Informatiker der Bauhaus-Universität Weimar um Martin Potthast erhalten im Rahmen der Google Digital News Initiative 50 000 Euro Projektförderung, um einen Clickbait-Detektor zu entwickeln. Mit Clickbait bezeichnet man im Netz "so etwas wie eine Kopfzeile, die designt ist, um Leser dazu zu bringen, einen Link anzuklicken" wie Potthast in einem Interview mit "Übermedien", einer Website für Medienjournalismus erklärt. Die Schlagzeilen setzen bei der Psyche des Lesers an, um Emotionen wie Wut, Angst, Ekel oder Neugier zu erregen. Oberflächlich scheinen Clickbait-Botschaften Inhalte zu bewerben, doch tatsächlich sind sie nur dazu gedacht, die Besucherzahl einer Webseite – und damit die Erlöse aus dort geschalteter Werbung – zu erhöhen. Journalistische Kriterien treten bei der "Heißmacherei" in den Hintergrund. Der Trick ist in sozialen Netzwerken sehr erfolgreich. Selbst renommierte Medienhäuser greifen auf ihn zurück.

Potthast und seine Kollegen wollen nun durch maschinelles Lernen Abhilfe schaffen. Zu diesem Zweck haben sie in einer Pilotstudie 3000 Tweets heruntergeladen und manuell klassifiziert, ob es sich dabei um Clickbait handelte oder nicht. Die zufällig ausgewählten Tweets aus einer Woche des Jahres 2015 stammten von den 20 englischsprachigen "Top-Publishern" des Vorjahres, wie Potthast im Interview mit "Übermedien" berichtet. Größtenteils waren das Medienhäuser, etwa die "New York Times" oder die BBC. Ein Viertel davon stellte sich als Clickbait heraus. Auf Grundlage der klassifizierten Tweets konnten Potthast und Co ein "einfaches" maschinelles Lernverfahren entwickeln, das bereits 80 Prozent des Clickbaits erkennen kann. Das Verfahren mache aber noch Fehler. Zunächst wollen sich Potthast und seine Mitstreiter auf Twitter beschränken. Die Forscher werden ihr Lernverfahren innerhalb der Projektdauer von einem Jahr nun verbessern und wollen am Ende den Prototypen eines Clickbait-Blockers vorstellen.