KI-basierte Sentimentanalyse der gefolgten Twitter/X-Feeds
Der Feed ist mit Abstand der inhaltlich aufgeladenste. Nahezu jeder zweite Post wird als negativ klassifiziert. Auffällig: Die Negativrate lag 2024 noch bei 15–25 % und kletterte ab Mitte 2025 konstant auf 40–60 %. Das deutet auf eine zunehmend polarisierte Account-Auswahl hin. Accounts wie MaryanneDemasi (100 %), PGtzsche1 und WSJhealth erzielen 88–90 % Negativrate – das Modell erkennt dabei nicht nur Schimpfwörter, sondern auch anklagende Fragestellungen, Enthüllungsrhetorik und moralische Empörung über Institutionen.
| Account | Posts | Neg-% |
|---|---|---|
| @WSJhealth | 20 | 90% |
| @ProfessorAkston | 20 | 90% |
| @consiliumsci | 20 | 90% |
| @ID_Denmark | 19 | 89% |
| @MartinNeil9 | 34 | 88% |
| @TracyBethHoeg | 21 | 86% |
| Account | Posts | Pos-% |
|---|---|---|
| @VPrasadMDMPH | 20 | 65% |
| @MartyMakary | 19 | 42% |
| @ArmchairViro | 23 | 30% |
| @RanIsraeli | 27 | 30% |
| @Eurosurveillanc | 18 | 28% |
| @EMA_News | 20 | 25% |
@nightglow98 ist ein Musik-Account mit überwiegend neutralem Ton (85 %). Die wenigen negativen Posts (10 %) entstehen oft durch implizit negative Musiklyrik oder kritische Kommentare. Eigene Videos und Kurzkommentare dominieren den Feed.
| Account | Posts | Neg-% |
|---|---|---|
| @nightglow98 | 340 | 10% |
| Account | Posts | Pos-% |
|---|---|---|
| @nightglow98 | 340 | 3% |
| Account | Posts | Neg-% |
|---|---|---|
| @SHomburg | 119 | 8% |
| Account | Posts | Pos-% |
|---|---|---|
| @SHomburg | 119 | 2% |
Mit nur drei Accounts der kleinste Feed – aber der negativste von allen. Zwei Drittel aller Posts landen im negativen Bereich. Bei MikeBenzCyber, cohler und _____Salt___ ist das keine statistische Streuung mehr, sondern eine Aussage über die Tonlage dieser Accounts selbst. Das Modell reagiert auf die durchgehend alarmistische, verschwörungsaffine Sprache – auch ohne explizite Schimpfwörter.
| Account | Posts | Neg-% |
|---|---|---|
| @cohler | 25 | 76% |
| @MikeBenzCyber | 21 | 71% |
| @_____Salt___ | 26 | 35% |
| Account | Posts | Pos-% |
|---|---|---|
| @MikeBenzCyber | 21 | 29% |
| @cohler | 25 | 20% |
| @_____Salt___ | 26 | 4% |
Der heterogenste Feed mit 226 Accounts spiegelt ein breiteres Meinungsspektrum wider. 32 % Negativrate ist zwar erhöht, aber erklärbar durch die Mischung aus kritisch-konservativen Accounts und sachlicheren Stimmen. Die auffälligsten Negativreiter – HopeRising19, LowEndNetwork (je 90 %) – sind englischsprachige Accounts mit starker politischer Aufladung.
| Account | Posts | Neg-% |
|---|---|---|
| @windscribecom | 41 | 90% |
| @MidwesternDoc | 61 | 90% |
| @nixcraft | 20 | 90% |
| @durov | 20 | 90% |
| @LowEndNetwork | 20 | 90% |
| @Snowden | 20 | 90% |
| Account | Posts | Pos-% |
|---|---|---|
| @DoktorWeigl | 20 | 55% |
| @DesmetMattias | 17 | 41% |
| @davidkorowicz | 19 | 37% |
| @hummelbubu | 202 | 33% |
| @TheBorisBecker | 68 | 32% |
| @jfodlovesyou | 19 | 32% |
Im Gesamtbild zeigt sich: 36 % aller analysierten Posts sind negativ, nur 8 % positiv. Ein keyword-basierter Ansatz hatte zuvor ~90 % als neutral klassifiziert – BERT erkennt die subtilere Negativität deutlich zuverlässiger. Die Feeds spiegeln ein konsistent skeptisches, institutionskritisches Milieu wider, das zunehmend polarisiert.
Die drei untersuchten Nitter-Feeds zeichnen ein konsistentes Bild: Es handelt sich nicht um eine repräsentative Auswahl der deutschsprachigen Twitter/X-Öffentlichkeit, sondern um einen thematisch eng gefassten, institutionskritischen Informationsraum. Was die Feeds verbindet, ist ein grundlegendes Misstrauen gegenüber staatlichen Institutionen, Massenmedien, der Pharmaindustrie und dem wissenschaftlichen Establishment – ein Milieu, das sich selbst als aufgeklärt und systemkritisch versteht.
@Impf_Info ist der inhaltlich fokussierteste Feed. Mit 42 % negativen Posts und einer Negativrate, die sich von 2024 (15–25 %) bis Anfang 2026 (45–60 %) mehr als verdoppelt hat, zeigt sich eine zunehmende Radikalisierung der Themenwahl. Die Kerninhalte kreisen um COVID-Impfskepsis, Kritik an Pandemiepolitik, Vertuschungsvorwürfe gegenüber Gesundheitsbehörden (RKI, CDC, EMA) und alternative Medizinnarrative. Dabei ist bemerkenswert, dass renommierte Fachzeitschriften wie The Lancet, NEJM und Cochrane im Feed vertreten sind – allerdings selektiv, um die eigene Skepsis wissenschaftlich zu untermauern. Der häufigste rhetorische Modus ist nicht offene Feindschaft, sondern die Pose des besorgten, rationalen Aufklärers, der gegen einen übermächtigen Mainstream kämpft.
@StHomburg ist mit drei Accounts der kleinste, aber mit 64 % Negativrate der dunkelste Feed. MikeBenzCyber, cohler und _____Salt___ teilen eine Weltanschauung, in der staatliche Institutionen grundsätzlich korrumpiert sind (CIA, „Deep State", WHO), etablierte Wissenschaft als Instrument der Kontrolle gilt und Verschwörungsnarrative (Epstein, Chemtrails, Elite-Pädophilie) als Enthüllungen rahmt. Die Sprache ist durchgehend alarmistisch – auch ohne vulgäre Ausdrücke erkennt das BERT-Modell die negative Grundtönung zuverlässig.
@SZwanglos ist der heterogenste Feed und daher schwerer einzuordnen. Mit 226 verfolgten Accounts reicht das Spektrum von sachlichen Wissenschaftsjournalisten bis zu Accounts, die Gewaltverbrechen an Migranten mit politischen Forderungen verknüpfen. Die 32 % Negativrate ist der niedrigste Wert der drei Feeds, täuscht aber darüber hinweg, dass die negativsten Accounts besonders starke Signale setzen: Aussagen wie „Europa hat Selbstmord begangen" oder direkte NS-Vergleiche für EU-Politik finden sich im Feed neben sachlicheren Beiträgen von Politikern oder Wissenschaftlern.
Methodische Einschränkung: Das verwendete BERT-Modell (germansentiment) wurde auf deutschsprachigen Texten trainiert. Englischsprachige Posts – die in allen drei Feeds einen erheblichen Anteil haben – werden möglicherweise weniger präzise klassifiziert. Kurze Posts, Ironie und Zitate aus fremden Quellen können zu Fehlklassifikationen führen. Die Zahlen sind daher als Tendenzaussage, nicht als exakte Messung zu verstehen.