Beispiel Empfehlungsalgorithmen

Alltagsbezug

Immer häufiger schlagen einem Computer Dinge vor, die einen interessieren könnten. Teilweise geschieht dies explizit: "Leute, die dieses buch gekauft haben, interessierten sich auch für folgend Bücher..." , oft geschieht es aber auch unbemerkt.

Perspektiven des Dagstuhl-Dreiecks

Anwendungsperpektive	...
Gesellschaftliche-kulturelle Perspektive	Welche Potenziale und Gefahren sind damit verbunden, dass Empfehlungen algorithmisiert/automatisiert vorgenommen werden?
Technologische Perspektive	Wie funktionieren Empfehlungsalgorithmen?

Stichworte

• ...

Weiterführende Links

• Biblionetz:w03319 Empfehlungs-Algorithmus

Verwandte Beispiele

• Beispiel personalisierte Werbung
• TikTok
• YouTube

Unterrichtseinheiten

• ...
• ...

Diskussion

Inhaltlich ein sehr lohnendes Beispiel, weil sich die drei Perspektiven hier gegenseitig bedingen: Ohne Verständnis der Funktionsweise lässt sich die Frage nach Potenzialen und Gefahren kaum fundiert beantworten. In der jetzigen Form ist es ein Entwurf. Ich würde die Seite aber nicht löschen, sondern ausbauen, etwa mit Leitfragen wie «Weshalb bekomme ich gerade diese Vorschläge?», «Welche meiner Daten fliessen ein?» oder «Wie kann ich die Empfehlungen beeinflussen oder abschalten?» (Joana Hunziker, 28.9.26)

Ich teile die Ansicht von Joana. Die Thematik von Empfehlungsalgorithmen kommt mittlerweile in vielen digitalen Diensten vor und kann mit alle drei Perspektiven des Dagstuhl-Dreiecks gut verbunden werden. Vor einer Verschiebung zu den etablierten Beispielen würde ich die Ausarbeitung aber noch ergänzen: In der Anwendungsperspektive etwa mit Fragen wie «Wie kann ich Empfehlungen beeinflussen oder deaktivieren?» und «Wie erkenne ich, warum mir etwas vorgeschlagen wird?», in der gesellschaftlich-kulturellen Perspektive beispielsweise mit «Wie beeinflussen Empfehlungen meine Wahrnehmung?» oder «Wie können Filterblasen entstehen?», und in der technologischen Perspektive mit Fragen dazu, welche Daten verwendet werden und wie daraus Vorhersagen und Ranglisten entstehen. Denkbar wäre beispielsweise auch, mit einer vereinfachten Simulation mit Hilfe von Vibe-Coding zu arbeiten, um sichtbar zu machen, wie Nutzungsdaten oder Gewichtungen Empfehlungen beeinflussen könnten. So liesse sich insbesondere die technologische und anwendungsbezogene Perspektive etwas konkreter erfahrbar machen, indem man Empfehlungsalgorithmen transparenter macht. (Daan Berschat, 29.09.2026)