Inklusive Demokratie, Nachhaltige Demokratie?

Dissertation von Katharina Holec

In meiner Dissertation an der Heinrich-Heine Universität Düsseldorf untersuche ich die Effekte deskriptiver und substantieller Repräsentation in und durch Beteiligungsverfahren auf die Legimitätseinstellungen von Bürger*innen.

Zusammenfassung

Legitimität – als Summe individueller Überzeugungen über die Angemessenheit und Akzeptanz einer politischen Gemeinschaft, ihres Regimes und ihrer Autoritäten – ist das Schlüsselelement zur Stabilisierung demokratischer Systeme. Unzufriedenheit mit der Demokratie nehmen jedoch zu und in der Bevölkerung entstehen leicht Vorstellungen von Demokratie, die sich voneinander unterscheiden können. Es scheint für ein langfristig stabiles und nachhaltiges politisches System nicht mehr sinnvoll Partizipationsmöglichkeiten auf Wahlen zu beschränken.

Zur Lösung dieser „Legitimitätsproblem“ schlagen viele Demokratietheoretiker und -forscher mehr Möglichkeiten der politischen Beteiligung am demokratischen Prozess vor. Konsultationen sind ein Mittel, das von den Kommunen häufig eingesetzt wird, um die Zufriedenheit und das Verständnis für politische Prozesse zu erhöhen. Doch die konsultative Beteiligung verspricht oft mehr als sie halten kann. Wie jede politische Beteiligung ist auch die Konsultation verzerrt. Die soziale Ungleichheit in der Gesellschaft beeinflusst, wer sich beteiligt. Und wer teilnimmt, beeinflusst letztlich auch das Ergebnis eines Prozesses. Das Risiko, marginalisierte Stimmen im Prozess zu verlieren, ist in diesen Prozessen hoch.
In meine Dissertationsprojekte möchte ich ein detailliertes Verständnis der Vorteile des Einbezugs dieser Stimmen für die Überzeugung von der lokalen demokratischen Legitimität entwickeln. Orientiert an den Ideen von Hannah Pitkin (1972) zur deskriptiven und substantiellen Repräsentation in der Politik entwickle ich ein Modell, dass diese Aspekte im Kontext konsultativer Öffentlichkeitsbeteiligung an der Verkehrswende misst und darstellt.

Ich schaue mir dabei folgende Fragen im Detail an:
(a) Erhöht die deskriptive Repräsentation im Input eines konsultativen Beteiligungsprozesses die substanzielle Repräsentation im Ergebnis eines politischen Prozesses?
(b) Wie wichtig sind deskriptive und substanzielle Repräsentation für die Stärkung der Legitimitätsüberzeugungen nach dem politischen Prozess?

Dabei konzentriere mich speziell auf drei Ebenen des politischen Entscheidungsprozesses: (1) die Input-Ebene, auf der ich die deskriptive Repräsentation für relevant halte, (2) die Throughput-Ebene, auf der ich die substanzielle Repräsentation als „speaking for“ für relevant halte, und (3) die Outcome-Ebene, auf der ich die substanzielle Repräsentation als „acting for“ durch die lokalen Kommunen für relevant halte. Während ich (1) und (2) als relevante Kriterien für die Erhöhung der Legitimitätsüberzeugung durch die Verbesserung des politischen Prozesses betrachte (prozedural), halte ich (3) für die Erhöhung der Legitimitätsüberzeugung durch die Verbesserung der realen Lebensbedingungen für relevant (substanziell).

Verkehrswende durch Partizipation? Policy-Wirkung diskursiver, konsultativer Öffentlichkeitsbeteiligung auf urbane Verkehrswendeprojekte

Doktorarbeit von Laura Mark

In meinem Dissertationsprojekt an der Fakultät für Architektur an der RWTH Aachen untersuche ich anhand zweier Fallstudien die inhaltliche Wirkung konsultativer Öffentlichkeitsbeteiligung auf politische Entscheidungen und die Implikationen für die nachhaltige Entwicklung. Mein Untersuchungsgegenstand sind Planungen zur Verkehrswende, da sie einerseits für die nachhaltige Entwicklung wichtig und dringend sind und andererseits den Alltag der Menschen unmittelbar betreffen und damit oft zu Widerständen führen.

Zusammenfassung

Für eine sozial-ökologischen Verkehrswende sind tiefgreifende Veränderungen im öffentlichen Raum nötig, die sich auf das tägliche Leben der Nutzer*innen auswirken. Diese Umverteilung von Verkehrsflächen und Veränderung von Nutzungsbedingungen erfolgt vor allem durch räumliche Planung von Seiten der öffentlichen Hand, an welcher sich zunehmend auch die Öffentlichkeit beteiligt. Damit (implizit oder explizit) verbunden wird in der Regel, dass die Öffentlichkeit Einfluss auf den Inhalt der Planung nimmt; der tatsächliche Effekt ist jedoch kaum erforscht.

Ich untersuche, durch welche Mechanismen inhaltliche Wirkung von Öffentlichkeitsbeteiligung zustande kommt oder verhindert wird, und welche Faktoren diese Mechanismen beeinflussen. Mich interessiert dabei, unter welchen Bedingungen diese inhaltlichen Wirkungen zur integrierten Verkehrsplanung beitragen, gemessen sowohl an demokratietheoretischen als auch an inhaltlichen Kriterien.

Als Fallstudien dienen zwei kommunale Verkehrswendeprojekte in Hamburg, bei denen sich die Öffentlichkeit durch Konsultationsangebote und jeweils weitere Beteiligungsformen einbringen kann bzw. eingebracht hat: die Umgestaltung der Elbchaussee in Hamburg und die autoarme Gestaltung des Viertels Ottensen in Hamburg. Die Prozesse unterscheiden sich u.a. in Rahmenbedingungen, räumlichem Maßstab, Aufgabenstellung und Beteiligungsangeboten. Für die detaillierte Rekonstruktion und Analyse dieser Prozesse stütze ich mich hauptsächlich auf Daten aus qualitativen Interviews, Dokument- und Medienanalysen, ergänzt durch Ergebnisse der quantitativen Bevölkerungs- und Teilnehmendenbefragungen.

Erwartete Ergebnisse

Erwartete Ergebnisse sind Thesen zu Öffentlichkeitsbeteiligung im Kontext der Verkehrswende. Diese beschäftigen sich mit den Mechanismen und Faktoren, die die Policy-Wirkung beeinflussen und kommen durch eine detaillierte Analyse der einzelnen Fallstudien, einen gezielten Vergleich der beiden Fallstudien untereinander sowie die Einbettung der empirischen Ergebnisse in den Stand der Forschung sowie andere Ergebnisse aus dem Projekt zustande. Diese Thesen sollen beitragen zur Diskussion um die Rolle der Öffentlichkeit im Kontext einer sozial-ökologischen Transformation.

Unterstützung des manuellen Evaluierungsprozesses von Bürger*innenbeiträgen durch Natural Language Processing

Doktorarbeit (Volltext) von Julia Romberg

Die Einbindung der Öffentlichkeit in Entscheidungsprozesse ist ein weit verbreitetes Instrument in Demokratien. Einerseits dienen solche Verfahren dem Ziel, durch die Ideen und Vorschläge der Bürger*innen einen besser informierten Prozess zu erreichen und damit möglicherweise das Prozessergebnis, d.h. die daraus resultierende Politik, zu verbessern. Andererseits wird durch die Einbeziehung der Bürger*innen versucht, die Akzeptanz der getroffenen Entscheidungen in der Öffentlichkeit zu erhöhen.

Bei dem Versuch, die oft großen Mengen an Bürger*innenbeiträgen auszuwerten, sehen sich die Behörden regelmäßig mit Herausforderungen konfrontiert, die auf begrenzte Ressourcen (z.B. Personalmangel, Zeitmangel) zurückzuführen sind. Wenn es um textuelle Beiträge geht, bietet das Natural Language Processing (NLP) die Möglichkeit, die bisher noch überwiegend manuell durchgeführte Auswertung automatisiert zu unterstützen. Obwohl in diesem Bereich bereits einige Forschungsarbeiten durchgeführt wurden, sind wichtige Fragen bisher nur unzureichend oder gar nicht beantwortet worden.

In meiner Dissertation, welche ich im Jahr 2023 erfolgreich abgeschlossen habe, stand deshalb im Fokus, wie bestehende Forschungslücken mithilfe von Textklassifikationsmethoden überwunden werden können. Ein besonderer Fokus lag dabei auf den Aufgaben der thematischen Strukturierung von Beiträgen und der Argumentationsanalyse.

Zu Beginn der Arbeit wird ein systematischer Literaturüberblick über bisherige Ansätze zur maschinengestützten Auswertung von Textbeiträgen gegeben (Details finden Sie in diesem Artikel). Vor dem Hintergrund des identifizierten Mangels an Sprachressourcen wird der neu erarbeitete CIMT-Datenkorpus für die Entwicklung von Textklassifikationsmodellen für deutschsprachige Öffentlichkeitsbeteiligung vorgestellt (Details finden Sie in diesem Artikel).

Zunächst steht dann die thematische Strukturierung mit Fokus auf die inhaltliche und kontextuelle Einzigartigkeit von Verfahren im Mittelpunkt. Um den Einsatz individuell angepasster Machine Learning-Modelle lohnenswert zu gestalten, wird das Konzept des Active Learnings eingesetzt, um den manuellen Klassifikationsaufwand durch eine optimierte Trainingsdatenauswahl zu verringern. In einem Vergleich über drei Beteiligungsprozesse hinweg zeigt sich, dass die Kombination von Active Learning mit Transformer-basierten Architekturen den manuellen Aufwand bereits ab einigen hundert Beiträgen signifikant reduzieren kann, bei guter Vorhersagegenauigkeit und geringen Laufzeiten (Details finden Sie in diesem Artikel). Anschließend werden Maße vorgestellt, um weitere praxisrelevante Anforderungen der Einsetzbarkeit zu evaluieren. Diese geben Einblick in das Verhalten verschiedener Active Learning-Strategien hinsichtlich klassenbezogener Eigenschaften auf den häufig imbalancierten Datensätzen.

Danach wird der Schwerpunkt auf die Analyse der Argumentation der Bürger*innen verlagert. Der erste Beitrag ist ein robustes Modell zur Erkennung von Argumentationsstrukturen über verschiedene Prozesse der öffentlichen Beteiligung hinweg. Unser Ansatz verbessert die zuvor in der Anwendungsdomäne eingesetzten Techniken zur Erkennung von argumentativen Sätzen und insbesondere zur Klassifikation von Argumentkomponenten (Details finden Sie in diesem Artikel). Zudem wird die maschinelle Vorhersage der Konkretheit von Argumenten untersucht. Hierbei wird der subjektiven Natur von Argumentation Rechnung getragen, indem ein erster Ansatz zur direkten Modellierung verschiedener Perspektiven als Teil des maschinellen Lernprozesses des Argumentation Minings vorgestellt wird (Details finden Sie in diesem Artikel).