Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
cset3. November 2021 · Q005849

Terrorism, AI, and Social Media Research Clusters

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht identifiziert sechs sozialwissenschaftliche Forschungscluster zu Terrorismus und sozialen Medien. Nur in einem davon ist der KI-Anteil nennenswert; die ausgewiesenen Anteile könnten wegen fehlender Klassifikationen unterschätzt sein. KI und Sprachverarbeitung könnten die Analyse von Radikalisierung unterstützen, doch das künftige Wachstum des Feldes bleibt offen.

Mittel

Der Bericht untersucht sechs Forschungscluster, die sich mit Terrorismus und sozialen Medien befassen. Grundlage ist eine Auswertung von CSETs „Map of Science“, bei der Fachgebietsbegriffe, CSET-Schlagwörter und Klassifikationen des Microsoft Academic Graph herangezogen wurden. Alle sechs Cluster liegen laut Bericht im sozialwissenschaftlichen Bereich; fünf untersuchen den allgemeinen Informationsfluss auf sozialen Medien. Nur zwei enthalten Begriffe mit Bezug zu Islam oder islamischem Fundamentalismus. Der Bericht wertet das als möglichen Hinweis auf eine Erweiterung des früheren Forschungsschwerpunkts.

Der KI-Anteil ist meist gering. Im Cluster 23460 sind 15,8 Prozent der Arbeiten KI-bezogen und 8,5 Prozent NLP-bezogen; es ist das einzige Cluster mit mehr als einem geringen KI-Anteil. Für Cluster 126567 werden jeweils 6,5 Prozent ausgewiesen. Die Werte könnten zu niedrig sein, weil jedem Cluster KI-Klassifikationen für mindestens ein Viertel der Arbeiten fehlen. Die betreffenden Cluster wuchsen 2020 schneller als Forschungscluster insgesamt, aber etwas langsamer als Cluster zu sozialen Medien oder Terrorismus allein. Das Cluster 23460 legte um 36 Prozent zu und war stark von Arbeiten aus den USA und anderen englischsprachigen Ländern geprägt.

KI und besonders Sprachverarbeitung könnten laut Bericht helfen, Radikalisierungsformen zu unterscheiden und Gegenmaßnahmen zu unterstützen. Die zukünftige Entwicklung des Forschungsfeldes sei jedoch offen.

Ausführlich lesen

Der Bericht untersucht, wie sich Forschung zu Terrorismus und sozialen Medien mit künstlicher Intelligenz (KI) überschneidet. Er ordnet soziale Medien als möglichen Ort der Radikalisierung und Anwerbung durch extremistische Gruppen ein. Zugleich beschreibt er die dort entstehenden Daten als Grundlage für KI-gestützte Risikoanalysen, Überwachung und Stimmungsanalysen, die helfen könnten, Radikalisierung zu verstehen und möglicherweise einzudämmen. Der Bericht stellt fest, dass die Forschung an dieser Schnittstelle wächst und ein Teil davon KI-Verfahren einsetzt.

Für die Untersuchung werteten die Autorinnen und Autoren Forschungscluster aus CSETs „Map of Science“ aus. Sie suchten anhand von Fachgebietsbegriffen, CSET-Schlagwörtern und Klassifikationen des Microsoft Academic Graph nach Clustern, die sowohl Terrorismus als auch soziale Medien abdecken. So wurden sechs Cluster identifiziert, sämtlich im sozialwissenschaftlichen Forschungsbereich. Fünf davon untersuchen den allgemeinen Informationsfluss in sozialen Medien im Zusammenhang mit Terrorismus. Nur zwei enthalten Begriffe mit Bezug zum Nahen Osten oder islamischem Fundamentalismus. Der Bericht deutet dies als Hinweis darauf, dass sich das Forschungsfeld über den früheren Schwerpunkt auf islamischen Fundamentalismus hinaus erweitert haben könnte. Zum Vergleich führt er an, dass eine frühere Analyse im März 2021 fünf von neun Clustern auf dieses Thema ausgerichtet hatte; die aktuelle Auswertung beruht jedoch auf einer überarbeiteten Karte und aktualisierten Daten.

Der KI-Anteil unterscheidet sich deutlich zwischen den Clustern. Im Cluster 23460, zu dessen Themen unter anderem Internet, soziale Netzwerke und Datenschutz zählen, werden 15,8 Prozent der Arbeiten als KI-bezogen und 8,5 Prozent als NLP-bezogen ausgewiesen. Damit ist es laut Bericht das einzige Cluster mit mehr als einem geringen KI-Forschungsanteil. Cluster 126567 erreicht 6,5 Prozent bei beiden Kategorien. Die übrigen vier Cluster weisen jeweils höchstens 2,9 Prozent KI-Arbeiten aus; für Cluster 106334 werden keine KI- oder NLP-Arbeiten angegeben. Die ausgewiesenen Anteile könnten unterschätzt sein: In jedem der sechs Cluster fehlten KI-Klassifikationen für mindestens ein Viertel der Arbeiten. Als mögliche Gründe nennt der Bericht Arbeiten, die nicht auf Englisch oder Chinesisch erschienen, sowie ältere Veröffentlichungen vor 2010.

Die Cluster mit Forschung zu Terrorismus und sozialen Medien wuchsen 2020 laut Bericht schneller als Cluster insgesamt, aber etwas langsamer als Cluster, die ausschließlich soziale Medien oder ausschließlich Terrorismus behandeln. Das näher betrachtete Cluster 23460 wuchs um 36 Prozent; die dort vertretenen Autorinnen und Autoren kamen überwiegend aus englischsprachigen Ländern, mit den USA an der Spitze. Genannte Kernarbeiten behandeln unter anderem Online-Extremismus-Erkennung, Radikalisierung auf Twitter, rechtsextreme Beiträge und den Umgang Jugendlicher mit Cyberhass.

Abschließend sieht der Bericht in KI und besonders in der Verarbeitung natürlicher Sprache Potenzial, Unterschiede zwischen Radikalisierungsformen auf sozialen Medien zu untersuchen. Solche Erkenntnisse könnten politischen Entscheidungsträgern und Unternehmen bei Gegenmaßnahmen helfen. Ob und wie stark das Forschungsfeld künftig wächst, lässt er ausdrücklich offen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna ordnet alle drei Sammelfragen mit Stufe 3 ein; der Bericht stützt das nicht, da er weder KI-Inhalterkennung, Vorfallsanalyse noch selbstverbessernde KI behandelt. Die Zusammenfassung ist im Kern treu, lässt aber mehrere Kernaussagen weg, besonders den Rahmen zur Radikalisierung und die Wachstumsbefunde.

Im Bericht, aber nicht in der Zusammenfassung

  • Social Media gilt als Instrument der Radikalisierung und Rekrutierung durch extremistische Gruppen (Ausgangsrahmen des Berichts)
  • Die Forschung zu Social Media und Terrorismus wächst laut Bericht relativ stark, und ein Teil davon nutzt KI-Methoden
  • Die Cluster, die Social Media und Terrorismus verbinden, wuchsen 2020 schneller als Cluster insgesamt, aber langsamer als Cluster zu Social Media oder Terrorismus allein
  • Die Suche nach weiteren Schlagwörtern wie Radikalisierung blieb ohne nennenswerte Ergebnisse
  • Die Kernarbeiten der Cluster, etwa zu Online-Extremismus und Radikalisierung auf Twitter
  • Der Befund zum Islam-Bezug wird als Hinweis gedeutet, dass sich der Schwerpunkt von islamischem Fundamentalismus wegbewegt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 74 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 29 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →