Die Kommunikations-, Politik-, Rechts- und Chinawissenschaftlerin wandelt auf den Spuren des Filterblasen-Diskurses, den der Online-Pionier Eli Pariser in seinem Opus „The Filter Bubble“ ausgelöst hat. Auch er wählt als Ausgangspunkt für seine steilen Thesen einer drohenden Maschinen-Gatekeeper-Herrschaft den Dezember 2009: In diesem Monat änderte Google seinen Suchalgorithmus und läutete eine neue Ära der Personalisierung ein. Eine Zeitenwende. In der feuilletonistischen Variante von Frau Meckel sterben wir nun den Tod der virtuellen Berechenbarkeit.

Die Netzmenschen erleben eine Neuauflage des Schicksals von Narziss, dem Sohn des Flussgottes Kephissos, der sich in sein Spiegelbild verliebte, als er sich an einer Quelle niederließ und starb: „Enttäuschung, Entzauberung und Verirrung – sie bescherten dem Götterjungen sein Ende“, schreibt Meckel im Spiegel. Diesmal ist es nicht die Wasserquelle, die uns ins Unglück stürzt, sondern Software, die von Google, Facebook und anderen Internet-Giganten programmiert wird.

„Immer mehr Entscheidungen werden uns im personalisierten Internet durch Algorithmen abgenommen“, skizziert Meckel die Lage. Auf der Strecke bleiben Zufälle, Überraschungen, Zweifel und Ungewissheit. Als Ergebnis entsteht eine Gesellschaft, die auf dem weltkurzsichtigen digitalen Narziss beruht. Was hat uns der arabische Algebraiker Al-Khwarizimi da nur eingebrockt? Oder hat die Kommunikations-, Politik-, Rechts- und Chinawissenschaftlerin die faszinierenden Denkanstöße und Prozeduren der Informatik zur Lösung eines Problems vielleicht falsch verstanden?  

Die Behauptungen der Professorin für Corporate Communication und Direktorin am Institut für Medien- und Kommunikationsmanagement der Universität St. Gallen sowie Beraterin für strategische Kommunikation stoßen auf Skepsis: „Man muss zwei Dinge unterscheiden. Wenn wir im Internet etwas preisgeben, was Maschinen lesen können, dann werden wir in gewisser Weise analysierbar in unserem Verhalten in der Vergangenheit. Man kann rückwärts Informationen über Personen gewinnen. Eine völlig andere Frage ist, ob ich das Verhalten von Menschen vorhersagen kann. Da stehen wir, wenn es überhaupt möglich sein sollte, allenfalls am Anfang einer Entwicklung, die auf absehbare Zeit keine Ergebnisse zeitigen wird“, erwidert der Jurist und Informatiker Christoph Kappes im Gespräch mit Service Insiders.

Gute Algorithmen sind lernfähig

Es komme darauf an, um welche Arten von Vorhersagen es geht. Über großvolumige Datenmassen habe man schon heute die Möglichkeit, etwa über Gesundheit, Kriminalität, Wohlstand oder Bonität Wahrscheinlichkeitsaussagen über Personengruppen zu treffen. „Das ist aber etwas völlig anderes. Das Handeln einer einzelnen Person fernab von Clusteranalysen kann man nicht vorhersagen“, betont Kappes. Was Frau Meckel vorbringt, sei viel zu undifferenziert. Algorithmen, wenn man sie klug programmiert, seien schon lange in der Lage, zu lernen. Und dieses Lernen beruhe auf Testverfahren, um erkennen zu können, wie sich ein Nutzer entscheiden könnte. „Nehmen wir die Personalisierung bei Textilwaren. Hier kann eine Maschine nicht vorhersagen, ob ich eine bestimmte Art von Bikini in der nächsten Sommersaison kaufen werde. In der Vorsaison galten vielleicht andere Regeln oder ein anderes Modebewusstsein. Die Maschinen müssen also immer wieder Neues in ihre Analysen einbeziehen, um das Interesse der Konsumenten zu testen. Genauso ist es mit politischen Ereignissen. Wenn etwa Themen wie die Sarrazin-Debatte oder der Fukushima-Atomunfall in den Nachrichten auftauchen, ist es für Maschinen nicht möglich zu sagen, was der Nutzer tun soll. Diese Ereignisse sind in ihrer Singularität einzigartig“, erklärt Kappes.

Gute Algorithmen seien so konzipiert, dass sie erst Wissen erzeugen müssen. Und das würden sie aus dem aktuellen Verhalten generieren. „Sie legen mir nicht nur Sachen vor, die sie schon können. Das kann nicht funktionieren. Hier liegt auch ein Unverständnis gegenüber der Funktionalität von E-Commerce vor. Die Maschine muss mir doch immer etwas anderes vorschlagen als das, was ich schon gekauft habe. Wer gerade ein Auto erworben hat, sollte am nächsten Tag nicht sofort wieder die Empfehlung für ein Auto bekommen“, so der Berater für Online-Strategien. Empfehlungssysteme leben nicht von der Monotonie, sondern auch von Zufällen und Überraschungen. „Algorithmen sind keine statischen Regeln. Das stellen sich vielleicht Laien so vor. Es sind andere Mechanismen. Berechnet und bewertet werden Verhaltenswahrscheinlichkeiten auf Basis des sozialen Graphen oder der Crowd eines Nutzers. Vorschläge werden also dynamisch generiert“, sagt Kappes.

Filtereffekte in der Offline-Welt

Verkürzungen der Realität gebe es auch in der Offline-Welt. „Wenn man über Jahre hinweg nur die Inhalte seiner Abo-Zeitung wahrnimmt, gibt es ebenfalls Filtereffekte. Das ist ein normaler Vorgang, der sich von der Online-Welt nicht unterscheidet.“ Es liege am Interaktionsverhalten. Wer seinen Radar weit aufstellt und nicht nur die Bestätigung der eigenen Weltanschauung kultiviert, kann auch mit den Filtersystemen die Vielfalt des Netzes abrufen. Hier allerdings sieht Kappes den Algorithmus von Facebook kritisch: „Das ist ein sehr einfaches behavioristisches Modell, mit dem der Mark Zuckerberg-Konzern arbeitet. Ich kann die Aufregung von Geisteswissenschaftler verstehen, wenn Technologen simple Modelle von menschlichem Verhalten in die Welt setzen. Das ist in der Tat bedenklich. Hier modelliert man den Menschen als Objekt der Maschine. So wird man der Komplexität seines Verhaltens und Denkens nicht gerecht. Hier liegt Facebook falsch mit der Frage, ob man aus dem Maß der Interaktion mit anderen Personen schließen kann, welche Statusmeldungen angezeigt werden. Wenn ich etwas schweigend zur Kenntnis nehme, ist das ja kein Beleg für Unwichtigkeit. Auf dieser Grundlage gibt es keine Rechtfertigung für das Ausblenden von Informationen.“

Das ändere allerdings nichts an der Notwendigkeit von Selektionsmechanismen in einer Welt, die immer komplexer wird. „Sämtliche von Frau Meckel angesprochenen Mechanismen sind eine Vorselektion einer unübersichtlichen Auswahl. Die Chance, innerhalb dieser Vorselektion auf interessante Dinge zu stoßen ist mit Abstand größer, als bei einer nicht gefilterten Auswahl“, bemerkt der IT-Fachmann Klaus Blömeke von der Web-Agentur Avaris-Godot. Es gehe um Optionen, nicht um Diktate.

Text: Gunnar Sohn

• Siehe auch den Beitrag von Christoph Kappes in der FAZ: Intransparenz des Nicht-Wissens: Zur Theorie von der "Filter Bubble" http://www.fructus-gmbh.de/blog/2011/07/intransparenz-des-nicht-wissens-zur-theorie-von-der-filter-bubble