Die Videoempfehlungen von YouTube sind ein Kernmerkmal des Systems. Tatsächlich werden 70 % der Betrachtungszeit auf der Plattform von den Empfehlungen von YouTube bestimmt. Manchmal sind die Empfehlungen genau richtig, aber manchmal landet man bei etwas, das man nicht erwartet hat. Wie entscheidet YouTube, was es empfehlen soll?

Die kurze Antwort ist die Content Recommendation Engine der Website. YouTube untersucht drei Hauptthemen, um festzustellen, welches Video als Nächstes präsentiert werden soll: seine Inhaltssammlung, den aktuellen Kontext und Informationen über den User.

Jesse McCrosky, Forscher der Mozilla Foundation und Datenwissenschaftler, liefert die Informationen.

Nehmen wir als Beispiel Katzenvideos. Bevor man sich entscheidet, sich auf YouTube lustige Katzenvideos anzusehen, analysiert YouTube zahlreiche Datenpunkte zu seiner Videosammlung: Themen, Länge, Produktionsqualität und mehr. Damit berücksichtigt YouTube den zweiten Datenpunkt: den aktuellen Kontext. Es findet nicht nur heraus, was ein Benutzer gerade gesehen hat, sondern auch kontextbezogene Daten: Zeit, Ort und alles andere, was die Umgebung betrifft, in der die lustigen Katzenvideos angesehen werden.

Und dann ist da noch das letzte Puzzleteil: die Informationen, die YouTube über den User hat. Zusätzlich zu den Informationen, die der User YouTube gegeben hat, kann die Website auch die Betrachtungsdauer verfolgen, was der User mag, nicht mag, mit einem Freund teilt, und es ist möglich, dass auch Dinge wie Bildlaufgeschwindigkeit verfolgt werden, wo die Maus bewegt wird, wo geklickt wird und über welche Video-Thumbnails sich der User bewegt. Alles, was der User auf der Plattform tut, hat das Potenzial, mehr Informationen für YouTube zu liefern, um eine fundierte Vermutung über Sehgewohnheiten zu machen. Mit all diesen Informationen kann YouTube auf den User schließen. „Diese Person möchte definitiv mehr Katzenvideos.‟

Black Box?

Während wir ein allgemeines Gefühl dafür haben, wie YouTube Vorhersagen macht, sind wir uns nicht ganz sicher, wie der Algorithmus Entscheidungen trifft — und warum (aber wir untersuchen es!). Tatsächlich haben unabhängige Forscher wie Mozilla Fellow und AlgoTransparency-Gründer Guillaume Chaslot daran gearbeitet, die Funktionsweise der KI von YouTube besser zu verstehen, da YouTube wie andere Unternehmen keine Details zu seinem Algorithmus preisgibt. Die Algorithmen von YouTube können eine Art Blackbox sein, wenn man bedenkt, wie schwer es ist, hineinzublicken und ein Gefühl für das Innenleben zu bekommen.

Einfach ausgedrückt ist YouTube für zwei Dinge optimiert: Engagement und Benutzerzufriedenheit. Engagement misst, wie viel Zeit man mit dem Dienst verbringt, die Benutzerzufriedenheit versucht zu messen, ob dem User gefallen hat, was er gesehen haben, indem er dem Video ein Like gibt oder das Video mit Freunden teilt. Aber wie McCrosky betont, sind die Anreize von YouTube besser auf die Optimierung des Engagements ausgerichtet. Das kann lästig sein, wenn ein Video irreführend ist oder eine Verschwörungstheorie propagiert, aber beliebt ist und dazu führt, dass mehr Nutzer länger auf YouTube bleiben.

Ansehen, aber wachsam bleiben

Letztendlich ist es das Ziel von YouTube, dass wir immer längere Zeit mit dem Dienst verbringen wollen — unabhängig davon, ob sich das Video selbst lohnt oder nicht. Dies mag harmlos erscheinen, wenn man damit nur Zeit verschwendet, aber da so viele Menschen ihre Nachrichten auf YouTube ansehen, können die Entscheidungen, die ihr Algorithmus trifft, schwerwiegende soziale Konsequenzen haben, und wir müssen kritisch hinterfragen, ob die Plattform für das Wohl der Gesellschaft ausgelegt ist. Man kann in der Regel erwarten, dass die Recommendation Engine von YouTube Videos liefert, die man ansehen möchte, aber man darf nicht erwarten, dass man immer Videos sieht, die es wert sind, angesehen zu werden - so etwas kann man nur selbst entscheiden.