Zum Inhalt springen
The Future Explorervon Benjamin Talin
Enablertechnologisch

Empfehlungssysteme

Recommender Systems

Die Software, die entscheidet, was Sie in einem Feed, auf einer Videoseite oder in einem Onlineshop als Nächstes sehen. Sie sortiert danach, was Sie am ehesten bei der Stange hält, nicht danach, was Sie gesucht haben. Auf einer großen Videoplattform bestimmt sie über 70 % dessen, was die Leute ansehen. Als Forscher Tausenden Nutzern weniger Beiträge Gleichgesinnter zeigten, änderten sich deren politische Ansichten nicht messbar. Sie prägt, was Milliarden Menschen sehen, und damit, was normal wirkt.

Reife

5/ 5
gemessen
GrundlageAllgegenwärtig und ausgereift: Empfehlungssysteme entscheiden über das meiste, was Milliarden Menschen jeden Tag sehen. Die EU verlangt inzwischen eine Alternative ohne Profilbildung, doch die Menschen nutzen weiter den sortierten Feed. Was fehlt, ist eine unabhängige Messung ihrer Wirkung.QuelleMeta, Q4 2023 results (1 Feb 2024); Neal Mohan, CES (Jan 2018), via NBC News; Regulation (EU) 2022/2065, Art. 38; European Commission (25 Apr 2023); Guess et al., Science 381 (Jul 2023); Nyhan et al., Nature 620 (27 Jul 2023)Stand2018–2024
ReifeFähigkeit 5Einsatz 5Verbreitung 5Gebremst durchRegulierungTrendgleichbleibend

Wo dieser Enabler wirkt

5 Megatrends in 2 Kräften

Wo Ihnen das schon begegnet ist

Während der US-Wahl 2020 senkten Forscher bei 23.377 Facebook-Nutzern den Anteil der Beiträge aus gleichgesinnten Quellen um etwa ein Drittel. Gleichgesinnte Quellen machten die Hälfte dessen aus, was US-Nutzer auf Facebook sahen. Bei acht Messgrößen, darunter Polarisierung, Extremität und der Glaube an falsche Behauptungen, bewegte sich nichts messbar. Der Algorithmus erklärt nicht alles. Aber er erklärt auch nicht nichts.

Wenn er reifer wird

Würden Feeds ohne Profilbildung zum Standard statt zur Option, bewegte sich die Karte nicht. Die Aufmerksamkeitsökonomie steht bei 1, gebremst von Konsumnormen. Die Zersplitterung der Faktenbasis steht bei 2, gebremst vom Vertrauen in Wissensinstitutionen, Polarisierung und Radikalisierung bei 2, gebremst vom Generationenwechsel. Verändern würde sich, was Menschen zu sehen bekommen.

Worauf Sie achten sollten

Wie viele Nutzer in der EU den Feed ohne Profilbildung wählen, den der Digital Services Act vorschreibt, und dabei bleiben. Ein Datenzugang für Forschende, den das Gesetz gewährt, statt dass er ausgehandelt werden muss.

Nicht zu verwechseln mit

Suche. Eine Suchmaschine beantwortet eine Frage, die Sie eingegeben haben. Ein Empfehlungssystem entscheidet, was es Ihnen zeigt, wenn Sie nach nichts gefragt haben.

Worum es geht

Algorithmen, die entscheiden, was jemand als Nächstes sieht. Sie sind auf Engagement-Signale optimiert, nicht auf geäußerte Vorlieben.

So funktioniert es

  1. 01Den Katalog eingrenzenAus Hunderten Millionen Inhalten wählt ein schnelles Modell einige Tausend aus, die ungefähr zu Ihrem bisherigen Verhalten passen.
  2. 02Den Kontext sammelnDas System ergänzt, was Sie gerade getan haben: was Sie bis zum Ende angesehen und was Sie übersprungen haben, wo Sie sind und wie spät es ist.
  3. 03Reaktionen vorhersagenEin großes Modell schätzt für jeden Inhalt, wie wahrscheinlich Sie ihn anklicken, ansehen, liken, teilen oder ausblenden.
  4. 04Zu einem Wert verrechnenDie Plattform entscheidet, wie viel jede Reaktion zählt. Diese Gewichte sind Geschäftsentscheidungen, keine Entscheidungen der Nutzer.
  5. 05Regeln anwenden und ausliefernSicherheitsfilter, das Aussortieren von Dubletten und bezahlte Platzierungen formen die Liste um, bevor sie in Sekundenbruchteilen auf Ihrem Bildschirm erscheint.

Aktueller Stand

  • Metas Apps kamen im Dezember 2023 im Schnitt auf 3,19 Milliarden täglich aktive Menschen (Meta, Ergebnisse für das 4. Quartal 2023, 1. Feb. 2024).
  • YouTubes Produktchef sagte, der Empfehlungsalgorithmus bestimme „über 70 Prozent der angesehenen Inhalte“ auf der Plattform (Neal Mohan, CES, Jan. 2018, berichtet von NBC News).
  • Die Kommission benannte 17 sehr große Online-Plattformen und 2 sehr große Suchmaschinen und gab ihnen vier Monate, um den Digital Services Act zu erfüllen (Europäische Kommission, 25. Apr. 2023).
  • Nach Artikel 38 des DSA müssen diese Dienste für jedes Empfehlungssystem mindestens eine Option anbieten, die nicht auf Profilbildung beruht (Verordnung (EU) 2022/2065).
  • Als Facebook- und Instagram-Nutzer drei Monate lang einen chronologischen Feed bekamen, verbrachten sie deutlich weniger Zeit auf den Plattformen. Ihre Polarisierung änderte sich aber nicht signifikant (Guess et al., Science 381, Juli 2023).
  • Als Forscher bei 23.377 Facebook-Nutzern den Kontakt mit gleichgesinnten Quellen um etwa ein Drittel senkten, hatte das keine messbare Wirkung auf acht Einstellungsmaße (Nyhan et al., Nature 620, 27. Juli 2023).

Warum das wichtig ist

Über Empfehlungssysteme wird Aufmerksamkeit in der ganzen Bevölkerung verteilt. Sie bestimmen, was gesehen wird, und damit, was als normal gilt. Das ist eine Aussage über die gesellschaftliche Wirklichkeit, nicht über Software.

  • Empfehlungssysteme speisen drei Megatrends stark, sind aber für keinen von ihnen der Engpass: die Aufmerksamkeitsökonomie, Plattformen als Vermittler des Soziallebens und die Zersplitterung der Faktenbasis. Jeden davon bremst etwas Menschliches.
  • Der Mechanismus ist belegt, das Ausmaß umstritten. Die großen Feldexperimente fanden kleinere Effekte, als die öffentliche Debatte annimmt.
  • Die Betreiber messen ihre Systeme ununterbrochen, alle anderen kaum. Dieses Ungleichgewicht ist die Diagnoselücke in ihrer reinsten Form.

Was ihn bremst

Regulierung

Die EU verlangt eine Option ohne Profilbildung und prüft systemische Risiken. Das begrenzt die Gestaltung, nicht die Nutzung.

Datenzugang

Unabhängige Forschende sind auf das angewiesen, was Plattformen herausgeben. Die besten Experimente liefen bisher mit Mitwirkung der Plattform.

Wo die Haftung liegt

Die Regeln setzen bei dem an, was Plattformen bereitstellen, nicht bei dem, was ihre Rankings verstärken. Diese Linie zu verschieben, gehört zu den wenigen Änderungen, die den Anreiz verändern würden, auf Engagement zu optimieren.

Begriffe

Kandidatenauswahl
Die erste Stufe eines Empfehlungssystems. Sie verkleinert einen riesigen Katalog auf einige Tausend Inhalte.
Ranking-Modell
Das Modell, das jeden Kandidaten nach dem erwarteten Engagement bewertet.
Profilbildung
Persönliche Daten werden genutzt, um die Interessen oder das Verhalten eines Menschen vorherzusagen. Zu genau diesem Vorgehen verlangt Artikel 38 des DSA eine Alternative.
Chronologischer Feed
Ein Feed, der nach Zeit sortiert ist statt nach vorhergesagtem Interesse.
Engagement
Messbare Reaktionen wie Klicks, Sehdauer, Likes und geteilte Beiträge, auf die Ranking-Systeme optimiert werden.

Treibt diese Megatrends an

Die Steigung verhält sich wie ein zähes Gummiband: Der schwächste Enabler zieht sie am stärksten zu sich. Nachrangige Verbindungen werden gezeigt, ziehen aber nicht mit.

Eine Stufe höher: was sich ändert

Mit 5 von 5 bewertet: Höher geht es nicht.

Was wäre, wenn er reifer würde?

Was die Steigung verändern würde

Ein Gedankenspiel, keine Prognose. Keine Zeitpunkte, keine Wahrscheinlichkeiten.

  1. 01Datenzugang für Forschende, gesetzlich vorgeschrieben statt ausgehandelt
  2. 02Voreinstellungen der Oberfläche: ein chronologisches oder selbst gewähltes Ranking als Option, die bestehen bleibt
  3. 03Haftung, die an der Verstärkung ansetzt statt am Bereitstellen

Verbreiteter Irrtum

Dass sie Vorlieben widerspiegeln. Sie optimieren einen Ersatzwert für Engagement. Der Schaden entsteht in der Lücke zwischen dem, worauf Menschen reagieren, und dem, was sie nach reiflicher Überlegung wählen würden. Die Wirkung auf die Polarisierung ist wirklich umstritten und muss auch so dargestellt werden.

Talin, B. (2026). Empfehlungssysteme. The Future Explorer, dataset v0.4.0 (16. November 2026). https://explorer.talin.digital/e/recommender-systems/