Wie Feeds entscheiden, was du siehst

Der Feed ist eine Rangliste, kein Protokoll

Die meisten Menschen stellen sich ihren Feed als Strom vor: Was passiert, erscheint, das Neueste oben. So war es einmal. Facebook zeigte bis 2009 Beiträge chronologisch, Twitter und Instagram bis 2016. Seitdem ist jeder große Feed eine Rangliste. Die Plattform sammelt aus allem, was für dich infrage kommt, ein paar tausend Kandidaten, lässt jeden davon von einem Modell bewerten und zeigt dir die Beiträge in der Reihenfolge ihrer Punktzahl. Was du siehst, ist nicht das, was passiert ist. Es ist das, was die höchste Punktzahl hat.

Die entscheidende Frage ist deshalb nicht, was im Feed steht, sondern wofür es Punkte gibt. Und darauf gibt es seit ein paar Jahren eine ungewöhnlich präzise Antwort.

Was das Modell vorhersagt

Im März 2023 veröffentlichte Twitter den Code seines Empfehlungssystems. Die Dokumentation beschreibt den Ablauf: Für jeden Nutzer werden rund 1.500 Kandidaten-Tweets zusammengestellt, etwa zur Hälfte von Konten, denen er folgt, zur Hälfte von fremden. Ein neuronales Netz mit rund 48 Millionen Parametern bewertet dann jeden Kandidaten, indem es für zehn verschiedene Reaktionen die Wahrscheinlichkeit schätzt, dass du sie zeigst: Like, Retweet, Antwort, Profilklick, Videoabspielen und so weiter. Die Punktzahl ist die Summe dieser Wahrscheinlichkeiten, jede multipliziert mit einem Gewicht. Dieser Ablauf läuft laut Twitter rund fünf Milliarden Mal am Tag.

Die Gewichte stehen in der Dokumentation. Ein wahrscheinliches Like zählte 0,5 Punkte, ein Retweet 1, eine Antwort 13,5. Eine Antwort, auf die der ursprüngliche Autor seinerseits reagiert, zählte 75. Eine wahrscheinliche Meldung des Tweets zählte minus 369. Anders gesagt: Ein Beitrag, der Gespräche auslöst, ist dem System 27-mal so viel wert wie einer, der gefällt. Und Gespräche löst nicht das aus, was Zustimmung findet, sondern das, was Widerspruch provoziert.

Twitter ist kein Sonderfall, nur der dokumentierte. Instagram erklärte 2021 in einem Blogbeitrag seines Chefs Adam Mosseri, dass der Feed für jeden Beitrag vorhersagt, wie wahrscheinlich du ein paar Sekunden darauf verweilst, kommentierst, likst, speicherst oder auf das Profil tippst - auf Basis von „tausenden Signalen“. Ein internes TikTok-Dokument mit dem Titel „TikTok Algo 101“, über das die New York Times im Dezember 2021 berichtete, nennt die beiden Ziele des Systems ausdrücklich: Verweildauer und Wiederkehr. Nicht Information, nicht Zufriedenheit. Zeit und Rückkehr.

Was „Engagement“ bedeutet - und was nicht

Alle diese Systeme optimieren auf dasselbe: Engagement, also messbare Reaktionen. Das klingt neutral, ist es aber nicht, denn Engagement ist nicht dasselbe wie Interesse, und schon gar nicht dasselbe wie Wohlbefinden. Man reagiert auf Dinge, die einen aufregen, stärker als auf Dinge, die einen zufriedenstellen. Ein Modell, das Reaktionen vorhersagt, lernt das - ohne dass jemand es ihm beibringen müsste.

Wie das in der Praxis aussieht, zeigen die internen Dokumente, die die Whistleblowerin Frances Haugen 2021 öffentlich machte. Facebook hatte 2017 seine Reaktions-Emojis - Wut, Liebe, Traurigkeit, Staunen - im Ranking fünfmal so stark gewichtet wie ein einfaches Like, mit der Begründung, dass eine Reaktion mehr Beteiligung ausdrücke. 2019 stellten die eigenen Datenanalysten fest, dass Beiträge mit vielen Wut-Reaktionen überproportional häufig Falschinformationen, toxische Inhalte und minderwertige Nachrichten enthielten. Erst 2020 setzte Facebook das Gewicht der Wut-Reaktion auf null - und stellte fest, dass die Nutzer danach weniger Falschinformationen und weniger verstörende Inhalte sahen, ohne dass die Aktivität sank.

Ein zweiter Befund kommt von Twitter selbst. Ein Forschungsteam um Ferenc Huszár nutzte ein seit 2016 laufendes Experiment, in dem knapp zwei Millionen Nutzer weiterhin einen rein chronologischen Feed bekamen, und verglich, was der Ranking-Algorithmus gegenüber dieser Kontrollgruppe verstärkte. Das 2021 in PNAS veröffentlichte Ergebnis: In sechs von sieben untersuchten Ländern verstärkte der Algorithmus Inhalte der politischen Rechten stärker als die der Linken. Interessanter als die Richtung ist die Tatsache selbst: Das Ranking ist kein neutraler Filter. Es verschiebt, was gesehen wird, und zwar systematisch.

Warum das in der Krise kippt

Für den Alltag bedeutet das ein leicht verzerrtes Bild. In einer Krise bedeutet es etwas anderes. Krisennachrichten erzeugen genau die Reaktionen, für die es Punkte gibt: Antworten, Weiterleitungen, Wut, Verweildauer. Ein Modell, das Engagement vorhersagt, sagt für sie die höchsten Werte vorher und reiht sie nach oben. Je alarmierender die Meldung, desto besser ihr Score - nicht, weil jemand entschieden hätte, dich zu alarmieren, sondern weil Alarm die Reaktion ist, die das System belohnt.

Dazu kommt, dass du selbst das Modell trainierst. Jede Antwort, jedes Teilen, jede Sekunde, die du auf einer Meldung verweilst, ist ein Signal, das die nächste Runde beeinflusst. Das Modell weiß nicht, dass du aus Sorge verweilst. Es sieht, dass du verweilst. Was die Forschung als Kreislauf des Doomscrollings beschreibt - Sorge, Suche, mehr Sorge -, hat auf der technischen Seite ein exaktes Gegenstück: Sorge, Signal, mehr Sorgeninhalt.

Was sich daraus ableiten lässt

Die wichtigste Konsequenz ist ein Perspektivwechsel: Ein gerankter Feed zeigt dir keine Weltlage, sondern eine Engagement-Prognose. Das ist bei Katzenvideos harmlos und bei Krisen nicht. Die zweite Konsequenz ist praktisch: Seit Februar 2024 verpflichtet der Digital Services Act der EU sehr große Plattformen, mindestens eine Feed-Variante anzubieten, die nicht auf Profilbildung beruht - bei den meisten ist das ein chronologischer „Folge ich“-Feed, meist versteckt hinter einem Tab oder einer Einstellung. Er zeigt weniger, was dich hält, und mehr, was passiert ist. Das ist in ruhigen Zeiten ein kleiner Unterschied. In einer Krise ist es der ganze.