Page - 140 - in Algorithmuskulturen - Über die rechnerische Konstruktion der Wirklichkeit

Dominique Cardon140 um wahrhaft verständlich zu sein. Die große Arena der Expressivität, die man in den sozialen Netzwerken finden kann, betont die vielen wettstreitenden Zei- chen, Wünsche und Identitäten, die auf eine Ökonomie der Anerkennung und Reputation antworten. Wenngleich sie ernsthaft zum Ausdruck gebracht wer- den, kann man diese Zeichen außerhalb ihres Kontexts und aggregiert weder als wahr noch als authentisch auffassen. In einem Raum, in dem Sichtbar- keit strategisch produziert wird, wächst eine Diskrepanz zwischen dem, was Individuen sagen oder hinausschleudern, und dem, was sie tatsächlich tun. Diese Kluft bringt digitale Berechnungen durcheinander und macht es ihnen schwer, die Masse an Online-Daten zu verstehen. Es ist unklar, ob sie versu- chen sollten zu interpretieren, was Internetnutzer sagen – was sehr schwer ist – oder lediglich der Vielzahl an Spuren auf der Suche nach einer Interpretation folgen – was sie immer besser und besser können. Prognose durch sPuren Aus der zweiten Möglichkeit hat sich unsere letzte Gruppe digitaler Berech- nungen entwickelt, die sich unterhalb des Webs befindet und die Spuren von Internetnutzern so diskret wie möglich aufzeichnet. Diese Methode zeichnet sich durch die Verwendung einer bestimmten statistischen Technik aus, die »Maschinenlernen« heißt und die die Art und Weise, in der Berechnungen unsere Gesellschaft durchdringen, radikal verschoben hat (Domingos 2015). Ihr Ziel ist die Personalisierung von Berechnungen auf der Basis der Spuren von Online-Aktivitäten, um Nutzer zu bestimmten Handlungen zu animieren, wie man in den Empfehlungssystemen von Amazon und Netflix sehen kann. Diese Prognosetechniken wurden den meisten Algorithmen, die Popularität, Autorität oder Reputation messen, hinzugefügt, wodurch diese lernen, indem sie das Nutzerprofil einer Person mit denen anderer, die sich ähnlich verhalten oder entschieden haben, vergleichen. Auf der Basis von Wahrscheinlichkeit schätzt der Algorithmus das zukünftige Verhalten einer Person anhand der Entscheidungen von Personen mit ähnlichem Online-Verhaltensmuster. Die mögliche Zukunft eines Nutzers wird auf der Basis vergangener Handlungen ähnlicher Nutzer vorhergesagt. Man muss also Information nicht mehr aus dem Inhalt von Dokumenten, aus Urteilen von Experten, aus der Größe des Publikums, aus der Anerkennung innerhalb einer Gemeinschaft oder aus den Vorlieben, die sich in den sozialen Netzwerken einer Person widerspiegeln, he- rausziehen. Stattdessen konstruiert diese Methode Nutzerprofile, die aus den Spuren des Online-Verhaltens folgen, um Prognosetechniken zu entwickeln, die sich enger an deren Verhalten anschmiegen. Um die Entwicklung dieser neuen Prognosetechniken zu rechtfertigen, versuchen Befürworter von Big Data die Weisheit und Relevanz menschlicher