Die Plattform X gewährt tiefere Einblicke in ihre Empfehlungsmechanismen. Experten bewerten den Schritt positiv, sehen aber deutliche Grenzen.
Die Social-Media-Plattform X hat weitere Bestandteile des Algorithmus veröffentlicht, der hinter dem zentralen „For You“-Empfehlungsfeed steht. Bereits Anfang des Jahres hatte das Unternehmen erste technische Details zugänglich gemacht. Nach eigener Darstellung verfolgt X das Ziel, mehr Transparenz darüber zu schaffen, nach welchen Kriterien Beiträge und Nutzerkonten auf der Plattform verbreitet und bewertet werden.
Ergänzend stellt die Plattform mit dem Werkzeug „Under the Hood“ eine Anwendung bereit, über die Nutzer nachvollziehen sollen können, wie das System ihr Profil und ihre Veröffentlichungen intern einstuft. Das Transparenz-Tool wird vorerst im Rahmen eines Tests nur einer ausgewählten Gruppe von Anwendern verfügbar gemacht. Da soziale Netzwerke den täglichen Medienkonsum von Millionen Menschen maßgeblich prägen, stehen ihre Sortier- und Filtermechanismen seit Langem in der Kritik.
Die Funktionsweise des Empfehlungssystems basiert nach Angaben von X auf einer zwei Teilen. Der Feed enthält einerseits Beiträge von Profilen, denen ein Nutzer aktiv folgt. Dazu kommen Empfehlungen von netzwerkfremden Accounts. Welche fremden Inhalte ausgewählt werden, bestimmen Modelle des maschinellen Lernens. Künstliche Intelligenz übernimmt zudem die spätere Gewichtung der Beiträge. In die Berechnung der Sichtbarkeit fließt maßgeblich ein, wie hoch das System die Wahrscheinlichkeit schätzt, dass ein Anwender mit einem Beitrag interagiert, also beispielsweise ein Like hinterlässt, antwortet oder den Beitrag weiterverbreitet.
Allerdings hat X bestimmte Kernelemente bewusst nicht im Quellcode offengelegt. Dazu gehören etwa die Anweisungen (Prompts) für das Content-Bewertungssystem Grox. Das Plattformmanagement begründet diese Auslassung damit, Manipulationen vorzubeugen und zu verhindern, dass Akteure das System gezielt zu ihrem Vorteil ausnutzen.
Heiko Paulheim, Professor für Data Science an der Universität Mannheim, bewertet das Ausmaß der offengelegten Daten gegenüber dem Science Media Center (SMC) grundsätzlich als Fortschritt. Die aktuelle Veröffentlichung sei deutlich umfangreicher als die Version vom Januar, als noch zentrale Bestandteile fehlten. Mittlerweile seien sowohl Grox als auch große Teile des Ranking-Systems Phoenix öffentlich dokumentiert und in Teilen ausführbar. Dadurch lässt sich die prinzipielle Funktionsweise des Feeds wesentlich besser nachvollziehen.
Allerdings weist Paulheim auf Einschränkungen hin. Sowohl von Grox als auch von Phoenix lägen lediglich vereinfachte Modelle vor. Die im Live-Betrieb tatsächlich genutzten produktiven Systeme, die zugehörigen Trainingsdaten sowie laufende Aktualisierungen bleiben weiterhin unter Verschluss. Zudem fehlen wichtige interne Signale wie Account- und Vertrauensbewertungen, die die Sichtbarkeit erheblich beeinflussen können.
Aus technischer Sicht spielen im Feed zwei Systeme eine Schlüsselrolle: Phoenix prognostiziert Reaktionen und bildet die Basis für das Ranking. Grox prüft Inhalte auf Spam, Sicherheitsrisiken oder Erwachseneninhalte. Die Veröffentlichung erlaubt Forschern zwar Simulationen. Doch da diese in einer synthetischen Umgebung ohne Echtzeit-Signale wie aktuelle Netzwerkstrukturen stattfinden, kann das Verhalten stark von der realen Plattform abweichen. Eine exakte Vorhersage über die Verbreitung konkreter Beiträge ist so nicht möglich.
Auch für gewöhnliche Nutzer bleibt der Mehrwert überschaubar. Zwar können technisch versierte Anwender Teile der Bewertung näherungsweise simulieren. Aber die komplexen KI-Modelle liefern vor allem Scores und Wahrscheinlichkeiten statt verständlicher Begründungen. Das Test-Instrument „Under the Hood“ stellt ferner primär Signale dar. Es erklärt aber nicht deren Zustandekommen oder Wege zur Reichweitensteigerung. Symbolisch bleibt die Veröffentlichung Paulheim zufolge trotzdem bedeutsam, da sie der Forschung wertvolle Experimente mit einem nachgebildeten System erlaube.
Stefan Krempl
Keine Kommentare:
Kommentar veröffentlichen