Kannst du einen Bot erkennen? Die Hälfte der Menschen nämlich nicht.

Im Jahr 2024 hat sich die digitale Welt grundlegend verändert: Automatisierte Bots machen inzwischen 51 % des gesamten Web-Traffics aus¹. Möglich wurde dieser Anstieg vor allem durch die schnelle Verbreitung von KI und großen Sprachmodellen (LLMs), die es deutlich einfacher machen, Bots zu erstellen und zu skalieren.

Besonders in sozialen Netzwerken ist die Entwicklung deutlich spürbar: Große Plattformen löschen jedes Jahr rund 6,3 Milliarden gefälschte Accounts sowie 11,1 Milliarden Spam-Inhalte². Diese Zahlen wirken weniger überraschend, wenn man bedenkt, dass gefälschte Social-Media-Accounts im Darknet bereits ab etwa 0,08 USD (ca. 0,07 EUR)³ erhältlich sind.

Um zu untersuchen, wie stark Social-Media-Bots Nutzer:innen tatsächlich beeinflussen, wurde in Zusammenarbeit mit Masterstudierenden im Bereich Interaction Design der Malmö University ein einwöchiges Experiment mit dem Titel „Bot or Not?“⁴ durchgeführt.

Die Ergebnisse, die Surfshark-Forschende nach der Auswertung des Bot-gegen-Mensch-Tests erhoben haben, zeigen deutlich, wie stark Bots unser Online-Verhalten beeinflussen – insbesondere bei älteren Nutzer:innen sowie Personen, die sich stark mit politischen und gesellschaftlichen Themen auseinandersetzen und häufig Facebook sowie Threads als Hauptplattform verwenden.

Wer hat am Experiment teilgenommen?

Bei „Bot or Not?“⁴ handelt es sich um eine zeitgesteuerte, interaktive Simulation, in der Nutzer:innen erkennen müssen, ob Kommentare von echten Menschen oder von Bots stammen. Die Teilnehmenden landen dabei in einer simulierten Kommentarspalte eines sozialen Netzwerks und müssen innerhalb von 120 Sekunden zehn Bot-Kommentare identifizieren.

Die Inhalte stammen aus vier Themenbereichen: zwei eher neutrale Themen (Rechenzentren und „Ananas auf Pizza“) sowie zwei stärker emotional aufgeladene Themen (Migration und Frauenrechte).

Insgesamt nahmen 710 Personen an dem Experiment teil. Sie stimmten zu, dass ihre Ergebnisse ausgewertet werden.

„Bot or Not?“⁴ ist weiterhin online verfügbar und kann von allen gespielt werden.

Die Hälfte der Menschen erkennt keinen Bot zuverlässig

Die Aufgabe erwies sich als anspruchsvoll: Nur eine knappe Mehrheit der Teilnehmenden konnte Bots in sozialen Netzwerken zuverlässig identifizieren.

Über alle Gruppen hinweg gewannen 53 % das Spiel (sie erkannten mehr Bots, als sie echte Menschen fälschlich als Bots markierten). 47 % scheiterten.

Um die Ergebnisse genauer zu verstehen, wurden zwei zentrale Kennzahlen betrachtet:

Bot-Erkennungsrate: Wie viele Bots tatsächlich erkannt werden. Sie zeigt, wie gut Nutzer:innen darin sind, Bots im Feed zu identifizieren. Eine niedrige Rate bedeutet, dass Bots leicht durchrutschen.

Genauigkeit: Wie oft eine Entscheidung korrekt ist, wenn ein Kommentar als Bot markiert wird. Eine niedrige Genauigkeit bedeutet, dass echte Menschen fälschlicherweise als Bots eingestuft werden – mit dem Risiko, dass sie ungerechtfertigt angegriffen oder ausgeschlossen werden.

Über alle 710 Teilnehmenden hinweg lag die durchschnittliche Bot-Erkennungsrate bei 58 %, die Genauigkeit bei 66 %. In der Aufschlüsselung nach Gruppen zeigen sich jedoch deutliche Unterschiede.

Jüngere Menschen erkennen Bots deutlich besser

Das Alter ist einer der stärksten Faktoren dafür, wie sicher sich Menschen online bewegen. Die Daten zeigen einen klaren Bruch ab etwa 40 Jahren.

• Die jüngste Gruppe (bis 20 Jahre) schnitt am besten ab: Sie erkannte rund 65 % der Bots und erreichte eine Genauigkeit von über 71 %. Das bedeutet, dass sie vergleichsweise selten echte Menschen fälschlich als Bots markierten.
• In den 20er- und 30er-Jahren blieb die Leistung relativ stabil. Ab der Altersgruppe 41–50 fällt sie jedoch deutlich ab: Die Bot-Erkennungsrate sinkt auf 42 %, die Genauigkeit auf 59 %. Teilnehmende über 50 schneiden nur geringfügig besser ab.

Insgesamt zeigt sich: Ältere Altersgruppen übersehen Bots häufiger und markieren gleichzeitig öfter echte Menschen fälschlich als Bots.

Reddit- und X-Nutzer:innen erkennen Bots am besten

Auch die bevorzugte Plattform macht einen deutlichen Unterschied. Die Ergebnisse zeigen sehr unterschiedliche Fähigkeiten beim Erkennen von Bots je nach Kanal.

• Reddit- und X-Nutzer:innen erzielten die besten Werte. Beide Gruppen erreichten eine Bot-Erkennungsrate von 68 %. X-Nutzer:innen lagen zusätzlich auch bei der Genauigkeit stark (71 %). Die stark textbasierten und diskussionsgetriebenen Plattformen könnten hier die Wahrnehmung für typische Bot-Muster schärfen.
• Auffällig ist zudem: TikTok-Nutzer:innen waren am vorsichtigsten. Sie erreichten die höchste Genauigkeit aller Plattformen (72 %). Ihre Bot-Erkennungsrate lag mit 61 % etwas darunter, dafür lagen sie deutlich seltener falsch, wenn sie echte Inhalte als unauffällig einstuften.
• Facebook-Nutzer:innen hatten die größten Schwierigkeiten im Umgang mit Fake-Accounts: Ihre Bot-Erkennungsrate lag bei 47 % (nur Threads war mit 40 % noch niedriger). Gleichzeitig wiesen sie die schlechteste Genauigkeit aller großen Plattformen auf (55 %). Das bedeutet: Bots werden häufiger übersehen – echte Menschen aber ebenso häufiger fälschlich beschuldigt.

Moderate Social Media Nutzer:innen erkennen Bots am besten

Macht viel Social-Media-Nutzung automatisch besser im Erkennen von Bots? Ja – aber nur bis zu einem gewissen Punkt.

• Personen, die angaben, keine sozialen Medien zu nutzen, waren nahezu chancenlos: Sie erreichten eine Bot-Erkennungsrate von 40 % und eine Genauigkeit von 58 %.
• Wer mehrmals täglich soziale Medien nutzt, verbessert diese Werte deutlich (59 % bzw. 67 %).
• Doch „daueronline“ zu sein bringt keine zusätzlichen Vorteile. Nutzer:innen, die „fast ständig online“ sind, lagen bei der Genauigkeit mit 63 % sogar leicht unter jenen, die ihre Feeds nur ein paar Mal pro Woche prüfen (70 %).

Emotionen machen es Bots besonders leicht

Die Simulation bestand aus vier Themenbereichen: zwei eher sachliche Themen (Rechenzentren und Ananas auf Pizza) sowie zwei stark emotional und politisch aufgeladene Themen (Migration und Frauenrechte).

Die Ergebnisse zeigen klar: Sobald Inhalte emotional werden, sinkt die Fähigkeit, Bots korrekt zu erkennen – und echte Menschen werden häufiger fälschlich beschuldigt.

Bei sachlichen Themen bleiben die Ergebnisse stabil:

• Rechenzentren: Höchste Bot-Erkennungsrate mit 71 % sowie eine Genauigkeit von 76 %. Ohne emotionale Trigger erkennen Nutzer:innen Bots deutlich besser und urteilen vorsichtiger.
• Ananas auf Pizza: Auch hier bleiben die Werte stabil: 64 % Bot-Erkennung bei 69 % Genauigkeit.

Sobald die Themen emotionaler werden, verschlechtert sich die Leistung:

• Migration: Die Bot-Erkennungsrate sinkt auf 54 %. Fast jeder zweite Bot wird übersehen. Die Genauigkeit fällt auf 63 %, was mehr Fehlzuweisungen gegenüber echten Menschen bedeutet.
• Frauenrechte: Hier zeigt sich die größte Herausforderung. Nur 49 % der Bots werden erkannt, gleichzeitig sinkt die Genauigkeit auf 61 %. Das bedeutet: Mehr Bots bleiben unentdeckt, während echte Inhalte häufiger fälschlich als Bot-Inhalte bewertet werden.

So schützt du dich vor Bots

Diese Empfehlungen von Surfshark helfen dabei, sich in einer Zeit zu schützen, in der Bots immer schwerer von echten Menschen zu unterscheiden sind:

• Bevor du reagierst: Kurz innehalten. KI-Bots setzen gezielt auf emotionale Reaktionen. Wenn ein Beitrag Wut, Angst oder Druck auslöst, lieber kurz warten, bevor du reagierst oder etwas teilst.
• Keine verdächtigen Links anklicken oder unbekannte Dateien herunterladen.
• Vorsicht bei unerwarteten DMs: Kontaktaufnahmen mit romantischen Absichten, Anlegestrategien oder der Bitte, auf WhatsApp/Telegram zu wechseln, sind typische Scam-Muster.
• Persönliche Daten schützen: Keine sensiblen Informationen wie Telefonnummer, Adresse oder Finanzdaten in DMs weitergeben.
• Informationen überprüfen: Ungewöhnliche Anfragen über andere Kanäle verifizieren – etwa durch Anruf oder offizielle Profile.
• “Virale” Inhalte kritisch betrachten: Inhalte, die starke Emotionen auslösen und sofortiges Teilen verlangen, können aus Bot-Netzwerken stammen.
• Sicherheitseinstellungen nutzen: Zwei-Faktor-Authentifizierung aktivieren, Nachrichtenanfragen einschränken sowie verdächtige Accounts melden oder blockieren.
• Apps und Software auf dem neuesten Stand halten, da viele Angriffe bekannte Sicherheitslücken ausnutzen.

Fazit

Die Ergebnisse dieses Bot-Erkennungsexperiments stellen bisherige Vorstellungen von digitaler Kompetenz und Online-Sicherheit infrage. Zwar gewannen 53 % der Teilnehmenden das Spiel – sie erkannten also mehr Bots, als sie echte Menschen fälschlicherweise als Bots einstuften. Gleichzeitig scheiterte mit 47 % jedoch fast die Hälfte der Befragten.

Das zeigt, dass wir uns bei der Erkennung von Bots nicht länger allein auf unser Sprachgefühl oder auffällige „robotische“ Formulierungen verlassen können.

Stattdessen hängt sie stark zusammen mit Alter, emotionalem Kontext, Thema, Nutzungsverhalten in sozialen Medien und der genutzten Plattform.

Methodik

Die Studie basiert auf Daten von 710 Teilnehmenden, die die interaktive Simulation „Bot or Not“ spielten. Die Anwendung wurde von Studierenden des Interaction Design an der Malmö University für die Ausstellung UNFOLD entwickelt – einen internationalen Hochschulwettbewerb im Rahmen der Mailänder Designwoche, einer der größten Designmessen weltweit. Während der einwöchigen Ausstellung konnten Besucher:innen teilnehmen.

Fast die Hälfte der Teilnehmenden (47 %) war zwischen 21 und 30 Jahre alt. 8 % waren 20 Jahre oder jünger, 14 % zwischen 31 und 40 Jahren. Die Gruppen 41–50 sowie 50+ machten jeweils 7 % aus (17 % machten keine Altersangabe).

Die Teilnehmenden agierten als eine Art Content-Moderator:innen und mussten in einer simulierten Kommentarspalte Bot-generierte Inhalte erkennen. Dafür hatten sie 120 Sekunden Zeit und wurden einem von vier Themen mit unterschiedlicher emotionaler Intensität zugewiesen: Rechenzentren, Ananas auf Pizza, Migration und Frauenrechte.

Die Leistung wurde anhand zweier Kennzahlen gemessen:

• Bot-Erkennungsrate: Anteil der tatsächlich vorhandenen Bots, die korrekt erkannt wurden.
• Genauigkeit: Wie zuverlässig Einschätzungen sind und wie oft echte Menschen nicht fälschlich als Bots markiert werden.

Wir haben eine explorative deskriptive Analyse durchgeführt. Dafür wurden zunächst Durchschnittswerte für Bot-Erkennung und Genauigkeit über alle 710 Teilnehmenden berechnet. Anschließend erfolgte eine Segmentierung nach demografischen Faktoren (Alter, bevorzugte Plattform, Nutzungsintensität) sowie nach Themenfeldern der vier Diskussionen. So konnten übergeordnete Muster wie der „Generationsbruch“ oder Plattformunterschiede sichtbar gemacht werden, bevor statistisch strengere Auswertungen auf ordinale und kontinuierliche Variablen angewendet wurden.

Das Spiel „Bot or Not?“⁴ ist weiterhin online verfügbar, sodass die Datenerhebung fortlaufend ist. Mit jeder neuen Teilnahme wird die Analysebasis von uns erweitert.

Das vollständige Forschungsmaterial zur Studie ist hier verfügbar.

Entdecke, was hinter den Kulissen des Spiels „Bot or Not?“ passiert ist:

Referenzen

¹Bad Bot Report (2025)

²Surfshark (2026). „Surrounded by scams: two major social media platforms remove more fake accounts than they have active users“

³Euronews (2025). „Cheap online fake accounts make misinformation a thriving underground market“

⁴Bot or Not? The Bot Detection Game