Social Reporting basiert auf der Idee, dass Mitglieder eines ortsbezogenen sozialen Netzwerks in der realen Welt fur Mitglieder des Netzwerks relevante Ereignisse beobachten und Berichte uber diese Beobachtungen anderen Nutzern zur Verfugung. Ein grundlegendes Problem des Social Reporting ist die Auswertung der Berichte und hierbei vor allem die Bewertung der Zuverlassigkeit eines Berichts. Es stellt sich die zentrale Frage: Wie sehr kann einem Bericht auf Basis anderer verwandter Berichte vertraut werden und wie lasst sich dieses "Vertrauen" ohne menschliches Eingreifen bestimmen? Viele Anwendungsszenarien des Social Reporting bilden einen kleinen und klar umrissenen Teil der Wirklichkeit ab. Die Nutzer bilden eine recht homogene Gruppe, die sich auf Basis des entsprechenden Anwendungsfalles nur fur bestimmte Informationen interessieren. Ebenso ist auch die Auswertung der verschiedenen Berichte und deren Zuverlassigkeit an einen engen Rahmen gebunden, der eine automatische Verarbeitung mit recht einfachen Mitteln erlaubt. Allerdings ist zu beachten, dass die Bewertungskriterien fur die Bestatigung von Berichten durch andere Berichte sehr unterschiedlich ausfallen konnen und absolut vom betreffenden Anwendungsfall abhangig sind. Die Folge des Bewertungsprozesses ist ein Bestatigungsgraph - auch confirmation graph genannt. Dieser bildet das durchaus komplexe Geflecht von bestatigenden und widersprechenden Berichten ab und erlaubt eine Aussage uber die Zuverlassigkeit einzelner Berichte. Da in der bisherigen Nutzung des Social Reporting aufbauend auf einen beliebigen Anwendungsfall stets nur komplexe spezifische Regel- und Auswertungssysteme zum Einsatz kamen, wird in der vorliegenden Arbeit ein generischer Ansatz vorgestellt. Mit diesem ist es moglich auch komplexe und vollig unterschiedliche Anwendungsfalle mit einem Regelsystem abzubilden und einen davon ausgehenden Bestatigungsgraphen zu generieren. Um die Komplexitat des vorliegenden Ansatzes gering zu halten, be