Ein YouTube-Creator will bestimmen können, wo ein Video aufgenommen wurde – auf rund 100 Meter genau und allein anhand des Flugzeuglärms im Hintergrund, den die Person hinter der Kamera nicht hören kann.

Der Kanal Colsto hat 105.000 Abonnenten. In einem diese Woche veröffentlichten Video nahm er einen Clip einer Überwachungskamera und arbeitete mit fast nichts: dem Datum, dem 8. September, und dem Wissen, dass die Aufnahme irgendwo in den kontinentalen USA entstanden war. Er habe die Kamera auf wenige hundert Fuß genau verortet, sagt er, und nennt den Ort Oyster Bay im Bundesstaat New York.

Das Signal ist die Doppler-Kurve eines Propellerflugzeugs, das über den Kopf zieht. Nähert sich eine Maschine und entfernt sich wieder, verbiegt sich die Tonhöhe ihres Dröhnens; die Verbiegung ist für das Ohr unhörbar, im Spektrogramm aber sichtbar, sobald man hineinzoomt und die Auflösung erhöht. Tiefe Frequenzen dringen durch Wände, also findet sich die Spur in praktisch jeder Aufnahme mit Umgebungsgeräuschen – auch, wie er zeigte, in Audio, das bereits durch Telefonkompression gegangen ist.

Alles Weitere ist Menge. Er lud einen ganzen Tag ADS-B-Flugdaten für die kontinentalen USA mit einem Python-Skript herunter, eine Aufgabe, die Stunden dauerte. ADS-B übermittelt Position, Geschwindigkeit, Höhe und Typcode; der Typcode trennte Jets von Propellermaschinen, und was er nicht klassifizieren konnte, behandelte er durch Ausschluss, indem er bekannte Jets herausfilterte. Zusätzlich brauchte er ein landesweites Höhenmodell, weil ADS-B die Höhe über dem Meeresspiegel angibt, die Schallausbreitung aber von der Schrägdistanz zum Mikrofon abhängt, sowie ein 3D-Modell der Ausbreitung selbst. Nach eigenen Angaben wuchs das Projekt über Monate auf mehr als 5.000 Zeilen Code.

Der Clip enthielt zwei Überflüge im Abstand von 920 Sekunden. Schritt eins: jeden Ort finden, an dem man erst ein Flugzeug hören würde und 920 Sekunden später ein zweites – unter Berücksichtigung der Zeit, die der Schall bis zum Eintreffen braucht. In einem Testgebiet, das weniger als 0,05 Prozent der Fläche der kontinentalen USA umfasst, blieben allein nach diesem Filter rund 35.000 Kandidatenpunkte übrig.

Schritt zwei: Geschwindigkeit und Entfernung jeder Maschine aus dem Frequenzabfall ihrer Doppler-Kurve ableiten. Landesweit ergab das etwa 73.000 Kandidaten, viele davon in Flughafennähe.

Schritt drei nutzte eine Abwesenheit. Zwischen den beiden Überflügen lagen rund fünfzehn Minuten, in denen überhaupt kein Flugzeug zu hören war. Jeder Ort, an dem in diesem Fenster eine Maschine hörbar gewesen wäre – etwa in Flughafennähe – fiel weg. Übrig blieben etwa 15.000 Punkte.

Schritt vier: für jeden verbliebenen Punkt die Doppler-Kurve modellieren, die die tatsächlichen Flugdaten erzeugt hätten, und sie gegen das Spektrogramm bewerten. Der mit Abstand höchste Wert ergab den echten Kamerastandort, den er anschließend per Street View prüfte – die Baumlinie passte, und die Kamera war auf den Bildern zu sehen. In einem zweiten Test fand er denselben Ort mit nur einer Minute Audio und bekannter Aufnahmezeit wieder, obwohl die Doppler-Kurve darin kaum zu erkennen war.

Die Behauptungen haben handfeste Einschränkungen. Er veröffentlicht weder Code noch Werkzeug, andere können seine Arbeit also nicht prüfen; mehrere haben die Methode auf GitHub nachgebaut, doch ohne das Demomaterial lässt sich die Genauigkeitsangabe nicht unabhängig bestätigen. Auch die Verallgemeinerung ist offen – ein früheres Video von ihm lokalisierte Orte anhand von Gewitterdonner auf etwa 5 km genau, drei Größenordnungen grober.

Beim Schutz ist er pessimistisch. Ein Hochpassfilter hilft nicht, Übertönen auch nicht. Was hilft, sagt er, sind Schnitte, die den Zeitabstand zwischen zwei Flugzeugen zerstören, oder zusätzliche Rauschunterdrückung – beides verändert allerdings die Aufnahme, nicht den Raum. Das praktische Risiko hält er für gering, weil es vermutlich hundert einfachere Wege gibt, jemanden zu finden.

Die unangenehme Version dieses Arguments lautet: Weil es hundert einfachere Wege gibt, wurde dieser hier billig ignoriert.