Topic-First ist Beobachtung, die bei einem Thema oder Suchbegriff beginnt: Man verfolgt alle Fundstellen, in denen das Thema vorkommt, gleich wer sie veröffentlicht hat und wo.

Der Begriff fasst mehrere verbreitete Verfahren unter einem Namen zusammen. Gemeinsam ist ihnen der Startpunkt: Man legt fest, worüber man etwas erfahren will, und lässt offen, von wem die Treffer kommen. Topic-First stellt die Frage „Was?“. Auf dieser Website ist es eine von drei Logiken der Beobachtung, neben Source-First („Wer?“) und Platform-First („Wo?“). Den Vergleich aller drei zeigt der Artikel Marktbeobachtung: Topic-First, Source-First, Platform-First.

Drei Verfahren mit demselben Startpunkt

Keyword-Monitoring meldet neue Treffer für einen Suchbegriff. Google beschreibt seinen Dienst Google Alerts so: Man bekommt E-Mails, „wenn in der Google-Suche neue Ergebnisse zu einem Thema erscheinen“ (öffnet in neuem Tab). In der Oberfläche (öffnet in neuem Tab) stehen unter „Quellen“ Kanaltypen wie News, Blogs, Web oder Video. Eine Einstellung für den Absender gibt es dort nicht.

Medienbeobachtung erfasst, was Presse, Rundfunk und Online-Medien über ein Unternehmen oder ein Thema berichten. Das Gabler Wirtschaftslexikon beschreibt die Auswertung als Medienresonanzanalyse, bei der „Clippings (Veröffentlichungen) nach unterschiedlichen Kriterien sortiert“ (öffnet in neuem Tab) werden. Der Fachverband AMEC nennt diese Berichterstattung Dritter „Earned media“ (öffnet in neuem Tab).

Social Listening wertet aus, was Menschen in sozialen Netzwerken und im Web über eine Marke, ein Produkt oder ein Thema sagen, oft mit Stimmungsanalyse. AMEC beschreibt das verwandte Feld „Social analytics“ als Zuhören bei verteilten Gesprächen über eine bestimmte Marke, ein Produkt oder ein Thema (öffnet in neuem Tab). Margaret C. Stewart und Christa L. Arnold beschreiben Social Listening als neuen Hörtyp (öffnet in neuem Tab).

Wofür Topic-First gut ist

Topic-First ist thematisch festgelegt und bei den Quellen offen. Genau das ist seine Stärke, wenn man nicht weiß, wer sich zu einem Thema äußern wird.

Unbekanntes entdecken. Eine Liste von Absendern enthält nur, wen man kennt. George Day und Paul Schoemaker beschreiben in der Harvard Business Review, wie Mattel zwischen 2001 und 2004 20 Prozent seines Anteils im weltweiten Segment für Modepuppen an kleinere Rivalen verlor (öffnet in neuem Tab) und es nicht kommen sah. Neue Rivalen, schreiben die Autoren, wirken oft, als kämen sie aus dem Nichts. Ein Thema zu beobachten ist ein Weg, solche Akteure früh zu sehen. Die Forschung zur Social-Media-Analyse führt das Entdecken als eigenen Schritt vor der Datenerhebung (öffnet in neuem Tab).

Die Breite eines Themas sehen. Bei einem neuen Fachbegriff, einer Norm oder einem Gesetzesvorhaben ist die Frage wirklich „Wo taucht das auf?“. Wer Vollständigkeit braucht, ist mit einem offenen Suchraum richtig. Das Lehrbuch von Manning, Raghavan und Schütze nennt Berufsgruppen wie Paralegals und Intelligence-Analysten (öffnet in neuem Tab), die für möglichst hohen Recall bewusst geringere Genauigkeit in Kauf nehmen.

Wissen, was Dritte sagen. In der Krisenkommunikation zählt das Gespräch über ein Unternehmen, nicht dessen eigene Aussage. Eine Literaturauswertung von Mats Eriksson (2018) nennt Social-Media-Monitoring als eine von fünf Lehren (öffnet in neuem Tab) für wirksame Krisenkommunikation in sozialen Medien. Für die PR-Erfolgskontrolle ist die Medienresonanzanalyse (öffnet in neuem Tab) ein verbreitetes Verfahren.

Wo die Grenze liegt

Die Sprache. Ein Wort kann mehrere Bedeutungen haben, dann meldet die Suche Fehltreffer. Das Lehrbuch nennt das Polysemie (öffnet in neuem Tab). Dieselbe Sache lässt sich mit verschiedenen Wörtern sagen, dann fehlen Treffer: Synonymie beeinträchtigt den Recall (öffnet in neuem Tab) der meisten Suchsysteme. Für die boolesche Suche halten die Autoren fest, dass ein zufriedenstellender Mittelweg zwischen Genauigkeit und Vollständigkeit schwer oder unmöglich (öffnet in neuem Tab) zu finden ist.

Der Absender. Weil die Quellen offen sind, spielt der Absender für die Meldung keine Rolle. Das ist gewollt, wenn man Neues sucht. Es wird zur Grenze, wenn man wissen will, was ein bestimmter Marktteilnehmer selbst sagt. Dessen Ankündigung erscheint nur, wenn sie das Stichwort enthält.

Maschinell erzeugter Content. Thompson und Kollegen zeigen in den Findings of ACL 2024 (öffnet in neuem Tab), dass maschinell übersetzter Content geringer Qualität in ressourcenarmen Sprachen einen großen Teil des Web-Contents in diesen Sprachen ausmacht. Shumailov und Kollegen schreiben in Nature (öffnet in neuem Tab), dass unklar ist, wie sich von Sprachmodellen erzeugter Content in großem Maßstab nachverfolgen lässt. Wie groß sein Anteil am Web insgesamt ist, misst keine dieser Studien, und diese Website nennt deshalb keine Zahl. Nach unserer Einschätzung kann eine Suche ohne Kontrolle der Quellen viel maschinell erzeugten Content nach oben spülen, sobald er das Stichwort enthält. Die Prüfung der Herkunft bleibt dann beim Leser.

Verhältnis zu Source-First

Topic-First und Source-First beantworten verschiedene Fragen. Die eine lautet „Wo taucht das auf?“, die andere „Was sagt dieser Marktteilnehmer?“. Für Markt- und Wettbewerbsanalyse vertritt diese Website Source-First, weil dort die zweite Frage meist die wichtigere ist. Das macht Topic-First nicht überflüssig.

Beide ergänzen sich in einer Arbeitsteilung: Stichworte zum Finden, Quellen zum Verfolgen. Topic-First findet neue Namen am Rand des Blickfelds. Bei jedem Treffer stellt sich die Frage, wer das gesagt hat und ob dieser Absender auf die Quellenliste gehört. Für die Frage, was bestimmte Marktteilnehmer sagen, übernimmt dann Source-First die laufende Beobachtung. Für Markenwahrnehmung und Krisenkommunikation bleibt Topic-First das passende Werkzeug. Fragen wie „Wer stellt gerade ein?“ beantwortet Platform-First; wie es sich zu Source-First verhält, zeigt Quelle oder Plattform?. Wie das Zusammenspiel von Topic-First und Source-First im Einzelnen aussieht, beschreibt der Vergleich Quellen statt Stichworte. Die Grundlage steht im Source-First Manifest.

Belege

  1. Google: Alert erstellen. Google Suche-Hilfe, ohne Datum. https://support.google.com/websearch/answer/4815696?hl=de (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  2. Google: Google Alerts, Oberfläche mit Optionen (Häufigkeit, Quellen, Sprache, Region, Anzahl). Ohne Datum. https://www.google.com/alerts?hl=de (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  3. Reisewitz, Perry: Public Relations (PR). Gabler Wirtschaftslexikon, Revision 267522. https://wirtschaftslexikon.gabler.de/definition/public-relations-pr-44206/version-267522 (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  4. AMEC (International Association for Measurement and Evaluation of Communication): Glossary. Ohne Datum. https://amecorg.com/glossary/ (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  5. Stewart, Margaret C.; Arnold, Christa L.: Defining Social Listening: Recognizing an Emerging Dimension of Listening. International Journal of Listening 32 (2), S. 85–100, 04.05.2018, DOI 10.1080/10904018.2017.1330656. https://scholars.unf.edu/en/publications/defining-social-listening-recognizing-an-emerging-dimension-of-li/ (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  6. Day, George S.; Schoemaker, Paul J. H.: Scanning the Periphery. Harvard Business Review, November 2005. https://hbr.org/2005/11/scanning-the-periphery (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  7. Stieglitz, Stefan; Mirbabaie, Milad; Ross, Björn; Neuberger, Christoph: Social media analytics – Challenges in topic discovery, data collection, and data preparation. International Journal of Information Management 39, S. 156–168, 30.04.2018, DOI 10.1016/j.ijinfomgt.2017.12.002. https://www.research.ed.ac.uk/en/publications/social-media-analytics-challenges-in-topic-discovery-data-collect/ (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  8. Manning, Christopher D.; Raghavan, Prabhakar; Schütze, Hinrich: Introduction to Information Retrieval, Abschnitt 8.3 „Evaluation of unranked retrieval sets“. Cambridge University Press 2008. https://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-unranked-retrieval-sets-1.html (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  9. Eriksson, Mats: Lessons for Crisis Communication on Social Media: A Systematic Review of What Research Tells the Practice. Zusammenfassung des Autors beim Institute for Public Relations, 23.10.2018 (Originalartikel: International Journal of Strategic Communication 12 (5), S. 526–551, 2018). https://instituteforpr.org/lessons-for-crisis-communication-on-social-media-a-systematic-review-of-what-research-tells-the-practice/ (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  10. Manning; Raghavan; Schütze: Introduction to Information Retrieval, Abschnitt 18.4 „Latent semantic indexing“. Cambridge University Press 2008. https://nlp.stanford.edu/IR-book/html/htmledition/latent-semantic-indexing-1.html (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  11. Manning; Raghavan; Schütze: Introduction to Information Retrieval, Kapitel 9 „Relevance feedback and query expansion“. Cambridge University Press 2008. https://nlp.stanford.edu/IR-book/html/htmledition/relevance-feedback-and-query-expansion-1.html (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  12. Manning; Raghavan; Schütze: Introduction to Information Retrieval, Abschnitt 1.4 „The extended Boolean model versus ranked retrieval“. Cambridge University Press 2008. https://nlp.stanford.edu/IR-book/html/htmledition/the-extended-boolean-model-versus-ranked-retrieval-1.html (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  13. Thompson, Brian; Dhaliwal, Mehak; Frisch, Peter; Domhan, Tobias; Federico, Marcello: A Shocking Amount of the Web is Machine Translated: Insights from Multi-Way Parallelism. Findings of the Association for Computational Linguistics: ACL 2024, S. 1763–1775, August 2024. https://aclanthology.org/2024.findings-acl.103/ (öffnet in neuem Tab) (abgerufen am 23.09.2026)
  14. Shumailov, Ilia; Shumaylov, Zakhar; Zhao, Yiren; Papernot, Nicolas; Anderson, Ross; Gal, Yarin: AI models collapse when trained on recursively generated data. Nature 631, S. 755–759, 24.07.2024, DOI 10.1038/s41586-024-07566-y, Verlagsfassung im Repositorium der University of Edinburgh. https://www.pure.ed.ac.uk/ws/portalfiles/portal/460496122/ShumailovEtalNature2024AIModelsCollapseWhen.pdf (öffnet in neuem Tab) (abgerufen am 23.09.2026)

Autor: Dr. Karsten Richter, Geschäftsführer der Picasi GmbH. Die Picasi GmbH gibt diese Website heraus. Über diese Website