Twitter hat ein Entity-Resolution-Problem

Als Elon Musk die Frage aufwarf, wie viele Twitter-Konten tatsächlich Bots sind, rückte er ein Problem in den Fokus, das weit über soziale Medien hinausreicht: Woher wissen Sie, welche Konten zu echten, eindeutigen Personen gehören?

Das ist ein Entity-Resolution-Problem — und zwar eines, mit dem jede Plattform mit nutzergenerierten Konten zu tun hat.

Das Bot-Problem ist ein Identitätsproblem

Bot-Netzwerke arbeiten nicht mit völlig zufälligen Daten. Sie verwenden Identitätsattribute wieder: dieselbe Telefonnummer über mehrere Konten hinweg, ähnliche E-Mail-Muster, geteilte Geräte-Fingerabdrücke, IP-Adressen aus denselben Subnetzen.

Die Schwierigkeit besteht darin, diese Verbindungen im großen Maßstab zu erkennen. Twitter hat Hunderte Millionen Konten. Jedes Konto einzeln gegen ein Regelwerk zu prüfen, übersieht die Netzwerkeffekte. Man muss die Verbindungen zwischen den Konten betrachten, um Cluster verwandter Identitäten zu finden.

Genau das leistet Entity Resolution.

Wie Entity Resolution Bot-Netzwerke erkennt

Ein Entity-Resolution-System geht das Bot-Problem anders an als klassische Betrugserkennung auf Kontoebene:

Alle Kontoattribute aufnehmen — Name, E-Mail, Telefon, Geräte-ID, IP, User-Agent, Erstellungszeitpunkt, Verhaltensmuster
Entitäten auflösen — Konten finden, die Attribute teilen, auch teilweise (Fuzzy Matching auf Namen, Mustererkennung bei E-Mail-Adressen wie user1234@domain, user1235@domain)
Cluster identifizieren — Konten, die zur selben Entität auflösen oder erhebliche Überschneidungen aufweisen, werden als mögliche Bot-Netzwerke markiert
Bewerten und handeln — jedes Cluster erhält einen Risikowert, basierend auf der Zahl der verknüpften Konten, der Art der geteilten Attribute und der Verhaltensähnlichkeit

Der entscheidende Vorteil: Dieser Ansatz erwischt Bots, die einzeln alle Standardprüfungen bestehen, in ihrer Gesamtheit aber über geteilte Identitätsattribute ihre Künstlichkeit verraten.

Prävention in Echtzeit vs. Erkennung im Batch

Die meiste Bot-Erkennung ist reaktiv: Eine Batch-Analyse läuft in regelmäßigen Abständen und identifiziert Konten zur Sperrung. Doch bis die Analyse fertig ist, ist der Schaden — Spam, Manipulation, Betrug — bereits angerichtet.

Entity Resolution in Echtzeit ermöglicht Prävention direkt bei der Registrierung. Wird ein neues Konto angelegt, wird es sofort gegen alle bestehenden Konten aufgelöst. Teilt es eine Telefonnummer mit 50 anderen Konten oder eine Geräte-ID mit bekannten Bots, markiert das System es, bevor das Konto aktiv wird.

Bei Tilores verarbeiten wir diese Auflösungsabfragen in unter 10 Millisekunden — schnell genug, um eine betrügerische Registrierung zu blockieren, bevor der Nutzer überhaupt die Bestätigungsseite sieht.

Weit über soziale Medien hinaus

Das Bot-Problem bei Twitter ist nur ein prominentes Beispiel für eine allgemeine Herausforderung. Jede Plattform, die mit Nutzeridentitäten arbeitet, steht vor derselben Frage:

E-Commerce: Netzwerke gefälschter Bewertungen und Missbrauch von Aktionscodes erkennen
Finanzdienstleistungen: Verknüpfte Konten für Betrugsprävention und AML-Compliance identifizieren
Gaming: Missbrauch über Mehrfachkonten und Umgehung von Sperren erkennen
Versicherungen: Verwandte Schadensfälle finden, die auf organisierten Betrug hindeuten

In allen Fällen ist die zugrunde liegende Technologie dieselbe: auflösen, welche Konten zur selben realen Entität gehören, die Verbindungen zwischen Entitäten finden und auf die Muster reagieren.

Die Skalierungsfrage

Dass Plattformen wie Twitter damit ringen, liegt nicht an fehlendem Problembewusstsein, sondern am Maßstab. Entity Resolution über Hunderte Millionen Konten hinweg in Echtzeit durchzuführen, während täglich Millionen neuer Registrierungen hinzukommen, ist eine Infrastrukturaufgabe, die nur wenige Organisationen selbst lösen können.

Genau deshalb haben wir Tilores als Serverless-API gebaut. Die Infrastruktur skaliert automatisch, die Matching-Engine verarbeitet Milliarden von Datensätzen, und die Auflösungslatenz bleibt unabhängig vom Datenvolumen unter 10 ms.

Sie bauen eine Plattform mit Nutzerkonten? Sehen Sie, wie Tilores dabei hilft, betrügerische Registrierungen in Echtzeit zu erkennen und zu verhindern.