Wie kommt man aber an die optimalen Trainingsdaten? Denn man kann hier schon selbst vorgeprägt sein, dass kann die Auswahl prägen. Und der bereits erwähnte Kontext spielt immer eine Rolle, das geht auch den großen Plattformen so. Was darf man als Freiheit der Meinungsäußerung sehen, was nicht? Wichtig ist auch, viele Verfahren auszuprobieren, um das beste zu finden. Benchmarks sind hier wichtig, denn man kann hier mittels Data Challenges für einen internationalen Austausch suchen. Denn meist steht doch Englisch im Mittelpunkt, dabei brauchen alle Sprachen die Aufmerksamkeit in diesem Bereich - nur fehlen hier oft die Ressourcen. 

Dr. Diana Mantel

Dr. Thomas Mandl betont noch einmal, dass moderne Verfahren nicht Ausschau nach einzelnen Wörtern halten und dass für Systeme Daten entscheidend sind, um damit zu trainieren. Algorithmen trennen Hate Speech von anderen Posts, dafür trainiert man die Algorithmen. Bei maschinellem Lernen geht es dann darum, dass die bekannten Items in Klassen eingeteilt werden, um dann auch neue Items zu klassifizieren. Zentral ist aber, dass die bekannten Items richtig ausgewählt werden. 

Wichtig: Maschinelles Lernen findet keine perfekte Lösung, sondern ein Qualitätslevel. Das jeweilige "Muster" findet das System dann selbst, aber eben keine Regeln oder Gründe. 

Dr. Diana Mantel