DiscoverInside AustriaWie die FPÖ den Wahlkampf im Netz gewinnt
Wie die FPÖ den Wahlkampf im Netz gewinnt

Wie die FPÖ den Wahlkampf im Netz gewinnt

Update: 2024-08-10
Share

Description

Autorin Ingrid Brodnig im Gespräch darüber, wie Parteien auf Social Media wahlkämpfen – und wieso die Wütendsten nicht zwingend die Wahl gewinnen

"Wütende Userinnen und User interagieren stark, und viele Algorithmen sind darauf eingestellt, dass sie das belohnen", sagt Ingrid Brodnig. Sie ist eine der führenden Expertinnen zu Hass im Netz und Desinformation. Wut spielt laut Brodnig eine entscheidende Rolle dabei, wie Parteien versuchen, die Massen zu begeistern – insbesondere in den sozialen Medien. Zum Beispiel wenn sich Grüne für Naturschutz einsetzen oder wenn Sozialdemokraten mobilisieren. Und natürlich wenn die FPÖ Migration thematisiert.


Im zweiten von drei Sommerinterviews des STANDARD-Podcasts "Inside Austria" erklärt Digitalpublizistin Brodnig, wie Österreichs Parteien online Wahlkampf betreiben und welche Tricks sie dabei einsetzen. Sie beantwortet auch, ob auf Tiktok, Instagram und X Inhalte überhaupt noch eine Rolle spielen, wieso Wut so ein beliebtes Werkzeug von Parteien ist und ob es auf diesen Plattformen einfacher geworden ist, Wut zu schüren. Im Gespräch gibt sie einen Ausblick darauf, was das alles mit unserer Gesellschaft macht, und erklärt, wieso Wahlen auch ohne Wut gewonnen werden können.


In dieser Folge zu hören: Ingrid Brodnig (Autorin); Interview & Gestaltung: Zsolt Wilhelm; Redigat: Margit Ehrenhöfer; Produktion: Christoph Neuwirth


Unsere Hörerinnen und Hörer können mit dem Rabattcode "Standard" 12Wochen das Angebot von SPIEGEL+ für nur 2,49 € pro Woche testen. Alle Infos dazu finden Sie auf spiegel.de/derstandard.

Comments 
00:00
00:00
1.0x

0.5x

0.8x

1.0x

1.25x

1.5x

2.0x

3.0x

Sleep Timer

Off

End of Episode

5 Minutes

10 Minutes

15 Minutes

30 Minutes

45 Minutes

60 Minutes

120 Minutes

Wie die FPÖ den Wahlkampf im Netz gewinnt

Wie die FPÖ den Wahlkampf im Netz gewinnt

DER STANDARD