Die Methodik der spektralen Analyse

Der YouTuber Colsto, dessen Kanal 105.000 Abonnenten zählt, hat ein Verfahren zur präzisen Geolokalisierung von Videoaufnahmen entwickelt, das auf der Analyse von Hintergrundgeräuschen basiert. Zentral ist dabei die Identifikation von Doppler-Kurven vorbeifliegender Propellerflugzeuge im Spektrogramm. Diese Kurven bleiben dem menschlichen Ohr verborgen, werden jedoch nach entsprechender Auflösungserhöhung und Hineinzoomen sichtbar. Aufgrund der physikalischen Eigenschaft tiefer Frequenzen, Wände zu durchdringen, lassen sich solche Signale in nahezu jeder Außenaufnahme mit Umgebungsgeräuschen nachweisen. Colsto korreliert diese akustischen Muster mit ADS-B-Daten, die in der zivilen Luftfahrt kontinuierlich ausgesendet und von Plattformen wie Flightradar24 aggregiert werden.

Algorithmische Verarbeitung massiver Datenmengen

Die technische Umsetzung erfordert den Abgleich mit umfangreichen Datensätzen. Colsto lädt mittels eines Python-Skripts über Stunden hinweg sämtliche ADS-B-Flugdaten des kontinentalen USA für den relevanten Tag herunter. Diese Datensätze beinhalten neben der Position auch Geschwindigkeit, Höhe und Typcode der Maschinen, anhand dessen Jets von Propellerflugzeugen unterschieden werden können. Zur Berücksichtigung der Schallausbreitung integriert er ein landesweites Höhenmodell und eine dreidimensionale Physikmodellierung, wobei die Schrägdistanz zum Beobachter entscheidend ist, da ADS-B die Höhe über dem Meeresspiegel angibt. In monatelanger Entwicklungsarbeit entstanden dabei mehr als 5000 Zeilen Code. Ausgehend von einem Testclip einer Überwachungskamera mit zwei identifizierten Überflügen im Abstand von 920 Sekunden reduzierte er zunächst 35.000 mögliche Punkte durch Berücksichtigung der Schalllaufzeit, anschließend durch Analyse des Frequenzabfalls der Doppler-Kurven auf 73.000 Kandidaten und schließlich durch Auswertung der 15-minütigen Stille zwischen den Überflügen auf 15.000 verbleibende Orte.

Validierung und technische Limitationen

Die finale Verifikation erfolgte durch Modellierung der theoretisch erwarteten Doppler-Kurve für jeden Kandidatenpunkt anhand der tatsächlichen Flugdaten und deren Vergleich mit dem Spektrogramm des Videos. Der mit Abstand höchste Übereinstimmungswert entsprach exakt dem tatsächlichen Kamerastandort in Oyster Bay, was durch Street View anhand der Baumlinie und der sichtbaren Kamera bestätigt wurde. Erstaunlicherweise gelang die Lokalisierung auch in einem zweiten Test mit lediglich einer Minute Audio, obwohl die Doppler-Kurve darin kaum erkennbar war. Die erreichte Genauigkeit von rund 100 Metern basiert auf einem einzigen dokumentierten Fall und entbehrt bislang einer unabhängigen wissenschaftlichen Bestätigung. Colsto verzichtet auf die Veröffentlichung seines Codes oder fertiger Werkzeuge, wenngleich die Methode inzwischen von Dritten auf GitHub reimplementiert wurde.

Implikationen für den Datenschutz und Schutzmaßnahmen

Hinsichtlich möglicher Schutzmaßnahmen vor dieser Form der Lokalisierung zeigt sich die Methode als äußerst resistent. Weder der Einsatz von Hochpassfiltern noch das laute Übertönen anderer Geräusche kann das relevante Signal eliminieren, und selbst die Kompression bei Telefonübertragungen übersteht das Doppler-Signal unbeschadet. Als wirksam erweisen sich lediglich Schnitte im Videomaterial, die den zeitlichen Versatz zwischen aufeinanderfolgenden Flugzeugen zerstören, oder gezielte Rauschunterdrückung. Dennoch bewertet Colsto das praktische Risiko als gering, da es vermutlich hundert einfachere Methoden gebe, den Aufenthaltsort einer Person zu ermitteln. Die vorgestellte Technik verdeutlicht gleichwohl die zunehmende Bedeutung akustischer Forensik in der digitalen Medienanalyse und wirft Fragen zum Schutz der Privatsphäre bei der Veröffentlichung von Videomaterial auf.