Bots verändern sich: Langzeitstudie zeigt dynamische Verhaltensänderungen

Soziale Bots sind inzwischen fest in Online-Plattformen verankert, um Produkte zu bewerben, Meinungen zu beeinflussen und sogar manipulativ zu agieren. Traditionelle Erkennungssysteme gehen jedoch davon aus, dass das Verhalten dieser Bots über die Zeit hinweg unverändert bleibt – ein Ansatz, der jetzt in Frage gestellt wird.

Eine neue Untersuchung analysierte 2.615 promotende Bot‑Konten und 2,8 Millionen Tweets, um jährlich zehn inhaltliche Meta‑Merkmale zu verfolgen. Mit statistischen Tests wie Augmented Dickey‑Fuller, KPSS und linearen Trendanalysen zeigte sich, dass alle zehn Merkmale nicht stationär sind: Neun steigen im Laufe der Zeit, während die sprachliche Vielfalt leicht abnimmt.

Die Analyse nach Aktivierungsgenerationen und Kontolänge offenbarte systematische Unterschiede. Zweite‑Generation‑Bots sind am aktivsten und verlinken stark, kurzlebige Bots zeigen intensive, wiederholte Aktivität mit vielen Hashtags und URLs, während langlebige Bots weniger aktiv, aber sprachlich vielfältiger sind und Emojis abwechslungsreicher einsetzen.

Weiterhin wurden 18 interpretierbare binäre Features – Aktionen, Themenähnlichkeit, URLs, Hashtags, Sentiment, Emojis und Medien – auf 153 Paare untersucht. Chi‑Quadrat‑Tests bestätigten, dass fast alle Paare voneinander abhängig sind. Spearman‑Korrelationen veränderten ihre Stärke und manchmal sogar ihre Richtung: Verbindungen wie mehrere Hashtags mit Medien oder Sentiment mit URLs wurden stärker, während andere von leicht positiv zu leicht oder moderat negativ wechselten. Spätere Generationen zeigten zunehmend strukturierte Kombinationen dieser Signale.

Die Ergebnisse liefern klare Belege dafür, dass promotende Bots ihr Verhalten kontinuierlich anpassen. Für die Bot‑Erkennung bedeutet das: Statische Modelle sind nicht mehr ausreichend – adaptive, zeitabhängige Ansätze werden dringend benötigt, um den sich wandelnden Strategien dieser automatisierten Akteure standzuhalten.