Bundestags Mining – Teil 4

In Teil 3 des BundestagsMining Projektes haben wir uns mithilfe des Bundestags-Report-Generators  mit der Verteilung von Religion und Familienstand der Bundestagsabgeordneten beschäftigt. Folgende Beobachtungen konnten wir dabei machen:

1. Die Abgeordneten sind ganz überwiegend christlich. Es gibt zwar einen steigenden Anteil an konfessionslosen. Aber während die Konfessionslosen in der BRD mit 39 Prozent den größten Anteil ausmachen, sind es im Bundestag mit 59 von 467, die dazu eine Angabe gemacht haben, gerade mal 13%.
2. Noch extremer ist die Situation bezüglich des muslimischen Glaubens, die ca 7% der Gesamtbevölkerung ausmachen, während sie im Bundestag gerade mal mit knapp einem Prozent vertreten sind (4 von 467, gemäß der Angaben in unserer Hauptquelle).
3. Auch hier gibt es starke Unterschiede zwischen den Parteien; erwartungsgemäß haben die Vertreter der CSU mit 74 Prozent einen sehr dominanten katholischen Anteil, während bei den Linken die konfessionslosen überwiegen. Die SPD ist evangelischer als die CDU usw. Nutzt einfach das Bundestags Dashboard, um euch die Zahlen anzugucken, die euch interessieren
4. Ähnlich eintönig wie die Religionsverteilung ist auch die der familiären Konstellationen: die allermeisten Abgeordneten sind verheiratet und haben 1 bis 3 Kinder. Dabei homogenisiert sich die Verteilung zunehmend in Richtung des „Standardmodells“ mit 2 Kindern. Gerade mal 16% (87 von 559 Abgeordneten, die eine Angabe zu dem Punkt machten) sind ledig, während der Anteil in der Gesamtbevölkerung mehr als doppelt so hoch ist.

Kommen wir nun zum letzten und für diese Untersuchung ja eigentlich ausschlaggebenden Feld: wie sieht es nun aus mit der beruflichen Diversität? stimmt die „gefühlte Wahrheit“, dass fast alle Abgeordneten Juristen und BWLer sind, oder ist das nur ein Trugschluss, weil eher zufällig viele der bekannten Minister aus diesen Bereichen kommen? Ist der Bundestag vielleicht sogar besser als sein Ruf und keine Bubble aus Akademikern und Büroangestellten sondern ein echtes Abbild der Gesellschaft mit all seinen verschiedenen Berufsgruppen und Milieus?

Detailfrage 8: Wie divers ist der Bundestag bezüglich der beruflichen Hintergründe der Abgeordneten?

Sehen wir uns die Häufigkeit aller Berufsangaben in den Originaldaten an, ergibt sich folgendes Bild:

Einerseits bestätigt das halbwegs das Vorurteil (Rechtsanwälte scheinen stark überrepräsentiert zu sein) andererseits ist diese Tabelle so noch gar nicht besonders aussagekräftig; bei über 4000 Abgeordneten ergeben sich nämlich 2201 verschiedene Berufsbezeichnungen, deren Verteilung sich schwer auf einen Blick erfassen lässt.

Das liegt einerseits daran, dass natürlich allgemeine Berufsgruppen unter verschiedenen konkreten Bezeichnungen auftauchen („Rechtsanwalt“ vs. „Jurist“) und andererseits an dem Phänomen, dass viele sehr komplexen und daher einmaligen Berufsbezeichnung aufgelistet sind. So ist bei Annette Schavan ganz sparsam als Beruf folgendes angegeben: „MdL a. D., Ministerin für Kultus, Jugend und Sport a. D., Bundesministerin für Bildung und Forschung a. D.“ und der SPD Abgeordnete Burkhard Lischka ist „Notar, Sprecher für Recht und Verbraucherschutz, Obmann im Parlamentarischen Kontrollgremium, Staatssekretär a. D.“ Mit diesem Beruf ist er denn auch der einzige.

Kurz: um die Verteilung der Berufe sinnvoll auszuwerten, muss ein gutes Mapping her, das spezielle Bezeichnungen (z.B. „Grundschullehrer“, „Hauptschullehrer'“, „Gynmasiallehrer“) zu einer allgemeinen Berufsgruppe (z.B. „Lehrer“) zuordnet. Als guter Data Scientist habe ich lange versucht, auch diese Aufgabe zu automatisieren, indem ich die Berufe in Wordembeddings gesucht und ein Mapping über ein Clustering im niedrigdimensionalen Einbettungsraum versucht habe. Die Cluster der Berufe, die im Embedding (hier: ein vortrainiertes Deutsches GloVe Modell) gefunden wurden, waren per se erfreulich sinnvoll:

Dennoch blieb das riesige Problem von unmappbaren, weil überindividualisierten Berufsbezeichnungen (siehe das Beispiel von Annette Schavan).