Spektrum Iran
Spektrum Iran

Die transformative Rolle der künstlichen Intelligenz in der Mediendatenanalyse für das Krisenmanagement

Art des Dokuments : Original Research Papers

Autoren

Hatef Pourrashidi Alibigloo 1
Mehran Samadi 2

1 Fachbereich Kommunikationswissenschaft, Fakultät für Sozialwissenschaften, Universität der Religionen und Konfessionen, Qom, Iran

2 Fachbereich Kommunikationswissenschaft, Islamische Azad-Universität, Ta.C.-Zweigstelle, Täbris, Iran

10.22034/spektrum.2025.563353.1051
Abstrakt
In der gegenwärtigen Landschaft des Krisenmanagements sehen sich Entscheidungsträger zunehmend mit der schieren Masse, Geschwindigkeit und Vielfalt an Mediendaten konfrontiert, die in Notsituationen generiert werden. Traditionelle manuelle Analysemethoden erweisen sich oft als unzureichend, um diesen Informationsfluss effektiv zu verarbeiten, was einen Paradigmenwechsel hin zu fortgeschrittenen computergestützten Ansätzen unumgänglich macht. Das primäre Ziel dieser Studie ist es, die Lücke zwischen technischer Datenwissenschaft und praktischer Krisenkommunikation zu schließen, indem eine klare analytische Verbindung zwischen spezifischen Paradigmen des maschinellen Lernens (ML) und ihren operativen Fähigkeiten hergestellt wird. Dieser Artikel bedient sich der Methodik eines narrativen Reviews, fundiert durch einen theoretischen Rahmen des maschinellen Lernens. Die Studie synthetisiert systematisch die bestehende Literatur, um zu kategorisieren und zu analysieren, wie unterschiedliche ML-Architekturen – insbesondere überwachtes, unüberwachtes und deep learning – im Bereich der Mediendatenanalyse zur Unterstützung von Entscheidungsprozessen während Krisen angewendet werden. Die Analyse bestätigt, dass Künstliche Intelligenz die Effektivität des Krisenmanagements durch die Automatisierung des Medienmonitorings und die Generierung handlungsrelevanter Echtzeiterkenntnisse signifikant steigert. Die Ergebnisse weisen verschiedenen Algorithmen spezifische Rollen zu: Überwachtes Lernen (supervised learning) dient als theoretisches Fundament für die schnelle Erkennung von Falschinformationen und die präzise Krisenklassifizierung. Demgegenüber werden unüberwachtes Lernen (unsupervised learning) und deep learning als kritische Werkzeuge zur Detektion von Datenanomalien und zur Erkennung aufkommender Muster identifiziert, die für die Funktionalität proaktiver Frühwarnsysteme essenziell sind. Obwohl KI ein transformatives Potenzial bietet, liefert diese Studie eine kritische Reflexion wesentlicher Implementierungsherausforderungen. Sie hebt das „Black-Box“-Problem – gekennzeichnet durch mangelnde algorithmische Interpretierbarkeit – sowie inhärente Datenverzerrungen (Bias) als zentrale ethische Hürden hervor, welche die Rechenschaftspflicht und Fairness bei der Krisenbewältigung beeinträchtigen können. Diese Arbeit bietet einen strukturierten Rahmen zum Verständnis der Rolle von KI aus einer theoretischen Perspektive und kommt zu dem Schluss, dass künftige Implementierungen „erklärbare KI“ (Explainable AI) priorisieren müssen, um eine Balance zwischen rechnerischer Effizienz und ethischer Verantwortung herzustellen.

Schlüsselwörter

kü
nstliche Intelligenz, Mediendatenanalyse, Krisenmanagement, Krisenkommunikation, maschinelles Lernen
Hauptthemen
Abed Al Sailawi, A. S., & Kangavari, M. R. (2024). Analyzing the use of social media data to understand long-term crisis management challenges of COVID-19. Fusion: Practice and Applications (FPA), 14(02), 227-243. https://doi.org/10.54216/FPA.140219
Aleessawi, N. A. K., & Alzubi, S. F. (2024). The implications of artificial intelligence (AI) on the quality of media content. Studies in Media and Communication, 12(4), 41-51.
Bălan, C., & Nedelcu, A.-M. (2024). Artificial intelligence and crisis management. Social Economic Debates, 13(2), 1-8.
Barbierato, E., & Gatti, A. (2024). The challenges of machine learning: A critical review. Electronics, 13, 416. https://doi.org/10.3390/electronics13020416
Cheng, Y., Lee, J., & Qiao, J. (2025). Crisis communication in the age of AI: Navigating opportunities, challenges, and future horizons. In Media and Crisis Communication. Routledge.
Coombs, W. T. (2014). State of crisis communication: Evidence and the bleeding edge. Research Journal of the Institute for Public Relations, 1(1), 1-12.
Dabas, P. (2023). The role of artificial intelligence in shaping future media landscapes. Integrated Journal for Research in Arts and Humanities, 3(5), 328-334. https://doi.org/10.55544/ijrah.3.5.36
Du, K.-L., Zhang, R., Jiang, B., Zeng, J., & Lu, J. (2025). Understanding machine learning principles: Learning, inference, generalization, and computational learning theory. Mathematics, 13, 451. https://doi.org/10.3390/math13030451
Eismann, K., Posegga, O., & Fischbach, K. (2021). Opening organizational learning in crisis management: On the affordances of social media. Journal of Strategic Information Systems, 30(4), 101692. https://doi.org/10.1016/j.jsis.2021.101692
Farrokhi, A., Shirazi, F., Hajli, N., & Tajvidi, M. (2020). Using artificial intelligence to detect crisis related to events: Decision making in B2B by artificial intelligence. Industrial Marketing Management, 91, 257-273. https://doi.org/10.1016/j.indmarman.2020.09.015
Gasana, K. (2024). Crisis communication and reputation management in the age of fake news. Journal of Public Relations, 3(1), 28-39.
Gerlich, M., Elsayed, W., & Sokolovskiy, K. (2023). Artificial intelligence as toolset for analysis of public opinion and social interaction in marketing: Identification of micro and nano influencers. Frontiers in Communication, 8, 1075654. https://doi.org/10.3389/fcomm.2023.1075654
Greenhalgh, T. (2016). Cultural contexts of health: The use of narrative research in the health sector (Health Evidence Network Synthesis Report No. 49). WHO Regional Office for Europe.
Hamidovic, H. (2012). An introduction to crisis management. ISACA Journal, 5, 1-4.
Herstein, J. J., et al. (2021). Emergency preparedness: What is the future? Antimicrobial Stewardship & Healthcare Epidemiology, 1(1), e29, 1-6. https://doi.org/10.1017/ash.2021.190
Hossain, M. Z., Akter, N., Hasan, L., Bepari, M., & Sultana, S. (2025). Artificial intelligence and machine learning in crisis communication: A management information system perspective. European Journal of Innovative Studies and Sustainability, 1(3), 149-163. https://doi.org/10.59324/ejiss.2025.1(3).10
Jafari, F., Nasrollahi Kasmani, A., Farokhi, A., & Delavar, A. (2021). Media valuation in health news coverage: A case study of the COVID-19 pandemic. Modiriyat-e Behdasht va Daroeman, 12(3), 7-21. [In Persian]
Kapur, S. P., et al. (2024). The challenges of nuclear security: U.S. and Indian perspectives. Palgrave Macmillan. https://doi.org/10.1007/978-3-031-56814-5
Komendantova, N., & Erokhin, D. (2025). Artificial intelligence tools in misinformation management during natural disasters. Public Organization Review, 25(1), 81-105. https://doi.org/10.1007/s11115-025-00815-2
Liu, C., & Kirubakaran, S. (2022). Deep learning approach for emotion recognition analysis in text streams. International Journal of Technology and Human Interaction, 18(2), 1-21. https://doi.org/10.4018/IJTHI.313927
Lundsgaard-Larsen, A., & Gadegaard, M. (2016). Big data analytics in crisis communication & management: A theoretical evaluation. Copenhagen Business School.
Maleki Varnosfaderani, S., & Forouzanfar, M. (2024). The role of AI in hospitals and clinics: Transforming healthcare in the 21st century. Bioengineering, 11, 337. https://doi.org/10.3390/bioengineering11040337
Mintoo, A. A., Saimon, A. S. M., & Begum, A. (2024). Transforming global crisis communication through digital twins: Enhancing media response strategies with machine learning. Innovatech Engineering Journal, 1(01), 35-52.
Mishra, A. (2024). A comprehensive review of artificial intelligence and machine learning: Concepts, trends, and applications. International Journal of Scientific Research in Science and Technology, 11(5), 126-142. https://doi.org/10.32628/IJSRST2411587
Mohri, M., Rostamizadeh, A., & Talwalkar, A. (2012). Foundations of machine learning. The MIT Press.
Nasrollahi Kasmani, A. (2018). Media management of dust hazards: With emphasis on Khuzestan dust storms. Modiriyat-e Mokhat, 5(3), 279-294. https://doi.org/10.22059/jhsci.2018.269355.419 [In Persian]
Nuortimo, K., Harkonen, J., & Breznik, K. (2024). Exploring corporate reputation and crisis communication. Journal of Marketing Analytics. https://doi.org/10.1057/s41270-024-00353-8
Parker, L. D. (2024). Third sector crisis management and resilience: Reflections and directions. Financial Accountability and Management, 40(3), 326-343. https://doi.org/10.1111/faam.12379
Pattanayak, S. K., Bhoyar, M., & Adimulam, T. (2024). Unsupervised learning for anomaly detection in cybersecurity. International Journal of Research, Culture, Society, 8(12), 56-63. https://doi.org/10.2017/IJRCS/202412011
Pedreschi, D., Giannotti, F., Guidotti, R., Monreale, A., Ruggieri, S., & Turini, F. (2019). Meaningful explanations of black box AI decision systems. Proceedings of the AAAI Conference on Artificial Intelligence, 33(01), 9780-9784. https://doi.org/10.1609/aaai.v33i01.33019780
Perry, D. C., Taylor, M., & Doerfel, M. L. (2003). Internet-based communication in crisis management. Management Communication Quarterly, 17(2), 206-232. https://doi.org/10.1177/0893318903256227
Rahmani Maman, A. H., & Dehghani Sanich, M. S. (2024). Innovations of artificial intelligence in crisis management: Examining applications and methods. In Proceedings of the 3rd International Conference on Architecture, Civil Engineering, Earth Sciences, and Healthy Environment. Hamadan, Iran. [In Persian]
Reddy, V. C., Kapoor, S. K., & Mishra, K. S. (2024). Bias and fairness in machine learning models: A critical examination of ethical implications. International Journal of Multidisciplinary Research in Science, Engineering and Technology, 7(2), 4927-4931. https://doi.org/10.15680/IJMRSET.2024.0702033
Reynolds, S. A., et al. (2025). The potential for AI to revolutionize conservation: A horizon scan. Trends in Ecology & Evolution, 40(2), 191-207. https://doi.org/10.1016/j.tree.2024.11.013
Saghaei, E., Erfani, V., & Khodaveysi, S. (2023). Presenting a framework for provincial crisis response programs in Hamadan Province. Sci J Rescue Relief, 15(2), 127-139. https://doi.org/10.32592/jorar.2023.15.2.6
Salehi, K., Habib Zadeh Khiyaban, S., & Sabbar, S. (2025). Artificial Intelligence and the Future of International Law and Power. Journal of World Sociopolitical Studies, 9(4), 923-958.
Salehi, K., Habib Zadeh Khiyaban, S., & Sabbar, S. (2026). Artificial Intelligence and Crime Detection: A Critical Review. Journal of Cyberspace Studies, 181-197.
Sharifi Poor Bgheshmi, M. S. , Sharajsharifi, M. and Saeidabadi, M. R. (2026). Between exploitation and resilience: Reconciling AI’s role in surveillance capitalism and disaster risk management. Journal of Cyberspace Studies, 10(1), 109-139. doi: 10.22059/jcss.2025.396045.1165
Sharma, N., Sharma, R., & Jindal, N. (2021). Machine learning and deep learning applications: A vision. Global Transitions Proceedings, 2, 24-28. https://doi.org/10.1016/j.gltp.2021.01.004
Spradley, R. T. (2017). Crisis communication in organizations. In The International Encyclopedia of Organizational Communication. John Wiley & Sons, Inc. https://doi.org/10.1002/9781118955567.wbieoc050
Valivand Zamani, H., & Mortazavi Zadeh, A. R. (2024). Investigating the impact of artificial intelligence use on managers’ decision-making process in organizational crisis management. Motaleāt-e Modiriyat-e Bohrān, 16(2), 11-26. [In Persian]
Wodak, R. (2021). Crisis communication and crisis management during COVID-19. Global Discourse, 11(3), 329-353. https://doi.org/10.1332/204378921X16100431230102
Yuan, X., Guo, Q., Dadson, Y. A., Goodarzi, M., Jung, J., Dong, Y., Albert, N., Bennett Gayle, D., Sharma, P., Ogunbayo, O. T., & Cherukuru, J. (2025). A review of ethical challenges in AI for emergency management. Knowledge, 5(3), 21, 1-18. https://doi.org/10.3390/knowledge5030021
 
Spektrum Iran
Volumen 38, Ausgabe 2
KI und kulturelle Souveränität
Juli 2025
Seiten 115-142

Redaktion

Manuskript einreichen

Indizierung und Abstraktion

Kontaktiere uns