Schlüsselwörter, die in Form von meist online geteilten Wortlisten daherkommen, sind in der letzten Zeit oft diskutiert worden, seit sie verwendet werden, um Staatsangestellte in den USA zu identifizieren, die sich in irgendeiner Form verdächtig gemacht haben, den verhassten “tiefen Staat” zu repräsentieren. So kursierten wohl Wortlisten, die benutzt werden sollten, um Publikationen oder Forschungsprojekte zu finden, die sich mit Themen wie “Gender” oder “Diversität” auseinandersetzen (Kreye 2025).
Abgesehen von der Empörung und der berechtigten Angst, die diese Listen auslösten, frage ich mich, ob sich nicht auch der eine oder die andere gewundert hat über die Methode, mit der hier mit der neuen Staatsideologie inkompatible Denkweisen entdeckt werden sollen. In Zeiten, in denen künstliche Intelligenz bis zum Mars gehyped wird, könnte man sich doch eigentlich fragen, ob es nicht viel bessere Methoden gibt, vor allem um Forschungsinhalte zu identifizieren.
Tatsächlich ist aber die Wortliste nach wie vor eines der Standardmittel, mit dem man versucht, bestimmte Inhalte in Texten automatisch zu identifizieren (Di Natale and Garcia 2023). Wortlisten werden neben anderen formalisierbaren Eigenschaften von Texten in vielen Ansätzen als Grundlage verwendet, um bestimmte Grundeigenschaften von Texten zu ermitteln. Dazu gehören unter anderem auch das Erkennen von Hatespeech (Schmidt und Wiegand 2017 oder Fakenews (Perez-Rosas et al. 2018). Es gibt in der Computerlinguistik sogar Methoden, die helfen sollen, Schlüsselwörter, die bestimmte Themen repräsentieren, automatisch zu gewichten, um damit festzulegen, wie wichtig sie sind, um Themen, die ein Text behandelt, zu ermitteln (vgl. Brett 2012).
Als jemand, der Wortlisten in großer Zahl benutzt, um Sprachen zu vergleichen (und dafür auch oft genug kritisiert wurde), wundert es mich immer noch, dass der Forschung bisher nichts Besseres eingefallen ist, als sich auf einzelne Wörter zu stützen, um Inhalte zu bewerten. Dies zeigt wohl auch gleichzeitig, warum die automatische Erkennunnung von rechtlich problematischen Inhalten im Netz einem Katz-und-Maus-Spiel gleicht, bei dem die Katze extrem altersschwach wirkt und immer älter zu werden scheint.
Um sauber zu erkennen, ob ein Inhalt Hass verbreitet oder der Denkdoktrin eines Regimes zuwiderläuft, müsste man um die zwei Ebenen wissen, die für Sprache entscheidend sind, ihre Form und ihre Bedeutung (Bender und Koller 2020). Da Wortlisten aber lediglich die Form von Sprache repräsentieren, die in ihrer Verwendung im Kontext auch auf ganz andere Inhalte als Hass oder Regimekritik verweisen kann, bekommt man — zumindest soweit ich denke, das beurteilen zu können — das Problem weder mit Wortlisten noch mit den großen Sprachmodellen wirklich in den Griff. Man braucht am Ende wohl immer Menschen, die ihre der künstlichen in weiten Teilen noch überlegene natürliche Intelligenz nutzen können, um Inhalte zu überprüfen.
Insofern könnte man aus der Tatsache, dass fast alle großen Technologieunternehmen, die Menschen dazu bringen, ihre Gehirne Tag um Tag von Neuem in den nicht mehr endend wollenden Fluten von Gedankendung zu waschen, fast ausschließlich auf Regulierung mit künstlichen Pseudointelligenzen setzen, vielleicht sogar Hoffnung ziehen. Denn wenn diese schon bei Hassreden so glorreich versagen, dann werden sie hoffentlich die gleichen Schwierigkeiten haben, die geplante Zensur akademischen Schaffens durchzusetzen, die sich, wenn wir Pech haben, schon bald nicht mehr allein auf die großen autoritären Regime beschränken wird.
Literatur
Bender, Emily and Koller, Alexander (2020): Climbing towards NLU: On meaning, form, and understanding in the age of data. In: Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. 5185–5198. https://aclanthology.org/2020.acl-main.463/
Brett, Megan R. (2012): Topic modeling. A basic introduction. Journal of Digital Humanities 2.1. 12-16. https://journalofdigitalhumanities.org/2-1/topic-modeling-a-basic-introduction-by-megan-r-brett/
Di Natale, Anna and Garcia, David (2023): LEXpander: Applying colexification networks to automated lexicon expansion. Behavior Research Methods 56.2. 952–967. https://doi.org/10.3758/s13428-023-02063-y
Kreye, Andrian (2025): Mark my words. Süddeutsche Zeitung 81. https://www.sz.de/li.3200896
Pérez-Rosas, Ver\’onica and Kleinberg, Bennett and Lefevre, Alexandra and Mihalcea, Rada (2018): Automatic Detection of Fake News. In: Proceedings of the 27th International Conference on Computational Linguistics. 3391-3401. https://aclanthology.org/C18-1287/
Schmidt, Anna and Wiegand, Michael (2017): A Survey on Hate Speech Detection using Natural Language Processing. In: Proceedings of the Fifth International Workshop on Natural Language Processing for Social Media. 1-10. https://doi.org/10.18653/v1/W17-1101
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Johann-Mattis List (15. Februar 2025). Von Wortlisten. Von Wörtern und Bäumen. Abgerufen am 17. Juni 2025 von https://doi.org/10.58079/13bqt