YouTube, Facebook, Instagram: Die Flut an Fake News ist für Faktenchecker nicht mehr bewältigbar. Nun wurde ein Triage-System entwickelt, um gefährliche Falschinformationen von alltäglichem Unsinn zu unterscheiden. Der "Economist" erklärt die Folgen.
Gigabytes an digitalem Unsinn zirkulieren mit hoher Geschwindigkeit im Internet. Die Korrektur ist eine Aufgabe, die nie endet. YouTube hat im letzten Jahr mehr als eine halbe Million Kanäle wegen der Verbreitung von Falschinformationen gelöscht. Facebook und Instagram haben auf dem Höhepunkt der Pandemie 27 Millionen Falschmeldungen über Covid-19 gelöscht.
Die tapferen Faktenprüfer, die versuchen, das Internet ehrlich zu halten, sehen sich mit mehr Behauptungen konfrontiert, als sie bewältigen können. Wie sollen sie Prioritäten setzen?
Diese Frage wird immer dringlicher, da die Ressourcen für die Faktenprüfung immer knapper werden. Meta, das für seine sozialen Netzwerke das wahrscheinlich weltweit größte Netzwerk von Faktenprüfern aufgebaut hat, kündigte im Januar an, professionelle Ermittler durch Freiwillige zu ersetzen. Die US-Regierung baut die United States Agency for International Development (USAID) ab, die Mittel an Faktenprüfungs-Organisationen weitergeleitet hatte.
Die Prüfer haben daher einen neuen Ansatz entwickelt: Sie prognostizieren, welche Behauptungen am gefährlichsten sind und daher am ehesten unter die Lupe genommen werden sollten. Forscher der University of Westminster und Faktenprüfer von Full Fact, Africa Check und der Nachrichtenagentur AFP haben ein Triage-System entwickelt, um gefährliche Falschinformationen von alltäglichem Unsinn zu unterscheiden.
Ein Test für eine falsche Behauptung ist, ob genug Menschen sie glauben, damit sie Schaden anrichten kann. Um eine Wahl mit Falschinformationen zu beeinflussen, muss man viele Menschen überzeugen; um jemanden mit gefälschten Medikamenten zu töten, muss man nur einen einzigen überzeugen.
Ein weiterer Test ist, ob diejenigen, die eine falsche Behauptung glauben, in der Lage sind, danach zu handeln. Menschen können beispielsweise über die Entstehung von Covid-19 irregeführt werden. Aber ob sie glauben, dass es von einem Markt oder aus einem Labor stammt, wird ihr Verhalten wahrscheinlich nicht ändern. Die Forscher schätzten, dass 57 Prozent der falschen Behauptungen in ihrer Stichprobe wahrscheinlich keinen konkreten Einfluss auf die reale Welt haben würden.
Bei den verbleibenden potenziell folgenreichen Unwahrheiten prüften die Prüfer, ob die Folgen "direkt" wären – beispielsweise Menschen davon abzubringen, sich impfen zu lassen – oder "kumulativ", indem sie beispielsweise zu einer falschen Darstellung der Einwanderung beitragen würden. Die Behauptungen waren in etwa gleich verteilt.
"Kumulative" Schäden sind schwieriger zu bewerten, sagt Peter Cunliffe-Jones von der University of Westminster, aber große Datensätze ermöglichen es, zu sehen, wie oft eine Behauptung wiederholt wird und wann sich somit eine Erzählung bildet.
Eine Triage könnte überlasteten Faktenprüfern helfen, sich auf die gefährlichsten falschen Behauptungen zu konzentrieren. Aber Schaden ist nicht alles. Karl Malakunas von AFP weist darauf hin, dass einer der meistgelesenen Faktenchecks seiner Organisation ein Foto eines Elefanten betrifft, der ein Löwenjunges in seinem Rüssel trägt (leider gefälscht).
Es ist höchst unwahrscheinlich, dass jemand, der darauf hereinfällt, sich einen Dickhäuter als Spielgefährten sucht. Aber die Korrektur viraler Falschmeldungen ist wichtig für die digitale Kompetenz, sagt Malakunas.
Die Zeit, die für die Auswahl der zu überprüfenden zweifelhaften Behauptungen aufgewendet wird, ist wahrscheinlich gut investiert. Die Vorauswahl einer Behauptung dauert fünf Minuten, während eine gründliche Überprüfung fünf bis sechs Stunden in Anspruch nimmt.
Die Welt der Faktenprüfung muss systematischer vorgehen, sagt Cunliffe-Jones. "Wenn diese Community etwas von Meta lernen kann, dann ist es, dass Daten die Zukunft sind."
"© 2025 The Economist Newspaper Limited. All rights reserved."
"From The Economist, translated by www.deepl.com, published under licence. The original article, in English, can be found on www.economist.com"
