Eine Kontaktliste kann lang sein, während die Antwort auf eine andere Frage schwerfällt: Wen würde ich anrufen, wenn ich heute jemanden wirklich brauche? Zwischen sichtbarer Vernetzung und erlebter Nähe liegt ein Unterschied, den keine Followerzahl auflöst.
Eine neue Studie untersucht, ob sich dieser Unterschied wenigstens teilweise in Instagram-Spuren abzeichnet. Yueyi Jiang und ihre Mitautoren verglichen freiwillig bereitgestellte Archive von 415 US-Studierenden mit Fragebögen zu Einsamkeit und sozialen Beziehungen. Sie fanden unterschiedliche Muster. Wie belastbar die daraus berechneten Vorhersagen sind, hängt allerdings auch davon ab, wie die Modelle geprüft wurden. Im öffentlich bereitgestellten Analysecode gibt es dabei einen konkreten Vorbehalt.
Die am 6. November 2026 veröffentlichte Arbeit in *npj Mental Health Research* ist eine begutachtete, akzeptierte Vorabfassung. Eine abschließende Verlagsfassung lag bei unserer Prüfung am 10. November noch nicht vor. Ein Vergleich mit einer solchen Endfassung ist deshalb derzeit nicht möglich.
Welche Nähe fehlt?
Einsamkeit beschreibt eine als unzureichend erlebte Verbindung zu anderen Menschen. Wenige Kontakte können dazu beitragen; viele Kontakte können das Gefühl trotzdem bestehen lassen. Auch die Art der fehlenden Beziehung spielt eine Rolle. Die Studie unterscheidet deshalb mehrere Fragen, statt eine einzige Kontaktzahl zum Maß aller Dinge zu machen.
Drei Fragen, die keine Kontaktzahl allein beantwortet
| Fall | Worauf die Frage zielt | Wie die Studie es erfasst |
|---|---|---|
| Emotional | Fehlt eine enge, verlässliche Bindung? Auch viele Kontakte schließen dieses Gefühl nicht aus. | Drei Fragen der De-Jong-Gierveld-Skala zur emotionalen Einsamkeit. |
| Sozial | Fehlt Zugehörigkeit zu einem breiteren Freundes- oder Bekanntenkreis? | Drei weitere Fragen derselben Skala zur sozialen Einsamkeit. |
| Strukturell | Welche Familien- und Freundschaftskontakte und Unterstützung werden berichtet? | Lubben Social Network Scale mit sechs Fragen. Auch hier handelt es sich um Selbstauskünfte, nicht um eine vollständige Beobachtung aller Beziehungen. |
Die Unterscheidung zwischen emotionaler und sozialer Einsamkeit stammt aus einer längeren Forschungstradition. Die hier verwendete Kurzskala wurde von Jenny de Jong Gierveld und Theo van Tilburg entwickelt und geprüft. Ihre Teilwerte beschreiben Dimensionen einer Erfahrung, keine unveränderlichen Menschentypen.
Hinzu kamen in der Instagram-Studie die 20 Fragen der UCLA Loneliness Scale und eine einzelne Frage nach Einsamkeit aus dem PERMA-Instrument. So entstanden aus vier Instrumenten fünf Messgrößen. Alle beruhen auf Auskünften der Teilnehmenden. Selbst die stärker auf Netzwerkstruktur gerichtete Lubben-Skala ist hier keine unabhängige Bestandsaufnahme sämtlicher Beziehungen.
Vom eigenen Archiv zur Datenzeile
Die Studierenden der University of California San Diego luden ihre eigenen Instagram-Archive herunter und stellten sie mit Einwilligung für die Untersuchung bereit. Das Forschungsteam sammelte also nicht einfach öffentlich sichtbare Profile Unbeteiligter. Rund 62 Prozent der untersuchten Konten waren privat.
Von zunächst 541 Teilnehmenden blieben nach fehlenden Instagram-Inhalten und unvollständigen Fragebögen 415 übrig. Knapp 79 Prozent waren Frauen, rund 85 Prozent höchstens 21 Jahre alt. Diese freiwillige Stichprobe von einem Campus bildet weder alle Instagram-Nutzenden noch die Bevölkerung ab.
Die Auswertung verband unterschiedliche Spuren: Häufigkeit und Zeitpunkt von Beiträgen, Likes und Kommentare, Bildunterschriften und Sprache sowie softwaregestützte Bildmerkmale. Dazu gehörten etwa die Zahl erkannter Gesichter, Farben oder geschätzte Gesichtsausdrücke. Eine solche Softwarekategorie ist noch keine Beobachtung dessen, was ein Mensch beim Fotografieren tatsächlich empfand.
Ein weiterer Unterschied liegt in der Zeit. Die Archive dokumentieren vergangene Plattformaktivität; die Fragebögen erfassen die Auskünfte beim Studientermin. Die Analyse behandelt das Befinden daher als vergleichsweise stabil. Sie verfolgt nicht, wie sich die Einsamkeit einer Person über Monate verändert und ob sich ihr Instagram-Verhalten jeweils mitverändert.
Eine AUC von 0,77 bedeutet nicht 77 Prozent richtige Diagnosen
Für ihre Klassifikationsmodelle bildeten die Forschenden Gruppen mit niedrigen und hohen Fragebogenwerten. Beim allgemeinen UCLA-Maß umfassten diese Gruppen 111 und 105 Personen. Die mittleren Werte wurden ausgeschlossen: Diese Rechnung beruhte somit auf 216 ausgewählten Personen, nicht auf allen 415.
Der vorgesehene Ablauf teilte die ausgewählten Daten in 80 Prozent für Training und 20 Prozent für einen Test. Mehrere Modellarten wurden verglichen. Für das allgemeine Einsamkeitsmaß berichtet die Arbeit beim besten Modell eine AUC von 0,77, mit einem 95-Prozent-Konfidenzintervall von 0,62 bis 0,89. Diese Kennzahl beschreibt, wie gut das Modell die beiden Gruppen anhand seiner Rangfolge trennt. 0,5 entspräche einer zufälligen Rangfolge, 1 einer perfekten. Sie ist keine Quote richtiger Diagnosen. Die separat berichtete Trefferquote lag bei 68 Prozent.
Für emotionale und soziale Einsamkeit lagen die besten AUC-Werte jeweils bei 0,74. Beim stärker strukturellen Netzwerkmaß waren es 0,61; das Unsicherheitsintervall reichte von 0,42 bis 0,79 und schloss damit auch das Zufallsniveau ein. Die Daten bilden die verschiedenen Fragen offensichtlich nicht gleich gut ab.
Schon dieser Aufbau begrenzt eine Anwendung: Ein Modell, das ausgewählte niedrige von hohen Fragebogenwerten trennt, ist noch nicht für Menschen im mittleren Bereich geprüft. Eine unabhängige Bewährungsprobe an einem anderen Campus oder in einer anders zusammengesetzten Bevölkerung fehlt ebenfalls.
Der Test muss auch bei der Merkmalsauswahl unabhängig bleiben
Zu einer belastbaren Prüfung gehört mehr als das Zurückhalten von Daten beim eigentlichen Modelltraining. Auch die Entscheidung, welche Merkmale das Modell überhaupt verwenden soll, darf die späteren Testergebnisse nicht bereits kennen.
Im derzeit öffentlich bereitgestellten Klassifikationsskript geschieht die Merkmalsauswahl jedoch auf dem gesamten zuvor in niedrige und hohe Werte eingeteilten Datensatz. Erst anschließend wird in der Bewertungsfunktion die Trainings- und Testgruppe getrennt. Damit können die Einsamkeitsangaben späterer Testpersonen bereits beeinflussen, welche Merkmale ausgewählt werden.
Dieses Problem heißt Datenleck oder data leakage. Die Methodendokumentation von scikit-learn erläutert genau diesen Fall: Wer Merkmale unter Einbeziehung der Testdaten auswählt, kann eine zu günstige Vorhersagegüte erhalten. Auch eine Kreuzvalidierung innerhalb der Auswahl beseitigt die Kenntnis der anschließend verwendeten Testgruppe nicht nachträglich.
Unser Befund beruht auf dem Lesen des veröffentlichten Codes. Wir haben die Daten nicht neu ausgewertet und können die Größe einer möglichen Verzerrung nicht beziffern. Ebenso lässt sich daraus nicht rekonstruieren, welche nicht veröffentlichten Zwischenfassungen tatsächlich ausgeführt wurden. Die berichteten Modellwerte sollten deshalb als vorläufige Ergebnisse dieses Analysewegs gelesen werden. Eine Neuberechnung mit vollständig auf die Trainingsdaten begrenzter Merkmalsauswahl und ein externer Test würden die Aussagekraft besser klären.
Muster sind keine Regeln über einzelne Menschen
In den weiteren Analysen passten geringere Beteiligung und weniger Rückmeldungen eher zur sozialen Dimension; sprachlich negativ bewertete Bildunterschriften und spätes Posten eher zur emotionalen. Daraus wird keine Regel wie „Wer nachts postet, ist einsam“. Ein Nachtdienst, ein anderer Tagesrhythmus oder eine Veranstaltung können dieselbe sichtbare Spur hinterlassen.
Auch die Überschneidung mit anderen Belastungen ist erheblich. Berücksichtigten die Forschenden zugleich depressive und Angstsymptome und korrigierten für die vielen statistischen Vergleiche, blieb bei den untersuchten Einzelmerkmalen nur die geringere Zahl von Gesichtern pro Beitrag für das UCLA-Maß und die PERMA-Einzelfrage signifikant. Die übrigen Muster ließen sich in dieser strengeren Auswertung nicht entsprechend absichern.
Das zeigt, wie schwer spezifische Deutungen sind. Ein Merkmal kann mit mehreren Erfahrungen zusammenhängen. Und ein Foto zeigt, wer im Bild ist; es zeigt nicht alle Beziehungen der fotografierenden Person. Die im Artikel verwendeten Verfahren zur Erklärung von Modellentscheidungen beschreiben zudem den Beitrag eines Merkmals zur Vorhersage, keinen ursächlichen Einfluss auf Einsamkeit.
Ob Instagram selbst Einsamkeit verursacht oder lindert, beantwortet dieses Beobachtungsdesign nicht. Dafür sind andere Untersuchungen nötig. In einem Experiment von Melissa Hunt und Kolleginnen aus dem Jahr 2018 wurden 143 Studierende nach einer Ausgangswoche zufällig einer Nutzungsbegrenzung oder der üblichen Nutzung zugeteilt. Die Begrenzung betraf Facebook, Instagram und Snapchat gemeinsam, jeweils zehn Minuten täglich über drei Wochen. Am Ende berichtete die begrenzende Gruppe weniger Einsamkeit als die Vergleichsgruppe. Der kleine, kurze Versuch isoliert jedoch weder Instagram allein noch eine dauerhafte Wirkung. Er untersucht eine andere Frage als das Erkennen von Einsamkeit aus Archivdaten.
Privatsphäre betrifft auch das, was niemand ausdrücklich sagt
Die Teilnehmenden hatten der Forschung zugestimmt. Ihre Roharchive werden wegen sensibler und identifizierbarer Inhalte nicht öffentlich weitergegeben; veröffentlicht sind aufbereitete Merkmale und Analysecode. Diese Entscheidung verdeutlicht, dass Plattformspuren mehr enthalten können als unverfängliche Aktivitätszahlen.
Das grundsätzliche Problem ist älter als diese Studie. Bereits Kosinski, Stillwell und Graepel zeigten 2013, dass aus Facebook-Likes private Eigenschaften erschlossen werden können, die Menschen nicht unmittelbar offengelegt haben. Diese andere Plattform und andere Untersuchung bestätigen nicht das neue Einsamkeitsmodell. Sie machen aber verständlich, warum Privatsphäre auch indirekte Schlussfolgerungen betrifft.
Gerade eine fehlerhafte Zuschreibung kann Folgen haben: Ein System könnte jemanden ungefragt als einsam behandeln, während es andere mit tatsächlichem Unterstützungsbedarf übersieht. Solche Folgen wurden in der Instagram-Studie nicht praktisch erprobt. Informierte Einwilligung in einen begrenzten Forschungszweck ist deshalb keine allgemeine Zustimmung zur späteren Bewertung eines Menschen durch beliebige Dienste.
Nähe braucht Gelegenheiten außerhalb einer Datenzeile
Die digitale Seite einer Freundschaft lässt sich nicht auf die Menge öffentlicher Reaktionen reduzieren. Eine persönliche Nachricht, verlässliche Erreichbarkeit oder ein vertrauter Gruppenchat können wichtiger sein als ein sichtbarer Kommentar. Wie solche Beziehungen gepflegt werden, erklärt unser Beitrag über Nähe und Distanz in Messenger-Gruppen.
Zugleich brauchen Begegnungen erreichbare Orte und Zeit. Die WHO-Kommission für soziale Verbundenheit bezieht deshalb Bibliotheken, Parks, öffentlichen Verkehr und andere soziale Infrastruktur ein. Das bedeutet nicht, dass ein neuer Park automatisch jede Einsamkeit beseitigt. Es erweitert die Frage: Welche Möglichkeiten haben Menschen überhaupt, andere regelmäßig zu treffen und Beziehungen aufrechtzuerhalten? Auch Arbeit, Wohnen und Mobilität prägen diese Möglichkeiten.
Die neue Forschung macht sichtbar, dass verschiedene Erfahrungen unterschiedliche Spuren hinterlassen können. Ihr öffentlicher Analyseweg zeigt zugleich, wie sorgfältig solche Signale geprüft werden müssen. Ob Nähe fehlt und welche Nähe gebraucht wird, bleibt eine Frage an Menschen und ihre Lebensbedingungen. Ein Profil kann dafür Hinweise liefern; die Antwort eines Menschen ersetzt es nicht.
Stand: 10. November 2026. Berücksichtigt sind die akzeptierte Verlags-Vorabfassung, ihr Anhang und der öffentlich bereitgestellte Analysecode. Das Cover ist ein KI-generiertes Symbolbild und zeigt keine untersuchte Person oder reale Benutzeroberfläche.
