Medien

“Durch bloßes Hingucken erkennt man keinen Social Bot“

Roboter oder Mensch? Foto by fr1zz / flickr.com

Am Forschungskolleg der Universität Siegen erforschen Wissenschaftler den Einfluss von Social Bots in sozialen Netzwerken und arbeiten an Techniken, sie zu entlarven. Projektkoordinator ist der Datenforensiker Andree Thieltges.

Kulturschwarm: Kann man als Laie einen Social Bot auf Twitter erkennen?
Andree Thieltges:
Das Problem ist, dass Social Bots inzwischen so gut darin sind menschliches Verhalten in sozialen Netzwerken zu simulieren, dass es mit bloßem Hingucken nicht möglich ist festzustellen, ob man es mit einem Bot zu tun hat. Das liegt daran, dass die technischen Möglichkeiten so weit fortgeschritten sind.

Welche Gefahren sehen Sie durch Social Bots?
Naja, also nachweislich ist es erstmal so, dass kein Mensch in den PC guckt, einen Tweet liest und seine Meinung grundlegend ändert. Was man natürlich beobachten kann, sind Trends zu bestimmten Themen, an die Social Bots sich dranhängen und versuchen Meinung zu machen. Das Problem ist, dass man nicht weiß, wer dahinter steckt und welche Intention die Person hat. Wir können nur spekulieren. Aber die Zielsetzung kann unterschiedlich sein. Dass ein Hashtag schon mit Kommentaren überflutet wurde, um zum Beispiel eine Diskussion zu unterbrechen, ist nachweislich zu sehen. Eine spezifische Gefahr, dass Beeinflussung von Bots konkret irgendwo hinführt, das hat sich bisher nicht bestätigt.

Der Datenforensiker Andree Thieltges credits: FoKoS

Andree Thieltges ist Koordinator des Projektes Social Media Forensics am Forschungskolleg der Universität Siegen. credits: Forschungskolleg Universität Siegen

Inwiefern beeinflussen Social Bots dann die Meinungen im Netz?
Was passiert, ist, dass  über Social Bots in sozialen Netzwerken die Häufigkeit einer Information und die Geschwindigkeit ihrer Verbreitung verschoben wird. Ein soziales Netzwerk registriert alle Regungen, die man dort als User macht, die werden dann quantifiziert und untereinander gerankt. Und je mehr Posts auf einen verweisen, je mehr Follower man hat, desto viraler geht die Meinung. Das kann man mit Bots verstärken, indem sie sich an den Hashtag, den man gesetzt hat, zu tausenden dranhängen. Dann findet eine Gewichtung hin zu dieser Meinung statt. Gefährlich kann es dann auf der Netzwerk externen Ebene werden, wenn falsche Nachrichten für authentisch gehalten werden, in andere Medien geraten und öffentlich gemacht werden und auch außerhalb der Netzwerke Menschen den Inhalt der Information glauben. Dann finden sie Eingang in eine Öffentlichkeit, die mit den sozialen Netzwerken gar nichts zu tun hat.

Was bedeutet das konkret für uns Internetuser, was können wir tun?
Das kommt darauf an, inwieweit man davon betroffen ist. Gefährlich kann es werden, wenn Menschen in der Öffentlichkeit stehen und Twitter als Repräsentationsplattform nutzen, um sich in die Öffentlichkeit zu drängen. Nehmen Sie das Beispiel US-Wahlen: auf Twitter folgten Massen von sogenannten „fake followern“ den Kandidatinnen und Kandidaten und verzerrten so das Bild, dass die Politikerinnen und Politiker in Bezug auf ihre Popularität in sozialen Netzwerken abgaben.

Haben Sie noch einen Tipp für den Otto Normalverbraucher?
Für den normalen User gilt: Erstmal für das Thema sensibilisieren, also das Thema auf die Gesprächsagenda setzen. Das ist das Eine. Das Andere ist, nicht alles zu glauben, was geschrieben wird und nicht mehr nur auf die Macht der Quantität zu vertrauen. Massenhaft Posts zum selben Thema mit gleichklingendem Inhalt, das sollte einen immer stutzig machen. Es ist in dieser ganzen Big Data Debatte auch wichtig zu wissen: Viele Trends und Prognosen für unterschiedliche Bedarfe kommen aus Daten von sozialen Netzwerken. Es ist netzwerkintern möglich einen Trend mit Social Bots zu beeinflussen. Ich bin mittlerweile skeptisch, was diese Art der Prognose betrifft, weil  man vielfach nicht weiß, welche Daten in die Vorhersage eingeflossen sind und ob diese durch Social Bots manipuliert wurden.

Bild: roboter von fr1zz unter CC BY-NC-ND 2.0

FacebooktwitterFacebooktwitter