Neural topic modeling reveals German television's climate change coverage

Key Findings

• 28.000+ Tagesschau-Nachrichten-Items (2015–2023) mit NLP-Pipeline aus Dictionary-Approach + BERTopic (Neural-Topic-Modeling, transformer-basiert).
• Klimawandel = 4 % der Gesamt-Berichterstattung (Sport: 9 %).
• 80 % der Klimaberichterstattung adressiert Klimapolitik, nur 10 % adressiert Klima-Impacts (Wetterextreme, Hitzewellen etc.).
• 35 General-Topic-Cluster + 5 Klima-spezifische Sub-Cluster identifiziert.
• Methoden-Footprint: BERTopic (reproduzierbar via Zenodo), Open-Data, Open-Code — Methodentransparenz-Standard für DACH-Klima-NLP.

Relevance for WFK

K3-Quelle (Tier-3-EU/Global akademisch, peer-reviewed, PIK-Potsdam) zu WFK-8.1.1. Direkter DACH-Anker für die D2=2-Begründung (KI-Use-Cases reif: Neural-Topic-Modeling für Klima-Mediendiskurs-Auswertung). Gleichzeitig dokumentiert der Befund „80 % Politik vs. 10 % Impact" eine strukturelle Lücke der medialen Klimakommunikation in DACH — relevant für WFK-8.1.3 (Zukunftsnarrativ-Frage: deutsche Medien tragen kein Zukunfts-Narrativ, sondern Policy-Debatte). IPCC-Confidence: high (robust evidence, high agreement).

Citation

@article{schirmag2025neuraltopic,
  title   = {Neural topic modeling reveals German television's climate change coverage},
  author  = {Schirmag, Till and Wedemeyer, Johannes H. and Stechemesser, Annika and Wenz, Leonie},
  journal = {Communications Earth \& Environment},
  year    = {2025},
  doi     = {10.1038/s43247-025-02402-1},
  url     = {https://www.nature.com/articles/s43247-025-02402-1}
}