Guide · 2026
So stoppst du Spam in einer Telegram-Gruppe.
Telegram gibt Admins ein paar grobe Werkzeuge. Sie helfen – bis zu einem gewissen Punkt. Hier ist die ehrliche Anleitung, inklusive der Stelle, an der die Bordmittel enden und das Scannen beginnt.
Schritt 1 · Die Bordmittel
Was können Telegrams Bordmittel gegen Spam?
Beschränke, was Mitglieder senden dürfen, schalte Telegrams aggressiven Anti-Spam-Modus ein und nutze Beitrittsanfragen statt offener Einladungen. Das legt die Messlatte für Spammer höher. Eine Grenze solltest du kennen: Telegrams Recht Linkvorschau senden entfernt die Linkvorschau, blockiert aber keine Links. Und nichts davon stoppt Konten, die einen Tag warten und dann ein „Giveaway“ posten.
Schritt 2 · Warum Filter jetzt scheitern
Warum scheitern Stichwortfilter an maschinell geschriebenem Spam?
Stichwortfilter und statische Blocklisten gehen davon aus, dass Spam sich wiederholt. Maschinell geschriebener Spam tut das nicht: Er wird pro Nachricht neu geschrieben, hinter täuschend ähnlichen Zeichen versteckt („c0inbаse“), erst harmlos gepostet und nachträglich zu Spam umgeschrieben oder als freundliches Gespräch aufgebaut, das erst bei Nachricht fünf kippt. Musterabgleich sieht nichts davon.
Schritt 3 · Scannen statt abgleichen
Was sollte ein Telegram-Anti-Spam-Bot können?
Ein Scan-Bot bewertet jede Nachricht anhand vieler Signale gleichzeitig – Alter des Absenders, Entitätenmix, normalisierter Text, Posting-Rhythmus – und scannt Bearbeitungen erneut. Zwei Anforderungen, auf denen du bestehen solltest: Er sollte jede Nachricht prüfen, nicht nur eine Stichprobe (Targa tut das), und er sollte jede Aktion erklären, damit deine Moderation Einsprüche übersteht. Das ist Targas /why <id>.
Schritt 4 · Die neuen Angriffe
Wie stoppt man Betrug, auf den kein Stichwort passt?
Betrugs-Funnels im Gesprächston und personalisiertes Phishing sind eine andere Klasse von Angriff: es gibt nichts abzugleichen, nur eine Absicht zu beurteilen. Ab Starter beurteilt Targas umfassende Prüfung die Absicht und erwischt so neuen und getarnten Betrug, nicht nur bekannte Muster.