Wie Empfehlungssysteme die Kultur beeinflussen

Empfehlungssysteme sind zu den wichtigsten Gatekeepern des kulturellen Erlebens für Milliarden von Menschen weltweit geworden – eine Entwicklung mit so tiefgreifenden Folgen, dass sie begonnen hat, nicht nur die Kultur, die die Menschen konsumieren, sondern auch die Kultur, die geschaffen wird, neu zu gestalten.

Laut dem IFPI Global Music Report 2024 entdecken 671.030.000 Musikhörer neue Künstler über Streaming-Dienste, wobei algorithmisch generierte Wiedergabelisten als primärer Entdeckungsmechanismus über alle Altersgruppen hinweg genannt werden. Damit hat der Algorithmus den Radioprogrammgestalter, den Plattenladenangestellten, den Filmkritiker und den Kulturredakteur als dominierende Kraft, die den kulturellen Geschmack in großem Umfang prägt, effektiv verdrängt.

Der Ersatz ist nicht bloß administrativer Natur – er stellt einen grundlegenden Wandel in der Logik dar, die bestimmt, welche Kulturwerke ein Publikum erreichen, denn die algorithmische Auswahl optimiert Engagement-Metriken, die nicht identisch sind mit den Werten, denen die menschliche Kulturkuratierung historisch zu dienen versucht hat, und oft im Widerspruch zu ihnen stehen.

Eine im Jahr 2023 veröffentlichte Studie von Hesmondhalgh und Kollegen ergab, dass Empfehlungsalgorithmen dazu neigen, die kulturelle Vielfalt zu verringern, indem sie bestehende Präferenzen verstärken. Dieses Muster wurde durch Daten zur Genrevielfalt aus Spotifys Viral 50 Global Chart zwischen 2018 und 2024 bestätigt, die einen fortschreitenden Rückgang der Genrevielfalt und eine zunehmende Dominanz von Pop-orientierten Klängen zeigten, wodurch experimentelle und regionale Genres an den Rand gedrängt werden.

Eine quantitative Studie von Spotifys eigenen Forschungswissenschaftlern bestätigte, dass algorithmisch generierte Empfehlungen die Konsumvielfalt deutlich verringern. Diese Erkenntnis deckt sich mit dem, was Eli Pariser als „Filterblasen“ bezeichnete – Echokammern, die durch Algorithmen verstärkt werden und die Nutzer nicht nur informationell, sondern auch kulturell isolieren.

Bei dieser Dynamik geht es nicht nur um die Präferenzen der Konsumenten, sondern um die Ökologie der kulturellen Produktion selbst, denn die Kultur, die Algorithmen belohnen, ist die Kultur, die zunehmend produziert wird.

Die Architektur der Empfehlung: Wie Systeme auswählen, was Sie sehen

Empfehlungssysteme sind keine neutralen Werkzeuge, die Menschen mit Inhalten zusammenbringen, die sie selbst bevorzugen würden – sie sind Optimierungsmaschinen, die darauf ausgelegt sind, bestimmte Kennzahlen im Interesse bestimmter kommerzieller Interessen zu maximieren, und das Verständnis ihrer Architektur ist unerlässlich, um ihre kulturellen Auswirkungen zu verstehen.

Beim kollaborativen Filtern – dem vorherrschenden Ansatz in den meisten großen Empfehlungssystemen – werden Inhalte auf der Grundlage des Verhaltens von Nutzern vorgeschlagen, die als dem aktuellen Nutzer ähnlich angesehen werden. Dadurch entstehen Rückkopplungsschleifen, in denen sich Popularität selbst verstärkt und Unbekanntheit sich selbst verstärkt, unabhängig von der tatsächlichen Qualität oder Einzigartigkeit der zugrunde liegenden Inhalte.

Das Empfehlungssystem von Spotify, das auf Convolutional Neural Networks und Natural Language Processing basiert, kuratiert Wiedergabelisten, die Titel mit dem bevorzugen, was Branchenkenner als „algorithmische Streambarkeit“ bezeichnen – kurze Intros, repetitive Strukturen, sofort eingängige Hooks und Positionierung im Mainstream-Genre – Eigenschaften, die die Engagement-Metriken maximieren, für die der Algorithmus optimiert ist, und nicht Eigenschaften, die mit künstlerischer Innovation oder kultureller Bedeutung verbunden sind.

Die Empfehlungslogik von Netflix funktioniert über einen ähnlichen kommerziellen Rahmen: Untersuchungen zur algorithmischen Logik des Systems ergaben, dass es den kulturellen Geschmack durch Intransparenz statt Transparenz konstruiert und selbstgenerierende kulturelle Prozesse herbeiführt, die das untergraben, was Theoretiker der kulturellen Demokratie als „direkte und spontane Auseinandersetzung mit kulturellen Gütern“ bezeichnen.

Die Dimension der Intransparenz ist entscheidend für das Verständnis der kulturellen Macht des Algorithmus: Nutzer erleben Empfehlungen als personalisierte Vorschläge, die ihre eigenen Vorlieben widerspiegeln, während sie in Wirklichkeit das Ergebnis kommerzieller Entscheidungen darüber sind, welche Content-Partner eine bevorzugte Positionierung erhalten, in welche Genres die Plattform investiert und auf welche Interaktionsverhaltensweisen das System optimiert.

Große Plattenfirmen verhandeln günstige Platzierungen in Playlists, unabhängige Künstler konkurrieren auf ungleichem Terrain, unabhängig von der musikalischen Qualität, und der MIDiA-Forschungsbericht 2024 bestätigte die Folgen dieser Asymmetrien: Unabhängige Künstler machen 801³Ts des Spotify-Katalogs aus, erhalten aber nur 201³Ts empfehlungsgesteuerte Streams.

++ Die Rolle von Hobbys bei der Identitätsbildung

Der Homogenisierungseffekt: Was geht verloren, wenn Algorithmen auswählen

Die am besten dokumentierte kulturelle Folge der Dominanz von Empfehlungssystemen ist die Homogenisierung – die fortschreitende Verengung der kulturellen Vielfalt, die das Publikum erreicht, da sich Algorithmen auf die Formate, Strukturen und stilistischen Merkmale konzentrieren, die das größte Engagement im größten Umfang erzeugen.

Die „15-Sekunden-Regel“, die das Songwriting für die TikTok-Kompatibilität umstrukturiert hat, veranschaulicht diesen Effekt mit ungewöhnlicher Deutlichkeit: Datenanalysen viraler TikTok-Songs aus den Jahren 2021 bis 2024 zeigen, dass die Intros drastisch verkürzt wurden, Hooks fast sofort erscheinen und Wiederholungen dominieren, um die Einprägsamkeit innerhalb des Aufmerksamkeitsfensters zu gewährleisten, das die Empfehlungslogik der Plattform belohnt.

Ein Lied wie Adeles „Someone Like You“, dessen Refrain erst nach fast einer Minute emotionaler Entwicklung einsetzt, hätte es im aktuellen Umfeld der Kurzvideo-Empfehlungen schwer, algorithmisch wahrgenommen zu werden, unabhängig von seiner künstlerischen Qualität – eine strukturelle Unvereinbarkeit zwischen algorithmischer Optimierung und bestimmten Formen künstlerischen Anspruchs, die jede kreative Entscheidung von Künstlern beeinflusst, die sich der Funktionsweise des Systems bewusst sind.

In Märkten wie Brasilien werden Genres wie Samba und Forró von globalem Pop und Reggaeton in den Schatten gestellt. Dies geschieht durch algorithmische Dynamik, die das belohnt, was bereits die meisten globalen Interaktionsdaten aufweist – eine Dynamik, die das lokale musikalische Erbe nicht durch explizite Zensur, sondern durch den strukturellen Nachteil untergräbt, mit Inhalten zu konkurrieren, deren globale Reichweite ihnen einen algorithmischen Vorteil verschafft, den lokale Besonderheiten nicht ausgleichen können.

Kulturbereich	Homogenisierungseffekt	Was geht verloren?
Musik	Popdominanz, kurze Hook-Struktur	Regionale Genres, experimentelle Formen
Film/Fernsehen	Präferenz für Fortsetzungen und Franchises	Autorenkino, lokales Geschichtenerzählen
Nachricht	Empörungsinhalte, die auf Interaktion basieren	Investigativer, kontextbezogener Journalismus
Bücher	Bestseller-Selbstverstärkung	Literarische Mittelklasse, Übersetzungsliteratur
Bildende Kunst	Ästhetische Konvergenz bei Stilen mit hohem Engagement	Schwierige, anspruchsvolle Arbeit

Das Muster in verschiedenen Kulturbereichen offenbart eine konsistente Strukturlogik: Empfehlungssysteme belohnen Inhalte, die ein unmittelbares Engagement bei einem möglichst großen Publikum hervorrufen, was systematisch Inhalte benachteiligt, deren Wert von Vorwissen, anhaltender Aufmerksamkeit, Toleranz gegenüber Schwierigkeiten oder kulturellen Besonderheiten abhängt, die ihr unmittelbar ansprechbares Publikum einschränken.

Die Antwort des Schöpfers: Wenn sich Kunst dem Algorithmus anpasst

Der kulturelle Einfluss von Empfehlungssystemen reicht über Konsummuster hinaus bis hin zu Produktionsentscheidungen, da Kreative in allen Kulturbereichen zunehmend künstlerische Entscheidungen auf der Grundlage algorithmischer Kompatibilität und nicht mehr ausschließlich auf der Grundlage kreativer Urteilsfähigkeit treffen.

Musiker, die „Spotify-freundliche“ Tracks produzieren – formelhaft, sofort zugänglich, strukturell optimiert für die Streaming-Engagement-Metriken, die die algorithmische Promotion bestimmen – stellen die sichtbarste Form dieser Anpassung dar, aber die gleiche Logik gilt auch für Film, Fernsehen, Verlagswesen und bildende Kunst, überall dort, wo die algorithmische Distribution die wirtschaftliche Rentabilität bestimmt.

Filmemacher, die wissen, dass das Empfehlungssystem von Netflix Inhalte mit hohen Abschlussraten bevorzugt – eine Kennzahl, die vertraute Genres und konventionelle Erzählstrukturen belohnt –, stehen unter kommerziellem Druck, Werke zu produzieren, die der Algorithmus problemlos empfehlen kann, anstatt Werke, die das Publikum herausfordern oder überraschen und dadurch die Abschlussraten verringern, selbst wenn sie gleichzeitig die kulturelle Wirkung erhöhen.

UNESCO hat die Bedrohung dokumentiert, die die algorithmische kulturelle Verbreitung für die kulturelle Vielfalt als öffentliches Gut darstellt, und in ihren Rahmenwerken zum kulturellen Ausdruck festgestellt, dass die kommerzielle Optimierungslogik von Empfehlungssystemen systematisch jene kulturellen Formen benachteiligt, die am stärksten von öffentlichen Investitionen und dem Schutz der Öffentlichkeit abhängig sind – also genau jene, deren Wert über Generationen hinweg verstanden wird und nicht auf vierteljährliche Engagement-Kennzahlen optimiert ist.

Das Phänomen, das Forscher als „algorithmische Prekarität“ bezeichnen – die Instabilität kultureller Arbeit, die durch die Abhängigkeit von algorithmischer Gunst entsteht, die sich ohne Vorwarnung ändern kann – stellt einen strukturellen Wandel der Bedingungen kultureller Produktion dar, dessen langfristige Konsequenzen für die Bandbreite und den Anspruch des menschlichen kulturellen Ausdrucks erst allmählich verstanden werden.

++ Wie Algorithmen beeinflussen, was wir sehen und was wir glauben

Das Paradoxon der Personalisierung: Mehr Auswahl, weniger Entdeckung

Im Mittelpunkt der Marketingstrategie für Empfehlungssysteme steht die Personalisierung – die Idee, dass Algorithmen jedem Nutzer präziser das bieten, was er will, und ihn so von der generischen Massenkultur befreien, die menschliche redaktionelle Gatekeeper verschiedenen Zielgruppen auferlegt haben.

Die Forschung verkompliziert diese Darstellung immer wieder und offenbart ein Paradoxon im Kern der algorithmischen Personalisierung: Die Nutzer erhalten mehr Inhalte, die ihren gezeigten Präferenzen entsprechen, während sie gleichzeitig weniger Inhalte sehen, die diese Präferenzen erweitern, in Frage stellen oder umlenken würden – eine Kombination, die sich wie mehr Auswahl anfühlt, aber tatsächlich ein eingeschränkteres kulturelles Erlebnis hervorbringt.

Unbegrenzte Kataloge führen zu Entscheidungslähmung, und Algorithmen lösen dieses Problem, indem sie die effektive Auswahl einschränken – sie präsentieren überschaubare Optionen aus einer unmöglichen Fülle und lassen die Nutzer im Unklaren darüber, was sie nie sehen, d. h. sie lassen sie im Unklaren darüber, welche Wahlmöglichkeiten ihnen nicht angeboten werden.

Die „zufällige Entdeckung“, die den vor-algorithmischen Kulturkonsum kennzeichnete – das Stöbern in einem Plattenladen, das zufällige Auftauchen eines unbekannten Autors in einer Bibliothek, das Ansehen eines Films, der von einem Freund mit anderem Geschmack empfohlen wurde – führte zu einer Auseinandersetzung mit kulturellen Werken, die Empfehlungssysteme, die auf Ähnlichkeit der Präferenzen optimieren, niemals vorschlagen würden, da diese Systeme darauf ausgelegt sind, das Risiko der Abkehr zu minimieren, anstatt die Bandbreite der Erfahrungen zu maximieren, die die Auseinandersetzung mit vielfältiger Kultur bietet.

Untersuchungen zur algorithmischen Logik von Netflix ergaben, dass dadurch die Möglichkeiten für das eingeschränkt werden, was Wissenschaftler als „epistemische Reibung“ bezeichnen – die produktive Schwierigkeit, die sich aus der Auseinandersetzung mit unterschiedlichen Perspektiven und Inhalten ergibt, die sich einem unmittelbaren Verständnis entziehen – genau die Qualität, die die kulturelle Bildung traditionell als wesentlich für die kulturelle Entwicklung und nicht nur für den bloßen kulturellen Konsum angesehen hat.

Hin zu algorithmischer kultureller Verantwortlichkeit

Die kulturellen Folgen der Dominanz von Empfehlungssystemen haben begonnen, regulatorische und institutionelle Reaktionen hervorzurufen, die die wachsende Erkenntnis widerspiegeln, dass die kommerzielle Optimierungslogik privater Plattformen nicht der alleinige Bestimmungsfaktor für die kulturelle Verteilung auf sozialer Ebene sein kann.

Die Untersuchung der britischen Regierung zu Streaming-Diensten ergab, dass Algorithmen „Verzerrungen widerspiegeln könnten, die in der Folge die Entdeckung neuer Musik einschränken, den Musikgeschmack vereinheitlichen und Künstler, die ihre Musik selbst veröffentlichen, benachteiligen könnten“. Die Regierung forderte eine stärkere Kontrolle der Intransparenz algorithmischer Kuration – eine regulatorische Anerkennung der Tatsache, dass die kulturellen Auswirkungen von Empfehlungssystemen von öffentlichem Interesse sind und nicht bloß eine kommerzielle Designentscheidung darstellen.

Das Konzept der „kulturellen Bürgerschaft“ – das Recht der Menschen, Zugang zu vielfältigen kulturellen Ausdrucksformen als Dimension des bürgerlichen Lebens und nicht bloß als Konsumenten algorithmisch kuratierter Unterhaltung zu erhalten – hat in politischen Diskussionen an Bedeutung gewonnen. Einige Forscher argumentieren, dass Empfehlungssysteme verpflichtet werden sollten, neben Engagement-Metriken auch Diversitätsmetriken in ihre Optimierungsziele einzubeziehen.

Die Europäische Union hat in seinem Digital Markets Act und den damit verbundenen regulatorischen Rahmenbedingungen auch Aspekte der kulturellen Vielfalt berücksichtigt. Dies spiegelt die institutionelle Einschätzung wider, dass die kulturelle Macht großer Plattformen nicht als rein kommerzielle Angelegenheit, sondern als eine Angelegenheit mit Auswirkungen auf die demokratische Kultur und den sozialen Zusammenhalt betrachtet werden kann.

++ Die Ethik des Aufmerksamkeitsökonomie-Designs

Die vorgeschlagenen technischen Lösungen – diversitätsbewusste Empfehlungsalgorithmen, Transparenzanforderungen hinsichtlich der Empfehlungslogik, Kontrolle der Nutzer über den Grad der Personalisierung – sind vielversprechend, stehen aber vor der strukturellen Herausforderung, dass sie von den Plattformen verlangen, eine reduzierte Optimierung des Nutzerengagements im Austausch für kulturelle Güter zu akzeptieren, für die ihre Geschäftsmodelle keinen direkten Anreiz zur Wertschätzung bieten.

Abschluss

Empfehlungssysteme beeinflussen die Kultur nicht als neutrale Infrastruktur, die bereits bestehenden Präferenzen dient, sondern als aktive Kräfte, die prägen, was hergestellt, was verbreitet, was entdeckt wird und welche Arten von kulturellen Ambitionen in einer Welt, in der algorithmische Werbung über den kommerziellen Erfolg entscheidet, wirtschaftlich tragfähig sind.

Die in Musik, Film, Nachrichten und bildender Kunst dokumentierte Homogenisierung spiegelt die vorhersehbare Folge der Optimierung der kulturellen Verbreitung auf Engagement-Kennzahlen statt auf die Werte – Vielfalt, Herausforderung, lokale Besonderheit, künstlerischer Ehrgeiz – wider, denen die menschliche Kulturkuratierung historisch gesehen neben der kommerziellen Rentabilität zu dienen versucht hat.

Die Anpassung der Kreativen an algorithmische Normen – die verkürzten Einleitungen, die formelhaften Strukturen, die algorithmenfreundlichen ästhetischen Entscheidungen – stellt einen kulturellen Preis dar, der diffus und schwer zu quantifizieren ist, aber eine reale Verengung der Bedingungen widerspiegelt, unter denen bestimmte Formen kultureller Ambitionen wirtschaftlich möglich werden.

Die Beweislage deutet letztlich darauf hin, dass die Überlassung der kulturellen Verteilung von Milliarden von Menschen an Systeme, die ausschließlich auf kommerzielle Interessen ausgerichtet sind und keine Transparenz-, Rechenschafts- oder Diversitätsanforderungen erfüllen, kulturelle Folgen hat, die keine demokratische Gesellschaft gutheißen würde, wenn sie explizit genannt würden, anstatt unsichtbar in eine Infrastruktur eingebettet zu sein, die die meisten Menschen nur als personalisierten Komfort erleben.

Häufig gestellte Fragen

1. Was sind Empfehlungssysteme und wie beeinflussen sie die Kultur? Empfehlungssysteme sind Algorithmen, die auswählen, welche Inhalte Nutzern auf Streaming- und Social-Media-Plattformen angezeigt werden. Sie beeinflussen die Kultur, indem sie bestimmen, welche kreativen Werke ein Publikum erreichen, welche künstlerischen Formate kommerziell belohnt werden und welche kulturellen Formen die algorithmische Förderung erhalten, die über die wirtschaftliche Rentabilität im digitalen Vertriebszeitalter entscheidet.

2. Vereinheitlichen Empfehlungsalgorithmen den kulturellen Geschmack? Ja, Forschungsergebnisse belegen dies durchweg. Studien, darunter auch Arbeiten von Spotifys eigenen Wissenschaftlern, bestätigten, dass algorithmisch generierte Empfehlungen die Vielfalt des Musikkonsums deutlich verringern. Die Daten zur Genrevielfalt aus Spotifys Viral 50 Global Chart zeigen eine fortschreitende Verengung zwischen 2018 und 2024.

3. Wie beeinflussen Empfehlungssysteme die Werke von Künstlern? Kreative treffen zunehmend künstlerische Entscheidungen auf Basis algorithmischer Kompatibilität – kürzere Intros, repetitivere Strukturen, Positionierung im Mainstream-Genre –, um die algorithmische Promotion und damit die kommerzielle Reichweite zu maximieren. Dies führt zu einer von Forschern als „algorithmische Prekarität“ bezeichneten Situation und einer Verengung der wirtschaftlich tragfähigen Kunstformen.

4. Führt die Personalisierung bei den Nutzern tatsächlich zu mehr oder zu weniger kultureller Vielfalt? Weniger, obwohl sie scheinbar mehr bieten. Empfehlungssysteme schränken die effektive Auswahl ein, indem sie die Ähnlichkeit von Präferenzen optimieren, anstatt neue Inhalte zu entdecken. Dadurch werden Nutzern nicht bewusst, was sie nie sehen, und die zufällige Begegnung mit unbekannten Kulturen, die das Browsen vor der algorithmischen Nutzung ermöglichte, entfällt.

5. Welche regulatorischen Maßnahmen werden ergriffen, um den kulturellen Auswirkungen von Empfehlungssystemen zu begegnen? Die britische Regierung hat eine stärkere Kontrolle der Intransparenz algorithmischer Kuration gefordert. Die EU hat Aspekte der kulturellen Vielfalt in ihr Gesetz über digitale Märkte aufgenommen. Forscher haben diversitätsbewusste Algorithmen, Transparenzanforderungen und Benutzerkontrollen als technische Antworten auf die derzeitige kommerzielle Optimierungslogik bei Empfehlungssystemen vorgeschlagen.