Hallo, ich bin Dein Algorithmus und ab sofort gehörst Du mir. Deine zwanzig Datenpunkte, die Du im Internet zurückgelassen hast, reichen mir, um zu wissen, wer Du bist. Und als willenloser und dummer User, wie ich Dich täglich im Netz wahrnehme, entscheide ich fortan für Dich, was Du in Zukunft machen wirst, Du kleine Web-Made.

Mit diesen drei Sätzen könnte man die prosaischen Gedankenflüge von Miriam Meckel zusammenfassen, die sie in unterschiedlichen Varianten verkündet. 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 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 bis zum Ende unseres Jahrhunderts keine Ergebnisse zeitigen wird“, erwidert der Jurist und Informatiker Christoph Kappes.

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.

Wie könnten denn nun personalisierte Dienste fernab von den Sirenen-Gesängen von Kulturkritikern wie Meckel funktionieren? Welche Versprechen kann der Bullshit-Bingo-Tanz um das Goldene Kalb namens “Big Data” wirklich einlösen? Wird es Apps geben, die sich automatisch um meine Anliegen als Verbraucher kümmern – die mir also nervige Routinearbeiten abnehmen, so dass ich mehr Zeit bekomme für die Lektüre schöngeistiger Literatur? So behauptet Michael Wexler, Leiter Digital Insights bei Citigroup, über Big Data-Systeme die “Bedürfnisse” ganz unterschiedlicher Kunden vorauszusehen.

“Wir beginnen zu verstehen, wie unterschiedlich Kunden mit Finanzdienstleistungen umgehen wollen und können unsere Angebote an diese Wünsche anpassen. Big Data hilft uns, Offline-Interaktionen mit Online-Banking-Klicks zu verbinden, aber auch mit Mobile- und Tablet-Apps.”

Über neue Tools konzentriere man sich auf “atomic data”:

“Wer jeden kleinen Click und jede kleine Aktion in digitalen Netzen analysiert, entdeckt, was Kunden wirklich frustriert, oder stösst auf ungenutztes Potenzial, wie man Kunden bei ihren Entscheidungen unterstützen kann. Wir betreiben auch «text mining», das heisst, wir untersuchen Inhalte in sozialen Netzwerken und lernen so, was unsere potenziellen Kunden beschäftigt”, so Wexler im Interview mit dem Gottlieb-Duttweiler-Institut.

Es bleibt allerdings immer noch ein Blick in den Rückspiegel. Wie treffsicher sind nun die Prognosen für das zukünftige Verhalten der Kunden? Können die Wünsche der Kunden antizipiert werden.

Fragen über Fragen, die ich gerne in nächster Zeit in Interviews behandeln möchte. Am liebsten als Video-Gespräch via Hangout On Air. Wer Zeit und Lust hat, mit dem mache ich natürlich auch gerne ein Bibliotheksgespräch bei mir zu Hause.