die Topics ausgewertet werden. Das Ergebnis der Untersuchung ist in Ab-
bildung 45 dargestellt.
Abbildung 44: Watson: Herstellervergleich, Ergebnis Topics
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 23. August 2017].
5 Ergebnisse
81
Insgesamt werden die drei Hersteller 21.095mal in Posts erwähnt. Davon entfallen 12.296
Mentions, also 58,29% auf VW, 37,34% auf Toyota und verhältnismäßig geringe 4,38%
auf Opel. Mehr als die Hälfte der Diskussionen betrifft daher Volkswagen.
Das orange Liniendiagramm, welches den Verlauf der Mentions von VW zeigt, weist eini-
ge Peaks zu Beginn des Skandals im September und Oktober 2015 auf, bevor es abflacht
und im Juli 2017, zu der Zeit, in der es auch im Google Trends Diagramm zu vielen Peaks
kommt, wieder ansteigt. Nun soll untersucht werden, warum es im Juli 2017 vermehrt zu
Mentions kam. Hierfür reicht es, die runden Kreise an den Höhepunkten des Diagramms
auszuwählen und im rechten Mentions-Feld die Posts durchzulesen. Wie zu erwarten, er-
wähnen fast alle Beiträge den Skandal. Oft wird von Social Media Usern davon abgeraten,
Fahrzeuge des Volkswagenkonzerns zu kaufen, aus Angst vor dem Einsatz der Manipula-
tionssoftware. Erstaunlich ist auch der Anstieg der Mentions von Toyota im Juli 2017.
Durch das Auswählen verschiedener Kreise an den Spitzen der Kurve soll auch hierfür
eine Erklärung gefunden werden. Aus den Posts kann herausgelesen werden, dass viele der
User sich Gedanken über den Kauf eines Toyota machen. In einer Vielzahl von Foren wer-
den unterschiedliche Modelle besprochen. Häufig fallen Meldungen zu Fahrzeugen mit
Hybridantrieb. Dies passt auch zu den steigenden Verkaufszahlen von diesen Autotypen in
Deutschland nach dem Skandal.
Um zu untersuchen, welcher Art die Diskussionen sind, wird im Drop-down-Menü
,,Sentiment“ ausgewählt. Das Ergebnis der Analyse wird in Abbildung 46 angezeigt.
Abbildung 45: Watson: Herstellervergleich, Ergebnis Topics
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 23. August 2017].
5 Ergebnisse
82
Auf den ersten Blick ersichtlich ist, dass VW die mit Abstand wenigsten positiven Einträge
aufweist, dafür die meisten negativen. Der Anteil der negativen Erwähnungen an der Ge-
samtzahl aller Mentions soll nun für jeden Autohersteller separat in Excel berechnet wer-
den. Hierfür muss lediglich der Mauszeiger über den jeweiligen Balken gehalten werden,
um ein Pop-up-Fenster zu öffnen, in dem die genaue Anzahl der Mentions angezeigt wird.
Diese Zahl der positiven, ambivalenten und neutralen Einträge wird dann addiert und da-
von der Anteil der negativen Beiträge in Prozent berechnet. Die Ergebnisse sind in Tabelle
11 zu finden.
Opel Toyota VW
Positive Mentions 389 3299 3585
Ambivalent Mentions 49 671 998
Neutrale Mentions 345 2668 4211
Summe 783 6638 8794
Negative Mentions 140 1238 3502
Anteil Negative Mentions 17,9% 18,7% 39,8%
Tabelle 11: Herstellervergleich: prozentueller Anteil Sentiment
Quelle: Microsoft Excel, eigene Darstellung der Auswertung der Watson Analyse
Nur rund 18% aller Beiträge berichten jeweils negativ über Toyota und Opel. Bei VW sind
es weitaus mehr, mit 39,8% ist die Quote höher als die der anderen beiden Hersteller zu-
sammen. Aus dieser Berechnung geht deutlich hervor, dass der Shitstorm fast ausschließ-
lich Volkswagen betrifft.
In einem weiteren Schritt soll nach Regionen analysiert werden. Hierfür muss im Menü
,,Geography“ ausgewählt werden.
Die Basisansicht der Weltkarte in Abbildung 47 zeigt die globale Verteilung der Mentions
aller drei Hersteller gemeinsam an. Durch eine kurze Auswertung der Anzahl der Beiträge
kann herausgefunden werden, dass die meisten davon aus den USA stammen, gefolgt von
Großbritannien und Deutschland. Zum gleichen Ergebnis führte schon die Analyse der
vom Dieselskandal betroffenen und nicht betroffenen Modelle.
5 Ergebnisse
83
Abbildung 46: Watson: Herstellervergleich, Ergebnis Geografie
Quelle: Analyse mit https://www.ibm.com/watson-analytics/, [Stand: 23. August 2017].
Wie schon in dem besagten vorhergehenden Abschnitt, muss, um den Anteil der Mentions
pro Region berechnen zu können, auch bei der Untersuchung der verschiedenen Autoher-
steller zunächst eine Aufteilung nach Marke erfolgen und in einem weiteren Schritt eine
Sentimentanalyse. Nach jedem erfolgten Arbeitsschritt müssen die Mentions erneut abge-
lesen werden. Dies geschieht wieder durch Halten des Mauszeigers über das jeweilige Ge-
biet.
Wiederum erfolgt diese Auswertung durch Auswahl der betreffenden Funktionen in der
unteren blauen Menüleiste.
USA GER GB
Opel Toyota VW Opel Toyota VW Opel Toyota VW
Anzahl Mentions 45 1438 2153 17 37 163 12 96 544
Mentions in % 1,2% 39,5% 59,2% 7,8% 17,1% 75,1% 1,8% 14,7% 83,4%
Neg. Mentions 11 268 543 2 1 39 5 8 175
Anteil neg. Mentions in % 24,4% 18,6% 25,2% 11,8% 2,7% 23,9% 41,7% 8,3% 32,2%
Tabelle 12: Herstellervergleich: prozentuelle Auswertung Geografie.
Quelle: Microsoft Excel, eigene Darstellung der Watson Analyse.
5 Ergebnisse
84
Tabelle 12 zeigt die geografische Verteilung der Mentions der drei Autohersteller in den
Ländern mit den meisten Beiträgen. In allen Regionen wird am häufigsten über Volkswa-
gen diskutiert, besonders in Großbritannien. Aus der Untersuchung der Mentions geht hier-
für kein genauer Grund hervor. Social Media User aus England diskutieren in Zusammen-
hang mit VW sowohl über den Dieselskandal als auch über technische Probleme oder den
Autokauf. Der Anteil der negativen Mentions an der Gesamtzahl der Mentions pro Land
ist für VW in Großbritannien mit 32,2% am höchsten. In den USA und Deutschland liegen
die negativen Kommentare für Volkswagen bei rund 25%.
Viele dieser kritischen Posts betreffen in erster Linie Reparaturen und technische Defekte
von älteren Modellen, wie aus einer genaueren Auswertung der Mentions hervorgeht. In
den USA sind die Meinungen über Opel und Toyota in einem ähnlichen Ausmaß wie bei
VW negativ. In Deutschland hingegen wird Toyota in einigen Posts in einem positiven Zu-
sammenhang erwähnt. Auch dies passt zu den steigenden Verkaufszahlen der Marke in
dieser Region. Allerdings hat eine Gesamtmentionszahl von 37 möglicherweise nur wenig
Aussagekraft.
5.3 Börsenkurse und Umsatzzahlen
In diesem Abschnitt sollen nun die Entwicklungen der Börsenkurse und Umsatzzahlen der
Volkswagen AG während des Skandals näher beleuchtet und mit den vorhergehenden Ana-
lysen abgeglichen werden. Die in diesem Kapitel erwähnten Ereignisse im Verlauf des
Skandals werden in Kapitel 5.1 genauestens beschrieben. Für die Untersuchung des Akti-
enkurses wird das Finanzportal wallstreet-online.de ausgewählt, da es erlaubt, einen ge-
nauen Zeitraum für die Analyse einzustellen. Beispielsweise kann der Verlauf des Aktien-
kurses auf finanznachrichten.de nur im Ein-Jahres- oder in Fünf-Jahresschritten abgebildet
werden. Ein Jahr ist für die notwendige Analyse zu kurz und fünf Jahre zu lang.
5.3.1 Verlauf des VW-Aktienkurses
Um den Aktienkurs der Volkswagen AG abzubilden, muss zunächst im Browser die Webs-
ite www.wallstreet-online.de geöffnet werden. Im nächsten Schritt wird in der Suchleiste
der Name des ausgewählten Unternehmens, Volkswagen, eingegeben und auf das Feld
,,Suchen“ gedrückt. Um nun den Verlauf des Kurses darzustellen, muss im Analysemenü
unter der Kategorie ,,Analyse“ ,,Chart“ ausgewählt werden. Hier können nun ein genauer
5 Ergebnisse
85
Zeitraum sowie das Intervall und der Börsenplatz bestimmt werden. Die festgelegte Perio-
de erstreckt sich vom 1. September 2015 bis zum 1. August 2017, ein ähnlicher Zeitraum
wie bei den Analysen mit Google Trends und IBM Watson Analytics for Social Media. Das
Intervall soll ein Tag sein. Als Börsenplatz wird die amerikanische Börse NASDAQ ge-
wählt. Nachdem nun die Grundeinstellungen festgelegt wurden, ergibt sich das in Abbil-
dung 48 dargestellte Bild.
Abbildung 47: Verlauf des VW Aktienkurses, NASDAQ.
Quelle: Analyse mit https://www.wallstreet-online.de, [Stand: 26. August 2017].
Wird der Mauszeiger über die Linie im Diagramm gehalten, zeigt wallstreet-online.de das
exakte Datum für die jeweilige Position des Cursors an.
Am 16. September 2015, vor dem Skandal, liegt der Kurs bei 187,55 USD. In den folgen-
den Tagen beginnt er allmählich zu sinken, bis er dann ab 19. September 2015 stark abfällt.
Den ersten Tiefpunkt erreicht der Aktienkurs am 23. September 2015. Dieser Tag kenn-
zeichnet den Rücktritt des VW-Chefs Martin Winterkorn. Danach fällt der Kurs weiter, bis
er am 2. Oktober 2015 bei lediglich 115,50 USD liegt. Dies bedeutet einen Wertverlust
von 72,05 USD innerhalb von nur zwei Wochen.
5 Ergebnisse
86
Wird das Börsenkurs-Diagramm nun mit dem Verlauf der Google Trends Kurve sowie der
Entwicklung der Diskussionen auf sozialen Netzwerken abgeglichen, finden sich einige
Parallelen, die im abschließenden Kapitel 6 des Ergebnisteils näher beschrieben werden.
Ab dem 5. Oktober steigt der Kurs neuerlich an und erreicht am 12. Oktober 2015 wieder
ein erstes Hoch von 151,40 USD, bevor er wieder sinkt. Auch die Google Trends Kurve
verzeichnet zwischen 5. und 10. Oktober 2015 einen Anstieg der Suchanfragehäufigkeiten.
Am 4. November fällt der Kurs der VW-Aktie auf 129,95 USD, nachdem es zu einem Ver-
kaufsstopp von betroffenen VW-, Audi- und Porsche-Modellen in den USA kommt. Mit
Ende 2015 steigt der Wert der Aktie wieder allmählich, bevor er Anfang 2016 wieder
sinkt. Erst rund um den 21. April 2016 steigt der Kurs erneut an, auf 153,10 USD. Grund
dafür könnte die erste Einigung zwischen US-Behörden und dem VW-Konzern im Zu-
sammenhang mit der Klärung des Skandals sein.
Ein erneutes Tief findet sich am 28. Juni 2016. An diesem Tag fällt der Kurs auf 135,33
USD. Wahrscheinlicher Grund dafür dürfte die Veröffentlichung der voraussichtlichen
Summe an Schadensersatzzahlungen in Höhe von 15 Milliarden USD in Amerika sein.
Nach dieser Meldung bleibt der Kurs für das restliche Halbjahr 2016 auf annähernd glei-
cher Höhe, tendenziell aber leicht ansteigend. Dennoch kommt es am 18. November 2016
zu einem Wertverlust, als bekannt wird, dass der VW-Konzern die durch den Skandal ent-
standenen finanziellen Schäden durch das Streichen von rund 30.000 Arbeitsplätzen kom-
pensieren will. Anfang des Jahres 2017 steigt der Kurs wieder an, fällt jedoch bis Mitte
April 2017 wieder stetig. Interessant ist der Anstieg des Wertes der Aktie im Juli 2017, da
zu dieser Zeit berichtet wird, es hätte Kartellabsprachen zwischen verschiedenen Autobau-
ern und VW gegeben.
Ein Vergleich der Aktienkurse von Volkswagen und Toyota zwischen 1. September 2015
und 31. Dezember 2015 zeigt, dass es nur bei VW zu einem Wertverlust kommt. Daher
kann daraus geschlossen werden, dass der Dieselskandal Grund für das Sinken des Bör-
senkurses des deutschen Automobilherstellers ist. In Abbildung 48 sind die Kurse beider
Unternehmen für den erwähnten Zeitraum ersichtlich. Ein Graph mit zwei y-Achsen ist für
die Darstellung erforderlich, da die Börsenkurse der Fahrzeugproduzenten zu unterschied-
liche Werte aufweisen. Die VW-Kurse werden deshalb auf der Primärachse dargestellt, die
Toyota-Kurse auf der Sekundärachse.
5 Ergebnisse
87
Abbildung 48: Volkswagen und Toyota Aktienkurse, 2015
Quelle: Microsoft Excel, eigene graphische Darstellung Kurse.
5.3.2 Umsatzzahlen des Volkswagen-Konzerns
Die für die Auswertung der Umsatzzahlen herangezogenen Geschäftsberichte sind auf der
Volkswagen AG Website als PDF verfügbar.
2015 belief sich die Zahl der verkauften Fahrzeuge auf 10,009.605 Stück. 2016 konnte
diese Zahl trotz Skandal um 3,8%, auf 10,391.113 sogar gesteigert werden. Auch die Pro-
duktion nahm um 3,9% zu. Die Umsatzerlöse stiegen um 1,9% an, von 213.292 Milliarden
Euro (2015) auf 217.267 Milliarden Euro (2016). Interessant ist auch die Zunahme an
Fahrzeugauslieferungen. In die USA werden 2016 um 0,8% mehr Fahrzeuge ausgeliefert
als 2015. Auch kann 2015 eine Zunahme im Vergleich zu 2014 verzeichnet werden. Liegt
die Anzahl 2014 bei 893.000, kann sie 2015 trotz Skandal auf 932.000 gesteigert werden,
2016 sogar auf 939.000. In Europa erfolgt eine noch größere Zunahme. Insgesamt werden
2016 4,618.000 Fahrzeuge ausgeliefert, 113.000 mehr als 2015. Damit steigert sich die
Zahl um 2,5%. Auch von 2014 auf 2015 erhöht sich die Zahl um den gleichen Stückzahl
von 113.000.62
62 Vgl. Volkswagen Aktiengesellschaft (2017c), [online].
50
52
54
56
58
60
62
64
66
68
70
100
110
120
130
140
150
160
170
180
190
200
VW Aktie
Toyota Aktie
5 Ergebnisse
88
2016 hat der Volkswagenkonzern den höchsten Umsatz in der Unternehmensgeschichte
generieren können, trotz negativer Sondereinflüsse von rund 6,4 Milliarden Euro auf
Grund des Dieselskandals. Auch das EBIT, der Gewinn vor Zinsen und Steuern, nimmt
2016 einen Rekordwert von 14,6 Milliarden Euro an und steigt um 14% im Vergleich zu
2015.
Auslöser für diese positive Entwicklung sollen laut Vorstand des Konzerns die auf Grund
der Emissionsaffäre herbeigeführte Umstrukturierung sowie die neue Ausrichtung des Un-
ternehmens sein.63 Dennoch sinkt der Umsatz der Modelle Golf, Passat und Tiguan 2016
um 0,6% und erreicht nur noch 105,7 Milliarden Euro, das operative Ergebnis für diese
Marken sinkt auf 1,9 Milliarden Euro. Das ist ein Rückgang von 11,1%. Trotzdem kann
der Konzern im Allgemeinen auf Grund der starken anderen Marken, wie etwa Audi, 2016
zu einem Rekordjahr machen. Auch 2017 geht der positive Trend weiter. Es kommt nun
endlich auch wieder zu einer Zunahme an Verkäufen der Modelle des Typs Volkswagen.
Der Anstieg wird hervorgerufen durch den Verkaufsstart einer neuen Version des Tiguan.
Besonders in den westlichen Teilen Europas kann der Konzern ein deutliches Plus ver-
zeichnen. Dadurch steigt das EBIT der VW AG schon im ersten Quartal 2017 um eine Mil-
liarde Euro im Vergleich zu 2016, von 3,4 Milliarden Euro auf 4,4 Milliarden Euro. Auch
der Wert der Volkswagen-Aktie erhöht sich während dieses Zeitraums. Der Vorstand des
Konzerns blickt positiv in die Zukunft und rechnet mit weiteren Steigerungen dieser Zah-
len für 2017. 64
Auch in den USA kann der Konzern 2017 die Umsätze bedeutend erhöhen. Bereits Anfang
des Jahres kommt es zu einer Steigerung an Verkäufen der Marke VW um 17,1%. Damit
werden 23.510 mehr Volkswagen-Fahrzeuge verkauft als im Jahr zuvor. Lediglich Autos
des Typs Jetta schwächeln. Auch die Absätze der Marke Audi können in den Vereinigten
Staaten Anfang 2017 bereits um 11% gesteigert werden, wohingegen Toyota auf dem US-
Markt einen Rückgang von 11% verzeichnen muss. Auch die Umsätze anderer Autobauer,
wie Ford, General Motors und Fiat Chrysler, gehen Anfang 2017 zurück.65 Der sinkende
Umsatz Toyotas passt zu den Ergebnissen der Sentimentanalyse nach Automobilproduzen-
ten, denn die Anzahl der negativen Posts über den japanischen Hersteller ist in den USA
mit 18,6% im Vergleich zu anderen Ländern bedeutend höher.
63 Vgl. Volkswagen Aktiengesellschaft (2017b), [online].
64 Vgl. Manager Magazin (2017), [online].
65 Vgl. Handelsblatt (2017b), [online].
5 Ergebnisse
89
5.4 Analyse und Interpretation
Mittels einer Google Trends Analyse kann beobachtet werden, dass ein steigendes Suchvo-
lumen oft mit Pressemeldungen zusammenhängt. Besonders zu Beginn des Dieselskandals
stieg die Anzahl der damit verbundenen Suchanfragen enorm an. Werden einzelne Zeitab-
schnitte in den Jahren 2015, 2016 und 2017 untersucht, kann bestätigt werden, dass das
meiste Interesse für die Dieselgate-Thematik kurz nach oder während öffentlichen Ereig-
nissen und Entwicklungen entsteht.
Ein Vergleich mit der ,,Share of voice trend“-Kurve, die mittels IBM Watson erstellt wur-
de, zeigt, dass sich die Zahl der Social Media Posts sowie deren Anteil an negativen Bei-
trägen über den Volkswagenkonzern ähnlich verhalten und ebenfalls von Pressemeldungen
beeinflusst werden. Auch diese Werte steigen nach besonderen Ereignissen im Zuge des
VW-Skandals oder richterlichen Urteilen gegen den Konzern an. Zusätzlich kann mit Hilfe
von Watson der Shitstorm in sozialen Netzwerken gegen den Konzern relativ einfach ab-
gebildet werden. Eine Sentimentanalyse vor und nach Bekanntwerden des Skandals zeigt
deutlich einen Anstieg der negativen Posts für alle drei untersuchten Marken (Audi, VW,
Porsche), jedoch ist die Kernmarke Volkswagen am meisten vom Online Firestorm betrof-
fen.
Um aufzuzeigen, welche mit dem Skandal verwandten Themen am häufigsten mit den be-
troffenen Marken diskutiert werden, erfolgte eine separate Analyse. Diese zeigt, dass die
meisten Posts in den Bereichen Dieselaffäre, Rückruf und Schadensersatzzahlung mit der
Kernmarke Volkswagen in Verbindung gebracht werden können.
Eine Gegenüberstellung der USA und Europa zeigt, dass 18,8% aller Posts in den Verei-
nigten Staaten, die sich auf den Autokonzern VW beziehen, negativ geprägt sind, wohinge-
gen der Anteil in der EU 26% beträgt. Die größere Anzahl an negativen Stimmungen ge-
genüber dem Fahrzeughersteller kann auf die ausbleibenden Schadensersatzzahlungen für
europäische Geschädigte zurückzuführen sein. In den USA wurde Volkswagen von Gerich-
ten dazu verurteilt, Wiedergutmachungszahlungen in Höhe von mehreren Milliarden Dol-
lar zu leisten, wohingegen in Europa lediglich eine kostenfreie Umrüstung der betroffenen
Fahrzeuge angeboten wurde.
Foren sind der Hauptschauplatz der Diskussionen, allerdings nimmt der Shitstorm auf
Twitter die größten Ausmaße an. Dies ist vermutlich darauf zurückzuführen, dass Tweets
5 Ergebnisse
90
relativ schnell verfasst, gepostet und retweeted sowie geliked werden können. Dadurch
verbreiten sich negativen Ansichten besonders schnell auf der Microblogging Plattform.
Wiederum ist die Kernmarke Volkswagen hauptsächlich vom Shitstorm auf Twitter betrof-
fen, mit einem Anteil an negativen Kommentaren von 34,8%. Noch größere Ausmaße des
Online Firestorms auf Twitter können durch eine Filterung nach Schlagwörtern, die mit
dem Dieselskandal in Verbindung stehen (= Themes) aufgezeigt werden. Werden diese
Suchbegriffe in die Analyse miteinbezogen, beziehen sich fast alle negativen Tweets auf
die Marke VW.
Eine Gegenüberstellung von betroffenen und nicht betroffenen Automodellen zeigt, dass
zwar vermehrt über die manipulierten Fahrzeuge diskutiert wird, allerdings ist der Anteil
an negativen Posts für beide Kategorien gleich und liegt bei rund 14%. Auch eine zusätz-
lich Aufteilung nach Regionen gemessen an der größten Anzahl an Mentions, zeigt, dass
auch in den Ländern mit den meisten Posts das Verhältnis der negativen zur Gesamtanzahl
der Kommentare für beide Untersuchungsgruppen gleich bleibt. Aus diesem Umstand kann
die Schlussfolgerung gezogen werden, dass auf Grund des Shitstorms gegen den Konzern
auch die anderen Marken des Unternehmens von Social Media Usern negativ betrachtet
werden.
Auch ein Vergleich von Autoherstellern zeigt, dass in Verbindung mit VW mehr negative
Kommentare gepostet werden als bei den anderen beiden Analyseobjekten, Toyota und
Opel, zwei Automobilhersteller, die bist dato nicht in den Skandal involviert sind.
Interessant sind jedoch die steigenden Umsatzzahlen der Volkswagen AG, die trotz Skan-
dal sehr positiv in den untersuchten Jahren ausfallen. Da die Verkäufe der betroffenen Mo-
delle der Kernmarke Volkswagen, wie etwa Golf, Passat, Jetta und Tiguan, in den betrach-
teten Perioden dennoch gesunken sind, ist der Anstieg der Umsätze möglicherweise auf
eine Zunahme an Verkäufen von anderen Marken des Herstellers zurückzuführen. Eine
nähere Beleuchtung der Auswirkungen folgt in Abschnitt 6, Kapitel 6.2.
Auch könnte ein Zusammenhang zwischen der Google Trends Kurve, den Ergebnissen der
Watson Sentimentanalyse und dem Aktienkursverlauf bestehen. Diese Annahme soll eben-
falls in Kapitel 6 genauer untersucht werden.
6 Auswirkung
91
6 Auswirkung
In diesem Abschnitt sollen die Konsequenzen des Skandals für die Aktienkurse und Um-
satzzahlen des VW-Konzerns diskutiert werden. Zusätzlich wird versucht Parallelen zwi-
schen den Verläufen der Google Trends sowie ,,Share of voice trend“ Kurven und dem
Kurs der VW-Aktie zu finden.
6.1 Auswirkungen auf Aktienkurse
In der Tat kann in Kapitel 5 ein möglicher Zusammenhang zwischen einem Anstieg der
Suchanfragehäufigkeiten, einer Zunahme der negativen Posts auf Social Media und dem
Verlauf des Aktienkurses erkannt werden. Wie diese Relation genau aussieht, soll in die-
sem Kapitel analysiert sowie interpretiert werden.
Zur Untersuchung der Auswirkungen auf die Aktienkurse werden der Verlauf des Börsen-
kurses der Volkswagen AG sowie jene Resultate, die sich nach Durchführung der Senti-
mentanalyse mittels IBM Watson Analytics ergaben, um den Online Firestorm in die Un-
tersuchung miteinbeziehen zu können, zur Diskussion herangezogen. Als drittes Ver-
gleichsobjekt dient der Verlauf des Suchvolumens während des Skandals, welcher mit
Google Trends ermittelt wurde.
Zur Interpretation der Resultate soll zunächst die Anfangsphase des Skandals abgebildet
werden. Hierfür wird ein zweidimensionaler Graph erstellt, in dem alle drei beschriebenen
Kurven (Trends, Watson, Aktienkurs) übereinandergelegt werden. Um diese vergleichbar
zu machen und in einem einzigen Diagramm abbilden zu können, müssen, auf Grund der
unterschiedlichen Skalierungen der Werte, drei y-Achsen verwendet werden.
Da die Vermutung besteht, dass Börsenkurse mit steigender Suchanfragehäufigkeit bzw.
Zunahme von negativen Mentions sinken, wird die Aktienkurskurve horizontal gespiegelt,
um den geringsten Wert als Höchstwert in der Kurve darzustellen. Dies erfolgt durch ein
Umkehren der Werte auf der y-Achse in Excel.
Die Abszissenachse (x-Achse) gibt in der Darstellung das jeweilige Datum wieder, die
Ordinatenachse (y-Achse) die Werte.
Das Resultat ist in Abbildung 49 dargestellt.
6 Auswirkung
92
Abbildung 49: Trends-, Watson-, Aktien-Verlauf: September 2015
Quelle: Microsoft Excel, eigene graphische Darstellung der Berechnungen.
Tatsächlich verlaufen alle drei Kurven annähernd gleich. Der Kurs der VW-Aktie sinkt (in
diesem Fall steigt die Kurve, wenn der Kurs sinkt, da ansonsten die drei Kurven nicht ver-
gleichbar gemacht werden können), wenn die Google Trends Anfragen sowie die negati-
ven Erwähnungen in sozialen Netzwerken zunehmen. Interessant ist auch die Ähnlichkeit
zwischen der Google Trends und der Watson Linie, die sich fast ident im Anstieg verhal-
ten.
Zwischen 22. und 25. September kommt es bei allen drei Kurven zu Peaks. Auch im Zeit-
raum vom 28. bis 29. September 2015 ergeben sich im Verlauf der Kurven Extremstellen,
allerdings sind diese unterschiedlich hoch ausgeprägt.
6 Auswirkung
93
Zur Kontrolle soll nun noch ein zweiter Graph für Mitte Juli 2017 bis Anfang August 2017
in der gleichen Vorgangsweise erstellt werden, um aktuelle Ergebnisse der Analysen zu
vergleichen.
Der Untersuchungszeitraum ergibt sich auf Grund der Limitation der Watson Daten, die
erst ab dem 20. Juli vorhanden sind, da davor zu wenig relevante Posts vom Analyse Tool
gefunden wurden.
Abbildung 50 zeigt den Graphen.
Abbildung 50: Trends-,Watson-, Aktien-Verlauf: Juli 2017
Quelle: Microsoft Excel, eigene graphische Darstellung der Berechnungen.
Erneut ergibt sich ein ähnlicher Verlauf der Kurven, wiederum sinkt der Aktienkurs mit
zunehmenden Mentions und Suchanfragen. Am 28. Juli 2017 kommt es zu Peaks aller drei
Kurven. Auch am 31. Juli 2017 erreichen die Verläufe der Graphen gemeinsame Extrem-
punkte, in unterschiedlichen Ausprägungen.
6 Auswirkung
94
Generell kann aus den Diagrammen abgelesen werden, dass der Aktienkurs sich ähnlich
wie die Zunahme der Suchanfragehäufigkeiten, bzw. Mentions, verhält. Ein vergleichbarer
Verlauf der Kurven findet sich auch zwischen der Google Trends und IBM Watson Analy-
se.
Daraus kann der Schluss gezogen werden, dass es einen Zusammenhang zwischen Suchvo-
lumen, Häufigkeiten der negativen Erwähnungen im Rahmen von Shitstorms und Aktien-
kursen gibt. Allerdings muss davon ausgegangen werden, dass nicht die Online Firestorms
Auswirkungen auf die Kursverläufe haben, sondern die zu Grunde liegenden Sachverhalte.
6.2 Auswirkungen auf Umsatzzahlen
Auf Grund der noch nicht festgelegten Höhe der Kosten für den Dieselskandal muss
Volkswagen 2015 Rückstellungen von 16,2 Milliarden Euro bilden, die sich negativ auf die
Bilanz des Jahres auswirken. Insgesamt macht der Konzern auf Grund der Dieselaffäre
2015 einen Verlust von 4,1 Milliarden Euro. Die Umsatz sinkt um 5,4% im Vergleich zum
Vorjahr. 66 Besonders ab Mitte September 2015 steigt der Anteil der negativen Posts auf
sozialen Netzwerken extrem an. Davor waren die positiven und negativen Meinungen über
das Unternehmen eher gleich gewichtet.
Trotz insgesamt steigender Umsatzzahlen gehen 2016, im ersten Jahr nach der Dieselaffä-
re, die Verkäufe der Modelle des Typs VW deutlich zurück. Die vielen negativen Kom-
mentare auf sozialen Netzwerken bestätigen, dass das Vertrauen der Käufer in den deut-
schen Autohersteller kaum noch vorhanden ist. Die steigende Anzahl an Fahrzeugausliefe-
rungen im Jahr 2016 kann durch das Wachstum des Weltmarktes für Automobile erklärt
werden, der in der selben Zeit um 4% wächst. Die Zunahme an Fahrzeugauslieferungen für
Europa durch Volkswagen beläuft sich 2016 auf 2,5%, während sich der Automobilmarkt
für diese Region um 5% vergrößert. Dies bedeutet, dass Volkswagen trotz der Zunahme an
Auslieferungen Marktanteile in Europa verliert. In den USA verkleinerte sich der Fahr-
zeugmarkt um 2%, trotzdem konnte Volkswagen um 0,8% mehr Fahrzeuge nach Amerika
ausliefern.67 Der 2016 gestiegene Jahresumsatz des Konzerns ist vor allem auf die hohen
Verkaufszahlen der Marken Seat und Porsche zurückzuführen.
66 Vgl. Tagesschau (2017), [online].
67 Vgl. Welt N24 (2016), [online].
6 Auswirkung
95
Die große Anzahl an negativen Kommentaren auf sozialen Netzwerken spiegelt auch die
Meinung vieler potentieller VW-Kunden wider: 2016 verringern sich die Einnahmen aus
Verkäufen der unter die Marke VW fallenden Fahrzeuge um 11%. Auch Audi konnte 2016
keine positiven Zahlen verbuchen, Grund dafür waren vor allem hohe Strafzahlungen in
Amerika.68
Werden die Einträge in sozialen Netzwerken mit diesen Entwicklungen abgeglichen, wird
ersichtlich, dass sich 2016 die meisten negativen Posts auf die Kernmarke Volkswagen
beziehen. Dies passt auch zur Entwicklung der Umsatzzahlen.
Porsche konnte 2016 den Umsatz um 2,6% auf 20,17 Milliarden Euro steigern. Auch der
Erlös durch den Verkauf von Fahrzeugen der Marke Skoda erhöhte sich von 6,1 Milliarden
Euro auf 6,6 Milliarden Euro im Vergleich zum Vorjahr.69
Eine Sentimentanalyse für den ersten Teil des Jahres 2017 zeigt einen Rückgang der nega-
tiven Mentions über VW im Vergleich zum Beginn des Skandals. Diese Entwicklung deckt
sich mit der Zunahme an Verkäufen der Kernmarke im betrachteten ersten Halbjahr 2017.
68 Vgl. Spiegel Online (2016d), [online].
69 Vgl. Auto Motor und Sport (2017), [online].
7 Zusammenfassung und Ausblick
96
7 Zusammenfassung und Ausblick
Das Ziel der vorliegenden Masterarbeit war es, zunächst aufzuzeigen, wie ein Skandal am
besten erkannt werden kann, bzw. wie er sich in sozialen Medien äußert. Zudem sollte
überprüft werden, ob ein Zusammenhang zwischen Suchanfragehäufigkeiten, Stimmungen
in sozialen Netzwerken und Aktienkursen sowie Umsatzzahlen besteht.
Die Arbeit gliedert sich in zwei Teile. Im ersten Abschnitt wurden theoretische Grundbe-
griffe erklärt und der aktuelle Stand der Forschung zu verwandten Themenbereichen wie-
dergegeben. Aus einer Literaturrecherche ging hervor, dass Publikationen zu den unter-
suchten Wissenschaftsgebieten rar sind. Tatsächlich konnte keine wissenschaftliche Arbeit
über die Analyse eines Social Media Shitstorms mittels Watson bzw. die Auswirkungen
eines solchen auf den Aktienkurs gefunden werden.
Im empirischen Teil wurde im ersten Abschnitt zunächst das für die Untersuchung ausge-
wählte Analyseobjekt vorgestellt, bevor eine genaue Beschreibung der verwendeten Tools
erfolgte.
Im zweiten Kapitel wurde der Verlauf des Dieselskandals rund um den Volkswagenkon-
zern zunächst mittels Google Trends Analyse abgebildet. Informationen über einen mögli-
chen Zusammenhang zwischen steigendem Suchvolumen und Pressemeldungen konnten
aus dieser Auswertung gewonnen werden. Danach wurde versucht, die Auswirkungen des
Skandals auf vorherrschende Meinungen von Social Media Usern abzubilden. Zu diesem
Zwecke wurden Einträge in Foren, Blogs sowie auf Facebook-Seiten und Twitter mit IBM
Watson Analytics for Social Media ausgewertet und einer Sentimentanalyse unterzogen.
Die dadurch gewonnenen Erkenntnisse zeigten, dass es während des Skandals zu einer
steigenden Anzahl von negativen Posts im Zusammenhang mit dem Volkswagenkonzern
kam. Eine Gegenüberstellung verschiedener Autohersteller verdeutlichte dieses Ergebnis.
Allerdings zeigte ein Vergleich von betroffenen und nicht betroffenen Modellen des VW-
Konzerns, dass alle Autotypen des Herstellers, möglicherweise auf Grund des Skandals, im
gleichen Ausmaß negativ betrachtet werden.
Zusätzlich wurden die Watson Auswertungen mit Google Trends abgeglichen. Diese Ge-
genüberstellung zeigte, dass sich die Anzahl der negativen Posts ähnlich verhält wie das
Suchvolumen. Nach negativen Pressemeldungen konnten ein Anstieg der Suchanfragehäu-
7 Zusammenfassung und Ausblick
97
figkeiten sowie eine Zunahme der Anzahl an Posts beobachtet werden. Ein Vergleich zwi-
schen Europa und USA zeigte, dass die Meinungen über den VW Konzern in Europa nega-
tiver sind, was mit den ausbleibenden Schadensersatzzahlungen für betroffene Kunden
zusammenhängen könnte.
Zum Abschluss des empirischen Teils wurden mögliche Zusammenhänge mit dem Bör-
senkurs und den Umsatzzahlen diskutiert. Mit Hilfe von Microsoft Excel konnten Dia-
gramme erstellt werden, die die Trends-, Watson- und Aktienkurskurven gemeinsam abbil-
deten. Aus diesen Diagrammen ging hervor, dass die drei Kurven ähnlich verliefen.
Dieser Zusammenhang könnte Grundlage für weitere Arbeiten sein, in denen mit Hilfe von
mehreren Beispielen und einer größeren Datenmenge die Beziehungen genauer untersucht
werden könnten.
Abschließend kann festgestellt werden, dass das in dieser Arbeit für die Analysen des On-
line Firestorms verwendete Tool IBM Watson Analytics for Social Media ein mächtiges
Instrument und für eine Vielzahl von interessanten Social Media Auswertungen nutzbar ist.
Auf Grund der erst kürzlichen Markteinführung vor einem Jahr (die Beta-Version startete
im November 2015), sind zu diesem Zeitpunkt noch kaum wissenschaftliche Publikationen
über den Einsatz von IBM Watson Analytics for Social Media vorhanden. Auch der The-
menbereich ,,Shitstorms“ wird erst seit kurzem in wissenschaftlichen Artikeln aufgegriffen
und untersucht. Da die Zahl der Social Media User aber weiterhin steigt, wird es auch für
Unternehmen immer wichtiger, die vorherrschenden Stimmungen zu erkennen und sich
über die Auswirkungen von Online Negative Word of Mouth bewusst zu werden. Beson-
ders für Anleger und Investoren könnten Erkenntnisse über Zusammenhänge zwischen
Suchvolumen, Online Firestorms und Aktienkursverläufen in Zukunft immer mehr an Be-
deutung gewinnen.
7 Zusammenfassung und Ausblick
98
Literaturverzeichnis
Literaturquellen
Brosius, F. (2011): SPSS 19, 1. Aufl., Verlagsgruppe Hüthig-Jehle-Rehm, S.739.
Choi, H.Y./Varian, H. (2012): Predicting the Present with Google Trends, Economic Record, Vol. 88, Special
Issue, S. 2-9.
Choudhury, N. (2014): World Wide Web and Its Journey from Web 1.0 to Web 4.0, International Journal of
Computer Science and Information Technologies, Vol. 5., S. 8096-8099.
Curme, C./Preis, T./Stanley, H.E./Moat, H. S. (2014): Quantifying the semantics of search behavior before
stock market moves, PNAS, Vol. 111, S.117-128.
epubli GmbH (2013): Buchmarketing und Social Media Guide für Autoren, 3. aktualisierte Auflage, Berlin.
Gabriel, R./Röhrs, H.P. (2012): Social Media. Potenziale, Trends Chancen und Risiken, 1. Aufl., Berlin,
Heidelberg.
Johnson, D.R. (2012): Social media: redefining crisis management, The National Provisioner, S.1.
Leinemann, R. (2013): Social Media: Der Einfluss auf Unternehmen, Springer, Berlin Heidelberg, S. 2.
Pfeffer, J./Zorbach, T./ Carley, K. M. (2014): Understanding online firestorms: Negative word-of-mouth
dynamics in social media networks, Journal of Marketing Communications, Vol. 20, S.117-128.
Sauers, M.P. (2006): Blogging and RSS. A Librarian's GUIDE, United States of America.
Schmidt, J.H. (2013): Social Media, Wiesbaden.
Schlüter, T./Münz, M. (2012): 30 Minuten Twitter, Facebook, XING & Co, 5. überarb. Aufl., Offenbach.
Sfetcu, N. (2017): Web 2.0/Social media/Social networks, S. 1.
Su Jung, K./Wang, R./Maslowska, E.: (2016): Understanding a fury in your words: The effects of posting and
viewing electronic negative word-of-mouth on purchase behaviors, Computers in Human Behavior,
Vol. 54, S. 511-521.
7 Zusammenfassung und Ausblick
99
Online-Quellen
Autobild (2017): VW Abgasskandal: Aktuelle News und Updates.
URL: http://www.autobild.de/artikel/vw-abgasskandal-aktuelle-news-und-updates-6077591.html,
[Stand: 20. Juni 2017].
Auto Motor und Sport (2017): VW-Jahreskonferenz 2017. Porsche und Skoda retten die Bilanz.
URL: http://www.auto-motor-und-sport.de/news/vw-jahrespressekonferenz-2017-alle-zahlen-alle-
gehaelter-8544923.html, [Stand: 28. August 2017].
California Environmental Protection Agency Air Resources Board (2017): Volkswagen diesel vehicle infor-
mation for California.
URL: https://www.arb.ca.gov/msprog/vw_info/vw-diesel-info/vw-diesel-info.htm,
[Stand: 21. August 2017].
Deutsche Wirtschafts Nachrichten (2017a): Volkswagen: Zeugen belasten Winterkorn schwer.
URL: https://deutsche-wirtschafts-nachrichten.de/2017/07/09/volkswagen-zeugen-belasten-
winterkorn-schwer/, [Stand: 3. August 2017].
Deutsche Wirtschafts Nachrichten (2017b): VW beruft Sondersitzung des Aufsichtsrats ein.
URL: https://deutsche-wirtschafts-nachrichten.de/2017/07/24/vw-ruft-aufsichtsrat-zu-notsitzung-
zusammen/, [Stand: 3. August 2017].
Die Presse (2016a): VW lehnt Entschädigungen für Kunden in Europa ab.
URL: http://www.spiegel.de/wirtschaft/unternehmen/vw-muss-angeblich-15-milliarden-dollar-
entschaedigung-zahlen-a-1100131.html, [Stand: 3. August 2017].
Die Presse (2016b): VW-Abgasskandal. Audi trennt sich von Entwicklungschef.
URL: http://www.spiegel.de/wirtschaft/unternehmen/audi-hat-sich-von-seinem-technikvorstand-
stefan-knirsch-getrennt-a-1114022.html, [Stand: 3. August 2017].
Die Press (2016c): VW-Abgasskandal. US_Richter billigt 15-Milliarden-Euro-Vergleich.
URL: http://www.spiegel.de/wirtschaft/unternehmen/vw-abgasskandal-einigung-ueber-strafzahlung-
in-den-usa-a-1118236.html, [Stand: 3. August 2017].
Focus Online (2017): Fünf Millionen Autos sollen mit neuer Software sauberer werden - jetzt spricht
Dobrindt.
URL: http://www.focus.de/auto/news/abgas-skandal/diesel-gipfel-im-news-ticker-toyota-profitiert-
vom-diesel-skandal_id_7427100.html, [Stand: 27. August 2017].
7 Zusammenfassung und Ausblick
100
Frankfurter Allgemeine (2017a): Ferdinand Piëch wird 80. Es ging ihm nie um Harmonie.
URL: http://www.faz.net/aktuell/wirtschaft/ferdinand-piech-feiert-seinen-80-geburtstag-
14972399.html, [Stand: 3. August 2017].
Frankfurter Allgemeine (2017b): Modell vorgestellt. Neuer Polo soll VW Schwung bringen.
URL: http://www.faz.net/aktuell/wirtschaft/unternehmen/modell-vorgestellt-neuer-polo-soll-vw-
schwung-bringen-15063909.html, [Stand: 3. August 2017].
Frankfurter Allgemeine (2017c): Keine Entschädigung. Volkswagen und EU einigen sich im Abgasstreit.
URL: http://www.faz.net/aktuell/wirtschaft/diesel-affaere/keine-entschaedigung-volkswagen-und-eu-
einigen-sich-im-abgasstreit-15061990.html, [Stand: 3. August 2017].
Frankfurter Allgemeine (2017d): Abgasskandal. Amerika jagt VW-Manager mit Interpol.
URL: http://www.faz.net/aktuell/wirtschaft/diesel-affaere/abgasskandal-amerika-jagt-vw-manager-
mit-interpol-15073151.html, [Stand: 3. August 2017].
Google Trends (2017): Google Trends Analyse.
URL: https://trends.google.at/trends/explore?date=2015-07-01%202017-08-01&geo=US&q=VW,
[Stand: 1. August 2017].
Handelsblatt (2017a): Abgasskandal. Volkswagen will vier Millionen Diesel nachrüsten.
URL: http://www.handelsblatt.com/unternehmen/industrie/abgasskandal-volkswagen-will-vier-
millionen-diesel-nachruesten/20114028.html, [Stand: 3. August 2017].
Handelsblatt (2017b): Volkswagen. Erneut dickes Absatzplus in den USA.
URL: http://www.handelsblatt.com/unternehmen/industrie/volkswagen-erneut-dickes-absatzplus-in-
den-usa/19335152.html, [Stand: 28. August 2017].
Hoffmann, K. (2016): Studie: Welchen Schaden richten Shitstorms wirklich an - und wie können Marken
sich schützen?
URL: http://www.kerstin-hoffmann.de/pr-doktor/2016/10/18/studie-shitstorm-schaden-marken-
schuetzen/, [Stand: 22. Juli 2017].
Irandoust, K. (2016): Big Data. IBM Watson Analytics for Social Media.
URL: https://www.linkit.nl/eng/knowledge-base/79/IBM_Watson_Analytics_for_social_media/,
[Stand: 25. Juli 2017].
Justitz, R. (2012): Kritik von Kunden über Social Media.
URL: http://www.business-wissen.de/artikel/kritik-von-kunden-ueber-social-media/,
[Stand: 22. Juli 2017].
7 Zusammenfassung und Ausblick
101
Manager Magazin (2017): Kernmarke VW bereitet Anlegern Freude.
URL: http://www.manager-magazin.de/unternehmen/autoindustrie/volkswagen-hoher-gewinn-im-
ersten-quartal-q1-a-1143742.html, [Stand: 28. August 2017].
mdr AKTUEL (2017): Dieselskandal: Autokonzerne unter Druck.
URL: http://www.mdr.de/nachrichten/politik/inland/dieselskandal-autokonzerne-unter-druck-
100.html, [Stand: 27. August 2017].
Pappas, S. (2013): Google Predicts Stock-Market Crashes, Study Suggests.
URL: https://www.yahoo.com/news/google-predicts-stock-market-crashes-study-suggests-
131040530.html, [Stand: 28. Juli 2017].
Renner, B. (2015): Shitstorm und organische Sichtbarkeit.
URL: https://www.iprospect.com/de/de/unser-blog/shitstorm-und-organische-sichtbarkeit/,
[Stand: 28. Juli 2017].
Roth, P. (2017): Nutzerzahlen: Facebook, Instagram und WhatsApp, Highlights, Umsätze, uvm..
URL: https://allfacebook.de/toll/state-of-facebook, [Stand: 21. Juli 2017].
Shz.de (2016): Stellenabbau nach Dieselgate. VW streicht 23.000 Arbeitsplätze in Deutschland.
URL: https://www.shz.de/incoming/vw-streicht-23-000-arbeitsplaetze-in-deutschland-
id15370421.html, [Stand: 3. August 2017].
Spiegel Online (2015a): Umweltbehörde fordert Rückruf von fast 500.000 VW.
URL: http://www.spiegel.de/wirtschaft/unternehmen/usa-umweltbehoerde-fordert-rueckruf-von-fast-
500-000-vw-autos-a-1053747.html, [Stand: 24. Juli 2017].
Spiegel Online (2015b): Das VW-Desaster in den USA - die Fakten.
URL: http://www.spiegel.de/auto/aktuell/manipulationsverdacht-gegen-volkswagen-die-fakten-a-
1053825.html, [Stand: 24. Juli 2017].
Spiegel Online (2015c): Abgas-Affäre. VW-Chef Winterkorn tritt zurück.
URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-chef-martin-winterkorn-tritt-
zurueck-a-1054419.html, [Stand: 3. August 2017].
Spiegel Online (2016a): Abgasskandal. Richter verkündet Einigung zwischen VW und US-Behörden.
URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-us-richter-verkuendet-einigung-im-
vw-abgasskandal-a-1088571.html, [Stand: 3. August 2017].
7 Zusammenfassung und Ausblick
102
Spiegel Online (2016b): Abgasaffäre. Volkswagen darf weitere 1,1 Millionen Dieselautos umrüsten.
URL: http://www.spiegel.de/auto/aktuell/volkswagen-darf-weitere-1-1-millionen-dieselautos-
umruesten-a-1096525.html, [Stand: 3. August 2017].
Spiegel Online (2016c): US-Abgasaffäre. VW muss angeblich 15 Milliarden Dollar Entschädigung zahlen.
URL: http://www.spiegel.de/wirtschaft/unternehmen/vw-muss-angeblich-15-milliarden-dollar-
entschaedigung-zahlen-a-1100131.html, [Stand: 3. August 2017].
Spiegel Online (2016d): Abgasskandal. VW-Vorstände müssen zunächst auf 30 Prozent ihrer Boni verzich-
ten.
URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-macht-2015-riesen-verlust-a-
1088794.html, [Stand: 28. August 2017].
Spiegel Online (2017a): Volkswagen Affäre. Chronik eines Skandals.
URL: http://www.spiegel.de/auto/aktuell/vw-abgasskandal-chronik-eines-skandals-a-1122730.html,
[Stand: 24. Juli 2017].
Spiegel Online (2017b): Abgasaffäre bei Volkswagen. VW hat weltweit 4,7 Millionen Diesel umgerüstet.
URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-weltweit-4-7-millionen-diesel-
umgeruestet-a-1146985.html, [Stand: 24. Juli 2017].
Spiegel Online (2017c): Abgasskandal. Erste Musterklage in Deutschland bringt VW in die Klemme.
URL: http://www.spiegel.de/wirtschaft/unternehmen/volkswagen-erste-musterklage-in-abgasaffaere-
bringt-vw-in-die-klemme-a-1128382.html, [Stand: 3. August 2017].
Spiegel Online (2017d): Spionage unter Mitarbeitern. Volkswagen soll Militärdiktatur in Brasilien unterstützt
haben.
URL: http://www.spiegel.de/wirtschaft/unternehmen/brasilien-volkswagen-soll-militaerdiktatur-
unterstuetzt-haben-a-1159357.html, [Stand: 3. August 2017].
Statista (2017a): Statistiken zu Twitter.
URL: http://de.statista.com/themen/99/twitter/, [Stand: 21. Juli 2017].
Statista (2017b): Anzahl der monatlich aktiven Nutzer von Twitter weltweit vom 1. Quartal 2010 bis zum 2.
Quartal 2017 (in Millionen).
URL: http://de.statista.com/statistik/daten/studie/232401/umfrage/monatlich-aktive-nutzer-von-
twitter-weltweit-zeitreihe/, [Stand: 21. Juli 2017].
Statista (2017c): Statistiken zum Thema Blogs.
URL: http://de.statista.com/themen/248/blog/, [Stand: 22 Juli 2017].
7 Zusammenfassung und Ausblick
103
Tagesschau (2017): VW-Jahresbilanz 2016. Die Kernmarke schwächelt noch.
URL: https://www.tagesschau.de/wirtschaft/volkswagen-bilanz-103.html, [Stand: 28. August 2017].
The Economist (2013): Gold and green. California wants to lead America to a greener future.
URL: https://www.economist.com/news/united-states/21573547-california-wants-lead-america-
greener-future-gold-and-green, [Stand: 21. August 2017].
United States Environmental Protection Agency (2013): Learn About Volkswagen Violations.
URL: https://www.epa.gov/vw/learn-about-volkswagen-violations, [Stand: 21. August 2017].
Volkswagen Aktiengesellschaft (2017a): Konzern.
URL: https://www.volkswagenag.com/de/group.html, [Stand: 26. Juli 2017].
Volkswagen Aktiengesellschaft (2017b): Volkswagen Konzern zurück in der Gewinnzone: Umsatz und Ope-
ratives Ergebnis im Jahr 2016 so hoch wie noch nie zuvor.
URL: http://www.volkswagenag.com/de/news/2017/02/VW_Group_2016_results.html, [Stand: 26.
Juli 2017].
Volkswagen Aktiengesellschaft (2017c): Wir definieren Mobilität neu. Geschäftsbericht 2016.
URL: https://www.volkswagenag.com/presence/investorrelation/publications/annual-
reports/2017/volkswagen/de/Y_2016_d.pdf, [Stand: 28. August 2017].
Welt N24 (2016): Weltweite Pkw-Märkte 2016/2017.
URL: https://www.welt.de/motor/news/article160491737/Weltweite-Pkw-Maerkte-2016-2017.html,
[Stand: 28. August 2017].
Zeit Online (2017): Kartellverdacht. Daimler reichte Selbstanzeige offenbar vor VW ein.
URL: http://www.zeit.de/mobilitaet/2017-07/kartellverdacht-selbstanzeige-daimler-vw-autoindustrie,
[Stand: 3. August 2017].
Anhang
104
Anhang