Chat-Report
Wie sich die Spam- und Scam-Bots im deutschen Deadlock-Chat entwickelt haben
Seit Februar 2026 schneidet der Twitch-Bot der Community mit, wenn im Chat der angebundenen Kanäle Werbung für gekaufte Zuschauer auftaucht oder ein fremdes Konto Kontakt sucht, um später etwas zu verkaufen. Aus 793 dokumentierten Spam-Nachrichten von 784 Konten lässt sich ablesen, wie diese Bots arbeiten und sich anpassen. Drei Dinge fallen sofort auf: eine einzige Marke trägt fast alles, die Bots verstellen ihren Text, sobald ein Filter greift, und unsere eigene Lernreaktion auf eine neue Marke ist von rund hundert Tagen auf denselben Tag gefallen. Jede Rechenregel und jeder Vorbehalt stehen am Ende.
Stand: 3. September 2026 · Messzeitraum Februar bis September 2026 · Chat-Log und Moderationsdaten des Twitch-Bots
Kapitel 1
Was wir sehen
Grundlage dieses Textes sind 793 Spam-Nachrichten von 784 Konten zwischen Februar und September 2026. Eine Zeile ist eine Werbe- oder Kontaktnachricht, die der Bot gebannt, stummgeschaltet oder als bekanntes Muster erkannt hat. Gespeist wird die Zahl aus vier Quellen: 390 Bans über Twitchs Ereignis-Schnittstelle, 317 Muster-Verdachtsfälle ohne Aktion, 84 Bot-Bans und 2 direkt moderierte Nachrichten.
Die Kanalabdeckung schwankt stark und verbietet jeden nackten Monatsvergleich: 170 bis 186 Kanäle im Februar und März, nur 25 bis 28 von April bis Juni, dann 127 im Juli und 227 im August. Erst auf 10.000 mitgelesene Nachrichten umgerechnet wird die Last vergleichbar. So gerechnet liegt sie zwischen 10,8 im Juli und 49 im Mai.
Spam-Nachrichten je 10.000 mitgelesene Nachrichten je Monat
Nur die im Chat mitgelesenen Spam-Nachrichten, geteilt durch die mitgelesenen Nachrichten desselben Monats. Der Juni ist bewusst als Lücke gezeichnet, die Tabelle nennt zusätzlich die absoluten Zahlen und die Kanalabdeckung.
Die häufigste Spam-Nachricht je Monat, wörtlich aus dem Chat-Log, Namen durch [Name] ersetzt.
Der Juni ist eine Lücke, kein Rückgang An den Juni-Tagen stammen alle Spam-Nachrichten aus der Ban-Schnittstelle und der Bot-Logik, nicht aus dem mitgelesenen Chat, deshalb hat die umgerechnete Reihe für den Juni keinen Wert. Der Ausschlag im Mai kommt zum Teil daher, dass damals nur 25 Kanäle mitgelesen wurden und die kleine Bezugsmenge den Wert nach oben zieht. Und der Muster-Verdacht ohne Aktion ist als Obergrenze gezählt, die absolute Reihe ist deshalb eher zu hoch als zu niedrig.
Kapitel 2
Der Text wandert
Der Spam-Text ist nie stabil. Von 753 ausgewerteten Spam-Texten trägt die überwältigende Mehrheit eine getrennte Schreibweise der Domain, damit ein simpler Wortfilter nicht anschlägt: aus streamboo.com wird streamboo . com oder der Hinweis, das Leerzeichen zu entfernen. Im Februar sind das 27 von 47 Texten, ab Juli praktisch alle (182 von 182 im Juli).
Zwischendurch probieren die Bots auffälligere Tricks. Im Mai kommt eine Welle mit mathematischen Sonderzeichen und Kleinkapitälchen, die für das Auge fast wie normale Buchstaben aussehen: 41 Spam-Nachrichten. Im Juni ebbt sie auf 8 ab und verschwindet danach. Unverfremdete Werbung ist früh häufiger und fällt später auf fast null.
Verfremdungsformen der Spam-Texte je Monat
Anteile je Monat, auf 100 Prozent skaliert. Ein Text kann mehrere Tricks tragen, hier zählt die auffälligste Form je Nachricht nach fester Rangfolge. Die Tabelle nennt die absoluten Zahlen aller Formen.
Die auffälligste verstellte Schreibweise je Monat, wörtlich aus dem Chat-Log.
Zwei erwartbare Tricks bleiben aus Unsichtbare Zeichen, die Text im Chat zerhacken, kommen im ganzen Zeitraum kein einziges Mal vor. Kyrillische Zwillingsbuchstaben, die lateinischen zum Verwechseln ähneln, tauchen genau zweimal auf, beide im April 2026. Das ist ein Ergebnis und kein fehlendes Feature: die einfache Punkt-Trennung reicht den Bots offenbar aus. Die Formen sind heuristisch über Unicode-Blöcke erkannt, nicht über einen Vergleich der gerenderten Zeichen.
Kapitel 3
Neue Domains, neue Marken
Hinter fast allem steht ein einziger Dienst. streamboo läuft von Februar bis September durch, 607 Spam-Nachrichten in 155 Kanälen, verteilt über die Endungen .com, .org und .live. Das passende Filter-Fragment wurde aber erst am 28. Mai 2026 gelernt, also 105 Tage nach dem ersten Auftritt am 12. Februar 2026.
Die drei jüngsten Marken tauchen im August binnen 8 Tagen auf und werden jeweils am selben Tag in den Filter aufgenommen (siehe Tabelle). Genau darin liegt die Entwicklung: die Lernreaktion ist von rund hundert Tagen auf denselben Tag gesunken. Daneben stehen kurzlebige Wegwerfdomains, viele davon auf .ru registriert (smmxl.ru, prmxy.ru, maxadsx.ru, reachon.ru), mit ein bis zwei Tagen Lebensdauer und einer Handvoll Nachrichten.
Marken nach Zahl der Spam-Nachrichten
Rollup über alle Endungen einer Marke, ab zwei Spam-Nachrichten. streamboo sprengt jeden Maßstab, deshalb steht der Rest in der Tabelle mit Erstauftritt, Lebensdauer und dem Tag, an dem der Filter die Marke lernte.
Die Zeitleiste zeigt dasselbe von der anderen Seite. Sie zählt nur den mitgelesenen Chat, also 550 Chat-Spam-Nachrichten; die 793 aus den anderen Kapiteln enthalten zusätzlich netzweite Bans und das Bot-Log. streamboo trägt hier 451 davon in 132 Kanälen und ist fast jede Woche aktiv, twitchmax taucht erst Ende August auf (52 Nachrichten) und wird am selben Tag gelernt. Dazwischen liegen 19 Nachrichten aus 13 kleinen Wegwerfmarken. Der Chat-Log beginnt am 31. Januar 2026, davor gibt es keinen Chat-Text.
Marken im Wochenraster
Eine Zeile je Marke, ein Kästchen je Kalenderwoche, die Füllung nach Zahl der Chat-Spam-Nachrichten. Der Ring markiert die Woche, in der der Filter das Fragment gelernt hat. Marken unter drei Nachrichten sind als "sonstige" zusammengefasst.
Aktive Marken je Woche, davon neu
Wie viele verschiedene Marken je Woche im mitgelesenen Chat auftauchten und wie viele davon zum ersten Mal. Der Sprung Mitte Februar ist die Welle der Wegwerfmarken, danach bleibt es meist bei einer Marke je Woche.
Zeitleiste ist eine Untergrenze Die Wochenreihe zählt nur Chat-Spam-Nachrichten aus mitgelesenen Kanälen; bei schwacher Kanalabdeckung von April bis Juni liegt die wahre Aktivität darüber. Die Markenebene mit streamboo und twitchmax ist belastbarer als die kleinen Kürzel mit ein bis zwei Nachrichten. Reaktionszeiten vor Mitte Juli fehlen, weil der Bot seine Aktionen erst ab dann protokolliert.
Kapitel 4
Vom Drive-by zum Gespräch
Neben der platten Werbung gibt es einen zweiten, langsameren Weg. Ein Gespräch-Beobachter stuft seit Juni Chatverläufe ein und markiert 23 davon als Scam. Das Muster ist fast immer dasselbe: erst anfreunden, dann der Pitch, meist ein Angebot für mehr Reichweite oder die Einladung auf einen fremden Discord.
Ein typischer Einstieg aus dem Gesprächs-Scam, wörtlich, Name des fremden Discords entfernt.
Auffällig ist das Verhältnis. Die unsicheren Fälle explodieren im Sommer, 133 im Juli und 281 im August, während echte Scam-Urteile selten bleiben. Vor dem ersten Scam-Urteil schreiben diese Konten im Median nur 2 mitgelesene Nachrichten, in einem Einzelfall bis 239: der Pitch kommt meist schnell, gelegentlich nach langem Aufbau. Von 24 Gründen der globalen Banliste nennen 16 ausdrücklich einen Discord- oder Konkurrenzbezug.
Scam-Kategorien des Gespräch-Beobachters
Nur die als Scam eingestuften Verläufe, nach Kategorie. Die Tabelle zeigt die monatlichen Urteile insgesamt, in denen die unsicheren Fälle stark überwiegen.
Der Beobachter handelt kaum selbst In den Aktionen stehen 14 Bans, 3 Timeouts und 2 zurückgenommene Urteile, die Zahlen sind also klein. Die Nachrichten-vor-Pitch-Zahl zählt nur mitgelesene Nachrichten und unterschätzt die reale Gesprächslänge, wenn ein Konto in nicht geloggten Kanälen geschrieben hat.
Kapitel 5
Die Accounts
Die Konten hinter dem Spam sind jung. Beim ersten Auftritt bei uns sind sie im Median 13,8 Tage alt, normale Chatter dagegen rund 2.920 Tage, also viele Jahre. 44,4 Prozent der Spam-Konten sind höchstens sieben Tage alt und 56,2 Prozent höchstens dreißig, bei normalen Chattern sind es 2,1 und 3,2 Prozent.
Noch deutlicher ist die Löschquote. Von 479 nachgeschlagenen Spam-Konten gibt es 325 (67,8 Prozent) bei Twitch nicht mehr, sie sind also inzwischen gesperrt oder gelöscht. Twitch räumt die Wegwerfkonten am Ende ab, aber erst, nachdem sie bei uns gespammt haben. Bei normalen Chattern fehlen nur 7 Prozent.
Auch die Namen verraten die Bots. Die Logins sind länger (Median 19 gegen 9 Zeichen) und folgen oft einem festen Bauplan: ein echtes englisches Wort, manchmal zwei zusammengesetzte, und daran ein zusammenhangloser Rest aus Buchstaben und Ziffern. Der Anfang liest sich wie Sprache, das Ende ist Zeichensalat. Dieses Muster tragen 25,9 Prozent der Spam-Konten gegen 9,7 Prozent bei normalen Chattern. Im Verhalten ist es meist ein Schuss: im Median ein Kanal und eine Nachricht je Konto, ein einzelnes Konto streute aber über 81 Kanäle.
Alle acht gehören zu Konten, die es bei Twitch nicht mehr gibt. Wort am Anfang, Zeichensalat am Ende.
Junge Konten: Anteil bei Spam gegen normale Chatter
Anteil der Konten, die höchstens sieben beziehungsweise dreißig Tage alt sind, als sie zum ersten Mal auftauchten. Die Tabelle nennt zusätzlich Median und Quartile.
Das Spam-Alter ist nach oben verzerrt Twitchs Schnittstelle liefert nur noch existierende Konten, und die gelöschten (die 67,8 Prozent) sind eher die jungen Wegwerfkonten. Das echte Alter liegt also darunter. Das Kontoalter nutzt die 153 noch existierenden Konten mit gültigem Erstauftritt, die Löschquote alle 479 nachgeschlagenen, die Namensmuster die 784 Spam-Konten und das Verhalten die 489 Konten mit mitgelesenen Nachrichten.
Kapitel 6
Welche Kanäle es trifft
Für die Frage, wen es trifft, zählt nur der mitgelesene Chat, also die 550 Chat-Spam-Nachrichten. Der Spam sucht die kleinsten Kanäle, und zwar stärker, als es die Szene allein erklärt: 98 % der Spam-Nachrichten fielen in Kanäle mit null bis fünf Zuschauern, obwohl diese Klasse nur 76,1 % aller Streamstunden stellt. Ein Streamstart-Fokus fehlt: nur 2,2 % der Nachrichten kamen in den ersten zehn Minuten, 18,5 % in den ersten dreißig.
Die Treffer sammeln sich auf wenigen Kanälen. Von 155 getroffenen Kanälen wurden 73 genau einmal getroffen, 56 zwei- bis viermal, 12 fünf- bis neunmal und 14 zehnmal oder öfter. Die zehn meistgetroffenen Kanäle fangen 40 % aller Spam-Nachrichten ab. Partner-Kanäle sind leicht überrepräsentiert: 52 % der Treffer entfallen auf Partner, obwohl Partner nur 40,9 % der Streamstunden stellen. Im Tages- und Wochenprofil folgt der Spam einfach dem Streambetrieb, ohne eigenen Wochentag oder eine eigene Uhrzeit.
Getroffene Kanäle nach Zuschauerklasse gegen Streamstunden
Anteil der Chat-Spam-Nachrichten je Zuschauerklasse gegen den Anteil der Streamstunden derselben Klasse. Läge der Spam einfach dort, wo gestreamt wird, wären beide Balken gleich hoch. Die Tabelle nennt die absoluten Zahlen.
Wie oft ein getroffener Kanal getroffen wird
Die 155 getroffenen Kanäle nach Zahl ihrer Spam-Nachrichten. Die meisten sehen den Spam nur einmal, eine kleine Spitze zieht einen großen Anteil auf sich.
Snapshot-Toleranz und Partner-Stand Die Zuschauerzahl ist der nächste Messpunkt im Zehn-Minuten-Fenster, nicht der Wert zur Sekunde; für 54 Nachrichten gab es keinen Messpunkt, gerechnet ist mit den 496 mit Wert. Die Streamstunden sind aus der Zahl der Messpunkte hochgerechnet, also proportional. Partner meint unser eigenes Partnerprogramm nach heutigem Stand.
Kapitel 7
Ban-Rate und Reaktionszeit
Wie viel davon fängt der Bot ab? Der Anteil der Spam-Nachrichten mit nachweisbarer Aktion sinkt über die protokollierten Monate: 72 Prozent im Juli, 48,5 im August, 35,3 im September. Wo der Bot bannt, tut er es sofort.
Zwei getrennt gemessene Reihen, beide für automatisierte Sofort-Bans. Die Balken zeigen, wie sich die Reaktionszeit verteilt.
Die Bans verteilen sich auf drei Wege: das reine Muster (162), das KI-Urteil des Gespräch-Beobachters (16 plus 14 aus seinem eigenen Pfad) und die globale Banliste (2 im Bot-Log, insgesamt 24 Konten mit 1.264 Anwendungen in 59 Kanälen). Fehlalarme sind sichtbar, aber begrenzt: die KI-Nachprüfung verwarf 38 von 45 reinen Muster-Treffern als harmlos, zwei Scam-Urteile wurden zurückgenommen, und 10 Schutzmuster halten bekannte harmlose Formulierungen frei.
Anteil der Spam-Nachrichten mit nachweisbarer Aktion je Monat
Erst ab Mitte Juli protokolliert der Bot seine Aktionen, davor ist der Anteil nicht messbar. Die Tabelle nennt die zugrunde liegenden Spam-Nachrichten und Aktionen.
Der sinkende Anteil ist eine Untergrenze Der Muster-Verdacht ohne Aktion ist als Obergrenze gezählt und liegt im August besonders hoch, vieles davon in Kanälen, in denen der Bot gar kein Moderator ist und deshalb nicht bannen kann. Die tatsächliche Trefferquote in den Kanälen mit Moderationsrechten liegt darüber.
Die Sekunden sind ein Messartefakt Beide Reihen belegen Sofort-Bans, sind aber keine saubere Erkennungslatenz: die anstößige Nachricht wird oft erst beim Ban mitgeloggt. Reihe 1 misst über Textgleichheit 132 Bans der Ereignis-Schnittstelle, Reihe 2 177 aus dem Bot-Log; der längere obere Wert der zweiten Reihe (3,6 Sekunden) kommt von wenigen Konten mit mehreren gleichen Nachrichten.
Kapitel 8
Methodik und Grenzen
Alle Zahlen stammen aus dem Chat-Log und den Moderationsdaten des Twitch-Bots. Was wie gerechnet wurde und wo die Rechnung schwach ist, steht hier.
Zwei Bezugsmengen
Die Kapitel 1 bis 5 und 7 zählen 793 Spam-Nachrichten aus vier Quellen: Bans über Twitchs Ereignis-Schnittstelle, Bot-Bans, direkt moderierte Nachrichten und der reine Muster-Verdacht im Chat-Log ohne Aktion (Grundgesamtheit im statistischen Sinn, also die volle ausgewertete Menge, Muster-Verdacht als Obergrenze). Die Zeitleiste und das Kapitel zu den Kanälen zählen dagegen nur 550 Spam-Nachrichten aus dem mitgelesenen Chat-Log, weil dort Zuschauerzahl und Woche pro Nachricht nötig sind.
Die Kanalabdeckung schwankt
Das Chat-Log deckt im Februar und März 170 bis 186 Kanäle ab, von April bis Juni nur 25 bis 28, im Juli 127 und im August 227. Jede Monatsquote braucht deshalb ihre Bezugsgröße (den Nenner), absolute Monatszahlen sind nicht vergleichbar.
Das Kontoalter ist nur teilweise messbar
Das Alter kommt aus Twitchs Konto-Schnittstelle und gibt es nur für noch existierende Konten (zensiert, also für gelöschte Konten fehlend). Weil die gelöschten eher die jungen Wegwerfkonten sind, ist das Median-Alter der Spam-Gruppe nach oben verzerrt. Die Löschquote selbst ist das stärkere Signal. Gezählt sind die 153 der 154 noch existierenden Konten mit gültigem Erstauftritt.
Was "von Twitch gelöscht" heißt
Von den nachgeschlagenen Spam-Konten liefert Twitchs Schnittstelle einen Teil nicht mehr zurück. Diese Konten gibt es dort nicht mehr, sie sind gesperrt oder gelöscht. Twitch räumt die Wegwerfkonten also selbst ab, aber erst, nachdem sie bei uns gespammt haben. Bei normalen Chattern fehlen nur sieben Prozent.
Kanäle und Zuschauer
Die Zuschauerzahl je Spam-Nachricht ist der nächste Messpunkt im Zehn-Minuten-Fenster aus den Statistik-Snapshots (twitch_stats_category); für 54 der Nachrichten fehlt einer, gerechnet ist mit den 496 mit Wert. Die Streamstunden als Bezugsgröße sind aus der Zahl der Snapshots hochgerechnet. Der Partner-Status kommt aus twitch_partners nach heutigem Stand.
Reaktionszeit als Messartefakt
Die Sekunden zwischen Nachricht und Ban belegen automatisierte Sofort-Bans, sind aber keine Erkennungslatenz. Die anstößige Nachricht wird oft erst beim Ban mitgeloggt. Gemessen ist über Textgleichheit auf 132 Paare aus der Ereignis-Schnittstelle und zusätzlich auf das Bot-Log (tb_chat_autoban_log).
Eine Massen-Entbannung ist raus
1.171 Entbannungen an einem einzigen Tag stammen aus einer Aufräumaktion eines einzelnen Kanals und sind aus allen Quoten ausgeschlossen, weil sie sonst das Bild verzerren würden.
Was hier nicht steht
Keine Streamer- oder Chatter-Namen, keine Twitch-Kennungen, keine Einladungslinks. Die Spam-Domains und Marken sind genannt, weil sie der Gegenstand sind. Die Beispieltexte stehen wörtlich, aber mit [Name] statt Klarnamen, denn die Bots wissen ohnehin, wie ihr eigener Text aussieht.
Zwei Schlüsse drängen sich auf. Junge Konten sind das verlässlichste Signal: ein frisch angelegtes Konto, das sofort einen Link postet, verdient von der ersten Nachricht an mehr Misstrauen. Und die schnelle Lernreaktion auf eine neue Marke, wie sie im August gelang, sollte der Normalfall werden, am selben Tag statt nach rund hundert Tagen. Das beschreibt, was die Daten zeigen, kein Versprechen darüber hinaus.