💬 NLP

Language Predicts Identity Fusion Across Cultures and Reveals Divergent Pathways to Violence

Diese Studie stellt eine neue Methode vor, die mittels kognitiver Linguistik und Sprachmodellen die „Identitätsfusion“ misst, und zeigt anhand von Extremisten-Manifesten auf, dass es zwei unterschiedliche Wege zu Gewalt gibt: ideologisch motivierte Gruppenbindung versus persönlich motivierte Beschwerdeführung.

Ursprüngliche Autoren: Devin R. Wright, Justin E. Lane, F. LeRon Shults

Veröffentlicht 2026-02-10

📖 3 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Devin R. Wright, Justin E. Lane, F. LeRon Shults

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Der „Seelen-Scanner“: Wie Sprache verrät, wann aus Überzeugung Gefahr wird

Stellen Sie sich vor, Sie stehen in einem riesigen, tobenden Ozean aus Informationen – das Internet. Jeden Tag werden Milliarden von Nachrichten, Kommentaren und Posts hochgespült. Die meisten sind harmlos, aber dazwischen treiben manchmal „toxische Wellen“: Menschen, die so radikalisiert sind, dass sie bereit sind, Gewalt anzuwenden.

Bisher haben soziale Netzwerke versucht, diese Wellen zu stoppen, indem sie nach „Schimpfwörtern“ suchen. Aber das ist so, als würde man versuchen, einen Sturm zu stoppen, indem man nur nach dem Wort „Regen“ sucht. Die Täter benutzen oft keine Schimpfwörter; sie nutzen eine ganz bestimmte Art zu denken.

Das Problem: Die „Identitäts-Verschmelzung“

Die Forscher untersuchen ein psychologisches Phänomen namens „Identity Fusion“ (Identitäts-Verschmelzung).

Stellen Sie sich das so vor:
Normalerweise sind Sie wie ein Wanderer mit einem Rucksack. Sie gehören zu einer Gruppe (einem Verein, einer Religion, einer Nation), aber der Rucksack ist Ihre Ausrüstung. Wenn der Verein etwas Dummes macht, können Sie den Rucksack absetzen und sagen: „Das war die Gruppe, nicht ich.“

Bei der Identitäts-Verschmelzung passiert etwas anderes: Der Rucksack und der Wanderer werden eins. Die Grenze zwischen „Ich“ und „Wir“ verschwindet. Wenn jemand die Gruppe angreift, fühlt es sich für die Person an, als würde man ihr eigenes Herz erstechen. In diesem Moment wird aus einer politischen Meinung eine existenzielle Bedrohung – und die Bereitschaft zu Gewalt steigt massiv an.

Die Lösung: Das CLIFS-System (Der „Sprach-Detektor“)

Die Forscher haben ein neues Werkzeug entwickelt: CLIFS. Anstatt nach verbotenen Wörtern zu suchen, scannt CLIFS die Struktur der Sprache. Es ist wie ein hochmoderner Metalldetektor, der nicht nach dem Material sucht, sondern nach der „Dichte“ der Gedanken.

Das System nutzt Künstliche Intelligenz, um versteckte Metaphern zu finden. Es achtet auf zwei Dinge:

Die Familien-Metapher: Spricht die Person über ihre Gruppe wie über eine Familie? (z. B. „Meine Brüder im Geiste“, „Unsere heilige Gemeinschaft“).
Die Verschmelzung: Wie oft ersetzt die Person unbewusst das Wort „Ich“ durch „Wir“ oder umgekehrt?

Zwei Wege in den Abgrund

Das Spannendste an der Studie ist die Entdeckung, dass es zwei völlig unterschiedliche Wege gibt, wie Menschen „verschmelzen“ und gewalttätig werden:

Der „Ideologe“ (Der Fanatiker): Er sieht die Gruppe als seine neue Familie. Er ist tief mit einer Idee oder einer Ideologie verwurzelt. Er kämpft für ein großes, abstraktes Ziel. Er nutzt Begriffe wie „Brüderlichkeit“ und „Heimat“.
Das „Opfer“ (Der Verbitterte): Dieser Typ ist anders. Er hat oft keine große Ideologie, sondern fühlt sich persönlich ungerecht behandelt (z. B. durch Mobbing oder Jobverlust). Er „verschmilzt“ nicht mit einer Gruppe, sondern er projiziert sein eigenes Leid auf die Welt. Er sieht die Welt als einen Ort, der ihn persönlich angegriffen hat. Er sagt nicht unbedingt „Wir sind eine Familie“, sondern eher: „Die Welt ist genau so grausam wie ich es fühle.“

Warum ist das wichtig?

Bisherige Filter sind wie Türsteher, die nur auf rote Kleidung achten. Wenn jemand eine schwarze Jacke trägt, lassen sie ihn durch.

CLIFS ist wie ein Psychologe am Einlass. Er achtet nicht auf die Kleidung, sondern auf die Art, wie die Leute reden. Das System kann helfen, die „Nadel im Heuhaufen“ zu finden – also die Menschen, die zwar keine Schimpfwörter benutzen, deren Sprache aber zeigt, dass sie kurz davor stehen, die Grenze von der Meinung zur Gewalt zu überschreiten.

Zusammenfassend: Die Forscher haben einen Weg gefunden, die „unsichtbare Grenze“ zwischen dem Selbst und der Gruppe in der Sprache zu messen. Das hilft uns zu verstehen, warum Menschen bereit sind, für Ideen zu sterben oder für ihr eigenes Leid zu töten.

Technische Zusammenfassung: Sprache als Prädiktor für Identitätsfusion und Gewaltpfade

1. Problemstellung (Problem)

Die zunehmende politische Polarisierung und die Zunahme von Gewalt durch Extremisten (sowohl staatliche als auch Einzeltäter) stellen eine massive Herausforderung für die Sicherheit und die Moderation sozialer Medien dar. Bisherige Ansätze zur Erkennung von Extremismus basieren primär auf der Moderation von Inhalten (Content Moderation) oder der Klassifizierung von Hassrede. Diese Methoden sind jedoch oft unzureichend, da:

Das Volumen der Daten für menschliche Moderatoren zu groß ist.
Sie zu sehr auf vergangenen Daten basieren und neue, sich entwickelnde Profile von Extremisten nicht erkennen können.
Sie lediglich oberflächliche Themen analysieren, anstatt die zugrunde liegenden psychologischen Mechanismen zu erfassen.

Die Forschung konzentriert sich daher auf die Identitätsfusion (Identity Fusion) – ein psychologisches Phänomen, bei dem die Grenze zwischen dem Selbst und einer sozialen Gruppe (oder einer Ideologie) verschwimmt, was ein starker Prädiktor für die Bereitschaft zu extremen Gewalttaten ist.

2. Methodik (Methodology)

Die Autoren führen den Cognitive Linguistic Identity Fusion Score (CLIFS) ein. Dies ist ein skalierbares, kognitiv informiertes Verfahren zur Messung der Identitätsfusion allein auf Basis von Texten.

Kernkomponenten von CLIFS:

Kognitive linguistische Muster: Nutzung etablierter linguistischer Merkmale.
LLM-Embeddings: Verwendung von "opaque embedding features" aus Large Language Models, um Signale zu erfassen, die in der Literatur noch nicht beschrieben sind.
ModernBERT-Klassifikator: Ein fein abgestimmter Klassifikator zur Bestimmung von Fusions-Wahrscheinlichkeiten.
Implizite Metaporderkennung (Masked-LM): Dies ist die zentrale Innovation. Durch die Nutzung von Masked Language Models (wie BERT) wird berechnet, wie wahrscheinlich es ist, dass Wörter der Identität (z. B. "ich") durch Wörter des Fusionsziels (z. B. "die Gruppe") ersetzt werden können und umgekehrt.

Daraus abgeleitete Maße:

Fictive-Kinship ( $K_f$ ): Das Ausmaß, in dem die Gruppe als Familie wahrgenommen wird.
Fusion Proximity ( $f(I,T)$ ): Ein bidirektionales Maß für die konzeptionelle Überschneidung von Selbst und Gruppe.
Directional Identity Scores ( $S_{I \to T}$ und $S_{T \to I}$ ): Messung der Identitätsüberlappung in beide Richtungen (vom Selbst zur Gruppe und umgekehrt).

3. Hauptergebnisse (Results)

Die Studie validierte CLIFS anhand von drei Datensätzen (MTurk-Daten aus UK/Singapur, Feldstudien in Singapur und ein Korpus von extremistischen Manifesten).

Überlegenheit gegenüber Baselines: CLIFS übertraf bestehende Methoden (wie UAI, nUAI und VRI-Fusion) signifikant. Während die Baselines in den Out-of-Domain-Tests oft keine statistische Signifikanz erreichten, korrelierte CLIFS hochgradig mit den psychometrisch validierten VIFS-Scores (Verbal Identity Fusion Scale).
Divergente Gewaltpfade: Die Analyse von Manifesten offenbarte zwei unterschiedliche Wege zur Gewalt:
- Ideologen: Diese Gruppe zeigt eine starke fiktive Verwandtschaft ( $K_f$ ). Sie rahmen die Gruppe in familiären Begriffen ein und identifizieren sich stark mit kollektiven Semantiken.
- Opfer-getriebene Individuen (Victims): Diese Gruppe zeigt eine höhere Fusions-Proximität ( $f(I,T)$ ) und eine stärkere Projektion des Selbst auf das Ziel ( $S_{T \to I}$ ), aber eine geringere fiktive Verwandtschaft. Sie sehen das Ziel eher als eine Erweiterung ihres persönlichen Selbstbildes (oft aufgrund wahrgenommener Opferrolle), nicht unbedingt als "Familie".

4. Beiträge und Bedeutung (Key Contributions & Significance)

Theoretischer Beitrag: Die Arbeit verfeinert die Comprehensive Identity Fusion Theory (CIFT), indem sie zeigt, dass Identitätsfusion nicht nur über soziale Gruppen, sondern auch über abstrakte Ziele (Werte, Ideologien) stattfindet und dass die Ausdrucksformen der Fusion qualitativ variieren können.
Methodischer Beitrag: Die Autoren demonstrieren die Unzulänglichkeit bisheriger NLP-Methoden (insbesondere VRI), die auf manueller Filterung und String-Matching basieren, und bieten stattdessen ein skalierbares, reproduzierbares und theoretisch fundiertes Werkzeug an.
Praktische Bedeutung: CLIFS bietet eine Möglichkeit für soziale Medien und Sicherheitsbehörden, die "Nadel im Heuhaufen" zu finden. Anstatt nur nach politisch kontroversen Themen zu suchen, können Systeme nach den psychologischen Signaturen der Radikalisierung suchen. Dies ermöglicht Interventionen, die auf die tatsächlichen Motive (Identitätsfusion) abzielen, ohne zwangsläufig auf problematische Zensur politischer Meinungen angewiesen zu sein.