10.610

Drahtzieher hinter 4.000 Telegram-Gruppen: So habe ich „Frank der Reisende“ gefunden

von | Apr 26, 2021 | Analyse

So einfach habe ich „Frank der Reisende“ gefunden

Gastautor:in Datenliebe

Seine Spuren finden sich in über 70 Gruppen, die er oftmals administriert oder sogar gegründet hat. Laut eigener Aussage betreut er 4.000 Projekte. Er nennt sich „Frank der Reisende“ und ist einer der Dreh- und Angelpunkte im deutschsprachigen Telegram-Ökosystem. Letzte Woche wurde meine Arbeit in einer gemeinsamen Recherche von t-online und Kontraste veröffentlicht. Jetzt möchte ich Euch zeigen, wie einfach es war, ihn aufzuspüren.

Im September des letzten Jahres war ich soweit, mit meiner Recherche hatte ich einen Stand erreicht, den ich jetzt veröffentlichen wollte. Mein Projekt begann mit einer simplen Fragestellung: Wer ist in den meisten öffentlichen Gruppen auf Telegram aktiv? Für meine Recherche habe ich über mehrere Jahre öffentliche Gruppen gesucht und in einer Tabelle gesammelt. Die Idee war, ein möglichst umfassendes Bild der Gruppenlandschaft im deutschsprachigen Raum zu zeigen. Dafür habe ich auf öffentlichen Websites nach Telegram-Gruppen gesucht und geschaut, welche Gruppen darin verlinkt waren. Schritt für Schritt drang ich tiefer in den Kaninchenbau vor, obwohl das eigentlich nicht beabsichtigt war.

Öffentliche Gruppen ohne Verschwörungsmythen sind die Seltenheit

Meine Liste wuchs auf mehrere Hundert Gruppen an, denn die Netzwerke sind stark ausgeprägt. Die Gruppen orientieren sich an den administrativen Grenzen: Oben steht der Staat, dann die Bundesländer und darunter die Landkreise. Die Namen „Deutschland Info Chat“, „Hessen Info Chat“ oder „Berlin Info Chat“ wirken auf den ersten Blick harmlos. Auf den zweiten Blick werden hier aber verschwörungsideologische, antisemitische und (rechts)extreme Inhalte verteilt. Verantwortlich für viele dieser Gruppen ist „Frank der Reisende“.

Telegram ermöglicht automatisierte Überwachung

Telegram bewirbt sich als „sicherer Messenger“, der sich aktiv gegen staatliche Überwachung wendet. Umso ironischer ist es, dass die App selbst über ihren Desktop Client den Weg bereitet für automatisierte Überwachung. Im Zuge des Inkrafttretens der DSGVO sah sich Telegram gezwungen, den Nutzer:innen das einfache Exportieren ihrer persönlichen Daten zu ermöglichen. Im Zuge dessen wurde dem Desktop Client die Möglichkeit gegeben, auch die Chatverläufe von Gruppen und Kanälen zu sichern. Den als „entwicklerfreundlich“ bezeichneten Export im json-Format nutze ich, um die darin enthaltenen User-IDs in den Gruppen zu suchen. Für die Analyse im September 2020 habe ich mehrere Stunden die Gruppen selbst gesichert. Im März diesen Jahres hatte ich Unterstützung von @Infonautica.

Eine simple Suchfunktion findet den „Telegram-Techniker“

Die User-ID ist für jede:n Nutzer:in einzigartig. Vereinfacht gesagt, ist sie wie eine Mobilfunknummer, die nur innerhalb der Telegram-Umgebung funktioniert. Möchte ich herausfinden, in welchen Gruppen sich diese Zahlenfolge findet, so vergleiche ich alle User-IDs dieser Gruppe mit derjenigen, die mich interessiert. So einfach lassen sich gezielt alle Text- und Sprachnachrichten, Fotos, Videos etc. einer Person nachverfolgen.

Mich hat aber noch mehr interessiert. Ich hatte die Vermutung, dass ein kleiner Kreis an Menschen eine große Anzahl an Gruppen erstellt hat. Die Profile waren eindeutig, und sie sind mir immer wieder bei dem Durchsuchen der Mitgliederlisten aufgefallen. Also habe ich meinen Code erweitert. Anstatt gezielt eine User-ID zu suchen, habe ich einfach alle genommen.

Die Herausforderung, 300.000 IDs in 550 Gruppen zu finden

Zu Beginn meines Projektes habe ich mir vorgenommen, die Recherche ausschließlich mit mir verfügbaren Mitteln durchzuführen. Jetzt kommen wir an den Punkt, an dem ich einen leistungsfähigen Rechner gebraucht hätte. Die erste Version meines Skriptes schaffte 500 IDs pro Stunde. Durch einige Verbesserungen konnte ich die Performance um den Faktor 2 steigern. Es ist aber nicht möglich, meinen PC mehrere Wochen rechnen zu lassen, daher habe ich die Prozesse parallelisiert. Vereinfacht gesagt, beschäftigt eine Berechnung einen Prozessor. Bei einem 4-Kern Prozessor kann ich bis zu drei Berechnungen parallel laufen lassen. Starte ich einen vierten Prozess, laufe ich Gefahr, dass sich das Mainboard verabschiedet. Kann ich aus eigener Erfahrung bestätigen. 😉

Sechs CPUs rechnen vier Tage: Hallo „Frank der Reisende“

Ich hatte noch zwei Quadcore-Desktoprechner zur Verfügung, die ich kurzerhand für meine Analysen neu aufsetzte. Nach vier Tagen Dauerlauf wurden mehr als 300.000 User-IDs in 550 Gruppen aufgespürt. Hinter jeder ID steckt ein Telegram-Profil, und ich kann nachvollziehen, wann diese Person wo aktiv war. Am Ende erhalte ich eine Tabelle, die für jede ID in meinem Datensatz die Anzahl der Gruppen enthält. Absteigend sortiert erhält man schnell und einfach die Profile, die in den meisten Gruppen aktiv sind. An der Spitze findet sich: „Frank der Reisende“.

Diese Abbildung zeigt die Verteilung der User-IDs und die Anzahl an Gruppen, in denen die IDs zu finden sind. An der Spitze steht: „Frank der Reisende“. Es fällt auf, dass der Großteil der Nutzer:innen nur in wenigen Gruppen aktiv ist.

Intelligentes Filtern fördert die Aktivität der Nutzer:innen zutage

Viele Aktionen der Telegram-Nutzer:innen hinterlassen Spuren im Verlauf der Gruppe. Jede Nachricht ist mit der User-ID der absendenden Person gekennzeichnet. So wird zum Beispiel in öffentlichen Gruppen der Beitritt eines Profils im Verlauf gespeichert. Immer mit dabei: die User-ID. In einer Schleife durchsuche ich alle Gruppen, in der mein Ziel aktiv sein soll, nach dessen ID. So kann ich den Beitritt, das Absenden von Nachrichten, das Teilen von Bildern usw. zeitlich nachvollziehen. Teilweise ist es sogar möglich, die Privilegien eines Profils zu ermitteln: Pinnt dieses Profil im Verlauf eine Nachricht an, kann davon ausgegangen werden, dass zu diesem Zeitpunkt erweiterte Rechte existieren.

Interaktive Darstellung zeigt die Aktivität über mehrere Jahre

Im letzten Schritt meiner Recherche zeige ich die Anzahl der abgesetzten Nachrichten von Frank. Für jede Gruppe, in der er Mitglied ist, berechne ich einen Summenwert pro Stunde. Um einen Eindruck über seine gesamte Aktivität zu erhalten, summiere ich seine Nachrichten in allen Gruppen pro Tag auf.

Diese Abbildung zeigt einen Ausschnitt der Aktivität von Frank. Die Kurve „sum daily” beschreibt die Anzahl der Nachrichten, die Frank an diesen Tagen insgesamt abgesetzt hat. Diese interaktive Grafik ist in meinem Kanal unter https://t.me/datenliebe/54 hinterlegt.

Darüber hinaus sammle ich alle Nachrichten, die das Profil jemals in meinem Datensatz abgesetzt hat, in einer weiteren Datei. Diese Tabellendarstellung ist durchsuchbar und erlaubt es zum Beispiel Journalist:innen, gezielt nach Stichworten in den Nachrichten zu suchen. Dadurch konnten viele Erkenntnisse über den Hintergrund von „Frank dem Reisenden“ gewonnen werden.

Diese Abbildung zeigt die Sicht auf die Tabelle, in der alle Nachrichten in Textform zusammengefasst sind. Oben rechts befindet sich das Textfeld, mit dem gezielt nach Stichworten gesucht werden kann.

Somit lässt sich die Änderung seiner Aktivität über mehrere Jahre nachvollziehen. Für meine Recherche habe ich nur Mittel verwendet, über die ich bereits verfügte. Natürlich würde eine leistungsfähigere Maschine die Berechnung in wesentlich kürzerer Zeit schaffen. Das war aber nicht Ziel meines Experiments. Ich habe mir vorgenommen, mit einfachsten Mitteln zu untersuchen, welche Profile im deutschsprachigen Raum auf Telegram am aktivsten sind.

Vernetzt mit „Querdenken“, „Gelbwesten“, Neonazis und Sekten

Belohnt wurde diese mehrjährige Arbeit mit der Berichterstattung von t-online, Kontraste und Tagesschau Investigativ. Diese fanden heraus, dass „Frank der Reisende“ ein extrem weites Netzwerk aufgebaut hat und verschiedenste Gruppen verknüpft: Er hat dem „Querdenken“-Gründer Ballweg und auch Bodo Schiffmann nach eigenen Angaben Telegram erklärt und hat geholfen, das „Querdenken“-Desinformationsnetzwerk aufzubauen, zuvor das der „Gelbwesten“, in welchen vom Umsturz geträumt wurde. Die Recherche von T-Online et al. findet Verbindungen zu Reichsbürger-Netzwerken, dem QAnon-Verschwörungsideologen Xavier Naidoo, Neonazis und einer Schweizer Sekte:

An dieser Stelle möchte ich Lars Wienand von t-online danken, der mich seit über einem Jahr bei der Entwicklung dieser Story unterstützt hat. Er war es auch, der den Kontakt zum Team hinter Kontraste hergestellt hat. Vielen Dank, dass du mich darin bestärkt hast, damit an die Öffentlichkeit zu gehen! Es war die richtige Entscheidung.

Gratulieren möchte ich auch Christian Humbs, Silvio Duwe und Pune Jalilevand von Kontraste. Es ist erstaunlich, was Ihr zu Franks Verstrickungen recherchieren konntet. Ich finde den Beitrag großartig und freue mich riesig, euch dabei geholfen zu haben!

Autor:in Datenliebe, Twitter, Telegram. Artikelbild: pixabay.com, CC0

Unsere Autor:innen nutzen die Corona-Warn App des RKI.