In diesem Sommer haben wir in der taz Redaktion zu Hitze in Schulen und Klassenzimmern recherchiert. Wenn die Temperaturen steigen, lernen Kinder schlechter. Das gilt besonders für Schulen mit wenig Schatten, für Betonbauten und für Schulen in Baucontainern. Schulleiter*innen können bei unerträglichen Temperaturen „hitzefrei“ anordnen. Bundesweit geschieht das aber sehr uneinheitlich.

Der Grund: Bildung ist Ländersache und regional organisiert. Für die Recherche wollten wir herausfinden, wie sich die Tage regional verteilen, an denen es zu heiß zum Lernen war. Also Tage, an denen es hätte hitzefrei geben können. Wir wollten auch wissen, wie sich ihre Zahl in den vergangenen Jahren verändert hat. Von den Heißen Tagen ist bekannt, dass ihre Zahl steigt und sich seit den 1950er Jahren deutschlandweit auch mindestens verdoppelt hat.

Für die Berechnung nutzten wir die Vorschrift aus Brandenburg. Sie ermöglicht hitzefrei, wenn um 10 Uhr morgens im Schatten mehr als 25 Grad gemessen werden. Mit dem Hostrada-Datensatz des Deutschen Wetterdienstes berechneten wir für alle Gemeinden in Deutschland, ob die Grenze vormittags um 10 Uhr überschritten war.

Damit entstand ein neues Problem: Wir mussten für jede Gemeinde herausfiltern, welche Tage Schultage waren. Die Wochenenden sind überall gleich, die Ferientermine sind in Deutschland aber nach Bundesländern gestaffelt. Einige Bundesländer haben zudem Feiertage, die anderswo keine schulfreien Tage sind. Für gut 10.000 Gemeinden in 16 Bundesländern und für einen Zeitraum von 30 Jahren brachte uns diese Berechnung zeitlich und nervlich an unsere Grenzen.

Zum Glück bietet die Kultusministerkonferenz alle Feriendaten seit dem Schuljahr 1952/1953 auf ihrer Website an. Leider sind diese aber PDF-Dokumente – verhasst unter Datenjournalist*innen – und dann auch noch in einem eigenwilligen Tabellenformat, das auf jeden Fall für die Datenverarbeitung ganz umgeschrieben werden müsste.

Diese knifflige Aufgabe hätte ein Mensch wohl mit Stift und Papier gelöst oder ein kompliziertes Skript programmiert. Wir haben für die Befreiung der Feriendaten aus den 30 Dokumenten das große Sprachmodell Claude verwendet (Sonnet 4.5), das die Aufgabe innerhalb weniger Minuten einwandfrei löste (ja, wir haben danach nochmal alles menschlich abgeglichen!).

Hilfsmittel Python-Script

Solche Anwendungsfälle wirken nahezu magisch. Das Sprachmodell löst innerhalb weniger Minuten ein Problem, das uns wahrscheinlich mehrere Stunden gekostet hätte. Dabei hätten wir vermutlich einige Fehler gemacht. Bei näherer Betrachtung war Claudes Lösung aber profaner: Es tat das, was Sprachmodelle am besten können, und schrieb ein Computerprogramm, um das Problem zu lösen.

Das Python-Skript extrahiert die Daten aus dem PDF, liest Jahreszahlen und Ferienzeiträume aus und erstellt daraus eine eigene, maschinenlesbare Tabelle. Das hat einen Vorteil: Für uns als Datenjournalist*innen wurden die Ergebnisse der Datenextraktion reproduzierbar und überprüfbar, denn am Ende bleibt die Verantwortung für die Richtigkeit unserer Daten bei uns.

Hätte das Sprachmodell die Ferientermine aus den PDFs abgeschrieben, hätten wir jeder einzelnen Zeile misstrauen müssen. So reichte es, die Methode zu überprüfen und Stichproben zu machen. Die „KI-Lösung“ war damit überraschend brauchbarer als angenommen – und bot uns Menschen die Gelegenheit, neue Vorgehensweisen im Umgang mit den verhassten PDF-Dateien zu lernen.