Gerüchteausbreitung in Hypergraphen

Warum Gruppenchats für Gerüchte wichtig sind

Jeden Tag rasen Millionen von Nachrichten durch Gruppenchats in Apps wie WhatsApp und Telegram. Ein einziger Link oder Screenshot kann von Gruppe zu Gruppe springen und schnell zu einem Gerücht werden, das die Ansichten der Menschen zu Politik, Gesundheit oder Alltagsereignissen prägt. Dennoch behandeln die meisten wissenschaftlichen Modelle der Informationsverbreitung Kommunikation immer noch als Paarinteraktion — eine Person spricht mit einer anderen — statt als Gruppengeschehen. Dieser Artikel fragt: Was ändert sich, wenn wir Gruppen ernst nehmen, und wie verändert das unser Verständnis davon, wie Gerüchte aufflammen oder wieder verschwinden?

Von einfachen Verbindungen zu komplexen Gruppenweben

Auf Messaging-Plattformen sprechen Menschen nicht nur eins zu eins — sie kommunizieren in vielen sich überschneidenden Gruppen. Um das abzubilden, verwenden die Autoren eine mathematische Struktur namens Hypergraph, in der eine einzige „Kante“ viele Personen zugleich verbinden kann und so eine Chatgruppe repräsentiert. In ihrem Modell kann jede Person einen von drei Zuständen einnehmen: unwissend gegenüber einem Gerücht, aktives Verbreiten oder das Gerücht bereits gehört, aber nicht mehr weiterverbreitend. Ein Gerücht verbreitet sich innerhalb einer Gruppe nur dann, wenn bereits genügend Mitglieder es aktiv verbreiten, was dem sozialen Druck entspricht, der entsteht, wenn viele Kontakte dieselbe Geschichte wiederholen. In diesem Moment kann jeder in der Gruppe, der zuvor unwissend war, plötzlich selbst zum Verbreiter werden — ein Verhalten, das reale Aktivitätsschübe in beliebten Chats nachahmt.

Wie Gerüchte an Schwung verlieren

Gerüchte verbreiten sich nicht ewig. Menschen verlieren irgendwann das Interesse oder halten fest, dass „es ja sowieso jeder schon weiß“, und hören auf, Nachrichten weiterzuleiten. Die wichtigste Neuerung dieser Arbeit liegt darin, wie sie dieses Abklingen behandelt. Anstatt zu unterstellen, dass Menschen zufällig aufhören zu verbreiten, lassen die Autoren dies über gruppenbasierte Sättigung geschehen. Sobald eine Person genügend Gruppen angehört, in denen das Gerücht bereits weit verbreitet zirkuliert hat, wird sie zu einem „Stiller“, der es nicht mehr weitergibt. Diese einfache Regel führt zu zwei sehr unterschiedlichen Arten, wie Gerüchte verklingen. In manchen Fällen fällt die Zahl aktiver Verbreiter schnell in exponentieller Weise ab, ähnlich wie in vielen Standard-Epidemiemodellen. In anderen Fällen ist der Rückgang viel langsamer und folgt einem Potenzgesetz, was bedeutet, dass seltene, aber sehr langanhaltende Gerüchtekaskaden möglich werden.

Kritische Kipppunkte in Gerüchtekaskaden

Durch umfangreiche Computersimulationen kartieren die Forschenden, wann Gerüchte verlöschen, wann sie explosionsartig anwachsen und wie sie sich den Kipppunkten zwischen diesen Verhaltensweisen nähern. Sie zeigen, dass das Gleichgewicht zwischen der Leichtigkeit, mit der Gruppen „entzündet“ werden (der Ausbreitungsschwelle), und der Geschwindigkeit, mit der Menschen gesättigt werden (der Stopp-Schwelle), bestimmt, welches Regime auftritt. Interessanterweise sind die beobachteten Übergänge über eine große Bandbreite von Netzwerkstrukturen — von relativ gleichmäßigen Gruppensammlungen bis zu stark ungleichen Konstellationen mit vielen kleinen Chats und wenigen großen Kanälen — kontinuierlich. Es gibt keinen plötzlichen Sprung von „fast keine Gerüchte“ zu „jeder weiß es“, sondern eine sanfte Verschiebung, bei der Gerüchtekaskaden in der Nähe des kritischen Punkts allmählich größer und hartnäckiger werden.

Theorie im Vergleich mit realen Telegram-Daten

Um zu prüfen, ob ihr abstraktes Modell reales Verhalten erfasst, wenden sich die Autoren einem großen Datensatz öffentlicher Telegram-Kanäle mit hunderten Millionen Nachrichten zu. Sie bauen ein gruppenbasiertes Netzwerk auf, in dem Nutzer einem oder mehreren Kanälen angehören, und verfolgen dann Kaskaden von Nachrichten, die denselben Weblink teilen, wobei jeder Link als eigenständiges Gerücht betrachtet wird. Für jede Kaskade messen sie, wie lange das Gerücht überdauert und wie oft es weitergeleitet wird. Wenn sie ihr Modell direkt auf dieses Telegram-Netzwerk anwenden, stellen sie fest, dass die Statistiken der simulierten Kaskaden — wie groß sie sind und wie lange sie dauern — den realen Daten am besten entsprechen, wenn das System nahe am kritischen Punkt eingestellt ist. Ähnliche Ergebnisse aus einem E-Mail-Kommunikationsdatensatz untermauern dieses Bild.

Was das für Online-Informationen bedeutet

Zusammengefasst deutet die Studie darauf hin, dass die Gerüchteverbreitung in realen Online-Gruppensystemen dazu neigt, sich in der Nähe eines empfindlichen Gleichgewichtspunkts zu bewegen: Gerüchte explodieren weder ständig unkontrolliert noch verklingen sie immer schnell, sondern befinden sich nahe einem kritischen Regime, in dem kleine und große Kaskaden koexistieren. Indem die Autoren Gruppengespräche explizit modellieren statt nur individuelle Verbindungen zu betrachten und das Erlöschen von Gerüchten an die Sättigung der Gruppen einer Person koppeln, liefern sie einen realistischeren Rahmen zum Verständnis von viralen Inhalten in Messaging-Apps. Für politische Entscheidungsträger und Plattformdesigner deutet diese Arbeit darauf hin, dass bereits kleine Änderungen daran, wie Gruppen gebildet, überlappt oder Nachrichten weitergeleitet werden, die Gerüchte-Dynamik von dieser kritischen Kante wegdrücken und so helfen könnten, die Verbreitung von Fehlinformationen zu dämpfen, ohne jede einzelne Nachricht überwachen zu müssen.

Zitation: Oliveira, K.A., Traversa, P., Ferraz de Arruda, G. et al. Rumor propagation on hypergraphs. Nat Commun 17, 3253 (2026). https://doi.org/10.1038/s41467-026-70096-w

Schlüsselwörter: Gerüchteverbreitung, Social-Media-Gruppen, Hypergraph-Netzwerke, Informationskaskaden, Kritikalität