LONDON (IT BOLTWISE) – Eine neue Studie in Nature legt nahe, dass TikToks Empfehlungssystem im US-Wahljahr 2024 bestimmte politische Inhalte unverhältnismäßig stark ausliefert. Die Forschenden simulierten dabei Nutzer:innen mit automatisierten Konten und analysierten Hunderttausende empfohlene Videos. Besonders auffällig: Inhalte, die als anti-demokratisch bzw. gegen demokratische Akteure eingeordnet wurden, trafen laut Datenauswertung häufiger auf demokratisch ausgerichtete Accounts. Der Beitrag macht zugleich klar, warum die Debatte um Polarisierung zwischen Algorithmus-Einfluss und Nutzerwahl so schwierig bleibt.
Die Debatte um politische Polarisierung im digitalen Raum bekommt durch eine neue Veröffentlichung in Nature spürbaren datenbasierten Nachdruck. Im Zentrum steht TikToks Empfehlungssystem, das über die sogenannte „For You“-Ansicht einen Großteil der Inhalte kuratiert, die Nutzer:innen tatsächlich sehen. Die Studie argumentiert, dass das Empfehlungssystem nicht nur „relevante“ Videos priorisiert, sondern systematisch schief verzerrte Muster in der politischen Nachrichtenexposition erzeugt. Das Ergebnis betrifft dabei nicht nur die Menge politischer Inhalte, sondern auch die ideologische Ausrichtung, inklusive anti-demokratischer Inhalte, die überdurchschnittlich stark in bestimmte Nutzerprofile eingespeist wurden.
Technisch bauen die Forschenden ihre Schlussfolgerungen auf einem Ansatz, der „Algorithmus-Einfluss“ und „Selbstselektion“ so gut wie möglich auseinanderziehen soll. Während frühere Arbeiten häufig daran scheiterten, dass Nutzer:innen bereits vor dem ersten Kontakt eine eigene Auswahl treffen, bietet TikTok als stark automatisierte Oberfläche ein besonders kontrollierbares Testfeld. Die Studie verwendet automatisierte Bot-Konten, die als neue Nutzer:innen auftreten sollen, inklusive kurzes, simuliertes Nutzungsverhalten. Die zentrale Designentscheidung: Die Bots werden über Wochen hinweg mit identischen Trainings- und Beobachtungslogiken betrieben, wodurch Unterschiede in den empfohlenen Inhalten eher auf die Empfehlungslogik selbst als auf längere Nutzerhistorien zurückgeführt werden.
Um die Versuchsbedingungen zu präzisieren, setzten die Forschenden auf mehrere Ebenen der Reproduzierbarkeit. Sie richteten 323 automatisierte Konten ein und betrieben sie in einem Zeitraum vom 30. April bis 11. November 2024, wobei pro Woche neue Konten hochgefahren wurden. Die Bots wurden mit einem Alter zwischen 22 und 24 modelliert und per Location-Masking so „verortet“, dass sie New York (eher demokratisch), Texas (eher republikanisch) und Georgia (swing state) repräsentieren. Auf physischen Android-Smartphones liefen die Konten mit periodischem Reset auf Werkseinstellungen; so konnte das Tracking zwischen den Wochen minimiert werden. Diese Details sind entscheidend, weil Empfehlungsmodelle häufig stark vom kontinuierlichen Kontext der Nutzerbasis abhängen.
In der Trainingsphase erhielten die Bots gezielt Videokonsum im politischen Sinn: Je nach Profil schauten sie bis zu 400 Videos von bekannten republikanischen bzw. demokratischen Creator-Kanälen, jeweils mit exakt festgelegter Blickdauer. In Georgia gab es zusätzlich neutrale Bots ohne diese politische Trainingsphase als Kontrollgruppe, um die Grundstruktur der Empfehlungen zu untersuchen. Danach wechselten die Konten in die eigentliche Testphase („main feed“): Sie sichteten jeweils nur die ersten zehn Sekunden empfohlener Clips und sammelten über 27 Wochen mehr als 280.000 Empfehlungen. Für die Analyse wurden Transkripte aus insgesamt 40.264 Videos heruntergeladen; das ist eine Größenordnung, die robuste statistische Muster sichtbar machen kann, statt nur zufällige Schwankungen zu spiegeln.
Die politische Klassifikation erfolgte anschließend mit einem Ensemble aus KI-Sprachmodellen: Die Forschenden kombinierten mehrere Modelle, um Ausreißer zu reduzieren, und ließen die Ergebnisse zusätzlich durch Studierende der Politikwissenschaft prüfen. Klassifiziert wurde nicht nur, ob ein Video politisch ist, sondern auch, ob es den bevorstehenden Wahlkontext adressiert und ob es eine Partei unterstützt oder dagegen positioniert. Aus diesen Bausteinen ergibt sich das Kernresultat: Accounts, die auf republikanischem Content trainiert wurden, erhielten im Mittel etwa 11,5% mehr Inhalte mit der eigenen parteipolitischen Ausrichtung als demokratische Accounts. Gleichzeitig waren demokratisch trainierte Profile in etwa 7,5% stärker von „cross-party“ Material betroffen. Wichtig: Die Studie betont damit eine Asymmetrie, also nicht nur „mehr vom eigenen“, sondern ein systematisch anderes Muster der Gesamtmischung.
Besonders relevant für die Interpretation ist, dass die Verzerrung nicht als generischer „mehr republikanischer Content“-Effekt beschrieben wird, sondern als konzentriertes Muster bei anti-demokratischen Inhalten, die an demokratisch ausgerichtete Accounts gelangten. Auch die Themengewichtung folgt dabei offenbar keinen gleichmäßigen Verschiebungen: Bei demokratisch trainierten Profilen häufen sich laut Studie Bereiche wie Einwanderung, Kriminalität und Außenpolitik, während bei republikanisch trainierten Profilen das Thema Abtreibung auffällig wird. Für die Einordnung lohnt der Blick auf Vergleichssysteme: Bei YouTube wird in der Forschung seit Jahren stärker darauf geachtet, wie Empfehlungslogiken mit Nutzerpräferenzen interagieren; Meta arbeitet gleichzeitig an Taktiken gegen manipulatives Content-Pushing. TikTok als Plattform mit „Algorithmus-first“-Interface macht solche Effekte jedoch besonders messbar.
Neben dem Bot-Audit führen die Autor:innen einen weiteren Schritt durch, der die externe Plausibilität erhöhen soll: Sie befragten 1.008 aktive TikTok-Nutzer:innen in den USA online zu wahrgenommenen Veränderungen der politischen Tonalität über das vergangene Jahr. Die Stichprobe war leicht republikanisch geprägt und bestand überwiegend aus 25- bis 34-Jährigen. Die Antwortdaten zeigten demnach eine Übereinstimmung mit dem Bot-Experiment: Republikanische Befragte berichteten deutlich häufiger, positive politische Inhalte zu sehen, die stärker mit ihren eigenen Ansichten übereinstimmen. In offenen Antworten verwiesen konservative Nutzer:innen zudem häufiger auf mehr optimistische, pro-Trump-lastige Beiträge im Alltag. Der methodische Clou liegt hier im Abgleich zwischen gemessener Exposition und subjektiver Wahrnehmung.
Gleichzeitig bleiben zentrale Einschränkungen bestehen, die in der Studie ausdrücklich adressiert werden. Die Forschenden betonen, dass „Exposure“ nicht automatisch „Persuasion“ bedeutet: Also selbst wenn Inhalte häufiger erscheinen, lässt sich daraus nicht zwingend ableiten, wie sich das Wahlverhalten verändert. Robustheitschecks werden zwar als tragfähig dargestellt und sollen zeigen, dass das Muster über mehrere Zustände hinweg stabil bleibt, etwa zwischen Bundesstaaten und nach mathematischer Nachprüfung. Zudem handelt es sich nicht um einen Beweis für eine Absicht im Sinne „absichtlich gegen Demokraten programmieren“; vielmehr wird ein Muster von Ergebnissen dokumentiert. Für Unternehmen und Entwickler liegt die praktische Konsequenz darin, dass Transparenz- und Testmethoden für Empfehlungsmodelle künftig stärker als Sicherheits- und Governance-Thema behandelt werden sollten, insbesondere dort, wo politische Botschaften potenziell demokratische Prozesse beeinflussen. Die Autor:innen planen zudem, Bots mit realen Nutzerdaten zu kombinieren und visuelle sowie auditive Botschaften jenseits von Transkripten einzubeziehen – ein wichtiger nächster Schritt, um die Analyse über Text hinaus zu erweitern.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Studie zu TikToks Empfehlungssystem: anti-demokratische Schieflage bei der Wahl 2024" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Studie zu TikToks Empfehlungssystem: anti-demokratische Schieflage bei der Wahl 2024" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Studie zu TikToks Empfehlungssystem: anti-demokratische Schieflage bei der Wahl 2024« bei Google Deutschland suchen, bei Bing oder Google News!