Algorithmische Empfehlungen
Funktionsweise, Bedeutung und Besonderheiten für öffentlich-rechtliche Rundfunkanstalten
Published in September 2018
Book
Paperback/Softback
32 pages
978-3-87296-145-7 (ISBN)
Description
Zusammenfassung
Algorithmische Empfehlungen sind ein zentraler Mechanismus der Aufmerksamkeitslenkung in digitalen
Medien geworden. Ihre konkrete Form ist gestaltbar. Es ist deshalb zu prüfen, in welcher
Hinsicht sie für öffentlich-rechtliche Anbieter geeignet sein können und wie sich ihre konkrete Einbettung
in Plattformen für nicht-lineare audiovisuelle Angebote strategisch gestalten lässt.
Gegenwärtige Empfehlungssysteme beziehen zumeist Ähnlichkeiten der Inhalte ("content-based
filtering") und/oder der Nutzer ("collaborative filtering") ein. Hinzu können auch kontextbezogene
Parameter kommen, etwa die Tageszeit oder der soziale Kontext eines Nutzers. Ziel von Empfehlungssystemen
ist in der Regel, ein personalisiertes Set an Empfehlungen zu geben, was nicht ausschließt,
den Nutzer auch zu einer größeren Variation von Inhalten anzuregen ("nudging").
Der zentrale Unterschied zwischen menschlichem und algorithmischem Empfehlen betrifft die Intentionalität
des Handelns. Sie ist bei journalistischer Selektion und Präsentation gegeben, fehlt
jedoch bei algorithmischen Empfehlungen. Zwar werden Empfehlungssysteme mit bestimmten
Absichten gestaltet, doch die konkrete Empfehlung selbst beruht dort auf kalkulierten, probabilistischen
Annahmen statt auf kommunikativen Intentionen.
Algorithmische Empfehlungen sind ein zentraler Mechanismus der Aufmerksamkeitslenkung in digitalen
Medien geworden. Ihre konkrete Form ist gestaltbar. Es ist deshalb zu prüfen, in welcher
Hinsicht sie für öffentlich-rechtliche Anbieter geeignet sein können und wie sich ihre konkrete Einbettung
in Plattformen für nicht-lineare audiovisuelle Angebote strategisch gestalten lässt.
Gegenwärtige Empfehlungssysteme beziehen zumeist Ähnlichkeiten der Inhalte ("content-based
filtering") und/oder der Nutzer ("collaborative filtering") ein. Hinzu können auch kontextbezogene
Parameter kommen, etwa die Tageszeit oder der soziale Kontext eines Nutzers. Ziel von Empfehlungssystemen
ist in der Regel, ein personalisiertes Set an Empfehlungen zu geben, was nicht ausschließt,
den Nutzer auch zu einer größeren Variation von Inhalten anzuregen ("nudging").
Der zentrale Unterschied zwischen menschlichem und algorithmischem Empfehlen betrifft die Intentionalität
des Handelns. Sie ist bei journalistischer Selektion und Präsentation gegeben, fehlt
jedoch bei algorithmischen Empfehlungen. Zwar werden Empfehlungssysteme mit bestimmten
Absichten gestaltet, doch die konkrete Empfehlung selbst beruht dort auf kalkulierten, probabilistischen
Annahmen statt auf kommunikativen Intentionen.