Selektion und Bias in traditionellen und Internet-Informationsintermediären: Forschungsstand

Leyrer, Katharina Research Report Selektion und Bias in traditionellen und InternetInformationsintermediären: Forschungsstand Erlanger Beiträge zur Medienwirtschaft, No. 10/2018 Provided in Cooperation with: Friedrich-Alexander University of Erlangen-Nuernberg (FAU), Institute for the Study of the Book, Professorship of E-Publishing and Digital Markets Suggested Citation: Leyrer, Katharina (2018) : Selektion und Bias in traditionellen und InternetInformationsintermediären: Forschungsstand, Erlanger Beiträge zur Medienwirtschaft, No. 10/2018, Friedrich-Alexander-Universität Erlangen-Nürnberg, Institut für Buchwissenschaft, Professur für Buchwissenschaft, insb. E-Publishing und Digitale Märkte, Erlangen, https://nbn-resolving.de/urn:nbn:de:bvb:29-opus4-102405 This Version is available at: https://hdl.handle.net/10419/223338 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by-nc-nd/3.0/de/ Erlanger Beiträge zur Medienwirtschaft Hg.: Svenja Hagenhoff Beitrag Nr. 10/2018 Hrsg.: Svenja Hagenhoff Katharina Leyrer Selektion und Bias in traditionellen und Internet-Informationsintermediären. Forschungsstand Erlanger Beiträge zur Medienwirtschaft Herausgegeben von Svenja Hagenhoff Friedrich-Alexander-Universität Erlangen-Nürnberg Institut für Buchwissenschaft Professur für Buchwissenschaft, insb. E-Publishing und Digitale Märkte Katholischer Kirchenplatz 9 91054 Erlangen Erlangen Contributions to Media Management and Media Economics Edited by Svenja Hagenhoff Friedrich-Alexander University of Erlangen-Nürnberg Institute for the Study of the Book Professorship of E-Publishing and Digital Markets Katholischer Kirchenplatz 9 91054 Erlangen / Germany Tel. +49 (0) 9131 / 85-24700 Fax +49 (0) 9131 / 85-24727 www.buchwiss.uni-erlangen.de [email protected] This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Germany License Keywords and Classification II Abstract The selection of information on the internet is causing massive concerns and discussion. Critics fear the polarization of internet users and warn of echo chambers and filter bubbles. Especially search engines and social networking sites are being held responsible: as information intermediaries they are positioned between content producers and recipients, selecting and rating content. However, empirical findings on selection and bias in internet information intermediaries are scarce and disparate. Moreover, the preselection of information by intermediaries is not a specific characteristic of the digital world, but is equally done by traditional intermediaries such as mass media, bookshops or libraries. This paper summarizes the current state of research on selection and bias in traditional and internet information intermediaries. Different concepts, definitions and implications of the term information intermediary are analyzed in the context of the adjacent term gatekeeper. Furthermore, empirical findings on the theories of filter bubbles, echo chambers and fragmentation are summed up, as well as the state of knowledge on selection in different types of intermediaries. As a basis for further research, two models for analyzing selection and bias in intermediaries are introduced: Bozdag’s Filter Model and Jürgens & Stark’s Intermediary Effects Model. Lastly, aspects that distinguish selection in internet information intermediaries from selection in traditional contexts are compiled. This paper concludes that the production or reinforcement of bias and fragmentation by internet intermediaries is not sufficiently proven. Moreover, there is a research gap on whether traditional intermediaries have comparable effects. Further research requires a comprehensive analysis on the selection mechanisms in both traditional and internet information intermediaries. Inhaltsverzeichnis III Inhaltsverzeichnis Abbildungsverzeichnis .............................................................. V Abkürzungsverzeichnis ........................................................... VI 1 Einleitung .............................................................................. 1 2 Informationsintermediäre: Definition, Prinzipien, Nutzung, Einfluss .................................................................................. 3 2.1 Der Begriff Informationsintermediär ...................................... 3 2.2 Organisationsprinzipien von Intermediären und Praktiken ihrer Nutzung .................................................................................. 5 2.3 Einfluss von Intermediären auf die Meinungsbildung ................ 7 2.4 Verbreitung und Nutzung von Internet-Intermediären .............. 8 3 Intermediäre als Gatekeeper? ............................................. 10 3.1 Alte und neue Konzepte des Gatekeeper-Begriffs .................. 10 3.2 Regulierung traditioneller Medienangebote ........................... 12 3.3 Bias in Informationsintermediären ....................................... 14 4 Empirische Erkenntnisse zu Selektion und Bias in InternetIntermediären ..................................................................... 15 4.1 Studien zu Fragmentierung, Echokammern und Filterblasen ... 15 4.2 Funktionsund Wirkungsweise einzelner Intermediärs-Typen . 17 4.2.1 Suchmaschinen.......................................................... 18 4.2.2 Soziale Netzwerk-Seiten ............................................. 21 4.2.3 Youtube als Mischform einer Mutlimedia-, User-Generated-Contentund Social-Network-Plattform ................ 24 5 Forschungsansätze zu Selektion und Bias in InternetIntermediären ..................................................................... 26 5.1.1 Zwei Modelle zur Selektion in Informationsintermediären 26 5.1.2 Theoretische Ansätze zur Selektion von ProduzentInnen und RezipientInnen .................................................... 30 Keywords and Classification IV 6 Selektion und Bias in traditionellen Intermediären ............. 33 7 Aspekte der Differenzqualität: Selektion in traditionellen und Internet-Intermediären ................................................ 35 8 Zusammenfassung und Forschungsdesiderat ...................... 40 Literaturverzeichnis ................................................................ 44 Anhang A: Definitionen des Begriffs Informationsintermediär ................................................................................. 52 Abbildungsverzeichnis V Abbildungsverzeichnis Abbildung 1: Typen von Informationsintermediären (Schulz & Dankert 2016. S.21) ............................................................... 4 Abbildung 2: Tagesreichweiten von Intermediären nach Alter (medienanstalten 2018, S.12) .................................................. 8 Abbildung 3: Tagesreichweite für die informierende Nutzung (medienanstalten 2016, S.30) .................................................. 9 Abbildung 4: Nutzung von Sozialen Netzwerk-Seiten (Koch & Frees 2017, S.444) .......................................................................... 9 Abbildung 5: Interessen und Verbindungen der Milieus politischer Parteien auf Facebook in Deutschland 2017 (Brühl, Brunner, Ebitsch 2017) ....................................................................... 23 Abbildung 6:“A model of filtering for online web services including personalization” (Bozdag 2013, S.215) .................................... 27 Abbildung 7: Intermediary Effects Model (Jürgens & Stark 2017, S.403) ................................................................................. 29 Abbildung 8: Forschungsansätze zu Selektion bei ProduzentInnen und RezipientInnen ............................................................... 31 Abkürzungsverzeichnis VI Abkürzungsverzeichnis IEM Intermediary Effects Model IIG Internet Information Gatekeeper SEME Search Engine Manipulation Effect UGC User Generated Content 1 Einleitung 1 1 Einleitung Welche Informationen wir wahrnehmen, ist nicht zufällig, sondern hängt von einer Reihe an Selektionslogiken ab. Täglich treffen wir selbst Entscheidungen darüber, welche Informationen wir aufnehmen. Aufgrund der Fülle des Informationsangebots verlassen wir uns zudem auf die Vorauswahl durch weitere AkteurInnen, beispielsweise JournalistInnen, BuchhändlerInnen oder FreundInnen. Bei der Informationsauswahl im Internet ruft dies heftige Diskussionen und Bedenken hervor. Echokammer und Filterblase So wird mit den Begriffen der Echokammer und der Filterblase vor einer Polarisierung der InternetnutzerInnen gewarnt. Da im Internet für jedes Interesse und jede Meinung die entsprechenden Inhalte zur Verfügung stehen, könnten RezipientInnen nur noch meinungskonforme Inhalte auswählen, sich nicht mehr mit gegenläufigen Argumenten auseinandersetzen und somit immer stärker polarisiert werden (Echokammer; Sunstein 2001). Zudem könnten NutzerInnen in Suchmaschinen und sozialen Netzwerken überhaupt nur noch diejenigen Inhalte angezeigt bekommen, die ein Algorithmus als für sie passend bewertet - auf Basis ihres bisherigen Nutzerverhaltens und gespeicherter Vorlieben. Als besonders problematisch gilt dabei, dass NutzerInnen aufgrund der intransparenten Auswahl nicht erfahren, welche Inhalte ihnen vorenthalten werden (Filterblase, Pariser 2011). Fragmentierung Als Folge dieser selektiven, personalisierten Informationsauswahl wird der Zerfall der Öffentlichkeit befürchtet. Bereits bei der Ausdifferenzierung des Fernsehsenderangebots in den 1990er-Jahren wurde vor einer solchen »Fragmentierung« (Stark 2013, S. 28) gewarnt. Ausgangspunkt ist dabei, dass Massenmedien eine Integrationsfunktion erfüllen und den »Zusammenhalt der Gesellschaft« (Mahrt 2014, S. 129) unterstützen, indem sie Werte und Normen vermitteln, politische Themen bereitstellen, den Austausch von Argumenten zur Lösung gesellschaftlicher Konflikte ermöglichen und Stoff für Alltagsgespräche liefern. Im Internet könnte das Publikum jedoch durch die individuelle, selektive Informationsauswahl nach eigenen Interessen in zahlreiche Teilpublika zerfallen, die jeweils unterschiedliche Inhalte rezipieren. Damit würde die gemeinsame Informationsgrundlage für eine politische Öffentlichkeit fehlen, die Voraussetzung für eine demokratische Gesellschaft ist (Stark, Magin & Jürgens 2017, Katz 1996). 2 Informationsintermediäre: Definition, Prinzipien, Nutzung, Einfluss 8 bildung davon ab, inwiefern er publizistisch und politisch relevante Information vermittelt. Ein weiteres Kriterium ist die Empfänglichkeit der NutzerInnen, die sich in der Glaubwürdigkeit und Vertrauenswürdigkeit des Intermediärs widerspiegelt. Eine in Deutschland durchgeführte Befragung von 1000 NutzerInnen im Jahr 2011 ergab beispielsweise, dass die Glaubwürdigkeit von Blogs, Sozialen Netzwerk-Seiten und Videoportalen deutlich geringer eingeschätzt wurde als die von Presseund Rundfunkangeboten. Schließlich muss die Nutzung des Intermediärs im Kontext des gesamten Informationsrepertoires der Rezipientin betrachtet werden, um dessen Stellenwert für die Meinungsbildung einschätzen zu können (Lobigs und Neuberger 2018). 2.4 Verbreitung und Nutzung von InternetIntermediären Verschiedene Erhebungen geben Auskunft über den Stellenwert von Informationsintermediären bei der Rezeption von Inhalten. Die MedienGewichtungsstudie der Landesmedienanstalten kam beispielsweise zu dem Ergebnis, dass Anfang 2018 mehr als die Hälfte der über 14-Jährigen in Deutschland täglich mindestens einen Intermediär nutzt. Dabei nutzen etwa 46% Suchmaschinen, 32% Soziale NetzwerkSeiten und 25% Videoplattformen. Auffällig ist dabei, dass die Altersgruppe der 14bis 29-Jährigen Intermediäre deutlich intensiver nutzt: 85% von ihnen greifen mindestens täglich auf einen Intermediär zu, wie Abbildung 2 zeigt (die medienanstalten 2018). Abbildung 2: Tagesreichweiten von Intermediären nach Alter (medienanstalten 2018, S. 12) 2 Informationsintermediäre: Definition, Prinzipien, Nutzung, Einfluss 9 Bezogen auf die informierende Nutzung konstatiert die Studie jedoch geringere Tagesreichweiten: Nur 23% der Befragten gab an, Intermediäre zu Informationszwecken zu nutzen. Dabei sind es vor allem Suchmaschinen und Soziale Netzwerk-Seiten, über die Informationen bezogen werden; Viedeoplattformen und Messenger-Dienste spielen eine geringere Rolle (vgl. Abb. 3; die medienanstalten 2018). Abbildung 3: Tagesreichweite für die informierende Nutzung (medienanstalten 2016, S. 30) Wie bei der allgemeinen Intermediärsnutzung ist auch die informierende Nutzung bei Jugendlichen und jungen Erwachsenen stärker ausgeprägt. Die JIM-Studie des medienpädagogischen Forschungsverbunds Südwest kommt zu dem Ergebnis, dass 85% der 12bis 19Jährigen Suchmaschinen und 61% YouTube-Videos nutzen, um sich zu informieren. Zudem geht in dieser Altersgruppe die Beliebtheit des sozialen Netzwerks Facebook zurück und wird von den videound bildzentrierten Angeboten Snapchat und Instagram überholt (Feierabend, Plankenhorn & Rathgeb 2017). Die ARD-ZDF-Online-Studie kommt zu einem ähnlichen Ergebnis, zeigt aber, dass Facebook auf alle Altersgruppen hinweg gesehen dennoch das am häufigsten genutzte soziale Netzwerk ist. (Koch & Frees 2017). Abbildung 4: Nutzung von Sozialen Netzwerk-Seiten (Koch & Frees 2017, S.444) 3 Intermediäre als Gatekeeper? 10 Stark, Magin & Jürgens (2017) sowie Schmidt, Merten & Hasebrink (2017) ergänzen diese Kennzahlen um qualitative Erhebungen. Sie konstatieren, dass Intermediäre zwar weit verbreitet sind und regelmäßig genutzt werden, traditionelle Medienangebote aber weiterhin die zentralen Informationsquellen für gesellschaftliche und politische Themen sind (Schmidt, Merten & Hasebrink 2018). So sind beispielsweise Soziale Netzwerk-Seiten nur für einen sehr geringen Teil der InternetnutzerInnen die Hauptquelle für die Rezeption von Nachrichten; für die meisten sind sie eine von mehreren Quellen (Stark, Magin & Jürgens 2017). Schmidt, Merten & Hasebrink (2017, S. 98) fassen mit Bezug auf die Bedeutung der Intermediäre für die Meinungsbildung zusammen: „Alles in allem hat die Studie somit deutlich gemacht, dass Meinungsbildungsprozesse ohne Intermediäre nicht mehr denkbar sind, weil diese Informationsund Kommunikationspraktiken mittlerweile in vielfältiger Weise durchdringen. Sie tun dies aber nicht isoliert, sondern immer im Verhältnis zu und im Zusammenspiel mit anderen Medienangeboten und Kommunikationsformen“. Informationsintermediäre sind in Deutschland weit verbreitet, werden aber nur von einem Teil der RezipientInnen zu informierenden Zwecken genutzt. Gleichzeitig sind traditionelle Medienangebote weiterhin zentrale Informationsquellen. Bei Jugendlichen und jungen Erwachsenen haben vor allem Suchmaschinen und Youtube-Videos einen großen Stellenwert bei der informierenden Nutzung. 3 Intermediäre als Gatekeeper? Vor allem in Zusammenhang mit Forderungen nach der Regulierung von Informationsintermediären werden diese oft auch als Gatekeeper bezeichnet. Auch der Gatekeeper-Begriff zeichnet sich jedoch – ähnlich wie der Begriff Informationsintermediär – durch unterschiedliche theoretische Herangehensweisen aus. Daher werden im Folgenden sowohl die traditionelle Auffassung von Gatekeepern als auch neue Konzeptualisierungen des Begriffs zusammengefasst. 3.1 Alte und neue Konzepte des Gatekeeper-Begriffs Die Kommunikationswissenschaft versteht unter Gatekeeping vorranging die journalistische Auswahl von Kommunikation und nimmt JournalistInnen und Medienbetriebe als Gatekeeper in den Fokus. Diese entscheiden, welche Informationen veröffentlich werden (selektives Gatekeeping), wie die Informationen im Layout dargestellt werden (qualitatives Gatekeeping) und wie umfangreich über ein 3 Intermediäre als Gatekeeper? 11 Ereignis berichtet wird (quantitatives Gatekeeping). Als zweite Form von Gatekeepern werden Anbieter von Infrastrukturen, Ressourcen oder Diensten aufgefasst, die zur Produktion und Verbreitung von Inhalten unbedingt nötig sind, z.B. Internet Service Provider oder Betreiber des Kabelfernsehnetzes. Diese unterliegen der Regulierung durch sektorspezifisches Wettbewerbsrecht (Barzilai-Nahon 2008). Für die Rezeption von Inhalten im Netz greift die traditionelle Theorie des Gatekeeping jedoch zu kurz, da sie die Rolle der NutzerInnen außer Acht lässt. Anders als im Kontext traditioneller Medien haben NutzerInnen im Netz einen größeren Einfluss darauf, welche Inhalte sie rezipieren, als in traditionellen Massenmedien – beispielsweise durch die Auswahl der Suchbegriffe, die Gestaltung des eigenen FreundesNetzwerks und das Generieren oder Verbreiten von Inhalten. Dies macht »one-directional conceptualisations of editorial control« (Luciano Morganti et al. 2015, S. 63) hinfällig, da über die Auswahl der Inhalte sowohl die einzelne Nutzerin entscheidet, als auch das Publikum als Ganzes, als auch die Software-IngenieurInnen, die die Architektur der Website und die Algorithmen schreiben (Luciano Morganti et al. 2015). Barzilai-Nahon schlägt daher eine Network Gatekeeping Theory vor, die die Rolle der NutzerInnen als Gated in den Fokus nimmt und die Analyse der Beziehung zwischen Gatekeeper und Gated erlaubt. Sie beschreibt die Position der Gated gegenüber dem Gatekeeper anhand von vier Attributen: Anhand ihrer Macht gegenüber dem Gatekeeper, also ihrer Kontrolle über Informationen; zweitens anhand der Möglichkeit, selbst Information zu produzieren; drittens anhand der Beziehung der Gated zum Gatekeeper und viertens anhand der Alternativen, die zum Gatekeeper vorhanden sind. Die Ausprägung dieser Attribute der Gated gegenüber dem Gatekeeper bestimmt die »salience« der Gated (Barzilai-Nahon 2008, S.1499), ihre Bedeutung für den Gatekeeper. Die Beziehung zwischen Gatekeeper und Gated entsteht durch dauerhaften, ständigen und direkten Austausch und ist dynamisch. Zudem sind Gated gleichzeitig mit mehreren Gatekeepern in Kontakt (BarzilaiNahon 2008). Nicht die NutzerInnen, sondern die Verantwortung der Gatekeeper im Bezug auf Menschenrechte fokussiert hingegen Laidlaw in ihrem Framework für Internet Information Gatekeeper (IIG). Diese IIG unterscheiden sich von anderen Gatekeepern im Netz, da sie die Teilnahme an der demokratischen Entscheidungsfindung fördern oder behindern können. Laidlaw unterscheidet drei Formen von IIG, denen sie in Abhängigkeit von ihrer Struktur und Reichweite einerseits und der Bedeutung der von ihnen vermittelten Inhalte für die Demokratie andererseits jeweils unterschiedliche menschenrechtsbezogene Verantwortung zuschreibt. Die stärksten Verpflichtungen bezüglich 3 Intermediäre als Gatekeeper? 12 Menschenrechten – v.a. den Rechten auf freie Meinungsäußerung, Versammlungsfreiheit und Privatsphäre – haben Makro-Gatekeeper, da RezipientInnen sie unausweichlich nutzen müssen, um einen Zugang zum Internet zu bekommen. Makro-Gatekeeper haben hohe NutzerInnen-Zahlen und kontrollieren und beeinflussen den Informationsfluss. Sowohl Internet Service Provider als auch Suchmaschinen werden zu dieser Gruppe gezählt. Auch Authority Gatekeeper haben hohe NutzerInnen-Zahlen und kontrollieren den Informationsfluss, müssen zur Internet-Nutzung aber nicht unbedingt verwendet werden. Beispiele sind Wikipedia, Soziale Netzwerk-Seiten und Anbieter von Blog-Infrastrukturen wie Wordpress. Micro-Gatekeeper sind schließlich wenig bekannte Informationsund Diskussions-Seiten, deren Inhalte die demokratische Kultur betreffen und die entweder in Struktur oder Reichweite die Eigenschaften einer »public sphere« (Laidlaw 2010, S. 273) innehaben, beispielsweise bekannte Blogs mit Kommentarfunktion wie die Huffington Post. Sie beeinflussen das Recht auf Versammlungsund Meinungsfreiheit sowie Privatsphäre nur teilweise (Laidlaw 2010). Laidlaws menschenrechtsbezogenes Framework betont, dass Gatekeeper soziale Realität konstruieren und damit großen Einfluss auf die Gesellschaft haben. Ähnlich formuliert auch Bozdag (2013, S. 211ff.): »The gatekeeper controls whether information passes through the channel and what its final outcome is, which in turn determines the way we define our lives and the world around us, affecting the social reality of every person. […] the power to control the flow of information is a major factor in the control of society«. Der traditionelle Gatekeeper-Begriff beschreibt die Auswahl und Gewichtung von Information durch JournalistInnen und Medienbetriebe einerseits und die Infrastruktur-Anbieter für die Produktion und Verbreitung von Inhalten andererseits. Die Network-Gatekeeping-Theorie von Barzilai-Nahon und das Framework für Internet Information Gatekeeper (IIG) von Laidlaw übertragen das Gatekeeping-Konzept auf Selektionsmechanismen im Internet. 3.2 Regulierung traditioneller Medienangebote Die Frage, ob und welche Informationsintermediäre als Gatekeeper bezeichnet werden, ist nicht nur begrifflicher Art, da Gatekeeper traditionell medienrechtlicher Kontrolle unterliegen (Laidlaw 2010). So werden Angebote von Unternehmen, die dem traditionellen Konzept des Gatekeeping entsprechen, nicht nur durch das Wettbewerbsrecht, sondern auch durch das Medienrecht reguliert. Zentrales Ziel ist dabei die Sicherung von Vielfalt als Voraussetzung für Meinungsund Infor- 3 Intermediäre als Gatekeeper? 13 mationsfreiheit und demokratische Meinungsbildung (Luciano Morganti et al. 2015). Besonders Fernsehangeboten wird eine besondere Relevanz für die Meinungsbildung zugeschrieben, sodass im Rundfunkstaatsvertrag mehrere Maßnahmen zur Vielfaltssicherung festgelegt sind. Ausschlaggebend ist dabei der Zuschauanteil einzelner Anbieter: So dürfen Unternehmen, deren Programme durchschnittlich im Jahr mehr als 30% der Gesamtnutzung ausmachen, keine weiteren Programme mehr ausstrahlen (Negative Vielfaltssicherung, Hasebrink 2016). Zudem werden reichweitenstarke private Fernsehanbieter verpflichtet, regionale Programmfenster und Sendungen von unabhängigen Dritten auszustrahlen (Positive Vielfaltssicherung, Stark 2016). Die Kommission zur Ermittlung der Konzentration im Medienbereich (KEK) kontrolliert die Einhaltung dieser Regelungen (Hasebrink 2016). Darüber hinaus verpflichten berufsethische Prinzipien und Selbstkontrolleinrichtungen die Herausgeber von Medienangeboten – insbesondere der Presse – zu inhaltlicher Vielfalt (Luciano Morganti et al. 2015). Neben der Sicherung von Vielfalt zielt das Medienrecht darauf ab, die Meinungsmacht einzelner Medienunternehmen zu begrenzen. Meinungsmacht ist die »Fähigkeit, in der politischen Öffentlichkeit auf Prozesse der individuellen und öffentlichen Meinungsbildung Einfluss zu nehmen« (Lobigs & Neuberger, S. 84f). Die Direktorenkonferenz der Landesmedienanstalten (DLM) schätzt die Verteilung von Meinungsmacht von Medienunternehmen, indem sie deren Anteile am gesamten »Publikumsmarkt« beobachtet. Dabei werden in der oben bereits zitierten MedienGewichtungsstudie die Tagesreichweiten einzelner Medienangebote für die informierende Nutzung untersucht. Außerdem wird im Medienvielfaltsmonitor bilanziert, welchen Anteil Medienunternehmen, die Angebote in unterschiedlichen Medienformen machen, insgesamt am »meinungsbildungsrelevanten Publikumsmarkt« haben (Lobigs & Neuberger 2018, S. 66). Neuberger und Lobigs kritisieren allerdings, dass das Verhältnis von Vielfalt, Meinungsbildung und Meinungsmacht in seiner Komplexität vom Medienrecht nicht abgebildet wird: So sagt die Anzahl der AnbieterInnen und ihr jeweiliger Publikumsanteil noch nicht unbedingt etwas über die Vielfalt der Inhalte aus; außerdem garantiert die Vielfalt von Inhalten nicht dafür, dass die individuelle und öffentliche Meinungsbildung ausgewogen erfolgt (2018). Die Regulierungsprinzipien traditioneller Medienangebote können nicht ohne Weiteres auf Internet-Informationsintermediäre übertragen werden. Erstens ist die Zuordnung von Meinungsmacht im InternetKontext schwierig, da an der Verbreitung von Inhalten viele unterschiedliche AkteurInnen mit unterschiedlichen Rollen beteiligt sind 3 Intermediäre als Gatekeeper? 14 (Lobigs & Neuberger 2018). Folglich gibt es auch keine Einigkeit darüber, inwiefern Informationsintermediäre als Herausgeber oder Gatekeeper begriffen werden können. Zweitens fehlt ein normatives Konzept von Informationsdiversität, das als Grundlage der Regulierung dienen kann: »Information diversity is a rich and complex value that can be conceptualized in many different ways, and its interpretation differs significantly per discipline. […] We need a normative conceptualization of the value information diversity that borrows notions from media studies, such as media ownership, content diversity, viewpoint diversity, reflection and open-access […]. Only then can we translate this complex value into design requirements of information intermediaries and move towards a solution« (Bozdag 2013, S. 220f.). Schließlich fehlt es auch an empirischen Erkenntnissen, die belegen, dass Informationsintermediäre im Internet die Vielfalt der Inhalte tatsächlich negativ beeinflussen. Der Begriff Gatekeeper betont im Gegensatz zum Begriff Informationsintermediär weniger die Vermittlung, sondern die Auswahl, Gewichtung und das Filtern von Information. Gatekeeper bewachen somit im wörtlichen Sinne das Tor, durch das Informationen von Produzierenden zu Rezipierenden gelangen. Der Begriff Gatekeeper hat einen normativen Charakter und ist diskursiv stark mit der Regulierung von Medienangeboten verknüpft. Diese Regulierung basiert auf den Konzepten von Vielfalt und Meinungsmacht sowie der Annahme, dass eine Vielfalt an Medienangeboten und Inhalten demokratische Meinungsbildung gewährleistet. 3.3 Bias in Informationsintermediären Im Bezug auf Informationsintermediäre wird zwar ebenfalls deren Meinungsmacht und Einfluss auf die inhaltliche Vielfalt diskutiert. Darüber hinaus werden jedoch weitere negative Effekt befürchtet: Informationsintermediäre bedrohen durch Personalisierung auf Basis von Nutzerdaten Werte wie »user autonomy, transparency, objectivity, serendipity, privacy and trust« (Bozdag 2013, S. 220). Wie jedes Computersystem können auch Informationsintermediäre nicht neutral sein, weil sowohl ihre Entwicklung, als auch ihre Nutzung von technischen, sozialen, ökonomischen und politischen Rahmen-bedingungen sowie von techno-kulturellen Paradigmen 1 geprägt sind (Mowshowitz 1984). 1 Techno-kulturelle Paradigmen spiegeln laut Mowhowitz „deeply rooted cultural values and orientations” (1984, S. 84) wider. Sie verändern sich langsam und können nur indirekt untersucht werden, besipielsweise anhand von Standard-Lösungswegen. 4 Empirische Erkenntnisse zu Selektion und Bias in Internet-Intermediären 15 Besonders durch die Auswahl und Gewichtung von Inhalten können Informationsintermediäre Verzerrungen, sog. Bias, hervorrufen. Nach Friedman und Nissenbaum weisen Computersysteme dann Bias auf, wenn sie Individuen oder Gruppen aus unangemessenen Gründen benachteiligen. Entscheidend ist dabei, dass diese Diskriminierung sowohl systematisch, als auch unfair ist: »unfair discrimination alone does not give rise to bias unless it occurs systematically […] systematic discrimination does not establish bias unless it is joined with an unfair outcome« (Friedman & Nissenbaum 1996, S. 332f.). Es lassen sich drei Formen von Bias unterscheiden: Pre-existing Bias, Technical Bias und Emergent Bias. Wenn ein Computersystem Verzerrungen übernimmt, die bereits vor seiner Entstehung vorhanden sind, spricht man von Pre-existing Bias. Sowohl gesellschaftlicher Bias (wie z.B. Gender Bias), als auch der persönliche Bias von Individuen, die das System in Auftrag geben oder designen, können in das System eingeschrieben werden. Technical Bias entsteht durch Entscheidungen, die beim technischen Design des Computersystems getroffen werden, beispielsweise »an algorithm that fails to treat all groups fairly under all significant conditions« (Friedman & Nissenbaum 1996, S. 334). Auch nach der Fertigstellung des Systems können durch die Interaktion von NutzerInnen mit dem Computersystem Verzerrungen entstehen, der sog. Emergent Bias. So können beispielsweise neue Erkenntnisse gewonnen werden, die das System nicht abbildet oder auch Nutzergruppen das System verwenden, deren Bedürfnisse beim Design nicht berücksichtigt wurden (Friedman & Nissenbaum 1996). Inwiefern Informationsintermediäre Bias hervorrufen oder verstärken und wie sie die inhaltliche Vielfalt bei der Rezeption von Information beeinflussen, wird sowohl empirisch, als auch theoretisch in Form von Modellen untersucht. Im Folgenden werden zunächst empirische Befunde zu Selektion und Bias in Informationsintermediären zusammengefasst. 4 Empirische Erkenntnisse zu Selektion und Bias in Internet-Intermediären 4.1 Studien zu Fragmentierung, Echokammern und Filterblasen Mit dem Einfluss von Informationsintermediären auf die Selektion von Inhalten und dessen Konsequenzen beschäftigt sich vor allem die Kommunikationswissenschaft (Lobigs & Neuberger 2018; Schweiger 4 Empirische Erkenntnisse zu Selektion und Bias in Internet-Intermediären 16 2017; Stark, Magin & Jürgens 2017), die Rechtswissenschaft (Zuiderveen Borgesius et al. 2016; Goldman, 2008) und die Informatik (Flaxman, Goel und Rao 2015; Hannák et al. 2013), aber auch die Psychologie (Epstein et al. 2017) und die Wirtschaftswissenschaft (Gentzkow & Shapiro 2011). Empirische Untersuchungen zur Informationsauswahl im Netz sind vor allem in den USA zu finden. Studien zur Fragmentierungsund Echokammerthese, die untersuchen, ob InternetnutzerInnen ausschließlich meinungskonsonante Inhalte auswählen, kommen zu widersprüchlichen Ergebnissen. Knobloch-Westerwick & Meng (2011) und Iyengar & Hahn (2009) kommen in experimentellen Settings zu dem Schluss, dass NutzerInnen bevorzugt Inhalte auswählen, von denen sie eine Übereinstimmung mit eigenen Überzeugungen erwarten. Gentzkow & Shapiro hingegen analysieren das Mediennutzungsund Browsingverhalten von NutzerInnen über mehrere Jahre hinweg und beobachten kaum InternetnutzerInnen mit einer »homogenous news diet« (2011, S. 1831): LeserInnen von Seiten mit ideologisch extremer Ausrichtung rezipieren auch eine Vielzahl unterschiedlicher Quellen; insgesamt dominieren große, moderate Medienangebote die Rezeption im Internet (Gentzkow & Shapiro 2011). Für Deutschland untersucht Stark (2014) die Medienrepertoires und die Themenwahrnehmung von InternetnutzerInnen. Die Auswertung ihrer Online-Befragung zeigt, dass »sich unabhängig von spezifischen Nutzungsmustern eine gemeinsame Themenagenda ausbildet, die erst im Long-Tail-Bereich zersplittert« (S. 37). Auch die Filterblasen-Theorie, also Polarisierung als Folge algorithmischer Selektion, lässt sich nicht eindeutig nachweisen und wird nur in wenigen Studien untersucht. Tewksbury und Rittenberg stellen in ihrer Studie fest, dass bei US-amerikanischen NachrichtenrezipientInnen, die nicht-personalisierte Medienangebote nutzen, kaum Unterschiede bei der Themenwahrnehmung zwischen RepublikanerInnen und DemokratInnen zu beobachten sind. Wurden jedoch personalisierte Angebote genutzt (beispielsweise über Twitter, Soziale Netzwerk-Seiten oder RSS-Feeds), waren die Unterschiede in der Wahrnehmung politischer Themen zwischen beiden Gruppen größer. Dieser Effekt war allerdings nur bei einem von drei untersuchten Themen deutlich sichtbar (Tewksbury & Rittenberg 2012). Zhang, Zheng & Peng (2017) beobachten, dass durch die Personalisierung in einer Nachrichten-App in China die Diversität der rezipierten Nachrichten im Lauf der Zeit leicht abnimmt; zugleich hat die Vielfalt der in den Nachrichten-Apps potentiell zur Verfügung stehenden Inhalte einen positiven Effekt auf die Vielfalt der individuellen Nachrichtenrezeption. Auch Flaxman, Goel und Rao (2015) kommen zu 4 Empirische Erkenntnisse zu Selektion und Bias in Internet-Intermediären 17 dem Ergebnis, dass die Nutzung von Suchmaschinen und Sozialen Netz-werk-Seiten zwar einerseits dazu führt, dass RezipientInnen verstärkt meinungskonsonante Inhalte wahrnehmen – aber gleichzeitig auch zur Folge hat, dass Nachrichten aus zahlreichen unterschiedlichen Quellen und damit auch gegensätzliche Meinungen rezipiert werden. Laut Barberà hat die Nutzung von Social Media sogar einen »positive effect on political moderation« (2015, S. 1). In einer Untersuchung von Twitter-NutzerInnen in Deutschland, den USA und Spanien beobachtet er, dass diese ein heterogenes Netzwerk haben und dadurch eine Vielfalt an Inhalten rezipieren. Insgesamt gibt es also keine empirischen Befunde zu Selektion und Rezeption von Inhalten im Netz, die die Theorien der Echokammern, Filterblasen und Fragmentierung eindeutig beoder widerlegen. Problematisch ist zudem, dass bislang nicht geklärt ist, ab welchem Grad der ausdifferenzierten Mediennutzung von Fragmentierung gesprochen werden kann (Stark 2013). 4.2 Funktionsund Wirkungsweise einzelner Intermediärs-Typen Bei der Forschung zum Einfluss von Informationsintermediären auf die Selektion von Inhalten liegt der Fokus auf Suchmaschinen und Sozialen Netzwerk-Seiten. Dabei werden wiederum v.a. die Intermediäre mit den größten Nutzerzahlen – Google und Facebook – untersucht. Auch zur Micro-Blogging-Plattform Twitter, die in Deutschland aufgrund ihres Nischen-Status allerdings kaum Einfluss auf die politische Kommunikation hat (Schweiger 2017), gibt es einige empirische Befunde (Seemann & Kreil 2017, Barberà 2015). Die Selektion in den Plattformen Snapchat und Instagram, die vor allem in der Altersgruppe der unter 20-Jährigen beliebt sind, ist jedoch kaum erforscht, obwohl diese ebenfalls Auswahlund Personalisierungsalgorithmen einsetzen (Falk 2018, Constine 2017). Auch zu den Selektionsmechanismen in Plattformen für nutzergenerierte Inhalte (UGC-Plattformen) und Multimediaplattformen gibt es lediglich vereinzelte Studien zur Videoplattform Youtube (Zhou et al. 2016; Rieder, Matamoros-Fernández & Coromina 2018). Die folgenden Kapitel gliedern den Forschungsstand nach einzelnen Intermediärs-Typen auf und nehmen dabei Suchmaschinen, Soziale Netzwerk-Plattformen und Youtube als Mischform aus UGC-, Multimediaund Sozialer NetzwerkPlattform in den Blick. 4 Empirische Erkenntnisse zu Selektion und Bias in Internet-Intermediären 24 Die Selektion von Inhalten in Sozialen Netzwerk-Seiten hängt von der Beschaffenheit des Freundes-Netzwerks, den Auswahlentscheidungen der NutzerInnen und der algorithmischen Auswahl und Gewichtung von Beiträgen ab. Studien zur Frage, ob Freundeskreise in Sozialen Netzwerk-Seiten homogen (Echokammer-Theorie) oder heterogen (Netzwerk-Theorie) sind, liefern widersprüchliche Ergebnisse. Filterblasen-Effekte auf Basis algorithmischer Selektion sind nicht nachweisbar. Die oben genannten Studien treffen jedoch lediglich Aussagen über die Wirkung der Selektion und Rezeption von Information in sozialen Netzwerken, nicht aber über deren Funktionsweise – also darüber, inwiefern die beobachteten Effekte durch die Informationsintermediäre oder die NutzerInnen verursacht bzw. verstärkt wurden. Zudem geben Studien bislang vor allem Auskunft darüber, welche Posts gelikt oder angeklickt wurden, lassen aber kaum Rückschlüsse über die Inhalte zu, die oberflächlich beim Überfliegen der Timeline rezipiert werden. 4.2.3 Youtube als Mischform einer Multimedia-, UserGenerated-Contentund Social-Network-Plattform Neben Forschung zu Suchmaschinen und Sozialen Netzwerk-Seiten gibt es einige Publikationen zu Selektionsmechanismen in der VideoPlattform YouTube, die zugleich als Multimediaund User-GeneratedContent-Plattform sowie als Soziales Netzwerk verstanden werden kann. YouTube zeichnet sich durch eine »dual nature of user participation« (Susarla, Oh & Tan 2012, S. 23) aus, die die Grenzen zwischen Produzierenden und Rezipierenden von Inhalten verschwimmen lässt: So können NutzerInnen einerseits – genau wie professionelle Anbieter – eigene Kanäle erstellen, Videos posten und mit eigenen Tags verschlagworten. Gleichzeitig können sie sich mit anderen NutzerInnen befreunden, die Kanäle anderer abonnieren, Videos bewerten und kommentieren. Die soziale Interaktion der NutzerInnen hat einen starken Einfluss darauf, welche Inhalte auf YouTube weit verbreitet und rezipiert werden. Dabei sind die Diskrepanzen bei der Reichweite enorm: »One of the hallmarks of YouTube is the tremendous variation in the success of content, where a handful of videos acquire Internet superstar status while most languish in abscurity« (Susarla, Oh & Tan 2012, S. 23f.). Das Auffinden von Inhalten auf YouTube kann über verschiedene Zugänge erfolgen. NutzerInnen können gezielt nach Inhalten suchen und Videos von FreundInnen oder abonnierten Kanälen wählen; zudem bekommen sie auf der Startseite Empfehlungen und am Ende eines jeden Videos eine Liste ähnlicher Videos angezeigt. Auch außerhalb der YouTube-Seite können NutzerInnen auf YouTube-Videos stoßen, da 4 Empirische Erkenntnisse zu Selektion und Bias in Internet-Intermediären 25 diese auf anderen Websites, Blogs und Networking Sites integriert werden können (Kessler & Schäfer 2009). Wie bei Suchmaschinen ist bei der direkten Suche in YouTube das Ranking der Videos entscheidend für deren Rezeption. Wird eine Suchanfrage bei YouTube eingegeben, werden zunächst alle zur Anfrage passenden Videos ausgemacht, beispielsweise auf Basis ihrer Titel, Beschreibungen, Kommentare und automatischer Sprachund Bilderkennung. In welcher Reihenfolge diese Videos angezeigt werden, hängt von einer Vielzahl an Faktoren ab. Rieder, Matamoros-Fernández & Coromina beschreiben das Ranking als verteilten, dynamischen Prozess, an dem unterschiedliche AkteurInnen beteiligt sind. Sie sprechen daher von Ranking Cultures anstelle von Ranking-Algorithmen. So wirken sich neben Kennzahlen sozialer Interaktion wie der Anzahl der Views, Likes, Kommentare und Kanal-Abonnements auch die Aktualität eines Videos, die Optimierungsstrategien der VideoProduzentInnen sowie Werbestrategien des Plattformbetreibers auf die Position eines Videos im Ranking aus (Rieder, Matamoros-Fernández & Coromina 2018). In einer Studie mit Suchbegriffen zu kontroversen politischen Themen beobachten Rieder, Matamoros-Fernández & Coromina, dass das Ranking in den Ergebnislisten im Laufe der Zeit zwischen Stabilität und Veränderung schwankt. Während ältere Videos teilweise über längere Zeit auf dem gleichen Ranking-Platz in der Ergebnisliste bleiben, verschwinden neuere Videos oft schnell wieder aus der Liste. Die Anzahl der neu publizierten Videos zu einem Suchbegriff ist dabei ausschlaggebend, sodass die AutorInnen der Studie konstatieren: »YouTube's search function is highly reactive to attention cycles« (2018, S. 63f.). Zudem beobachten sie komplexe Ranking-Kulturen »that reward platform-specific strategies and audience activation through strongly opinionated expression« (Rieder, MatamorosFernández & Coromina 2018, S. 64): So verhilft das Ranking von YouTube Nischen-Kanälen mit kontroversen Themen und treuen ZuschauerInnen zu großer Sichtbarkeit, obwohl diese meist geringere View-Zahlen haben als gemäßigte Inhalte (Rieder, MatamorosFernández & Coromina 2018). Bishop (2018) untersucht darüber hinaus, wie sich die Funktionsweise des YouTube-Rankings auf die Sichtbarkeit von Inhalten einerseits und die Produktion von Inhalten andererseits auswirkt. Da Video-Blogger (Vlogger) größtmögliche Sichtbarkeit anstreben, beeinflusst ihre Vorstellung des Ranking-Algorithmus bewusst oder unbewusst ihr Verhalten. Bishop zeigt am Beispiel von Beauty-Vloggerinnen auf, dass der YouTube-Algorithmus eine polarisierende Wirkung auf die Zuschreibung von Geschlechterrollen hat, da »hegemonic, feminized 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 26 cutural ouptuts« (Bishop 2018, S. 73) bevorzugt werden, um einen konzentrierten Werbemarkt für Schönheit, Mode und Backen zu schaffen. So vergeben VlogerInnen auch für andere Inhalte Beautyund Mode-bezogene Tags, da sie sich davon bessere Sichtbarkeit für ihre Videos erhoffen. Auch darüber hinaus passen Video-Postende ihre Inhalte an die von ihnen angenommene Funktionsweise des YouTube-Algorithmus an: Da der Ranking-Algorithmus Videos bevorzugt, die zu einer besonders langen »viewing session« führen, vermeiden sie »diverse, riskier and orignal content« (Bishop 2018, S. 76), der zum Abbruch der Session führen konnte. Auch auf die automatische Generierung von Schlagwörtern durch Analyse des Videos auf Basis von Spracherkennungssoftware reagieren YouTuberInnen, indem sie bestimmte Begriffe in ihr Video einfließen lassen und besonders deutlich aussprechen (Bishop 2018). YouTube ist eine Plattform für nutzergenerierte audiovisuelle Inhalte, die auch Merkmale Sozialer Netzwerk-Seiten aufweist. Das Ranking von Videos hängt von der Aktualität der Inhalte, der sozialen Interaktion der NutzerInnen und der werbeorientierten Plattformkultur von YouTube ab. Die Vorstellung, die YouTuberInnen von der Funktionsweise des Ranking-Algorithmus haben, beeinflusst zudem die Produktion der Inhalte. 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 5.1.1 Zwei Modelle zur Selektion in Informationsintermediären Die vorhandenen empirischen Erkenntnisse lassen also keine eindeutigen Aussagen über Selektionsmechanismen in Informationsintermediären und dadurch entstehende Verzerrungen zu. Weitere Forschung ist nötig, um zu untersuchen, auf welchen Entscheidungsmustern die Algorithmen der Intermediäre basieren, wie sich diese von traditionellen Formen der Informationsauswahl unterscheiden, wie die Intermediäre die »information diet« (Jürgens & Stark 2017, S. 396) der NutzerInnen verändern und inwiefern dabei Verzerrungen entstehen. Zwei Modelle können als Basis für die weitere Forschung zu Selektion und Bias in Informationsintermediären dienen: Das Intermediary Effects Modell von Jürgens und Stark (2017) und das Filter-Modell von Bozdag (2013). 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 27 Filter-Modell von Bozdag Bozdags Modell stellt für jede Stufe der Informationsverarbeitung in Intermediären dar, welche Faktoren und AkteurInnen den Informationsfluss beeinflussen. Im Zentrum steht dabei der »human operator« (2013, S. 215), der wie in traditionellen Medienangeboten die Selektion von Inhalten maßgeblich bestimmt, indem er das Design der Algorithmen festlegt und direkt Einfluss nimmt (Vgl. Abb. 6). Daher treffen Intermediäre keine »neutral computerized selections«, sondern können verschiedene Formen der Verzerrung aufweisen (Bozdag 2013, S. 214). Abbildung 6: »A model of filtering for online web services including personalization« (Bozdag 2013, S. 215) 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 28 Schon in der ersten Stufe, der Sammlung von Information, werden einige Inhalte ausgeschlossen, beispielsweise weil sie nicht digital vorliegen oder den technischen Anforderungen des Intermediärs nicht entsprechen. Wie anschließend die Auswahl und Priorisierung von Information vorgenommen wird, hängt davon ab, welche Faktoren der Algorithmus berücksichtig und wie diese gewichtet sind. So priorisiert Facebooks EdgeRank-Algorithmus beispielsweise aktuelle Posts (Information Age) und bevorzugt Videos und Bilder vor Links und Text (Information Type). Der Algorithmus von Google hingegen gibt eigenen Produkten den Vorzug (Own Content Prioritization) und gewichtet beliebte Inhalte stärker (Popularity Bias). Ob bestimmte Inhalte gelöscht oder zurückgehalten werden, entscheiden zudem MitarbeiterInnen der Intermediäre, indem sie über Beschwerden von Regierungsorganisationen, NutzerInnen oder Urheberrechts-InhaberInnen entscheiden und die Einhaltung der Nutzungsbedingungen überwachen. Dass diese »editorial judgments« (S. 217) diskutabel sind, zeigt zum Beispiel der Skandal um das Löschen eines Fotos zweier sich küssender Männer durch Facebook-MitarbeiterInnen (Bozdag 2013). Ob und an welcher Stelle Inhalte in Intermediären angezeigt werden, wird auch von einem Personalisierungsalgorithmus beeinflusst. Dieser berücksichtigt neben den Interessen und dem Verhalten von NutzerInnen (User Interaction History, User Preferences) auch deren Geolokalisation (Location), das Freundes-Netzwerk der NutzerInnen (Interpersonal Networks) und die Beliebtheit von Inhalten (Audiences). Auch Werbetreibende nehmen hier Einfluss, da sie ihre Inhalte auf Basis von NutzerInnendaten möglichst zielgruppenspezifisch anzeigen wollen. Insgesamt zeigt das Filter-Modell von Bozdag, dass sowohl die Informationsauswahl, der Priorisierungs-, Personalisierungsund Präsentations-Algorithmus, als auch menschliche Entscheidungen beeinflussen, welche Inhalte RezipientInnen an welcher Stelle und zu welchem Zeitpunkt im Informationsintermediär angezeigt bekommen. Das Intermediary Effects Model von Jürgens & Stark Während Bozdags Modell sich auf die Einflussfaktoren in den einzelnen Selektionsschritten innerhalb des Informationsintermediärs konzentriert, gehen Jürgens und Stark davon aus, dass Bias an unterschiedlichen Stellen – nicht nur in den Intermediären – entstehen und Wirkung entfalten kann. Um den Einfluss der Informationsintermediäre im Netz zu beschreiben, reicht es daher nicht, lediglich den Informationsintermediär und seine Filtermechanismen in den Fokus zu nehmen. Stattdessen muss die gesamte Produktionsund Verbreitungskette von Informationen im Internet analysiert werden. 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 29 Jürgens und Stark schlagen daher ein Modell zur Analyse des Einflusses von Intermediären vor, »that reflects the flow and manipulation of information across different stages in the digital domain« (2017, S. 287). Dieses General Intermediary Effects Model (IEM) besteht aus drei Selektions-Schritten, die jeweils den Einfluss eines Akteurs auf den von ihm kontrollierten Inhalt beschreiben. Als Producer werden AkteurInnen bezeichnet, die irgendeine Form von Inhalt generieren (z.B. Medienangebote, NutzerInnen, Institutionen). Die Informationsauswahl der Producer beeinflusst die Intermediäre, deren Informationsauswahl selbst universellen Logiken unterliegt. Jede Logik beschreibt eine Funktionsweise, z.B. ein Entscheidungskriterium des Algorithmus. Damit sind Logiken die konkreten Quellen von Bias. Die dritte Säule des Modells bilden die NutzerInnen, deren Informationsauswahl von den Intermediären beeinflusst wird, aber wiederum eigenen Logiken folgt. Abbildung 7: Intermediary Effects Model (Jürgens & Stark 2017, S. 403) Filtering, Sorting und Personalization Bias Die Selektionslogiken der Intermediäre können nach Jürgens und Stark drei Formen von Verzerrungen hervorbringen: Filtering, Sorting und Personalization Bias. Filtering Bias beschreibt, welche Inhalte gar nicht auffindbar sind oder nicht angezeigt werden. Anders als in traditionellen Medien wie Zeitungen und Fernsehen sind Platz bzw. Sendezeit im Internet zwar nicht begrenzt. Dennoch muss der Intermediär eine bestimmte Auswahl der im Netz zur Verfügung stehenden Information treffen, um die Usability seines Outputs zu gewährleisten. 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 30 Eine Form von Filtering Bias ist die Zensur, d.h. das Löschen der »expression of certain ideas« (Jürgens & Stark 2017, S. 399). Sorting Bias bedeutet, dass bestimmte Inhalte priorisiert und somit prominenter platziert werden als andere, was dazu führt, dass sie auch mehr Aufmerksamkeit erfahren, beispielsweise durch das Ranking von Suchergebnissen. Personalization Bias schließlich beschreibt die Anpassung der Inhalte auf Basis von Informationen über die Nutzerin, sodass jede Nutzerin ein auf sie zugeschnittenes Informationsangebot erhält. Jürgens und Stark beschreiben Personalization Bias auch als Second Level Bias, weil es nicht am Output des Intermediärs gemessen werden kann, sondern nur an den Unterschieden der Outputs verschiedener NutzerInnen. Durch das Zusammenspiel von Nutzerverhalten und algorithmischer Auswahl ist Personalization Bias schwierig zu messen, was auch durch den mangelnden Zugang zu Daten der Intermediäre verstärkt wird (Jürgens & Stark 2017). Während das Filter-Modell von Bozdag aufgliedert, durch welche Faktoren und AkteurInnen in den verschiedenen Stufen des Informationsflusses innerhalb von Intermediären Bias entstehen kann, macht das General Intermediary Effects Model (IEM) deutlich, dass Bias in der Informationsselektion und -rezeption an verschiedenen Stellen im gesamten Informationsfluss zwischen Produzierenden und Rezipierenden entstehen und wirken kann. Indem nur der Output des Intermediärs untersucht wird, können demnach keine Aussagen über dessen Einfluss gemacht werden. So könnten Intermediäre bereits existierenden Bias spiegeln; auch NutzerInnen können Bias verstärken oder reduzieren. Ob Intermediäre Quellen von Bias sind, muss daher »rigorously in the context of the entire information flow« (Jürgens & Stark 2017, S. 404) untersucht werden. 5.1.2 Theoretische Ansätze zur Selektion von ProduzentInnen und RezipientInnen Um die Selektion von Information im gesamten Informationsfluss zu untersuchen, müssen auch die Selektionslogiken auf der Ebene von Informations-Produzierenden und Rezipierenden analysiert werden. Die Kommunikationswissenschaft bietet hierzu unterschiedliche theoretische Herangehensweisen. 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 31 Abbildung 8: Forschungsansätze zu Selektion bei ProduzentInnen und RezipientInnen Auf der Ebene der Nutzerin wird Selektion als »unbewusste oder bewusste Auswahl bzw. das unbewusste oder bewusste Vermeiden von Informationen oder Medienangeboten« untersucht (Bilandzic, Schramm & Matthes 2015, S. 50). Der Selektionsvorgang ist dabei in mehrere Phasen unterteilt, in denen jeweils Selektionsmechanismen wirken. In der präkommunikativen Phase wählt die Nutzerin ein Medium (z.B. eine Zeitung, den Fernseher oder das Radio) aus. In der kommunikativen Phase erfolgt die Auswahl eines einzelnen, abgeschlossenen Angebots innerhalb des Mediums (z.B. ein Zeitungsartikel) und einzelner Inhalte innerhalb des Angebots (z.B. ein Absatz aus einem Zeitungsartikel). Welche der Informationen und Argumente die Nutzerin schließlich verarbeitet, entscheidet sich in der postkommunikativen Phase (Donsbach 1991, Bilandzic, Schramm & Matthes 2015). Die bekannteste und vor allem im Kontext der Echokammern oft zitierte Theorie zur NutzerInnen-Selektion ist die der kognitiven Dissonanz. Sie geht davon aus, dass NutzerInnen Medienangebote nicht als Ganzes, sondern selektiv rezipieren (»Selective Exposure«). Sie wählen dabei eher Medieninhalte aus, die mit ihrem »kognitiven System« (Bilandzic, Schramm & Matthes 2015, S. 57) übereinstimmen, und vermeiden diejenigen Inhalte, die inkonsistent zu ihren Überzeugungen sind. Die Theorie reicht jedoch nicht aus, um alle Selektionsentscheidungen zu erklären, beispielsweise das »Medienverhalten bei spannungslosen Zuständen« (Eilders 1999, S. 27) oder die Auswahl unterhaltender Inhalte (Eilders 1999). 5 Forschungsansätze zu Selektion und Bias in Internet-Intermediären 32 Funktionalistische Ansätze sehen MediennutzerInnen hingegen als aktive AkteurInnen, die Medienangebote rezipieren, um Bedürfnisse zu befriedigen. So geht der Uses-and-Gratifications-Ansatz davon aus, dass RezipientInnen Medieninhalte entsprechend ihren Bedürfnissen auswählen, beispielsweise zum Informationsgewinn, zur Unterhaltung oder zur Pflege sozialer Kontakte. Einen ähnlichen Ansatz verfolgen das GS/GO-Modell (gratifications sought and obtained) und das Erwartungsmodell, nach denen RezipientInnen diejenigen Inhalte auswählen, »bei denen die Diskrepanz zwischen erwarteten und erhaltenen Gratifikationen am geringsten ist« (Eilders 1999, S. 32f.). Erregungspsychologische Ansätze untersuchen hingegen Motive der Auswahl, die unbewusst und unplanvoll sind. So ist nach der MoodManagement-Theorie die Stimmung der Rezipientin entscheidend, da sie negative Stimmungen vermeiden will und daher Medieninhalte auswählt, die ihre Stimmung zum Positiven ändern. Schließlich ist auch die habituelle Mediennutzung für die Auswahl von Inhalten ausschlaggebend. Um nicht täglich aus dem Gesamtangebot der zur Verfügung stehenden Medieninhalte auszuwählen, entwickeln RezipientInnen Nutzungsgewohnheiten (z.B. das Abonnement einer Zeitung oder das regelmäßige Lesen einer bestimmten Website) und selektieren nur noch innerhalb dieser Medienangebote Inhalte (Eilders 1999). Auch zur Selektion auf der Ebene der Produzierenden bietet die Kommunikationswissenschaft verschiedene theoretische Ansätze, z.B. den Gatekeeping-Ansatz, die Nachrichtenwertforschung, die News Bias-Forschung und den Framing-Ansatz. Diese beziehen sich vor allem auf die Nachrichtenauswahl von ProduzentInnen traditioneller Medienangebote. Der Gatekeeping-Ansatz analysiert, welche Eigenschaften von JournalistInnen und Medienorganisationen sich auf die Auswahl von Nachrichten auswirken und lässt dabei inhaltliche Aspekte der Berichterstattung außer Acht (Eilders 1999). Die Nachrichtenwertforschung geht hingegen davon aus, dass inhaltliche Merkmale ausschlaggebend für die Auswahl einer Nachricht sind. Anhand bestimmter Nachrichtenfaktoren (z.B. Konflikt/Kontroverse, Emotion oder Relevanz) wird somit der Wert jeder Nachricht bestimmt: Ereignisse, auf die mehrere dieser Faktoren in hoher Ausprägung zutreffen, werden mit größerer Wahrscheinlichkeit für die Berichterstattung eines Medienangebots ausgewählt (Beck 2015). Die NewsBias-Forschung nimmt sowohl die JournalistInnen und VerlegerInnen, als auch inhaltliche Aspekte der Berichterstattung in den Blick. Sie untersucht den Zusammenhang der politischen Präferenzen von JournalistInnen und »politische[r] Tendenz in der Nachrichtenauswahl« (Eilders 1999, S. 19). 6 Selektion und Bias in traditionellen Intermediären 33 Darüber hinaus kann auch der Framing-Ansatz zur Analyse der Informationsauswahl durch Produzierende herangezogen werden. Er untersucht, auf welche Rahmen (»Frames«) AkteurInnen wie JournalistInnen (aber auch RezipientInnen) zurückgreifen, um bestimmte Informationen auszuwählen oder zu ignorieren. Zudem lassen sich mit diesem Ansatz auch die Rahmen beschreiben, in die bestimmte Inhalte eingeordnet werden, also beispielsweise welche Informationen und Positionen betont und welche ausgeblendet werden (Matthes 2014). Auf der Ebene der Medienwirkungsforschung wird darüber hinaus anhand des Agenda-Setting-Ansatzes untersucht, inwiefern die Auswahl und Gewichtung von Themen in den Medien beeinflusst, welche Themen in der Öffentlichkeit als relevant eingestuft werden (Bulkow & Schweiger 2013). Insgesamt gibt es verschiedene Erklärungsversuche für die Selektionsentscheidungen von Inhalte-Produzierenden: den Gatekeeping-, Framing-, Agenda-Settingund News-Bias-Ansatz sowie die Nachrichtenwertforschung. Das Gleiche gilt für die Selektionsentscheidungen von Rezipierenden: Erklärungsversuche sind hier die Theorie der kognitiven Dissonanz, funktionalistische und erregungspsychologische Ansätze sowie die habituelle Mediennutzung. Es gibt es jedoch keinen theoretischen Ansatz, der das Selektionsverhalten von ProduzentInnen oder RezipientInnen umfassend erklären kann. Stattdessen führen die verschiedenen Zugänge zu teilweise widersprüchlichen Ergebnissen und »stehen relativ unverbunden nebeneinander« (Eilders 1999, S. 13). Dennoch zeigen sie in ihrer Gesamtheit auf, dass neben der Selektion durch Informationsintermediäre noch weitere Selektionsmechanismen beeinflussen, ob eine Rezipientin eine Information wahrnimmt. Zudem können die Forschungsansätze zu den Selektionsentscheidungen von RezipientInnen als Basis dienen, um den Grad der Souveränität der NutzerInnen bei der Informationsauswahl in Intermediären zu untersuchen. So formulieren auch Jürgens und Stark als Grundfrage der Forschung zu Intermediären: »Who is really making the decisions - active, self-determined users, or machines who impose their embedded biases upon them?« (Jürgens & Stark 2017, S. 415f.). 6 Selektion und Bias in traditionellen Intermediären Die Vermittlung von Inhalten und die Selektion, Aggregierung und Anordnung von Information durch Intermediäre ist jedoch kein Phänomen, dass erst im Digitalen in Erscheinung tritt. Unter die eingangs vorgestellte Definition des Begriffs Informationsintermediär 8 Zusammenfassung und Forschungsdesiderat 40 Empfehlungsalgorithmus« (2017); auch die Buchhändlerin selbst kann die genauen Selektionslogiken ihrer Empfehlung nicht benennen. Aspekte wie die Granularität der Inhalte, die historisierten Datenbestände und die Verbreitung nutzergenerierter Inhalte hingegen unterscheiden Buchhandlungen und Bibliotheken noch stärker als Massenmedien von den Informationsintermediären im Netz. Um die Differenzqualität der Selektion in traditionellen und InternetIntermediären umfassend darzustellen, muss daher zunächst herausgearbeitet werden, welche Selektionsmechanismen in den einzelnen Typen von Intermediären jeweils greifen. Zudem darf nicht außer Acht gelassen werden, dass traditionelle und Internet-Informationsintermediäre nicht unabhängig voneinander agieren: so nutzen JournalistInnen Informationsintermediäre für Recherche, Themenfindung und Publikumsinteraktion (Lobigs & Neuberger 2018). Gleichzeitig verbreiten traditionelle Medienangebote ihre Inhalte über Informationsintermediäre im Netz. Hierdurch wird auch die journalistische Produktion von Inhalten durch die Funktionsweise der Internet-Intermediäre beeinflusst, da die »Resonanz« (Schulz 2016, S.80) einzelner Artikel für die JournalistInnen unmittelbar sichtbar wird. Mit Analyse-Tools wie »Chartbeat« untersuchen Redaktionen, wie oft ein Beitrag im Vergleich zu anderen Beiträgen angeklickt wurde. Auf Basis dieser Analysen werden Überschriften und Inhalte für den Social-Media-Kontext optimiert und bevorzugt diejenigen Beiträge veröffentlicht, die möglichst viel und langanhaltend Aufmerksamkeit versprechen (Schulz 2016). 8 Zusammenfassung und Forschungsdesiderat Dieser Beitrag fasst den Forschungsstand zu Selektion und Bias in traditionellen und Internet-Informationsintermediären zusammen. Es wurde gezeigt, dass die Selektion von Inhalten durch InternetInformationsintermediäre als Gefahr gesehen wird, wie die Diskussionen um Echokammer-, Filterblasenund Fragmentierungsthesen deutlich machen. Allerdings gibt es unterschiedliche Auffassungen des Begriffs Informationsintermediär. Dieser Beitrag definiert Informationsintermediäre als Organisationen, die Information sammeln, ordnen und bereitstellen und dabei als Vermittler zwischen Produzierenden und Rezipierenden Einfluss auf den Informationsfluss nehmen. Dazu gehören Suchmaschinen, Soziale Netzwerk-Seiten, NachrichtenAggregatoren, Plattformen für nutzergenerierte Inhalte, Multimediaplattformen und Verkaufsplattformen für Kommunikationsund Kulturgüter. Sie haben gemeinsam, dass sie Information entund neubündeln, personalisieren, die Anschlusskommunikation vereinfachen 8 Zusammenfassung und Forschungsdesiderat 41 und von RezipientInnen zum Informations, Beziehungsund Identitätsmanagement genutzt werden. Im Gegensatz zum Intermediärs-Begriff betont der Begriff Gatekeeper weniger die Vermittlung, sondern die Auswahl, Gewichtung und das Filtern von Information und ist diskursiv stark mit der Regulierung von Medienangeboten verknüpft. Diese Regulierung basiert auf den Konzepten der Vielfaltssicherung und der Eingrenzung von Meinungsmacht sowie der Annahme, dass nur eine Vielfalt an Medienangeboten und Inhalten demokratische Meinungsbildung gewährleistet. Da das traditionelle Gatekeeping-Konzept genau wie dessen Regulierung nicht ohne weiteres auf Internet-Intermediäre übertragen werden kann, erweitern die Network-Gatekeeping-Theorie von Barzilai-Nahon und das Framework für Internet Information Gatekeeper (IIG) von Laidlaw das Konzept, um damit auch Selektionsmechanismen im Internet beschreiben zu können. Dieser Beitrag hat aufgezeigt, dass empirische Befunde zu Selektion und Bias in Internet-Informationsintermediären lückenhaft und teils widersprüchlich sind. Bisher wurden vor allem die Selektionsmechanismen in Suchmaschinen und Sozialen Netzwerk-Seiten untersucht. Für Suchmaschinen deuten empirische Studien darauf hin, dass Personalisierung nur in sehr geringem Maße stattfindet. Gleichzeitig ist hier das Wirkungspotential möglicher Verzerrungen enorm. Die Selektion von Inhalten in Sozialen Netzwerk-Seiten hängt von der Beschaffenheit des Freundes-Netzwerks, den Abonnements der NutzerInnen und der algorithmischen Auswahl und Gewichtung ab. Studien zur Frage, ob Freundeskreise in sozialen Netzwerken homogen oder heterogen sind, liefern widersprüchliche Ergebnisse. Insgesamt gibt es keine Belege, die die Theorien der Echokammern, Filterblasen und Fragmentierung eindeutig beoder widerlegen. Es ist also weitere Forschung nötig, um den Einfluss von Informationsintermediären im Internet abschätzen zu können. Als Grundlage weiterer Untersuchungen können zwei Modelle dienen: Das FilterModell von Bozdag zeigt auf, durch welche Faktoren und AkteurInnen in den verschiedenen Stufen des Informationsflusses innerhalb von Intermediären Bias entstehen kann. Das General Intermediary Effects Model (IEM) macht hingegen deutlich, dass Bias in der Informationsselektion und -rezeption an verschiedenen Stellen im gesamten Informationsfluss zwischen Produzierenden und Rezipierenden entstehen und wirken kann. Um die Selektionsentscheidungen auf Ebene der Produzierenden und Rezipierenden zu untersuchen, gibt es in der Kommunikationswissenschaft verschiedene theoretische Ansätze, die hier vorgestellt wurden. 8 Zusammenfassung und Forschungsdesiderat 42 Die Auswahl und Gewichtung von Inhalten durch Intermediäre ist jedoch kein Phänomen des Digitalen: auch traditionelle Medienangebote, Verlage, Buchhandlungen, Bibliotheken und LiteraturkritikerInnen können als Informationsintermediäre verstanden werden, die potentiell Quellen von Bias sind. Weitere Forschung Eine umfassende Beschreibung der Selektionsmechanismen in traditionellen Intermediären und deren Unterschiede zu Selektionsmechanismen in Internet-Intermediären steht jedoch noch aus. Eine solche Arbeit scheint aus mehreren Gründen gewinnbringend: Während bisher publizierte Studien lediglich vereinzelte Einblicke gewähren, ob zu einem bestimmten Zeitpunkt bei ausgewählten NutzerInnen vielfaltsverengende oder Filterblasen-Effekte in Internet-Intermediären zu beobachten sind, ermöglicht eine umfassende, theoriebasierte Annährung ein breiteres Bild vom Einfluss der Intermediäre. Zudem wird durch den Vergleich der Selektionsmechanismen in traditionellen und Internet-Intermediären deutlich, was an der Selektion im digitalen Kontext tatsächlich neu ist und gesellschaftlicher Überprüfung bedarf. Vor allem in der Diskussion um die Regulierung von Intermediären erscheint dies vielversprechend. Wie dieser Beitrag gezeigt hat, kann die Regulierung traditioneller Medienangebote nicht ohne Weiteres auf Internet-Intermediäre übertragen werden. Die Analyse der Differenzqualität ermöglicht hier einen informationsethischen Ansatz: In Anlehung an die contextual integrity decision heuristic von Nissenbaum können die Selektionsmechanismen in Internet-Intermediären als neue Praxis mit etablierten Normen eines bereits bestehenden Kontexts – nämlich den traditionellen Intermediären – abgeglichen werden. Dieser Abgleich kann als Basis dienen, um Vorzüge und Risiken der neuen Praxis abzuwägen (Jones & Janes 2010). Dabei ist die Konzentration auf Nachrichtenrezeption und die Vernachlässigung unterhaltender Inhalte zu hinterfragen. Die meisten Studien zu Selektion im Internet beziehen sich auf die Rezeption informierender Inhalte – nicht zuletzt, da dies für die Regulierung von traditionellen Medienangeboten entscheidend ist. Allerdings tragen unterhaltende Angebote massiv zur Konstruktion sozialer Realität und zu einer gemeinsamen gesellschaftlichen Basis bei (Eilders 1999). Schließlich zielt die Frage nach Auswahl und Anordnung von Inhalten in Intermediären bisher vor allem darauf ab, ob diese zu einer Wahrnehmung durch die Rezipientin führt. Darüber hinaus stellen Personalisierungsund Empfehlungssysteme – sowohl in traditionellen, als auch in Internet-Intermediären – aber auch gesellschaftlichen Kontext oder „social imaginary“ her (Airoldi 2015, S.132), beispielsweise durch 8 Zusammenfassung und Forschungsdesiderat 43 das Empfehlen ähnlicher Videos auf YouTube oder thematische Buchpräsentationen in Buchhandlungen. Um den Einfluss von Informationsintermediären auf der Wirkungsebene einschätzen zu können, müssen ihre Selektionsmechanismen auch auf die Konstruktion dieser gesellschaftlichen Zusammenhänge hin untersucht werden. Literaturverzeichnis 44 Literaturverzeichnis Alcott & Gentzkow 2017: Allcott, Hunt; Gentzkow, Matthew (2017): Social Media and Fake News in the 2016 Election. In Journal of Economic Perspectives 31 (2), S. 211–236. Airoldi 2015: Airoldi, Massimo (2015): Potrebbe interessarti anche: recommender algorithms e immaginario, il caso YouTube. In Im@go 4 (6), S. 132–150. Baskshy et al. 2015: Bakshy, Eytan; Messing, Solomon; Adamic, Lada A. (2015): Exposure to ideologically diverse news and opinion on Facebook. In Science 348 (6239), S. 1130–1132. Barberá 2015: Barberá, Pablo (2015): How Social Media Influences Mass Political Polarization. Paper prepared for the 2015 APSA Conference. Verfügbar unter http://pablobarbera.com/static/barbera_ polarization_APSA.pdf, zuletzt geprüft am 16.11.2018. Barzilai-Nahon 2008: Barzilai-Nahon, Karine (2008): Toward a theory of network gatekeeping. A framework for exploring information control. In Journal of the Association for Information Science and Technology 59 (9), S. 1493–1512. Bilandzic, Schramm & Matthes 2015: Bilandzic, Helena; Schramm, Holger; Matthes, Jörg (2015): Medienrezeptionsforschung. Konstanz: UVK Verlagsgesellschaft (UTB). Bishop 2018: Bishop, Sophie (2018): Anxiety, panic and selfoptimization. In Convergence 24 (1), S. 69–84. Bozdag, 2013: Bozdag, Engin (2013): Bias in algorithmic filtering and personalization. In Ethics and Information Technology 15 (3), S. 209– 227. Bramann 2008: Bramann, Klaus-Wilhelm (2008): Wirtschaftsunternehmen Sortiment: Ausund Weiterbildung, rechtliche Grundlagen, Informationsund Kommunikationssysteme, Marketing im Sortimentsbuchhandel, Einkauf und Verkauf, Datenund Umweltschutz, Fachverbände ; in Anlehnung an die Lernfelder 1, 2, 3, 8 und 10 des Ausbildungsberufes Buchhändlerin/Buchhändler. 3., völlig neu bearb. Aufl. Frankfurt am Main: Bramann (Edition Buchhandel, 4). Literaturverzeichnis 45 Brühl, Brunner & Ebitsch 2018: Brühl, Jannis; Brunner, Katharina; Ebitsch, Sabrina (2018): Der Facebook-Faktor. Wie das soziale Netzwerk die Wahl beeinflusst. Online verfügbar unter http://gfx.sueddeutsche.de/apps/e502288/www/, zuletzt aktualisiert am 18.05.2018, zuletzt geprüft am 22.06.2018. Bulkow & Schweiger 2013: Bulkow, Kristin; Schweiger, Wolfgang (2013): Agenda Setting – zwischen gesellschaftlichem Phänomen und individuellem Prozess. In Wolfgang Schweiger, Andreas Fahr (Eds.): Handbuch Medienwirkungsforschung. Wiesbaden: Springer Fachmedien, S. 171–190. Bund-Länder-Kommission zur Medienkonvergenz 2016: BundLänder-Kommission zur Medienkonvergenz (2016): Bericht.Verfügbar unter https://www.bundesregierung.de/Content/DE/_Anlagen/BKM/2016/20 16-06-14-medienkonvergenz-berichtblk.pdf?__blob=publicationFile&v=3, zuletzt geprüft am 1.10.2018. Calo 2014: Calo, Ryan (2014): Digital Market Manipulation. In George Washington Law Review 82 (4), S. 995–1051. Constine 2017: Constine, Josh (2017): Snapchat starts algorithmpersonalized redesign splitting social and media. Verfügbar unter https://techcrunch.com/2017/11/29/snapchat-redesign/, zuletzt aktualisiert im Dezember 2017, zuletzt geprüft am 25.09.2018. Diaz 2008: Diaz, A. (2008): Through the Google Goggles. Sociopolitical Bias in Search Engine Design. In J. Mackenzie Owen, Amanda Spink, Michael Zimmer (Eds.): Web Search. Multi-disciplinary Perspectives, Vol. 14. Berlin, Heidelberg: Springer (Information Science and Knowledge Management, 14), S. 11–34. Epstein & Robertson 2015: Epstein, Robert; Robertson, Ronald E. (2015): The search engine manipulation effect (SEME) and its possible impact on the outcomes of elections. In Proceedings of the National Academy of Sciences of the United States of America 112 (33), S. E4512-E4521. Donsbach 1991: Donsbach, Wolfgang (1991): Medienwirkung trotz Selektion. Einflussfaktoren auf die Zuwendung zu Zeitungsinhalten. Köln: Böhlau. Diehlmann 2010: Diehlmann, Nicole A. (2010): Selektionskriterien bei Fersehnachrichten. Studie zur Entwicklung eines medienspezifischen Nachrichtenwertmodells am Beispiel der Berichterstattung über »Nachhaltige Entwicklung«. Jena, Univ., Diss., 2010. Verfügbar unter https://d-nb.info/1007863625/34, zuletzt geprüft am 5.10.2018. Literaturverzeichnis 46 Eilders 1999: Eilders, Christiane (1999): Zum Konzept der Selektivität: Auswahlprozesse bei Medien und Publikum. In Werner Wirth (Ed.): Selektion im Internet. Empirische Analysen zu einem Schlüsselkonzept. Opladen: Westdt. Verl., S. 13–41. Epstein et al. 2017: Epstein, Robert; Robertson, Ronald E.; Lazer, David; Wilson, Christo (2017): Suppressing the Search Engine Manipulation Effect (SEME). In Proceedings of the ACM on HumanComputer Interaction 1 (CSCW), S. 1-22. Flaxman, Goel & Rao 2016: Flaxman, Seth; Goel, Sharad; Rao, Justin M. (2016): Filter Bubbles, Echo Chambers, and Online News Consumption. In: PUBOPQ 80 (1), S. 298–320. Friedman & Nissenbaum 1996: Friedman, Batya; Nissenbaum, Helen (1996): Bias in computer systems. In ACM Transaction on Information Systems 14 (3), S. 330–347. Gentzkow & Shapiro 2011: Gentzkow, Matthew; Shapiro, Jesse M. (2011): Ideological Segregation Online and Offline. In The Quarterly Journal of Economics 126 (4), S. 1799-1839. Goldman 2008: Goldman, Eric (2008): Search Engine Bias and the Demise of Search Engine Utopianism. In J. Mackenzie Owen, Amanda Spink und Michael Zimmer (Hg.): Web Search. Multidisciplinary Perspectives. Berlin, Heidelberg: Springer (Information Science and Knowledge Management, 14). Grafström 2016: Grafström, Maria (2016): Information Intermediaries. In Craig E. Carroll (Ed.): The SAGE Encyclopedia of Corporate Reputation. Thousand Oaks: Sage Publications. Gregory 2011: Gregory, Vicki L. (2011): Collection development and management for 21st century library collections : an introduction. New York [u.a.]: Neal-Schuman. Falk 2011: Falk, Sofia (2018): May the algorithm be with you: En mixed method studie om Instagrams personliga algoritmer. Masterarbeit. Stockholms Universitet, Stockholm. Hagenhoff 2017: Hagenhoff, Svenja (2017): „Außer Kontrolle“: Alte und neue Informationsfluten im Publikationswesen. In Rudolf Freiburg (Hg.): D@tenflut. Erlanger Universitätstage 2016. Erlangen: FAU University Press (FAU Forschungen, Reihe A, Geisteswissenschaften 9), S. 77–98. Literaturverzeichnis 47 Hannák et al 2013: Hannák, Anikó; Sapieżyński, Piotr; Molavi Kakhki, Arash; Lazer, David; Mislove, Alan; Wilson, Christo (2013): Measuring Personalization of Search Enginges. Proceedings of the 22nd International Conference on the World Wide Web, May 13 - 17, 2013, Rio de Janeiro, Brazil. New York: ACM. Harris, Morgan & Gibbs 2013: Harris, Brian D.; Morgan, Charlie V.; Gibbs, Benjamin G. (2013): Evidence of political moderation over time. Utah’s immigration debate online. In New Media & Society 16 (8), S. 1309–1331. Hasebrink 2016: Hasebrink, Uwe (2016): Meinungsbildung und Kontrolle der Medien. Verfügbar unter http://www.bpb.de/gesellschaft/medien-undsport/medienpolitik/172240/meinungsbildung-und-kontrolle-dermedien, zuletzt aktualsiert am 9.12.2016, zuletzt geprüft am 2.10.2018. Hibner & Kelly 2013: Hibner, Holly; Kelly, Mary (2013): Making a collection count. A holistic approach to library collection management. 2nd ed. Oxford, UK: Chandos Pub (Chandos information professional series). Verfügbar unter http://search.ebscohost.com/login.aspx?direct=true&scope=site&db=n lebk&db=nlabk&AN=672017, zuletzt geprüft am 2.10.2018. Humborg & Nguyen 2018: Humborg, Christian; Nguyen, Thuy Anh (2018): Filterblasen. In Christian Humborg, Thuy Anh Nguyen (Hg.): Die publizistische Gesellschaft. Wiesbaden: Springer Fachmedien (essentials), S. 25-27. Iyengar & Hahn 2009: Iyengar, Shanto; Hahn, Kyu S. (2009): Red Media, Blue Media. Evidence of Ideological Selectivity in Media Use. In Red Media, Blue Media 59 (1), S. 19–39. Jones & Janes 2010: Jones, Elisabeth A.; Janes, Joseph W. (2010): Anonymity in a World of Digital Books. Google Books, Privacy, and the Freedom to Read. In Policy & Internet 2 (4), S. 42–74. Jürgens & Stark 2017: Jürgens, Pascal; Stark, Birgit (2017): The Power of Default on Reddit. A General Model to Measure the Influence of Information Intermediaries. In Policy & Internet 9 (4), S. 395–419. Kappes 2012: Kappes, Christoph (2012): Menschen, Medien und Maschinen. In Merkur 66 (3), S. 256–263. Katz 1996: Katz, Elihu (1996): And Deliver Us from Segmentation. In The Annals of the American Academy of Political and Social Science 546(1), S. 22-33. Literaturverzeichnis 48 Kessler & Schäfer 2009: Kessler, Frank; Schäfer, Tobias (2009): Navigating YouTube. Constituting a Hybrid Information Management System. In Pelle Snickars, Patrick Vonderau (Eds.): The YouTube Reader. Stockholm: National Library of Sweden (Mediehistoriskt arkiv, 12), S. 275–313. Knobloch-Westerwick & Meng 2011: Knobloch-Westerwick, Silvia; Meng, Jingbo (2011): Reinforcement of the Political Self through Selective Exposure to Political Messages. In Journal of Communication 61 (2), S. 349–368. Krafft et al. 2017: Krafft, Tobias; Gamer, Michael; Laessing, Marcel; Zweig, Katharina A. (2017): Filterblase geplatzt? Kaum Raum für peraonalisierung bei Google-Suchen zur Bundestagswahl 2017. Verfügbar unter https://algorithmwatch.org/de/filterblase-geplatztkaum-raum-fuer-personalisierung-bei-google-suchen-zurbundestagswahl-2017/, zuletzt geprüft am 2.10.2018. Laidlaw 2010: Laidlaw, Emily B. (2010): A framework for identifying Internet information gatekeepers. In International Review of Law, Computers & Technology 24 (3), S. 263–276. Li et al. 2014: Li, Nan; Anderson, Ashley A.; Brossard, Dominique; Scheufele, Dietram A. (2014): Channeling Science Information Seekers' Attention? A Content Analysis of Top-Ranked vs. LowerRanked Sites in Google. In Journal of Computer-Mediated Communication 19 (3), S. 562–575. Lobigs & Neuberger 2018: Lobigs, Frank; Neuberger, Christoph (2018): Meinungsmacht im Internet und die Digitalstrategien von Medienunternehmen. Neue Machtverhältnisse trotz expandierender Internet-Geschäfte der traditionellen Massenmedien-Konzerne: Gutachten für die Kommission zur Ermittlung der Konzentration im Medienbereich (KEK). [1. Auflage] (Schriftenreihe der Landesmedienanstalten). Luciano Morganti et al. 2015: Luciano Morganti, Andrea Renda; Helberger, Natali; Kleinen-von Königslöw, Katharina; van der Noll, Rob (2015): Regulating the new information intermediaries as gatekeepers of information diversity. In INFO 17 (6), S. 50-71. Mahrt 2014: Mahrt, Merja (2014): Vom Lagerfeuer zur filter bubble - Konsequenzen der Nutzung digitaler Medien für die Integrationsfunktion von Medien. In Katharina Kleinen-von Königslöw (Ed.): Medienkonvergenz und Medienkomplementarität aus Rezeptionsund Wirkungsperspektive. 1. Aufl. (Reihe Rezeptionsforschung), S. 127146. Literaturverzeichnis 49 Matthes 2014: Matthes, Jörg (2014): Framing. Baden-Baden: Nomos. die medienanstalten 2018: die medienanstalten (2018): Intermediäre und Meinungsbildung. MedienGewichtungsStudie 2017-II, Januar 2018. Verfügbar unter https://www.diemedienanstalten.de/themen/forschung/intermediaere-undmeinungsbildung/, zuletzt geprüft am 22.09.2018. Mowshowitz 1984: Mowshowitz, Abbe (1984): Computers and the myth of neutrality. In Frank L. Friedman (Hg.): Proceedings of the ACM 12th annual computer science conference on SIGCSE symposium. New York, NY: ACM, S. 85–92. Mueller 2015: Mueller, Milton L. (2015): Hyper-transparency and social control. Social media as magnets for regulation. In Telecommunications Policy 39 (9), S. 804–810. Müller-Terpitz 2017: Müller-Terpitz, Ralf (2017): Einbindung von Intermediären in das medienrechtliche System der Vielfaltssicherung. In AfP - Zeitschrift für Medienund Kommunikationsrecht 48 (5), S. 380-384. Nazarewska 2014: Nazarewska, Barbara (2014): Lokalfürsten der Regionalzeitung: Wer bestimmt die redaktionelle Nachrichtenauswahl im Lokalteil? Augsburg, Univ., Diss. Verfügbar unter https://opus.bibliothek.uniaugsburg.de/opus4/frontdoor/deliver/index/docId/3752/file/Diss_Naza rewska.pdf, zuletzt geprüft am 5.10.2018. O'Hara & Stevens 2015: O'Hara, Kieron; Stevens, David (2015): Echo Chambers and Online Radicalism. Assessing the Internet's Complicity in Violent Extremism. In Policy & Internet 7 (4), S. 401–422. Pariser 2011: Pariser, Eli (2011): The filter bubble. What the Internet is hiding from you. 1. publ. London: Viking. Quinn 2012: Quinn, Brian (2012): Collection Development and the Psychology of Bias. In The Library Quarterly 82 (3), S. 277–304. Reinert 2011: Reinert, Bastian (2011): Hugendubel: Ausgefiltert. Verfügbar unter http://www.fr-online.de/kultur/debatte/ausgefiltert/- /1473340/6826004/-/index.html, zuletzt aktualisiert am 25.1.2011, zuletzt geprüft am 2.11.2018. Rieder, Matamoros-Fernández & Coromina 2018: Rieder, Bernhard; Matamoros-Fernández, Ariadna; Coromina, Òscar (2018): From ranking algorithms to ‘ranking cultures’. In Convergence 24 (1), S. 50– 68.