// HEISE ONLINE — MOBILE & WEB
Wahlkampf via Social Media: Weizenbaum-Institut bittet um TikTok-Datenspenden
Das Weizenbaum-Institut ruft TikTok-Nutzende zur Datenspende auf, um Algorithmen und politische Inhalte vor den Landtagswahlen im September 2026 zu erforschen.
Wie viel posten politische Parteien auf TikTok im Vorfeld der anstehenden Landtagswahlen und was kommt davon bei Nutzenden an? Das will das Citizen-Science-Projekt „Dein Feed, Deine Wahl“ genauer sichtbar machen.
Das Berliner Weizenbaum-Institut hat eine neue Erhebungsrunde seines Forschungsprojekts „Dein Feed, Deine Wahl“ gestartet. Im Vorfeld der Landtagswahlen in Sachsen-Anhalt und Mecklenburg-Vorpommern und der Berliner Abgeordnetenhauswahl im September 2026 können TikTok-Nutzende ab 18 Jahren freiwillig ihre Nutzungsdaten im Rahmen des Citizen-Science-Projekts spenden.
Ziel der Untersuchung ist es, einen genaueren Überblick darüber zu erhalten, welche politischen Inhalte der Empfehlungsalgorithmus der Plattform tatsächlich in individuelle Feeds zusammenstellt – und wie sich diese Informationsräume je nach Region, Alter und politischer Einstellung unterscheiden. Das Projekt konzentriert sich dabei explizit auf Wahlen im östlichen Teil Deutschlands, da Datenspenden zu kommunalen Direktwahlen in Niedersachsen am 13. September 2026 nicht angefragt werden. Datenspenden können sowohl online erfolgen als auch bei ausgewählten Vor-Ort-Aktionen.
Die neue Studie des Weizenbaum-Instituts knüpft an eine bereits erfolgte Erhebung zur Bundestagswahl 2025 an. Dem Institut zufolge nahmen an der Erhebung zur jüngsten Bundestagswahl mehr als 900 TikTok-Nutzende teil. Damals zeigte sich, dass am 1. Januar die Gesamtmenge aller politischen Inhalte in den Feeds (inklusive traditioneller Nachrichten) bei circa zwei Prozent lag, zum Wahltag am 23. Februar 2025 bei circa 10–11 Prozent.
Die Studie 2026 soll nun beobachten, ob es anlässlich der Landtagswahlen regionale Unterschiede in den Informationsumgebungen gibt, und vergleichen sowie prüfen, ob sich die Mechanismen anders auswirken als bei einer Bundestagswahl. Außerdem soll die Datenspende klären, bei wem welche Inhalte tatsächlich im Feed landen – und ob die hohen Reichweiten bestimmter Akteure sich gleichmäßig über alle Nutzergruppen verteilen oder primär in bestimmten politischen Lagern verbleiben.
Das Projekt betont ausdrücklich, dass es TikTok nicht als „Wahlentscheidungsmaschine“ voraussetzt. Untersucht werden Mechanismen der Informationsversorgung und mögliche Zusammenhänge mit Einstellungen und Wahlentscheidungen – ohne automatisch Kausalität zu behaupten. Bei der Kategorisierung politischer Inhalte ordnen die Forschenden etwa Videos anhand von Hashtags, Accounttypen und Metadaten Parteien, einzelnen Politikerinnen und Politikern, parteinahen Influencern sowie nutzergenerierten Inhalten zu.
Nutzerinnen und Nutzern, die ihre TikTok-Daten spenden wollen, verspricht das Projekt Anonymität und einen starken Datenschutz. Politische Meinungen gelten unter anderem nach der Datenschutz-Grundverordnung (DSGVO) als besondere Kategorie personenbezogener Daten. Das Projekt stützt sich somit auf die ausdrückliche Einwilligung der Teilnehmenden und das Forschungsprivileg nach Artikel 89 DSGVO. Die wissenschaftliche Auswertung erfolge ausschließlich in anonymisierter und aggregierter Form. Die Daten sollen auch weder an TikTok weitergegeben noch kommerziell genutzt werden. Forschungsdaten sollen allerdings der wissenschaftlichen Community in anonymisierter Form zugänglich gemacht werden und eine wissenschaftliche Publikation ist für 2027 vorgesehen.
Methodisch basiert die Erhebung darauf, dass Teilnehmende über die TikTok-App eine DSGVO-Datenauskunft anfordern und die heruntergeladenen Daten ab dem 24. August über ein Webformular auf der Projektplattform hochladen. Erfasst werden angezeigte Videos, Interaktionen wie Likes und Shares sowie Metadaten wie Hashtags – nicht jedoch Accountnamen der Spendenden, Shopping-Daten oder private Nachrichten. Serverseitig werden die Rohdaten auf Weizenbaum-Servern gespeichert, identifizierende Feld