Kein Filter Für Rechts
This is a modal window.
Das Video konnte nicht geladen werden, da entweder ein Server- oder Netzwerkfehler auftrat oder das Format nicht unterstützt wird.
Formale Metadaten
| Titel |
| |
| Serientitel | ||
| Anzahl der Teile | 275 | |
| Autor | ||
| Lizenz | CC-Namensnennung 4.0 International: Sie dürfen das Werk bzw. den Inhalt zu jedem legalen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen. | |
| Identifikatoren | 10.5446/51915 (DOI) | |
| Herausgeber | ||
| Erscheinungsjahr | ||
| Sprache |
Inhaltliche Metadaten
| Fachgebiet | ||
| Genre | ||
| Abstract |
| |
| Schlagwörter |
rC3 - remote Chaos Experience52 / 275
7
8
9
10
11
13
14
19
20
22
24
27
35
37
38
42
43
47
48
52
53
55
56
57
60
61
62
65
67
69
77
80
82
84
86
87
88
90
92
96
97
100
101
102
107
108
109
112
114
116
117
119
121
122
126
128
129
132
134
136
137
140
142
143
145
146
148
149
150
151
152
153
154
157
159
161
162
163
164
165
166
167
168
169
177
179
180
181
186
188
192
193
194
195
198
200
201
208
209
211
212
213
214
215
219
220
221
222
223
226
232
234
235
236
237
240
242
243
244
246
247
248
249
251
254
255
259
260
264
265
266
267
270
272
275
00:00
MagnetbandlaufwerkTranslation <Mathematik>ComputeranimationBesprechung/Interview
00:55
Explosion <Stochastik>DatenanalyseSystemplattformComputeranimation
02:29
DatenanalyseEbeneRechnernetzDatensatzComputeranimation
03:11
SystemplattformApp <Programm>Inhalt <Mathematik>Berührung <Mathematik>KantenfärbungThreadTwitter <Softwareplattform>PotenzialfeldComputeranimationBesprechung/Interview
04:44
InternetdienstStichprobeProgramm/QuellcodeComputeranimation
05:40
MagnetblasenspeicherBenutzerprofilMeterInformationMetadatenDatenbankMengeUploadingBildsprache <Informatik>ZählenComputeranimation
07:14
StichprobePotenz <Mathematik>PunktZufallsauswahlZählenComputeranimation
08:30
HypermediaStichprobeStichprobenumfangPunktGewicht <Mathematik>Folge <Mathematik>DatenbankInhalt <Mathematik>BenutzerprofilRechnernetzMengeMetadatenZählenSchnitt <Mathematik>COTSInformationKategorie <Mathematik>Computeranimation
12:54
StichprobeSchnitt <Mathematik>PunktStichprobeDatenbankDynamikRechnernetzZahlenbereichInformationLogischer SchlussDatenbanksystemBesprechung/InterviewDiagramm
14:43
MetadatenEIBKategorie <Mathematik>InformationStichprobeDeskriptive StatistikStatistikMeterRollbewegungFächer <Mathematik>Physikalische GrößeVollständiger VerbandComputeranimation
17:00
GruppierungNDSEIBComputeranimationDiagramm
18:04
GruppierungNeunMetadatenDiagrammComputeranimation
18:50
Computeranimation
20:04
StichprobeKanteRichtungDatenbankMengeSchnittmengeRechnernetzFolge <Mathematik>FaktorisierungComputeranimationBesprechung/Interview
22:37
Petri-NetzRechnernetzStichprobeBerechnungKommunikationRuhmasseReiheFolge <Mathematik>EigenwertproblemInhalt <Mathematik>AlgorithmusRechnernetzKnotenmengeKategorie <Mathematik>KlumpenstichprobeDatenmodellART-NetzEigenvektorPotenzialfeldZeitzoneCASHEMustererkennungHöheZählenSchärfeComputeranimation
32:09
Twitter <Softwareplattform>DatenmodellSystemplattformInhalt <Mathematik>Schreiben <Datenverarbeitung>PositionComputeranimation
33:31
StichprobeWort <Informatik>RechnernetzSelbstbezüglichkeitHash-AlgorithmusComputeranimation
34:54
FokalpunktSelbstbezüglichkeitGruppenoperationComputeranimation
36:02
StichprobeKlasse <Mathematik>HitzeARM <Computerarchitektur>AlgorithmusExpertensystemComputeranimation
38:13
QuadratStichprobeDatenanalyseExpertensystemInhalt <Mathematik>Computeranimation
39:28
ExpertensystemInhalt <Mathematik>Computeranimation
40:04
Inhalt <Mathematik>CodierungTwitter <Softwareplattform>ComputeranimationBesprechung/Interview
40:51
Twitter <Softwareplattform>XMLBesprechung/Interview
41:33
ÄhnlichkeitsgeometrieBesprechung/Interview
42:35
ComputeranimationBesprechung/Interview
43:10
InternetSoftwareJavaScriptNoten <Programm>ServerOrdnung <Mathematik>DatenerhebungRechenschieberPostgreSQLApple KeynoteDatenbankUbuntu <Programm>Besprechung/Interview
44:09
InternetSoftwareComputeranimationBesprechung/Interview
44:49
StichprobeBesprechung/InterviewComputeranimation
45:36
Computeranimation
Transkript: Deutsch(automatisch erzeugt)
00:14
Hallo und herzlich Willkommen hier wieder im Stream der Chaoszone, dem Verbund der CCCs im Osten Deutschlands. Jetzt mit einem Talk von Correctiv und Clemens Comarelle,
00:30
kein Filter für rechts. Dieser Talk wird auch übersetzt. Ich rede also kurz Englisch.
00:45
Zurück zu Deutsch. Viel Spaß beim Talk. Kein Filter für rechts von Correctiv. Viel Spaß.
01:15
Das warme Licht trägt perfekt zur Stimmung bei, die pure Unschuld. Mehr als 660 Nutzerinnen
01:22
und Nutzer gefällt das Bild. Wer es genauer betrachtet, versteht aber, dass es für sie etwas anderes bedeutet. Das Baby ist ein Kämpfer, wie ein Nutzer unter das Bild schreibt. In einigen Jahren werde es für die Frühlingsangriffe bereit sein. Dann sehen wir es auch. Das hölzerne Dekorationsstück, das rechts neben dem Kopf des Babys platziert ist.
01:41
Es soll eine schwarze Sonne darstellen, eines der bekanntesten deutschen rechtsextremen Erkennungssymbole der Neuzeit. Ein Kleinkind neben einem Neonazi-Motiv. Willkommen auf der dunklen Seite Instagrams. Es ist jene Seite der Plattform, in die wir vor etwas mehr als einem Jahr beschlossen haben einzutauchen, als wir das erste Mal zusammenkamen. Bereits
02:01
nach einer kurzen Recherche war mehr als deutlich, dieser Post ist nur einer von vielen. Er ist Teil einer Welt, in der gilt, when you're white, there's no upgrade, don't mix. Einer Welt, die selbst auf den versucht objektiven Beobachter eine faszinierte Abscheu auslöst. Einer Welt, die wir im letzten Jahr in unserer Datenrecherche
02:20
ausgiebig erforscht und kartografiert haben. Wir, das ist ein fünfköpfiges Team aus den drei Reportern und Reporterinnen, Alice Echtermann, Till Eckert und Arne Steinberg, sowie Selza Dias und mir, Clemens, die für die Datenanalysen zuständig waren. Dazu kommt das ganze Korrektiv-Team von Chefredaktion bis Community, Fact-Checking bis Design. Ich selbst bin für dieses Projekt erstmals in die Rolle
02:43
eines Datenjournalisten geschlüpft und freue mich sehr, heute stellvertretend für dieses Team auf dem RC3 euch einige Einblicke in unsere Recherche, kein Filter für Rechts zu geben. In den nächsten 40 Minuten soll es auf der thematischen Ebene um die neue Rechte und Instagram gehen. Es geht darum, wie rechte Accounts versuchen, insbesondere junge
03:02
Menschen in ihre Kreise zu ziehen. Es geht um ihre Vernetzung untereinander und wie sie Instagram nutzen, worüber sie schreiben. Zugleich ist der Vorstag ein Werkstattbericht, der euch vor allem zeigen soll, wie wir einen Datensatz von über viereinhalbtausend Instagram-Accounts erhoben und untersucht haben. Warum aber Instagram? Instagram ist eine der beliebtesten Apps weltweit. Auf den ersten Blick scheint die
03:25
Plattform harmlos. Ihr Image, geprägt von Naturfotos, Reisetipps, Rezepten und Influencerinnen-Marketing auf der anderen Seite. Mehr als 20 Millionen Deutsche sind auf der Plattform angemeldet. Etwa die Hälfte von ihnen sind aber jugendliche oder junge Erwachsene. Das Potenzial, dass hier also insbesondere Heranwachsene in einer Phase
03:45
ihrer Identitätssuche mit Inhalten der rechten Szenen in Berührung kommen, ist durchaus sehr groß. Und die Anzahl sowie Bandbreite rechter bis rechtsextremer Inhalte ist größer, als man es gemeinhin annehmen mag. Zumindest ging es mir persönlich so. Das klingt zwar naiv, aber ich war vor Beginn der Recherche noch nie mit
04:02
rechten Inhalten auf Instagram in Berührung gekommen. Ganz anders als beispielsweise auf Twitter, dass hier aufgrund von Antworten und Kommentaren in Threads die Inhalte auch eher, ich würde sagen, bubbleübergreifend präsentiert. Stell fanden wir während unserer ersten Recherche Beispiele rechter Meme-Seiten, Medien, Lifestyle-Accounts, Fan- und Community-Accounts und die Profile vieler Politiker und Politikerinnen aus
04:24
AfD-Kreisen. Kurzum, alles, was es sonst auf Instagram gibt, gibt es auch in rechter Färbung. Teilweise offensichtlich rechts, plump und wirklich abstoßend. Aber auch Posts, die auf den ersten Blick harmlos wirken und ihre Botschaft subtil oder nur in der Bildbeschreibung vermitteln. Dieses Bild beispielsweise stammt vom Account von
04:41
Lisa Lehmann. Sie ist zum Vorstand der jungen Alternative in Sachsen. Auf den ersten Blick ein unscheinbarer Instagram-Post, wie er auf Tausenden von Timelines zu finden ist. Eine junge Frau vor dem Brandenburger Tor mit einem Starbucks-Kaffee in der Hand. Die Bildbeschreibung dazu jedoch, Kaffeepause mit Besatzer-Kaffee. Das klingt
05:01
zwar an sich harmlos, bedient aber das gerne von Reichsbürgern genutzte Narrativ, Deutschland sei noch immer von Alliierten besetzt und kein souveräner Staat. Hashtags wie Heimatliebe sind zudem in der Szene weit verbreitet und können als eine Art Erkennungszeichen dienen. Andere Hashtags wie Fototour, Kaffee oder Winter sorgen dafür, dass dieses Bild auch bei der
05:21
entsprechenden ganz unverfänglichen Hashtags gefunden wird. Nur ein Beispiel von vielen. Diese vielen Beispiele reichten aus, damit wir uns das Ziel setzten das Netzwerk der neuen Rechten auf Instagram ausgrübig zu kartografieren und abzubilden. Uns war klar, dass wir dafür eine belastbare Stichprobe und vor allem sehr viele Daten benötigen werden.
05:42
Und damit wollen wir jetzt anfangen. Deswegen schauen wir uns nix einmal an, was für Daten man von so einem Instagram-Mofil alles erheben kann. Meiner Meinung nach sind das vor allem vier Säulen. Die erste Säule, das sind Metadaten und allgemeine Profilinformation. Dazu zählt sowas wie der Name des Profils oder die Beschreibung, die User-Bio. Für jeden
06:00
Post auf der Timeline gibt es darüber hinaus Metadaten, wie den Zeitpunkt des Uploads oder den Ort, zufern angegeben, die Anzahl der Likes und Kommentare. Darüber hinaus haben wir Hashtags auf den Bildern und auf manchen Posts auch in den Bildbeschreibungen markierte oder auf dem Bild markierte Accounts. Die zweite Säule, das sind Verbindungsdaten, also wem folgt ein Account und von wem wird er
06:22
gefolgt. Die dritte Säule sind Textdaten. Hierzu zählt die Beschreibung auf den Bildern, aber auch die ganzen Kommentare auf einem Bild. Und die vierte Säule, das sind qualitative Daten, die jetzt nicht direkt gespeichert oder erhoben werden können. Das ist sowas wie der subjektive Eindruck des Betrachters, also welche Ästhetik nutzt das Profil, welche Tonalität, welche Bildsprache. Diese Säule hilft
06:43
dabei, die anderen Datenpunkte einzuordnen, wenn man sich mit einem bestimmten Profil beschäftigt. Was jetzt hier fehlt in der Aufzählung sind die Storys. Diese sind nur 24 Stunden verfügbar und waren für uns deswegen schwer zu erheben. Nichtsdestotrotz kann man sich vorstellen, dass da eine ganze Menge an Daten zusammenkommt. Daher haben wir vor der Recherche dann eine Datenbank aufgesetzt,
07:03
in der wir alle erhobenen Daten abgespeichert haben. Das ermöglichte uns auch zum Beispiel Änderungen in den abonnierten Accounts, bei bestimmten Accounts aufzuzeichnen und eben in unsere Analyse mit einzubeziehen. Was wir aber auch brauchten, war eine Sampling Methode, weil wir wollten ja eine belastbare Stichprobe generieren. Das heißt, wir konnten nicht einfach
07:21
wahllos Accounts herausgreifen. Wir haben uns für eine abgewanderte Form des sogenannten Exponential Discriminative Snowball Samplings entschieden. Das klingt jetzt erst mal sehr fancy, ist aber super einfach. Die Methode geht für unser Beispiel davon aus, dass jeder Instagram Account bestimmten Accounts folgt und diesen Verbindungen folgt man dann. Denn jeder Account folgt ja wieder anderen Accounts und der folgt ja
07:42
wieder anderen und so weiter. In der Theorie würde man mit dieser Methode schnell zu einer gigantischen Stichprobe kommen. Denn jeder weiß seit diesem Jahr, wie exponentielles Wachstum funktioniert. Denn die Verbreitung des Coronavirus funktioniert auf genau die gleiche Art und Weise. Wir mussten also an bestimmten Punkten unserer Erhebung dann stoppen und auch filtern. Das haben wir auch gemacht und
08:02
werden uns gleich ansehen, wie genau. Zunächst aber brauchen wir, wie auf der Vorjahrzehnt, rote Punkte. Das heißt Ursprungsaccounts, von denen wir unsere Erhebung aus warten wollten. Dazu haben wir zunächst einmal einen Fake-Account erstellt. Wir haben ihn mit bestimmten Merkmalen, die in der Szene häufig genutzt werden, versehen, damit er sozusagen uns undercover einen
08:20
Einblick in auch privat gestellte Profile gewähren konnte. Für die Auswahl unserer Ursprungsaccounts starteten wir dann vor allem mit AfD-Politikerinnen sowie Parteiorganisationen. Denn Funktionsträger der Partei werden durch öffentliche Gelder finanziert. Ihre Verbindung innerhalb und zur rechten Szene zu versuchen, erschien uns daher als gesellschaftlich
08:40
relevant und angemessen. Die Liste haben wir dann ergänzt mit bekannten Accounts der Identitären Bewegung, die vom Verfassungsschutz als gesichert rechtsextrem eingestuft wird. Darüber hinaus Accounts aus der rechten Medien-Szene, von Rechtsrockern und Rechtsrappern, Mode-Labels, Kampfsportlern, Kampfsportlerinnen und germanischen Kulten. Bei der Zusammenstellung der Accounts haben wir darauf geachtet, dass jeder
09:02
Account durch mindestens ein zweites Teammitglied geprüft wurde. Insgesamt hatten wir so eine Liste von 281 Accounts zusammen, die den Ursprung unseres Netzwerks bilden werden. Der Großteil dieser Accounts, etwa 80%, kam direkt aus der AfD oder dem AfD-Umfeld. Diese Stichprobe ist also in gewisser Weise durchaus verzerrt. Und mit der
09:21
Auswahl der Start-Accounts kann es sein, dass wir bestimmte andere Gruppen verpasst haben. Parallel zu diesen Ursprungs-Accounts haben wir eine Kontrollgruppe aufgestellt, die 86 Accounts stark war. Sie besteht vor allem aus Prominenten, Influencerinnen und einigen Accounts aus dem Umfeld unseres Teams. Sie dient uns dazu, Inhalte zu filtern, die nicht nur in der rechten Szene vorkommen oder
09:41
generell häufig auf Instagram zu finden sind. Schauen wir uns also an, wie wir nun von unseren Ursprungs-Accounts zu unserer Stichprobe gekommen sind. Zunächst sind wir allen ausgehenden Verbindungen gefolgt, die die 281 Ursprungs-Accounts haben. Wir sind dabei nur den ausgehenden Verbindungen gefolgt, weil diese aktiv beeinflusst werden können, also ein aktives Folgen des
10:02
Ursprungs-Accounts bedarf. Insgesamt folgen diese Ursprungs-Accounts über 58.800 Profilen, was natürlich die ganze Menge ist. Und da sind natürlich auch viele dabei, die dann nur von einer Person gefolgt werden. Wir entschieden uns also ein Kriterium zu setzen und das besagt, dass ein Account in unserer Stichprobe verbleibt, wenn er von mindestens drei unserer Ursprungs-
10:21
Accounts gefolgt wird. Insgesamt erfüllen etwas mehr als 4.500 Accounts dieses erste Kriterium. Wir sind nun der Logik unserer Sampling- Methode gefolgt und sind allen weiteren ausgehenden Verbindungen gefolgt, was uns bereits zu über 820.000 Profilen führt. Daher haben wir, wie hier auf der Folie zu sehen, ein zweites Kriterium gesetzt. Wir
10:41
wollten Accounts in unserer Stichprobe behalten, die für unsere Ursprungs- Accounts relevant sind, aber auch für deren Umfeld. Daher erhielt jeder Account unserer Datenbank einen Punktwert. Ein Punkt für eingehende Verbindungen von den Ursprungs-Accounts. 0,1 Punkte für eingehende Verbindungen von den 4.500 Accounts, die das erste Kriterium erfüllen. Um in der Stichprobe zu verbleiben,
11:01
muss sein Account mindestens 2,5 Punkte erreichen. Dieser Wert wirkt beliebig, ist der in gewisser Weise auch. Aber wir mussten abschätzen zwischen handhabbarer Stichprobengröße und einer ausreichenden Abdeckung relevanter Accounts. Und da bot uns dieser Wert die bestmögliche Abdeckung. Wir hatten also ein Sample von gut 10.800 Accounts damit. Und zu diesen
11:22
haben wir alle zugänglichen Informationen erhoben. Gut ein Drittel dieser Accounts war privat und für uns leider nicht zugänglich. Im folgenden dritten Schritt haben wir diese Accounts nur kategorisiert, als relevant oder nicht relevant eingeordnet. Doch nicht nur relevant oder nicht relevant wurde unterschieden. Jeder interessante Account wurde einer Kategorie
11:41
samt Unterkategorie zugeordnet. Diese Kategorie hatten wir zuvor in einem gemeinsamen Training mit etwas mehr als 150 zufällig ausgewählten Accounts unserer Stichprobe festgelegt. Das sollte dazu dienen, die Abweichung und Verhalten zwischen den Teammitgliedern möglichst geringen und die Reabilität damit möglichst hochzuhalten. Um das Kategorisieren einfach zu
12:01
ermöglichen, haben wir ein kleines Interface gebaut. Das heißt, ein Teammitglied konnte sich da einloggen und erhielt dann einen Account aus unserer Datenbank mit dem Profil und diversen Metadaten. Der Account konnte dann auf der rechten Seite einfach in eine Kategorie und eine Unterkategorie eingeordnet werden. Darüber hinaus gab es die Möglichkeit, Kommentare zu vermerken, zum
12:20
Beispiel ist besonders interessant oder gehört zur identitären Bewegung. Das Team hatte zudem die Möglichkeit, einen Account zu überspringen, wenn man nichts dazu herausfinden konnte oder andere Teammitglieder zu delegieren. Bei jedem Account, den wir jetzt nicht interessant oder in die Kontrollgruppe eingeordnet haben, wurden die Gewichtungen der Datenbank neu berechnet. Dies führte dazu, dass mit der
12:41
Zeit auch Accounts aus unserer Stichprobe gefallen sind, obwohl sie gar nicht kategorisiert worden sind. Weil wenn es ein bestimmter Account ausschaltet und seine Verbindung, konnte bei anderen Accounts das Kriterium von 2,5 Punkten oder Umständen nicht mehr erfüllt werden. Insgesamt gab es über 100 Coding Sessions mit 8000 Interaktionen. Jede Session dauerte im Schnitt 73
13:01
Minuten. Insgesamt haben wir also etwas mehr als 120 Stunden auf Instagram-Profilen der rechten Szene verbracht. Und das Kategorisieren war daher auch sehr wichtig. Wir haben nämlich ein Gefühl für die Ästhetik und diverse Geschichten bekommen und Accounts, die wir vorab gar nicht auf dem Schirm hatten. Insgesamt haben wir 6600 Accounts eingeordnet.
13:21
Insgesamt führte das zu über etwas mehr als 8000 potenziell relevanten Accounts, von denen wir viereinhalbtausend als relevant eingeordnet haben. 80 von diesen 4581 relevanten Accounts wurden mit der Zeit durch Veränderungen im Netzwerk irrelevant. Also die haben das Kriterium nicht mehr erfüllt, weil Netzwerke sind ja dynamisch. Das heißt, Verbindungen konnten auch wegfallen.
13:42
Und über etwa dreieinhalbtausend Accounts haben wir nicht kategorisiert. Der Großteil war privat und dementsprechend nicht zugänglich. Einen kleinen Rest haben wir verpasst, weil wir sie nicht rechtzeitig nachrücken ließen. Das heißt, hier war diese Dynamik im Netzwerk, dass Accounts mit der Zeit relevant wurden. Zum Glück sind diese alle sehr nah an der Schwelle von 2,5 Punkten. Und daher insgesamt eher
14:00
weniger relevant für das Netzwerk. Zu dieser finalen Stichprobe von 4501 Instagram-Account erhoben wir dann noch einmal alle relevanten Daten, was uns nun ermöglicht, unseren Untersuchungsgegenstand einmal in Zahlen zu fassen. Wir haben 4501 Instagram-Account, inklusive aller Ihrer Informationen,
14:20
Profilbeschreibung, Anzahl Follower, Anzahl Accounts, die Sie folgen, Anzahl der Posts. Zwischen den Accounts bestanden zum Zeitpunkt des Datenschlusses, der am 01.09.2020 war, über 330.000 aktive Verbindungen. Von dieser Stichprobe haben wir zudem über 830.000 Instagram-Posts in unserer Datenbank mit etwas mehr als 13 Millionen
14:40
zugehörigen Kommentaren. Und zu guter Letzt haben wir für jeden Account eine Kategorie und eine Unterkategorie. Um diese Information kommen wir nun zum zweiten Teil des Vortrags. Wir schauen uns zunächst einmal ganz einfach mit ein bisschen deskriptiver Statistik an, wie wir die Accounts unserer Stichprobe zugeordnet haben und schauen uns dann noch mal ein Metadatum an,
15:01
weil das ganz interessant ist, und weil man daraus etwas lernen kann. Das ist die Aufteilung der Kategorien in unserer Stichprobe. Der größten Teil an der Accounts machen die Kategorien AfD und Patriotinnen und Verschwörungsideologen aus. Hier versammeln sich jeweils gut 30 Prozent der Accounts in unserer Stichprobe. Für uns tatsächlich
15:20
ganz erfreulich, denn wenn wir uns an unsere Ursprungsaccounts erinnern, wird deutlich, dass wir von gut 80 Prozent AfD und AfD-Umfeld nun bei ca. einem Drittel sind. Die beiden großen Kategorien schauen wir uns gleich nochmal en detail an, weil es da natürlich diverse Unterkategorien gibt. Dann gibt es die nächste größte Kategorie, die Subkulturen. Hier finden sich zum Beispiel rechte Musiker und Musikerinnen,
15:42
Accounts aus den Bereichen Kampfsport und Lifestyle, aber auch Merchandise, natürlich entsprechend in verschiedenen Unterkategorien. Die weiteren mittelgroßen Kategorien sind sowas wie Burschenschaften und Studentenverbindungen, Meme-Accounts der rechten Szene, bekannte Medienszene-Accounts sowie Accounts der Identitären Bewegung und der jungen Alternative. Eher untergeordnete
16:01
und kleine Rollen dieser Stichprobe spielen, Accounts, die wir als rechtsextrem oder NPD nahe eingestuft haben, sowie Accounts anderer europäischer Rechterparteien und der FPÖ. Die haben wir nochmal gesondert gelistet, weil es doch genug für eine eigene Gruppe war, zum Beispiel. Gucken wir zunächst auf die AfD. Hier sehen wir, dass der große Teil der AfD
16:22
erst mal als Umfeld bezeichnet ist. Das sind Accounts, die wir zwar der AfD zuordnen konnten, die aber kein bestimmtes Mandat haben. Alle Akteure mit einem Mandat sind als Politikerin eingeordnet. Das schließt Kreistagsabgeordnete bis zur Europaabgeordneten ein. Dazu haben wir dann noch Parteiorganisationen, also sowas wie die Accounts
16:41
von Regional-, Landes- oder vielleicht auch das Europaverband ist. Eine kleine Gruppe ist darüber hinaus die Fan-Accounts. Das ist sowas wie Alice Weidel vor Kanzler. Also es gibt tatsächlich so einen kleinen Fan-Kult auf Instagram um bestimmte Personen aus der AfD. Die andere große Gruppe sind die Patriotinnen und Verschwörungsideologen.
17:00
Hier ist ein Großteil der Accounts nicht näher zugeordnet. Wir konnten sie aber immerhin der Szene zuordnen, indem wir gesehen haben, dass sie bestimmte Emojis wie Deutschland fahren, Reichskriegsflaggen-Emojis, Hashtags wie Patriot, Vaterland oder Themen wie Islamisierung, Bevölkerungsaustausch in ihren Profilen behandeln. Auch ganz viele Corona-Leugner und Leugnerinnen finden sich in dieser großen Gruppe.
17:21
Interessanter sind da die NDS-Accounts und die jungen Patrioten. Und jung, das ist hier wirklich erschreckend, meint so bis zu einem Alter von 18 bis 20 Jahren. Wir haben sehr, sehr viele jugendliche Profile gesehen, die genau die eben angesprochene Themen Bevölkerungsaustausch, Islamisierung, man müsse das Land zurückerobern übernehmen. Und das ist wirklich
17:41
sehr, sehr erschreckend, habe ich so vor dieser Recherche überhaupt nicht erwartet. Die NDS-Accounts sind ebenfalls fast ausschließlich heranwachsende und jugendliche, die sich eindeutig über ihren Namen oder ihre Profilbeschreibung mit dem Song Neuer deutscher Standard, also kurz NDS, der Rechtsreffer Chris Ares und Prototyp identifiziert, die als beide als eine Art Influenz
18:00
in der Szene agieren. Wir schauen uns die auch nochmal später genauer an. Ebenfalls eine Gruppe, die uns aufgefallen ist, sind Profile, die die Geschichte verherrlichen, also das NS-Regime und die Kaiserzeit. Hier werden dann Bilder von Generälen oder Panzern gepostet, sowie Grenzausdehnung der ihrer Auffassung nach richtigen Grenzen des Deutschen Reiches. Also sehr, sehr viel
18:21
absurde Dinge. Wir wollen uns nun mal ansehen, was man mit Metadaten anstellen kann. Und wir haben uns hier mal eins exemplarisch rausgenommen und zwar die Uhrzeit und den Wochentag von Posts. Weil wir können uns damit ansehen, zu welchen Zeitpunkten welche Gruppen besonders gerne posten. Als erstes haben wir hier
18:41
die AfD-Parteiorganisation. Auf der linken Seite des Diagramms, also auf der Y-Achse, haben wir die Wochentage. Auf der X-Achse die Stunden der Tage. Je heller ein Feld in der gleich erscheinenden Heatmap ist, desto häufiger wird dort von dieser Gruppe gepostet. Schauen wir uns die Parteiorganisation an. Zeigt sich das ein relativ wenig überraschendes Muster.
19:01
Unter der Woche von Montag bis Freitag wird viel gepostet, am Wochenende sehr wenig. Die ersten Posts erscheinen fast immer gegen 7 Uhr morgens. Am frühen Nachmittag sind diese Accounts besonders aktiv und spätestens ab 18 Uhr nimmt die Aktivität doch spürbar ab. Ein ganz breit gestreutes Bild hingegen haben wir bei den Politikerinnen. Hier wird tendenziell
19:20
am Wochenanfang etwas weniger gepostet, aber eigentlich jeden Tag relativ viel und vor allem immer bis in die Abendstunden hinein. Die Verteilung ist vermutlich so breit, weil jeder Politiker, jede Politikerin ihre individuellen Vorleben hat, wann sie etwas postet, wohingegen die Organisationsaccounts halt von Mitarbeitern betreut werden, die bestimmte Arbeitszeiten haben.
19:41
Interessant im Vergleich ist auch eine andere Berufsstand, zum Beispiel die Medienszene. Hier sehen wir, dass die Accounts der Medienszene ihren Schwerpunkt ebenfalls am Tag haben oder am Wochenende deutlich weniger gepostet wird. Allerdings liegt die Hochzeit eher zwischen 17 und 19 Uhr und die ersten Posts kommen eher so zwischen 10 und 11. Das heißt, in der Medienbranche schläft man gerne etwas länger
20:01
als bei den Parteiorganisationen. Wir wollen jetzt aber zu dem kommen, weswegen wir eigentlich hier sind, zu unseren Netzwerkdaten. Und das ist der wirklich spannende Teil, weil jetzt können wir uns ansehen, wie bestimmte Accounts miteinander verknüpft sind und wie sie miteinander interagieren. Und dazu gibt es zunächst ein ganz kurzes Intro. Und zwar, wie funktionieren eigentlich so Netzwerkdaten?
20:22
Zunächst besteht ein Netzwerk aus Knoten. Knoten, das sind die 4500 Accounts unserer Stichprobe oder in diesem Fall Alice Weidel, Jörg Meuthen und Beatrix von Storch. Und Netzwerke bestehen aus Verbindungen, die Kanten genannt werden. Die Verbindungen sind bei uns davon bestimmt, ob ein Account einem anderen Account folgt oder eben nicht.
20:41
In unserem Beispiel folgen sich fast alle gegenseitig. Nur Frau Weidel folgt nicht Herrn Meuthen. Und da dies möglich ist, sprechen wir über Instagram-Daten über ein sogenanntes, genanntes gerichtetes Netzwerk. Also die Richtung der Verbindung zählt und eine Verbindung kann einseitig oder beidseitig sein. Für die Verbindung zwischen den Knoten des Netzwerks
21:01
gibt es unterschiedlich starke Kantengewichte, denn jede Verbindung kann sich wie eine Feder vorgestellt werden, wenn sie sich unterschiedlich stark zusammenziehen oder eben dehnen lässt. Und je höher das Kantengewicht ist, desto wichtiger sollen zwei Accounts füreinander sein. Das heißt, die Verbindung von Herrn Meuthen zu Frau von Storch ist in diesem Fall stärker als anders herum.
21:20
Und wir haben uns natürlich auch überlegt, wie dieses Kantengewicht zustande kommt. Es gibt dafür meines Wissens nach keine feste Regel. Das heißt, wir haben ein wenig herumprobiert und geschaut, welche Datenpunkte wir dort alle nach logischem Menschenverstand mit einbeziehen können und welche am Ende auch in den Datensinn ergeben. Dabei haben wir die einzelnen Datenpunkte normalisiert. Da gehe ich jetzt aber nicht
21:40
drauf ein, weil das tatsächlich ziemlich viel Zeit in Anspruch nehmen würde. Aber man kann mal drüber sprechen, was alles in dieses Kantengewicht mit einfließt. Erstens gegenseitiges Folgen, denn gegenseitiges Folgen ist schon mal ein Ausdruck gegenseitigen Interesses. Der nächste Indikator ist die Menge gemeinsam gefolgter Accounts. Wenn hat man eine große gemeinsame Schnittmenge bei gefolgten Accounts, gehört man mutmaßlich
22:01
zur gleichen Community oder hat an den gleichen Dingen Interesse. Dazu haben wir die Menge der gemeinsam genutzten Hashtags. Auch hier ein gemeinsames Themeninteresse sozusagen erkennbar. Und dazu kommen, wie häufig markieren sich Accounts gegenseitig auf Bildern oder wie häufig kommentieren sie unter den Bildern des jeweils anderen Accounts. Dies sind relativ klare
22:22
Interaktionsfaktoren. Und je höher oder häufiger das vorkommt, desto wahrscheinlicher ist es, dass diese Accounts sich kennen oder miteinander interagieren. Und damit entstand in unserer Datenbank für jedes einzelne Verbindungspaar und jede Verbindungsrichtung eine individuell berechnete Verbindungsstärke, also eine Stärke für diese Feder. Das führt am Ende dazu oder in
22:40
der Grafik, die wir gleich sehen, dass Accounts mit mehr Gemeinsamkeiten stärker zueinander hingezogen werden als Accounts mit wenigen Gemeinsamkeiten. Mit der Berechnung der Verbindungsstärke hatten wir nun alles um unser Netzwerk und die Stichprobe zu visualisieren. Dazu haben wir Gaffey genutzt, was uns zu der folgenden Grafik führt. Die einzelnen Accounts
23:00
ziehen dabei entsprechend der Stärke dieser Verbindungsfeldern voneinander weg. Je stärker, desto näher zusammen, je schwächer, desto weiter auseinander. Die Farben sind in diesem Fall ausnahmsweise nicht basierend auf den Kategorien unserer Stichprobe, sondern basieren auf dem Modularity Class Community Detection Algorithmus. Dieser wird dazu genutzt, um so Gruppen innerhalb von Netzwerken zu identifizieren.
23:21
Ganz einfach gesagt guckt dieser Algorithmus die Anzahl der Verbindungen innerhalb einer Gruppe möglichst hoch und die Anzahl der Verbindungen der Gruppe zu anderen Accounts möglichst gering zu halten. Und darauf entstehen dann halt Cluster. Während für diese Übersicht die vom Algorithmus gefundenen Cluster, damit den Kategorisierung unseres Teams verglichen und zum Glück eine relativ große Übereinstimmung
23:41
gefunden. Das heißt, wir konnten den Clustern relativ einfach Namen zuweisen. Wichtig ist aber, Nähe im Netzwerk bedeutet nicht zwangsläufig eine inhaltliche Nähe, aber zumindest, dass potenziell sich mehr Accounts aus dieser Gruppe gegenseitig folgen und die sich dadurch räumlich näher anordnen. Wir sehen hier zum Beispiel auf der linken Seite das Accounts aus dem AfD
24:01
Umfeld, die AfD Politiker und die AfD Partei Organisation die ganze linke Seite des Netzwerks ausmachen vor allem. Auf der anderen Seite sehen wir zum Beispiel identitäre Bewegung, die nahe verknüpft ist mit den Subkulturen oder auch relativ nahe zu den Burschenschaften und Darmverbindungen. Wenn wir uns aber wirklich anschauen wollen, wer sich für wen interessiert, eignet sich eine deutlich
24:20
reduzierte Darstellung viel, viel besser, denn hier ist ja jeder Account ein Knoten. Wir haben das Ganze mal reduziert dargestellt. Jeder Knoten in dieser Grafik entspricht einer Kategorie, also allen Accounts, die wir dieser Kategorie zugeordnet haben. Also diesmal wieder durch das Kategorisieren bestimmt. Die Größe des Knotens basiert auf der Anzahl der zugeordneten Accounts.
24:40
Jetzt haben wir auch Verbindungen in dieser Grafik. Die Verbindungsstärke zwischen je zwei Kategorien basiert nun auf dem Anteil bestehender Verbindungen durch den Anteil möglicher Verbindungen zwischen diesen beiden Gruppen. Das Ganze wird dann nochmal multipliziert mit dem durchschnittlichen berechneten Kantengewicht von den Verbindungen, die zwischen diesen Gruppen bestehen. Die Grafik dient also
25:00
tatsächlich dazu, das Interesse einer Gruppe an der jeweils anderen zu kennzeichnen. Die jetzt hier sichtbaren ausgehenden Verbindungen von der AfD sind immer in der entsprechenden Knotenfarbe geherbt. Das heißt, für diese Grafik habe ich für jede Kategorie dann die vier wichtigsten ausgehenden Verbindungen berücksichtigt, damit das Ganze auch gut übersichtlich bleibt. Blicken wir zunächst auf die
25:20
AfD, sehen wir wenig überraschend eine besonders starke Verbindung zur jungen Alternativen. Das ist jetzt nicht besonders relevant, aber es zeigt, dass unsere Daten zumindest auch die Realwelt ganz gut abbilden. Ebenfalls zeigt sich eine recht starke Verbindung zur FPÖ. Wir können das Spiel jetzt weiterspielen und schauen uns zum Beispiel die jungen Alternative an. Diese interessiert sich auch relativ stark für die
25:41
AfD, allerdings auch für die identitäre Bewegung, was wiederum spannend ist, weil diese als gesichert rechtsextrem eingestuft wird. Guck mal jetzt zum Beispiel auf die IB sieht man auch, dass sich die identitäre Bewegung wiederum stark für die jungen Alternative interessiert, aber auch für Accounts der Medienszene und der Subkultur. Füllt man jetzt die Grafik vollständig, zeigt sich ein
26:01
weiteres Phänomen. Wir sehen nicht nur wer interessiert sich für wen, sondern wer ist auch besonders häufig unter den Top 4. Und hier sticht zunächst die Medienszene ins Auge. Fast alle Kategorien haben eine Verbindung zur Medienszene hin. Das ist jetzt auch nicht besonders überraschend, aber auch sehr interessant, weil wir tatsächlich die Rolle der Medienszene innerhalb des
26:20
Instagram-Netzwerks abbilden können. Das heißt, viele, viele Profile konsumieren Inhalte der Medienszene, was natürlich logisch ist, weil die eine Art Sprachrohr der Community bilden und Themen aus verschiedensten Bereichen aufgreifen und weiterverbreiten. Aber es ist sehr spannend, dass sich das tatsächlich anhand von Instagram-Daten und dieser Grafik zeigen lässt. Wir können uns aber
26:40
natürlich nicht nur das Gesamtnetzwerk angucken, sondern auch die Rolle einzelner Accounts. Dafür eignen sich zwei Werte besonders gut. Der eine ist die Eigenvektor-Zentralität, der andere die Betweenness-Centrality. Der erste Wert gibt mehr oder weniger an, wie wichtig ein Knoten im Netzwerk ist. Er operiert nach der Logik, jemand ist so wichtig wie die
27:01
Accounts, die jemand kennt und ist halt ein Maß für die soziale Bedeutung im Netzwerk. Die Betweenness-Centrality ist ein Maß, das angibt, wie wichtig ein Account als Verknüpfungsfigur ist. Dazu wird vereinfacht gesagt berechnet, wie häufig liegt ein Account auf der kürzesten Verbindung zwischen zwei Accounts, die sich nicht gegenseitig folgen.
27:21
Das heißt, Accounts mit einer hohen Betweenness-Centrality sind häufig eine Art Schaltzentrale, die dann eben Kommunikation weiterleiten können oder eben nicht. Sie stehen sozusagen zwischen verschiedenen Accounts. Betrachtet man die Top Ten nach jedem jeweiligen Maß fällt bei der Eigenvektor- Zentralität auf, dass dies vor allem prominente AfD-Accounts sind und
27:41
der Account der jungen Freiheit der Medienszene zugeordnet ist. Das ist jetzt durchaus interessant, weil sich hier ein sehr realweltliches Abbild zeigt. Also Accounts, die häufig auch in der Realwelt im Rampenlicht stehen, sind hier wiederum dann auch auf dem Instagram- Netzwerk besonders wichtig, weil sie eben natürlich von vielen Accounts gefolgt werden und auch von vielen anderen
28:00
wichtigen Accounts gefolgt werden. Ein bisschen spannender in Anführungszeichen ist da hingegen die Betweenness-Centrality, denn hier finden sich auch einige unbekanntere Accounts. Angeführt wird so die Liste zum Beispiel vom Freiburger AfD-Stadtrat Duprav Komandic, der als rechter Hardliner gilt. Gefolgt vom Meme-Account- Patriot Peter AfD, über den wir tatsächlich während unserer
28:21
Recherche relativ wenig herausfinden konnten. Interessant ist auch auf Platz drei der Rapper Prototype, der wie gesagt mit seinem Song Neuer Deutscher Standard zusammen mit Chris Ares diese ganze NDS-Community inspiriert hat und dafür gesorgt hat, dass dieses Kürzel häufig in den Namen aufgenommen wird. Spannender sind diese Maße jedoch, wenn man sie in einem bestimmten Kontext setzt.
28:41
Und wir wollten zum Beispiel wissen, was verbindet Accounts von AfD-Politikern mit Accounts der rechtsextremen identitären Bewegung. Wer hat also in einem bestimmten Fall eine hohe Betweenness-Sympathie? In der Grafik hier sehen wir alle AfD-Politikerinnen als blaue Accounts, die Accounts der IB in Gold-Gelb.
29:01
Und wir sehen in Grau alle Accounts, die mindestens einem Account aus beiden Gruppen folgen, also potenziell als Verbindungsknoten operieren. Die AfD-Accounts sind blau, wie gesagt, und rot sind Accounts, die mit eine besonders hohe Knüpfungsfunktion haben. Das heißt, an diesem Netzwerkausschnitt eine hohe Betweenness-Sympathie. Und viele der Namen haben wir
29:21
bereits in der Liste gesehen, also Dobra Vkomandic oder den Account der Jungen Freiheit. Hier zum Beispiel aber hinzugekommen und sehr, sehr interessant ist der Peripetie-Shop, denn das ist ein Beispiel, wie Recherche und Daten Hand in Hand gehen. Den Account hat bevor der Recherche nicht wirklich auf dem Schirm. Peripetie ist ein rechtes Mode-Label oder nach der eigenen Aussage
29:41
patriotisch-konservative Casual-Kleidung. Und diverse bekannte Personen der Szene wirken als Testimonial für den Shop. So posiert zum Beispiel Björn Höcke in einem Polohemd von Peripetie und als bekannter und vor allem rechtsaußen beliebter Politiker eignet er sich natürlich gut als Werbeträger in der Szene. Aber auch andere Influencer wie Chris Ares oder Prototyp,
30:00
die beiden Rechtsrapper, sind in Peripetiekleidung zu sehen. Die Marke Scheintes zeigen also nicht nur die Daten im Netzwerk, sowohl AfD-Politiker als auch Mitglieder der IB miteinander zu finden und bei beiden Anklang zu finden. Das ist durch Spannend, denn dieser Phoenix auf der Brust, also das Logo der Marke, kann damit wie ein Erkennungssymbol wirken, das von außen hin jedoch
30:20
erst einmal vollkommen unverdächtig erscheint, weil es gar nicht so bekannt ist. Wir haben uns dann aber auch noch mal natürlich angesehen, welche AfD-Politiker und Politikerinnen interessieren sich eigentlich besonders für die identitäre Bewegung auf Basis von Instagram-Daten. Das heißt, welche AfD- Politiker folgen besonders vielen IB-Accounts. Und das sind hier alle, die
30:40
rot markiert sind. Jeder rot markierte AfD- Politikerin folgt mindestens drei Accounts der IB. Wir sollten dabei immer im Künterkopf behalten. Folgen ist ungleich inhaltlicher Übereinstimmung, aber symbolisiert ein irgendwie gerichtetes Interesse, warum auch immer. Interessant ist diese Verbindung aber vor allem vor dem Hintergrund der sogenannten Unvereinbarkeitsliste der
31:01
AfD, nach der die Mitglieder der Partei weder Teil der IB noch andere rechtsextremer Gruppen oder Parteien sein dürfen. Und gerade die Parteispitze distanziert sich öffentlich von rechtsextremen Positionen sehr häufig. Wir haben also als Korrektiv dann bei Alice Weidel angefragt, was denn das Folgen von IB-Anhängern auf Instagram bedeutet.
31:20
Sie sagte dazu, inwieweit das reine Folgen von Instagram-Accounts mutmaßlicher IB-Anhänger gegen Parteitagsbeschlüsse zuwiderläuft, ist juristisch zumindest streitig. Es wird der Einzelfall entscheidend sein. Also was wir hier haben, ist eine ganze Reihe an Einzelfällen, die wir im Angebot haben. Die meisten Lokalpolitikerinnen ohne hohes Amt.
31:40
Allerdings sind darunter auch einige Landtagsabgeordnete zu finden, wie zum Beispiel Dennis Hohloch oder Daniel Freier von Lützow. Beide immerhin Mitglieder des Brandenburger Landtages. Innerhalb dieses Subnetzwerks erfüllt jedoch der Account Kaiser AfD von Marie-Thérèse Kaiser, die wichtigste Verknüpfungsfunktion. Und dieses Profil ist auch sehr spannend, weil wir es vorher auch nicht wirklich auf dem Schirm hatten, nun
32:00
aber bereits häufig als wichtigen Verbindungsknoten im Netzwerk gefunden haben. Schauen wir uns doch diesen Einzelfall einmal genauer an. Kaiser war unter anderem das Kampagnenmodel für die NRW Kommunalwahl dieses Jahres, ist aber auch im Vorstand der niedersächsischen LandesafD. Vor kurzem gab sie zudem auf Instagram bekannt, sich um ein Listenmandat für die
32:21
Bundestagswahl 2021 zu bewerben. Von Distanz zur IB hält sie scheinbar zumindest relativ wenig. Sie folgt vielen Accounts auf Instagram und teilte mehrfach Beiträge der Bewegung auf Twitter, unter anderem auch von der IB-Initiative 1%. Ebenfalls auf Twitter zeigte sie sich durchaus kritisch gegenüber der Unvereinbarkeitsliste der
32:40
AfD, als es um den Parteiausschluss von Andreas Kalbens ging. Und was auch sehr spannend ist oder mittlerweile ja fast wenig überraschend, war auch sie als Model mit einem Pulli des Peripetie-Shops auf Instagram zu sehen. Das heißt, es fügen sich hier tatsächlich verschiedene Verbindungen auf der Plattform zusammen und ergeben auch real-weltlich ein Bild.
33:00
Interessant ist aber auch, dass Kaiser nach der Veröffentlichung unseres ersten Textes alle Posts von ihrem Profil löschte, unter anderem auch den hier zu sehen. Mittlerweile finden sich wieder einige neue Posts. In denen sie unter anderem zweimal die Recherche aufgriff oder sich klar gegen Maskenpflicht positioniert. Sie startete zudem einigen neuen Accounts zu folgen, die wir in unserer ersten Veröffentlichung thematisiert haben.
33:21
Also eine Distanz zu rechten bis rechtsextremen Positionen sieht auf jeden Fall anders aus. Wir wollen uns nun als letzten Teil der Analyse unserer Daten mit Hashtags beschäftigen. Hashtags sind super, um einen Einblick in die Themenwelt der neuen Rechten auf Instagram zu bekommen, denn sie sind per se inhaltbeschreibende Schlagworte. Die Folie hier zeigt
33:41
alle Hashtags, die häufig in unserer Stichprobe aber selten oder fast gar nicht in der Kontrollgruppe vorkommen. Die Größe eines Wortes entspricht der Anzahl der Accounts, die diesen Hashtag mindestens einmal verwendet haben. Also eine Art Verbreitung des Hashtags in unserer Stichprobe. Dies wird verhindern, dass Hashtags, die von einem Account ganz, ganz oft verwendet werden, hier zu dominant werden.
34:00
Was auffällt, sind zunächst Hashtags wie Merkel muss weg, AfD wählen, Mut zur Wahrheit oder Vaterland, die sehr beliebt sind, häufig von der AfD genutzt werden und von ihr als Thema gesetzt werden und dann in andere Gruppen diffundieren. Präsent sind aber auch Hashtags aus dem Umfeld der Burschenschaft und Darmenverbindung, so wie Studentenverbindung, Burschenschaft oder auch Stiftungsfest,
34:21
was hier häufiger mal auftaucht. Das ist durchaus interessant, erklärt sich aber auch daraus, dass viele IB-Mitglieder Beziehungen zu diesen Burschenschaften und Darmenverbindung haben und auch einige Politiker oder Umfeldsaccounts früher Teil dieser Studentenverbindung waren. Dazu kommen Begriffe wie Linksextremismus, FAQ, Antifa, Patrioten oder Konservativ,
34:41
die sich eigentlich durch alle Gruppen hinweg finden. Wenn man sich das Ganze dann mal nach Gruppen anschaut, kann man tatsächlich einen ziemlich guten Eindruck über die Themen eines bestimmten Teil unseres Netzwerks gelangen. Zum Beispiel haben wir hier auf der linken Seite die beliebtesten Hashtags der AfD. Tatsächlich findet man dort einen gewissen Selbstbezug.
35:00
Also man findet sich wieder mit Hashtags wie Altparteien, Merkel muss weg, hol dir dein Land zurück, AfD wählen, AfD wirft. Man sieht so die ganze Bandbreite der klassischen AfD-Narration. Wir sind die einzige Partei, die weiß, was Wut für Deutschland ist. Wir sind gegen das Establishment. Nur mit uns wird man wieder sich das Land zurückerobern. Das ist tatsächlich,
35:22
also wäre das nicht irgendwie so schlimm, wäre es tatsächlich ein bisschen langweilig, weil es tatsächlich genau das Gleiche ist, was man immer zu hören bekommt. Auf der rechten Seite haben wir dann die Patrioten und Verschwörungsideologen. Hier liegt der Fokus etwas mehr, würde ich sagen, auf Deutschland, also sowas wie Vaterland, Preußen, Volk. Was dich verwunderlich ist,
35:40
weil die Gruppe ja ebenso zusammengestellt ist. Interessant ist aber, dass zum Beispiel der Hashtag Defend Europe hier so präsent ist. Der ist von der identitären Bewegung initiiert und steht für die Abschottung Europas und für eine ziemlich menschenverachtende Aktion, wo die IB versucht hat, die Seenotrettung zu behindern. Das heißt, dieser Hashtag von einer rechtsextremen Gruppe ist mittlerweile stark in die rechte
36:00
Community diffundiert. Zudem fällt natürlich auch auf, dass es hier wieder viel um das Kaiserreich und Geschichte geht, also auch die Schichtliebhaber sind präsent. Gleiches gilt für den Hashtag NDS, der eben wieder für die Gruppe dieser NDS-Accounts steht und viele Accounts entsprechend dieser Rechtsrepszene zuordnet. Was man mit Hashtags dann aber auch machen kann,
36:20
ist, sich anzuschauen, wie häufig sie gemeinsam vorkommen. Und das habe ich mir auch mal angesehen. Wir mussten uns natürlich ein bisschen begrenzen und haben dann geguckt, auf wie vielen Posts bestimmte Hashtags gemeinsam vorkommen. Damit ein Hashtag hier auftaucht, musste er für mindestens fünf Prozent der Accounts einer Kategorie relevant sein. Und damit haben wir Hashtags gefiltert, die in sehr wenigen Accounts sehr häufig vorkommen,
36:41
weil das sonst hier zu zu starken Verbindungen geführt hätte. Und was wir dann ersehen, ist eine Art thematische Landkarte der neuen Rechten auf Instagram. Zunächst im Zentrum haben wir viele Hashtags, die wir gerade schon beim AfD-Umfeld oder generell als hauptsächlich beschreibend für unsere Community gesehen haben. Merkel muss weg, Konservativ-Patrioten.
37:01
Räumlich links davon haben wir dann Hashtags, die hauptsächlich von der FPÖ verwendet werden und die hier vom Community Detection Algorithmus auch als eine Gruppe zusammenfinden. Interessant ist hier zum Beispiel, dass es eher auch um das Wort Heimat, Heimatschutz, Heimatliebe geht, wohingegen bei den AfD-Sachen oder generell in der deutschen Community dann häufiger das Wort
37:21
Vaterland tatsächlich zu finden ist. Darüber hinaus haben sich dann darüber englischsprachige Hashtags zusammengefunden und welche aus dem Umfeld der IB, die hier zum Beispiel golden markiert sind oder rosa, wie die FedEurope. Das rote Cluster sind diverse klassische Hashtags, die irgendwie den Weg in diese Stichprobe gefunden haben, weil sie scheinbar nicht häufig genug in der
37:40
Kontrollgruppe vorkam. Die rosafarbende Gruppe zumindest umfasst dann auch Hashtags aus den Bereichen Subkultur und die haben häufiger einen starken Bezug zum germanischen oder kultischen. Und das letzte große Cluster ist hauptsächlich verbunden durch den Hashtag Vaterland mit dem Hauptcluster und beschreibt Hashtags, die fast ausschließlich mit von Burschenschaften oder Damenverbindungen genutzt werden.
38:01
Wir haben jetzt also ganz viele Einblicke in verschiedene Datenpunkte gesehen, aber wir haben natürlich auch viel nicht messbares Erfahren, viele Stunden Recherche, Interviews mit Insidern, Insiderinnen, Experten, Expertinnen und diese natürlich genauso unschätzbar wichtig und ebenso essenzieller Bestandteil der Recherche. So fiel zum Beispiel
38:20
das folgende Phänomen auf, während rund um den Blackout Tuesday gefühlt ganz Instagram, wie auf der linken Seite seine Solidarität mit George Floyd und der Black Lives Matter Bewegung ausdrückte, bekamen wir unter dem Hashtag WhiteLivesMatters viele Posts zu sehen, die einfach weißgefärbte Quadrate waren. Oder es wurden Verschwörungstheorien verbreitet, wie zum Beispiel, dass nur noch 6 Prozent weiße Menschen
38:40
auf der Erde leben würde. Man selbst sei eine rassistisch bedrohte Minderheit. Auch in unseren Daten zeigt sich dieses Phänomen parallel zu dem Hashtag BlackLivesMatter, der wurde der Hashtag WhiteLivesMatter in unserer Stichprobe immer verbreiteter. Unter beiden Hashtags zeigt sich wieder einmal das klassische unterrechten vorherrschende Gefühl. Wir werden angegriffen, wir werden ersetzt,
39:01
wir sind die Opfer. Das ist nur ein kleines Beispiel von ganz, ganz viel. Und insgesamt entstanden während unserer Recherche und Datenanalyse fünf ausführliche Geschichten, die auf kein Filter für rechts.de nachzulesen sind. Sie beschreiben die Rolle junger Frauen als Gesichter der Bewegung, die Bedeutung von Rechtswrap, Kampfsport und Merchandise, aber auch die Verbindung von AfD und identitärer Bewegung
39:22
und diverse Meme-Accounts. Kommen wir noch einmal zurück zum Anfang. Das Bild mit dem Baby und der schwarzen Sonne war etwas mehr als 11 Monate online. Erst als wir Instagram mit dem Foto konfrontiert haben, wurde es entfernt. Laut Instagram sei ein Team von 350 Experten und Expertinnen damit beauftragt,
39:40
extremistische Personen, Gruppen oder Inhalte zu identifizieren und zu löschen. Doch unsere Recherche zeigt, dass dies oft nicht oder nicht ausreichend gelingt. Eine Sprecherin kündigte an, die Hashtags Defend Europa und Heimatverliebt zu untersuchen, Hashtags auf die wir Instagram hingewiesen hatten. Die Hashtag Defend Europe hingegen sei schon einige Zeit gesperrt.
40:01
Aus irgendeinem Grund taucht er dennoch häufig in unseren Daten auf. Etwas, das eigentlich nicht funktionieren sollte. Instagram merkte zudem an, es wäre hilfreich, wenn wir noch weitere Accounts nennen können. Funktionierende Filter gegen rechts sehen auf jeden Fall anders aus. Was wir daraus lernen, ist vor allem zweierlei. Zunächst ist es wichtig, solche Inhalte zu melden,
40:20
denn sonst werden sie nicht oder erst sehr spät entfernt. Auch wenn es mühsam wirkt, eventuell wird das am Ende einen Effekt erreichen. Und noch wichtiger, wir brauchen eine viel stärkere Media-Latency. Es muss wirklich rein in die Schuhe in dieses Thema. Dieses Thema muss behandelt werden. Also was sind Codes der Szene? Was verbirgt sich hinter scheinbar harmlosen Hashtags? Und wie agiert die neue
40:40
Rechte auf Instagram? Mir bleibt nur noch zu sagen. Vielen Dank fürs Zuhören. Schön, dass ihr dabei wart. Als Empfehlung wirklich noch mal die ausführlichen Geschichten auf keinfilterfürrechts.de und ich stehe euch jetzt im Anschluss gerne noch für Fragen zur Verfügung. Und ansonsten könnt ihr mich über klick.com auf Twitter erreichen oder hier in der C3 World Refin.
41:00
Vielen, vielen Dank. Danke. Danke, danke Clemens für den tollen Vortrag. Und jetzt haben wir die Möglichkeit, Fragen zu beantworten, denn Clemens ist hiermit live auf der Bühne
41:22
und ein paar Fragen sind auch zusammengekommen. Die erste Frage ist, wie definiert ihr rechte Konnotation eines Symbols? Gibt es dafür sowas wie einen Überblick? Also schönen guten Abend erst mal zusammen. Ja, Symbol, das ist eine gute Frage. Also was wir zum Beispiel haben,
41:42
sind wir haben dann ganz viele verschiedene Emojis zusammengefasst, also zum Beispiel eben dieses Reichskriegsflaggen Emoji. Das heißt, da wurden dann halt eine rote, eine weiße und eine schwarze Kugel in der entsprechenden Anordnung zusammengefasst. Zum Beispiel. Das haben wir dann als Symbol. Wir haben ganz viele verschiedene Emoji Kombination zum Beispiel kombiniert. Es ging auch zum Beispiel um so bestimmte Tier Emoji Kombination,
42:01
wenn es um Wildschweine oder Ähnliches ging. Also wir haben da ganz interessante Sachen tatsächlich gefunden, die man dann halt genau mit ein bisschen Recherche zuordnen kann, die man vorab erst mal gar nicht so auf dem Schirm hat, zum Beispiel. OK. Eine nächste Frage, die vielleicht ein bisschen anschließend daran ist.
42:20
Habt ihr bei eurer Untersuchung rausgefunden, dass sich da eine Art von neuer Ästhetik ausmachen lässt, also die jetzt quasi nur unter Rechten auf Instagram entstanden ist und die sich generell von der gängigen Instagram Ästhetik unterscheidet? Ich würde sagen nicht. Es ist eher das Gefährliche, dass die Ästhetik tatsächlich an die ganz klassische
42:41
Instagram Ästhetik anknüpft. Also das, wo ich auch ein paar Beispielposten mit drin hatte, das könnte so auf jeder Mainstream Instagram Timeline sein und verbindet sich eben durch die ja es werden ganz normale Hashtags genutzt und dann werden aber bestimmte szenespezifische Hashtags zum Beispiel benutzt. Und die Ästhetik ist aber eine ganz normale. Was wir natürlich haben, sind so ganz krasse Meme
43:00
Seiten, die halt sich ganz stark an der AFD Ästhetik von diesen klassischen AfD Sharepicks orientieren, die ganz viel generiert werden. Das haben wir auch sehr verbreitet in der Community. Nochmal eine Frage auch aus dem Internet zu zur Software, die du und die ihr verwendet habt. Welche du hattest
43:20
GV genannt in der im Talk. Welche Software habt ihr jetzt verwendet, um zu diesen tollen Slides zu kommen, um das besser verarbeitbar zu machen, um das besser zu verstehen, das ganze Feld? Also zur Datenerhebung darf ich tatsächlich leider aus rechtlichen Gründen nicht viel sagen. Wir haben am Ende die Daten gespeichert in einer Postgres Instanz,
43:40
die halt einfach auf einem Server, auf einem Ubuntu Server dann lief. Und zum Beispiel dieses Frontend ist dann halt einfach ein bisschen JavaScript und NodeJS API, die ich dann gebaut habe, womit dann das Ganze sozusagen halt lief. Und in der Datenbank haben wir dann halt alles über diverse Cron-Jobs aktualisiert. Und für die Analysen haben wir halt ganz klassisch Python verwendet,
44:01
für alles, was nicht Geffi war. Und Geffi haben wir halt für diese Netzwerkdaten verwendet. Ja, und die schönen Slides sind am Ende Keynote. Eine weitere Frage aus dem Internet sind auch Likes und Kommentare mit in die Interaktions Analysen eingeflossen oder nur Connections zwischen den Anzahlern? Kommentare sind mit eingeflossen.
44:21
Likes jedoch nicht, weil Likes konnten wir nicht erheben, weil das auch einfach zu große Mengen sind. Wenn da teilweise x 1000 Likes auf so einem Bild sind, ist das einfach schwer zu erheben. Selbst mit Software. OK, und vielleicht als letzte Frage auch ein bisschen aktuell. Wie sieht es mit den Verbindungen zu den Querdenkern aus?
44:41
Möchte jemand wissen? Also war das da schon ein Thema oder kam das erst auf oder? Das wäre es jetzt spannend, wenn wir aktuelle Daten hätten. Die haben wir leider nicht. Es war so, dass wir diverse Querdenken Accounts gefunden haben und wie ich im Vortrag schon kurz erwähnt habe, die sind halt hauptsächlich in dieser Gruppe der Patrioten und Verschwörungsideologen gelandet
45:00
und sind da ein bisschen untergegangen. Das ganze Querdenken Thema hatten wir zwar schon auf dem Schirm, aber es hat jetzt nicht so herausgestochen in der Stichprobe. OK, dann danke ich dir noch mal für die Q&A Session, für den Vortrag natürlich, den kompletten Korrektiv Team. Wir freuen uns,
45:20
wenn ihr auch weiter dran bleibt hier bei ChaosZoneTV. Heute gibt es noch DevOps Disasters als nächstes. Einen wunderschönen Techno Abend haben wir auch noch für euch da mit lokalen DJs. Also bleibt dran hier bei der ChaosZone. Bis bald.