Nach dem Terrorattentat von Halle sind wir geschockt (aber ich zumindest, wie viele, nicht überrascht), ringen um Fassung und um ein Verständnis dieser Tat. Irgendwie ahnen oder wissen die meisten "Nicht-Rechten", dass das keine absonderliche Einzeltat eines abwegigen/verrückten Einzeltäters war. Vielmehr hat er aus einer Mischung aus Antifeminismus, Antisemitismus und der verschwörungsideologischen Idee vom 'großen Austausch' gewaltsam gemordet – und viele Elemente davon sind weit in die bürgerliche Mitte hinein inzwischen normalisiert. So weit, so allgemein. Und so schlimm genug. Für uns alle, für uns als Gesellschaft, für diejenigen von uns, die adressiert sind – als Feminist_innen, Juden/Jüdinnen, Migrant_innen. Für die Toten und Verletzten sowie Ihren Angehörigen ganz besonders. 

Der Täter hat dabei aber auch eine Form bedient und war in einem Kontext verortet, der die Tat besonders macht. Wie andere Terroristen vor ihm, etwa in Pittsburgh oder Christchurch, war er offenbar Teil von digitalen Netzwerken, er hat sich online radikalisiert und auch seine Tat online publiziert. Dabei hat er auch in Sprache und Text Codes der Incel-Szene genutzt. Zu diesen besonderen Formen 'digitalen Antisemitismus' forscht der Autor dieses englischsprachigen Textes, Matthias Becker. Er arbeitet am Zentrum für Antisemitismus-Forschung der TU Berlin und an der Universität Haifa, Israel. 

Der Text kritisiert die Missachtung digitaler Formen des Antisemitismus in der bisherigen Forschung und er skizziert Aspekte eines entsprechenden Forschungsprogramms. Linguistik, Sozialforschung, Medienwissenschaft und mehr wären dafür zentral. 

The ongoing confrontation with hatred online is key to develop strategies to combat antisemitism. Research and education must now integrate internet studies, antisemitism studies and the use of a mixed methods research approaches, marrying qualitative and quantitative methods. It only is a question of time until the second quantitative step will be covered by machine learning tools. It will, however, always remain our task to understand and name the varieties of implicitness which will be far too complex and ambivalent for machine learning and AI tools to process.