Social Media Technologie

Neue KI kann Fake News stoppen, bevor sie sich über Social Media verbreiten

Fake News, Laptop, Schreibtisch
Lassen sich Fake News stoppen? (Foto: Pixabay.com / S. Hermann & F. Richter)
geschrieben von Marinela Potor

Kann man die schädliche Verbreitung von Falschmeldungen im Internet stoppen? Britische Forscher glauben dies. Sie haben eine KI entwickelt, die Fake News stoppen kann, bevor sie im Netz verbreitet werden.  

„Fake News“ ist ein unschöner Begriff, der vor allem durch den ehemaligen US-Präsidenten Donald Trump Bekanntheit erlangte und in der Regel Falschmeldungen meint. Dabei werden „Nachrichten“ so manipuliert, dass Leserinnen und Leser den Eindruck bekommen, sie seien echt.

Häufig sind sie aber fehlerhaft, bewusst irreführend oder auch schlicht erfunden. Das Problem: Weil sie so glaubhaft erscheinen, verbreiten sie sich rasend schnell im Internet – insbesondere über soziale Medien. Solche Falschmeldungen verbreiten sich tragischerweise sogar schneller als echte Nachrichten.


Neue Stellenangebote

Growth Marketing Manager:in – Social Media
GOhiring GmbH in Homeoffice
Social Media und PR Specialist (m/w/d)
BeA GmbH in Ahrensburg
Social Media Manager B2B (m/w/d)
WM SE in Osnabrück

Alle Stellenanzeigen


Einmal im Umlauf lassen sich Fake News kaum stoppen

Im Anschluss ist es so gut wie unmöglich, die Berichtigungen dieser Falschmeldungen genauso gut zu verbreiten oder auch Nutzerinnen und Nutzern zu zeigen, dass die Informationen gar nicht stimmen.

Um die Verbreitung von Fake News zu stoppen, muss man daher sehr schnell handeln.

Deshalb haben Forscher des University College London ein effektives „Frühwarnsystem“ entwickelt. Dahinter steckt ein selbstlernender Algorithmus, der diese Falschmeldungen in Echtzeit erkennen und Alarm schlagen kann, bevor sie sich verbreiten.

Frühwarnsystem für Falschmeldungen

Der smarte Algorithmus konzentriert sich dabei auf Domains, von denen mit hoher Wahrscheinlichkeit solche Falschmeldungen ausgehen.

Insbesondere die Registrierungsdaten dieser Domains seien sehr aufschlussreich, sagt einer der Studienautoren Anil Doshi. Zum Beispiel seien anonym registrierte Domains häufiger Plattformen, von denen Fake News ausgingen.

„Indem wir Daten zur Domain-Registrierung nutzen, bieten wir ein frühes Warnsystem, weil wir Daten nutzen, die für die Beteiligten schwer zu manipulieren sind. Die Akteure, die falsche Informationen produzieren, neigen dazu im Verborgenen bleiben zu wollen. Das nutzen wir in unserem Modell.“

Anscheinend kann die so programmierte Künstliche Intelligenz (KI) Fake-News-Kanäle sehr zuverlässig erkennen. Das Tool konnte 92 Prozent der Fake-News-Domains richtig zuordnen und ebenfalls 96,2 Prozent der Domains mit nicht gefälschten Informationen.

Prognose: Es wird schlimmer

Ausgangspunkt für die Tests waren Domains, die im Zusammenhang mit den US-Wahlen 2016 registriert wurden.

Die Forscher glauben, dass ihre KI Behörden und Plattformen beim Erkennen von Falschmeldungen helfen kann. Diese könnten dann Fake News nicht nur stoppen, sondern auch die Domains sperren.

Realistisch betrachtet gehen die Forscher davon aus, dass die Verbreitung solcher Falschmeldungen vor Wahlen immer steigen wird. Ihrer Einschätzung nach wird dies in Zukunft eher mehr als weniger.

Fake News stoppen: Auch Plattformen müssen handeln

Daher fordern sie auch ganz klar von Social-Media-Plattformen und Digital-Firmen: Diese sollten selbst in smarte Technologien investieren, um die Verbreitung von Fake News auch selbst aufzuhalten.

Das Tool, das die britischen Forscher entwickelt haben, funktioniert aktuell sehr gut. Doch es sei nur eine Frage der Zeit, bis die entsprechenden Akteure ihr Verhalten anpassen würden. Daher müsse die Forschung auch weiterhin am Ball bleiben.

Auch interessant:

Über den Autor

Marinela Potor

Marinela Potor ist Journalistin mit einer Leidenschaft für alles, was mobil ist. Sie selbst pendelt regelmäßig vorwiegend zwischen Europa, Südamerika und den USA hin und her und berichtet über Mobilitäts- und Technologietrends aus der ganzen Welt.