Vielfalt digitaler Kommunikation
Datenfluss
Eine Website, dutzende Quellen!
Wenn Carlos eine Internetseite aufruft, setzt er eine Kette von Datenströmen in Gang. Grundelemente wie Text und Bilder lädt die Seite von ihrer eigentlichen Adresse, ein Formular zum Abonnieren eines Newsletters kommt von einer ganz anderen, ebenso eingebettete Videos und Elemente aus sozialen Medien. Ein Video ruft mehrere Webadressen auf, etwa für Schriftarten, Videobilder und Abspiel-Elemente.
Für die Auswertung der Benutzerströme setzen viele Seiten Webanalyse-Tools ein, die ebenfalls an verschiedenen Stellen Daten abrufen. Ist auf der Seite außerdem Werbung platziert, ruft zudem jede Anzeige Daten ab. Technisch setzt sich der Aufruf einer kurzen Meldung aus diversen Einzelquellen zusammen. Die Daten strömen von unterschiedlichen Server-Orten auf den Rechner oder das Smartphone.
Im Gegensatz zu Websites in den 1990er- oder 2000er Jahren setzen heutige Produkte stark auf ein Sammelsurium aus internen und externen Quellen. Der Vorteil für die Betreiber*innen ist naheliegend: Sie können zügig neue Funktionen oder Eigenschaften zur Website hinzufügen. Für Nutzer*innen ist es allerdings schwierig zu überblicken, welche Daten woher geladen werden und wohin welche Daten fließen. Es gibt sogar Seiten, die vollautomatisch Inhalte aus dem Internet zusammenstellen, sodass Menschen gar nicht mehr an der Inhaltsauswahl beteiligt sind.
Exercise:
Ordne die Begriffe den Definitionen zu:
Im Gegensatz zu Websites in den 1990er- oder 2000er Jahren setzen heutige Produkte stark auf ein Sammelsurium aus internen und externen Quellen. Der Vorteil für die Betreiber*innen ist naheliegend: Sie können zügig neue Funktionen oder Eigenschaften zur Website hinzufügen. Für Nutzer*innen ist es allerdings schwierig zu überblicken, welche Daten woher geladen werden und wohin welche Daten fließen. Es gibt sogar Seiten, die vollautomatisch Inhalte aus dem Internet zusammenstellen, sodass Menschen gar nicht mehr an der Inhaltsauswahl beteiligt sind.
Wenn dich der Roboter interviewt
Wichtig für den Datenstrom sind Algorithmen. Sie stellen eine lange Liste von Befehlen dar, die abgearbeitet wird, um am Ende eine Aufgabe zu lösen. Sie enthalten oft Anweisungen für verschiedene Bedingungen – etwa: „Wenn A zutrifft, gehe weiter zu Zeile 44 und schreibe einen bestimmten Zahlenwert in Tabelle X.”
Ein Beispiel für den Einsatz von Algorithmen beziehungsweise algorithmischen Systemen ist das sogenannte Roborecruiting: Job-Bewerber*innen führen ein Gespräch mit einem Roboter, Algorithmen werten Merkmale wie Stimme, Gestik und Mimik aus, erstellen ein Persönlichkeitsprofil und überprüfen, wie gut eine Person zur Stelle und zum Unternehmen passt. Die Software erstellt eine Liste der Kandidat*innen, die am besten passen und in der Folge von der Personalabteilung kontaktiert werden sollten.
Vorteile aus Sicht eines Unternehmens sind, dass die Personalabteilung entlastet wird und Gespräche objektiver geführt werden. Bewerber*innen können solche Roboter-Gespräche ebenfalls als objektiver wahrnehmen.
Allerdings ist jeder Algorithmus nur so gut wie die Annahmen, die ihm zugrunde liegen. Bewusste oder unbewusste Vorurteile können in Algorithmen einfließen: etwa wenn ein Algorithmus höhere Stimmlagen als unangenehm bewertet. Solche Bewertungen können dazu führen, dass Frauen beim Roborecruiting ein schlechteres Ergebnis bekommen. Eine weitere Frage ist zum Beispiel, ob der Algorithmus auch mit Sprachfehlern oder auch Akzenten bei Nicht-Muttersprachler*in umgehen kann.
Anwendungen des maschinellen Lernens können zudem mit verzerrten Daten trainiert worden sein. Wenn etwa die KI-basierte Software zum Lernen vor allem Bilder von weißen Menschen erhalten hat, kann sie Probleme damit haben, Feinheiten in Bildern von Menschen mit dunkler Hautfarbe (bzw. People of Color) zu erkennen. Solche Fälle werden auch als Data Bias bezeichnet.
Exercise:
Gehört dem Roborecruiting die Zukunft? Ordne die Aussagen den jeweiligen Rubriken zu.
Algorithmen sind etwas, mit dem wir uns auseinandersetzen müssen. Ihre Vielfalt ist enorm: manche sind simpel gestrickt, andere haben mitunter Hunderte Entscheidungspfade. Wenn ein algorithmisches System eine Personalabteilung dabei unterstützt, passende Bewerber*innen zu finden, kann das ein Zugewinn sein. Du solltest dir jedoch bewusst darüber sein, dass Algorithmen auch verzerrt sein können, etwa durch falsche Annahmen.