Online-Plattformen für soziale Medien ermöglichen es Millionen von Menschen, ihre Gedanken, Interessen und starken Meinungen zu verschiedenen Themen mit einem breiten Spektrum von Lesern zu teilen, unabhängig davon, welche Beziehung zwischen Bloggern und Lesern außerhalb des Internets besteht. Eine der prominentesten palformen ist Twitter, ein Microblogging-Dienst, der es Nutzern ermöglicht, kurze, auf 280 Zeichen begrenzte Nachrichten in Echtzeit mit ihren Followern zu teilen. Im Allgemeinen sind die Beiträge der Nutzer nur für die Follower des Verfassers des Tweets sichtbar, aber andere Nutzer können interagieren, indem diese den Post retweeten und ihn mit ihrer eigenen Community teilen. Daher ist ein Schlüsselmechanismus für die Informationsverbreitung in Twitter das Retweeten von Posts. Viele Forschungsarbeiten wurden zur Informationsverbreitung im Bezug auf soziale Medien durchgeführt. Die meisten haben ihren Fokus entweder auf explorative statistische Methoden, der Verbreitung von Informationen, Wissensfiltern, ideologischen Blasen und Fake News, oder sind überwiegend theoretische, mathematische Simulationen ohne starke empirische Bezüge. Daher werden in dieser Masterarbeit Erkenntnisse aus bisherigen Forschungsergebnissen kombiniert, indem eine empirische, agentenbasierte Simulation entwickelt wird, welche ein Netzwerk der aktuellen deutschen Twitter-Nutzer repräsentiert. Um das Ziel zu erreichen, werden über 12 Millionen Nutzer, 245 Millionen Beziehungen, 91 Millionen Tweets und 50 Millionen Hashtags von der Twitter-API erhoben. Das agentenbasierte Modell wird dann auf Basis der empirischen Daten konstruiert, um das Retweet-Verhalten der Twitter-Nutzer in verschiedenen Parteien des Deutschen Bundestages darzustellen. Es wird festgestellt, dass die agentenbasierte Modellierung ein valider Ansatz für die Analyse von Informationsverbreitung in den sozialen Medien darstellt. Darüber hinaus werden auf der Grundlage der Simulationsergebnisse verschiedene Netzwerkcharakteristika der Agenten verglichen, um zu verstehen, welche Bedeutung diese für die Viralität eines Tweets haben. Online social media platforms enable millions of people to share their thoughts, interests andstrong opinions on different topics with a wide range of readers, regardless of the relationshipsocial media bloggers and readers have outside of the internet. One of the most well-known social media sites is Twitter, a microblogging service that allows users to share short messages limited to 280 characters with their followers in real-time. In general, user posts are only visible to the followers of the author's tweet, but other users may interact by retweeting the post and sharing it with their community. Hence, retweeting is a key mechanism in Twitter for information diffusion. Many research topics were conducted regarding information diffusion in online social networks. However, most either focus on exploratory statistical methods to investigate the spread of information, knowledge filters, ideological bubbles, fake news or are predominantly theoretical, mathematic simulations without strong empirical references. Thus, this master thesis aims to combine two virtual scientific strands by designing an empirical agent-based simulation representing a network of the actual German Twitter users. Therefore, a sophisticated crawling framework is implemented that collects over 12 million users, 245 million relationships, 91 million tweets and 50 million hashtags from the Twitter API. The agent-based model is then built on the empirical data from the bottom-up to represent the retweeting behaviour of the Twitter user in different parties of the German Bundestag. It is concluded that agent-based modelling is a valid approach for analysing information diffusion mechanisms in online social networks. Furthermore, based on the simulation results, different network characteristics of the agents are analysed to understand the significance of these contributing to the virality of a tweet. László Baló Masterarbeit FH JOANNEUM 2022