Filter Bubble

Algorithmen bestimmen unseren digitalen Alltag: Suchmaschinen und Social-Media-Plattformen versorgen uns mit Ergebnissen und Meldungen, die von geheimen, streng gehüteten Rechenoperationen der Medienanbieter*innen individuell ausgewählt und uns dann präsentiert werden. Um Klarheit über das Zustandekommen dieser Prozesse zu bekommen, fordern Datenschutzexpert*innen und Internetaktivist*innen seit langem die Offenlegung dieser Algorithmen. Denn diese analysieren über Cookies die jeweiligen konkreten Webseitennutzungen und produzieren individuell zugeschnittene Treffer, von denen ausgegangen wird, dass sie für die jeweiligen Nutzenden von Interesse sein könnten.

Die Folge ist, dass sich jede*r Internetnutzende in ihrer*seiner eigenen Filterblase, der sogenannten Filter Bubble, bewegt. Die Komplexität der Realität wird dann auf diejenigen Produkte, Nachrichten, Meinungen, Freundschaftsvorschläge und vieles weitere reduziert, von denen das Rechenprogramm annimmt, dass dies individuell exakt passend für die betreffende Person sein könnte. In der Konsequenz werden dann für die Nutzenden widersprechende politische Meinungen oder unbequeme wissenschaftliche Fakten gezielt ausgeblendet. Eigene Denkmuster und Vorurteile können daher sehr leicht bekräftigt und zementiert werden.

Diese Vorstellung, welche zuerst von dem amerikanischen Medienaktivisten Eli Pariser 2011 geäußert wurde, ist allerdings in dieser Ausschließlichkeit nicht mehr zutreffend. Inzwischen sind die Rechenprozesse so raffiniert modifiziert worden, dass Algorithmen weit mehr an vermeintlich unpassenden „Treffern“ und Angeboten zur Verfügung stellen, als die Auswertung des eigenen Internetnutzung-Verhaltens zunächst vermuten lässt. Dahinter steckt die Annahme, dass die ständige und ausschließliche Bestätigung der eigenen Interessen und Meinungen, also das ausschließliche Bewegen in einer eigenen, in sich geschlossenen Filter Bubble schnell Langweile und Desinteresse auslösen könnte. So finden sich zum Beispiel bei Facebook vielfach auch Freundschaftsvorschläge oder bei Internetbuchhändlern Literaturvorschläge, die eigentlich nicht perfekt zum eigenen Profil und Nutzungsverhalten passen, die aber die individuelle Neugierde anregen sollen.

« Zurück zum Glossar
Kategorie: