Ortsbasierte Erkennung sprunghafter Ereignisse und Informationsverbreitung über Influencer auf Twitter

Warum Online-Flüstern bei einer Flut wichtig ist

Wenn eine Katastrophe eintritt, greifen Menschen heute genauso schnell zum Telefon wie sie nach höher gelegenem Boden suchen. Beiträge auf Plattformen wie Twitter können aufdecken, wo Hilfe gebraucht wird, lange bevor offizielle Berichte nachziehen. Diese Studie zeigt, wie das sorgfältige Lesen dieser hektischen Nachrichten und deren Weiterleitung über die richtigen vertrauenswürdigen Stimmen verstreute Online-Gerüchte in ein lebensrettendes Frühwarnsystem während Krisen wie den Überschwemmungen in Assam 2022 verwandeln kann.

Aus Tweets Frühwarnsignale machen

Die Forschenden wollten eine einfache, aber dringende Frage beantworten: Lässt sich Twitter nutzen, um gefährliche Ereignisse an bestimmten Orten zu erkennen und schnell die Menschen zu alarmieren, die es wissen müssen? Sie konzentrierten sich auf eine reale Flut in Assam und sammelten 20.000 Tweets, die die Katastrophe erwähnten. Viele dieser Beiträge waren unordentlich, emotional und unetikettiert, ganz wie der größte Teil dessen, was wir in sozialen Medien sehen. Die Idee des Teams war, diesen Strom automatisch zu durchforsten, herauszufinden, welche Meldungen tatsächlich die sich entwickelnde Krise beschreiben, und diese Informationen dann zu nutzen, um nahegelegene Gemeinden zu warnen.

Computern beibringen, Not in Worten zu hören

Um echte Katastrophenberichte von anderem Inhalt zu trennen, kombinierten die Autoren zwei leistungsfähige Textanalysetools. Zuerst nutzten sie ein Sentiment-System namens VADER, das beurteilen kann, ob ein Tweet auf Basis von Wortwahl und Ton stark negativ, neutral oder positiv klingt. Stark negative Meldungen während einer Flut signalisieren oft Schäden, Gefahr oder dringenden Bedarf. Diese gelabelten Tweets wurden dann in einfache numerische Muster umgewandelt und einer Sammlung von Machine-Learning-Modellen zugeführt, darunter ein fortgeschrittenes Sprachmodell namens BERT. Nach sorgfältigen Tests schnitt ein Ensemble klassischer Modelle, die zusammenarbeiteten, das Deep-Learning-Verfahren leicht besser ab und erkannte Katastrophen-Tweets von anderen in etwa 98 Prozent der Fälle korrekt.

Ermitteln, wo Hilfe gebraucht wird, nicht nur was passiert ist

Zu wissen, dass ein Tweet ernst ist, ist nur die halbe Miete; Einsatzkräfte müssen auch wissen, wohin er zeigt. Standortdaten in sozialen Medien fehlen oft oder sind irreführend, weil Nutzer vergessen, Beiträge zu markieren, oder unterwegs über einen anderen Ort schreiben. Die Forschenden gingen dieses Problem an, indem sie Ortshinweise direkt aus dem Text extrahierten, etwa Orts- und Distriktnamen, und diese mit einer Datenbank von Postleitzahlen abglichen. Sie kombinierten dies mit vorhandenen GPS-ähnlichen Tags und überprüften alles mit einer Datenbank-Engine. Diese sorgfältige Zuordnung ergab eine sauberere Karte der gemeldeten Flutschäden in Assam, bis hin zu bestimmten Distrikten und Gemeinden.

Vertrauenswürdigen Stimmen die Botschaft überlassen

Sobald sie eine Karte der Krisenorte hatten, wandten sich die Autorinnen und Autoren dem sozialen Netzwerk selbst zu. Sie bauten einen Graphen von Twitter-Nutzern auf, verbunden durch Replies und Mentions, und suchten dann nach natürlichen „Gemeinschaften“ von Menschen, die eng interagieren und oft an gemeinsame Orte gebunden sind. Innerhalb jeder Community nutzten sie eine Kennzahl namens harmonische Zentralität, um Nutzer zu finden, die auf vielen der kürzesten Pfade zwischen anderen liegen. Einfach gesagt sind das Personen, deren Nachrichten sich schnell und weit innerhalb ihrer Gruppe verbreiten. Das System markierte diese hochvernetzten Nutzer als Influencer, die kontaktiert oder beobachtet werden könnten, um verifizierte Warnungen über lokale Hochwasserbedingungen zu verbreiten.

Was das für Menschen vor Ort bedeutet

Am Ende liefert die Studie einen Bauplan, um laute Social-Media-Daten in gezielte, ortsbezogene Warnungen während Katastrophen zu verwandeln. Indem ernsthafte Tweets automatisch erkannt, realen Orten zugeordnet, nahe Nutzer in Gemeinschaften gruppiert und die einflussreichsten Stimmen in jeder Gruppe identifiziert werden, kann das System Einsatzbehörden helfen, zur richtigen Zeit die richtigen Menschen zu erreichen. Obwohl der Ansatz weiterhin davon abhängt, dass genug Beiträge verwertbare Ortsangaben enthalten, zeigt er, wie unsere alltäglichen Online-Reaktionen in ein informelles Sensornetz verwandelt werden können, das die Frühreaktion stärkt und letztlich Leben retten kann.

Zitation: Manikandan, D., Valliyammai, C. Location based bursty event detection and information dissemination using influencers in Twitter. Sci Rep 16, 14631 (2026). https://doi.org/10.1038/s41598-026-44512-6

Schlüsselwörter: frühe Warnung bei Katastrophen, Analyse sozialer Medien, Twitter-Influencer, Kartierung von Krisen, maschinelles Lernen