Ein Algorithmus wirkt, als würde er von selbst funktionieren. Genau dieser Eindruck ist teuer erkauft — nur zeigt sich das nicht dort, wo man zuerst hinschaut. Auf der einen Seite steht eine riesige, kaum sichtbare Belegschaft, die dafür sorgt, dass ein System überhaupt „intelligent“ wirkt. Auf der anderen Seite steht eine ebenso riesige, sehr genau berechnende Branche, die aus genau dieser Wirkung ihr Geschäft macht. Beide Seiten gehören zur selben Medaille — nur bekommt sie kaum jemand jemals gemeinsam vorgelegt.
Diese Ausgabe hat den Algorithmus bislang vor allem als Instanz beschrieben, die entscheidet, wer sichtbar wird, wie Vertrauen entsteht und wie sich Kultur an ihn anpasst. Die ökonomische Perspektive dreht die Frage noch einmal um: Wer verdient eigentlich konkret daran, dass genau diese graue Eminenz existiert — und wer bezahlt dafür, im wortwörtlichen Sinne, mit der eigenen Arbeitszeit?
Teil 1: Die unsichtbare Belegschaft
Wenn ein Empfehlungsalgorithmus einen gewaltverherrlichenden Beitrag zuverlässig herausfiltert oder ein Sprachmodell menschenähnlich antwortet, wirkt das wie eine rein technische Leistung. Die Anthropologin Mary L. Gray und der Informatiker Siddharth Suri zeigten 2019 in ihrem vielbeachteten Buch „Ghost Work“, wie trügerisch dieser Eindruck ist. Ihr zentraler Befund: Hinter beinahe jedem System, das nach außen als vollautomatisch erscheint, arbeitet eine große, weitgehend unsichtbare menschliche Belegschaft — Menschen, die Trainingsdaten mit Etiketten versehen, zweifelhafte Inhalte manuell bewerten oder Grenzfälle entscheiden, an denen ein Algorithmus allein scheitert. Gray und Suri prägten dafür den Begriff „Ghost Work“: Arbeit, die von einem Menschen erledigt wird, aber von den Nutzenden für das Ergebnis eines automatisierten Prozesses gehalten wird.
Für ihr Buch untersuchten Gray und Suri vier konkrete Vermittlungsplattformen für diese Arbeit in den USA und in Indien — darunter Amazon Mechanical Turk und Microsofts internes „Universal Human Relevance System“. Die dort verrichteten Aufgaben reichen von der Kennzeichnung einzelner Bildausschnitte für maschinelles Sehen über das Aussortieren doppelter Produktangebote in Online-Shops bis zur Entscheidung, ob ein gemeldetes Foto tatsächlich gegen Richtlinien verstößt oder nicht. Was diese Aufgaben verbindet: Jede einzelne ist zu klein, um als eigenständiger Job zu gelten, und zu uneindeutig, um sie vollständig einem Algorithmus zu überlassen. Erst die Summe tausender solcher Mikroentscheidungen ergibt das, was am Ende als reibungslos funktionierender Dienst erscheint.
Quelle: Herzbaum-DALIB-Universe
KI-generiert mit Nano Banana Pro
Dass Gray und Suri ihre Untersuchung bewusst auf die USA und Indien konzentrierten, ist dabei kein Zufall, sondern folgt der tatsächlichen globalen Verteilung dieser Arbeit. Ghost Work konzentriert sich überproportional dort, wo Lohnniveaus niedrig und Englischkenntnisse gleichzeitig verbreitet genug sind, um internationale Auftraggeber zu bedienen — neben Indien gehören auch die Philippinen und mehrere afrikanische Länder zu den wichtigsten Standorten für Content-Moderation im Auftrag großer US-Plattformen. Wer in Berlin, London oder New York einen Feed nutzt, der zuverlässig frei von den schlimmsten Inhalten bleibt, verdankt das in vielen Fällen Menschen, die tausende Kilometer entfernt für einen Bruchteil eines westlichen Gehalts genau diese Inhalte zuerst gesehen haben.
Das Ausmaß dieser Arbeit ist größer, als es das Wort „Nische“ nahelegen würde. Nach Schätzungen von Gray und Suri hat etwa acht Prozent der arbeitenden Bevölkerung in den USA schon mindestens einmal in dieser sogenannten Ghost Economy gearbeitet — über Plattformen wie Amazon Mechanical Turk oder vergleichbare Vermittlungsdienste, die Aufgaben in kleinste, einzeln bezahlte Häppchen zerlegen. Wie konkret sich das auswirkt, zeigte sich am 23. Oktober 2019 bei einer Anhörung des US-Repräsentantenhauses: Die Abgeordnete Katie Porter konfrontierte Mark Zuckerberg mit der Zahl von rund fünfzehntausend externen Content-Moderator:innen, die für Facebook täglich Gewalt-, Missbrauchs- und Suizid-Darstellungen sichten — eine Zahl, die Zuckerberg vor laufenden Kameras bestätigte. Der Stundenlohn dieser Vertragsarbeitenden begann laut Zuckerbergs eigener Aussage bei 15 US-Dollar, in Städten mit hohen Lebenshaltungskosten bei 20 US-Dollar; Porter wies darauf hin, dass das bei Vollzeitarbeit einem Jahreseinkommen von teils unter 30.000 US-Dollar entspricht, ohne dass dabei ausreichende psychologische Betreuung für die traumatisierende Arbeit garantiert war.
Ökonomisch betrachtet ist diese Konstruktion kein Zufall, sondern folgerichtig. Für ein Unternehmen ist es günstiger, Randfälle von gering bezahlten, weltweit verstreuten Vertragsarbeitenden klären zu lassen, als für dieselbe Zuverlässigkeit ein vollständig automatisiertes System zu entwickeln, das jeden Grenzfall selbst beherrscht. Die Rechnung geht nur auf, solange diese Arbeit unsichtbar bleibt: Ein Unternehmen, das öffentlich zugeben müsste, wie viele Menschen unter welchen Bedingungen einen „intelligenten“ Algorithmus am Laufen halten, würde genau jenen Eindruck von müheloser technischer Überlegenheit verlieren, den es an Kund:innen und Investor:innen verkauft.
Diese Unsichtbarkeit hat eine doppelte wirtschaftliche Funktion. Erstens senkt sie die Kosten unmittelbar: Vertragsarbeit über Vermittlungsplattformen umgeht in vielen Ländern Regelungen, die für Festangestellte gelten würden — Mindestlohn, Kündigungsschutz, Sozialversicherung. Zweitens erhöht sie den Marktwert des Unternehmens selbst: Ein Konzern, dessen Bewertung an der Börse auf der Erzählung beruht, ein besonders fortschrittliches, skalierbares KI-System, beziehungsweise algorithmisches System zu besitzen, ist mehr wert als ein Konzern, der zugeben müsste, in erheblichem Umfang auf klassische, arbeitsintensive Dienstleistungen angewiesen zu sein. Ghost Work ist damit nicht nur eine Kostenfrage, sondern Teil der Erzählung, die den gesamten Unternehmenswert stützt.
Teil 2: Wer an der Präzision verdient
Auf der anderen Seite dieser Rechnung steht eine Branche, die sehr genau beziffern kann, was ein gut funktionierender Algorithmus wert ist — und die, anders als die Ghost-Work-Belegschaft aus Teil 1, ihre eigenen Zahlen mit sichtbarem Stolz veröffentlicht. Der europäische Branchenverband IAB Europe meldete in seinem AdEx Benchmark 2025 Report, veröffentlicht im Juli 2026: Europas digitaler Werbemarkt wuchs 2025 um 10,5 Prozent auf 131,1 Milliarden Euro — mit Social- und Videowerbung als den am schnellsten wachsenden Formaten. IAB-Chefökonom Daniel Knapp ordnete die Entwicklung so ein: Digitale Werbung sei längst keine reine Kommunikationsausgabe mehr, sondern werde zunehmend zur direkten Verkaufsinfrastruktur.
Der wirtschaftliche Mechanismus dahinter erklärt, warum ein „gut austarierter“ Algorithmus für Plattformen bares Geld wert ist. Programmatic Advertising, also der automatisierte Handel mit Werbeflächen, funktioniert über sogenanntes Real-Time Bidding: Jede einzelne Werbeeinblendung wird in dem Sekundenbruchteil, in dem eine Seite lädt, individuell versteigert. Auf der einen Seite bündeln sogenannte Demand-Side-Plattformen die Gebote zahlreicher Werbetreibender, auf der anderen Seite bieten Supply-Side-Plattformen im Namen der Publisher die verfügbaren Werbeplätze an — dazwischen läuft binnen Millisekunden eine vollautomatisierte Auktion ab, deren Ergebnis entscheidet, welche Anzeige eine einzelne Person tatsächlich zu sehen bekommt. Verschiedene Werbetreibende bieten in Echtzeit auf genau diese eine Person, in genau diesem Moment, mit genau diesem vermuteten Interesse — und wer am meisten bietet, bekommt den Platz. Diese Auktionslogik bedeutet: Je präziser ein Algorithmus vorhersagen kann, wer eine Anzeige mit hoher Wahrscheinlichkeit anklickt oder kauft, desto höher ist der Betrag, den Werbetreibende bereit sind, für genau diesen einen Werbeplatz zu bieten. Verkauft wird damit im Kern gar nicht mehr der Inhalt, den der Algorithmus filtert. Verkauft wird seine Treffsicherheit selbst — genau das ist das eigentliche Produkt, für das Werbetreibende zahlen.
Für die Plattform bedeutet ein präziserer Algorithmus deshalb unmittelbar höhere Einnahmen pro Nutzer:in, ohne dass sich am sichtbaren Angebot etwas ändern muss. Für Werbetreibende bedeutet dieselbe Präzision weniger Streuverlust: Statt eine Anzeige an ein breites, uninteressiertes Publikum zu zeigen, erreicht sie fast ausschließlich Menschen, die mit erhöhter Wahrscheinlichkeit tatsächlich reagieren. Beide Seiten dieses Geschäfts haben also ein unmittelbares finanzielles Interesse daran, dass der Algorithmus so gut wie möglich funktioniert — ein Interesse, das grundsätzlich nichts mit der Frage zu tun hat, ob das, was er den Nutzenden zeigt, ihnen selbst (den Nutzenden) nützt.
Wer zwischen Werbetreibenden und Plattformen tatsächlich am meisten verdient, ist dabei selbst für die Branche lange unklar geblieben. Der britische Werbetreibendenverband ISBA ließ 2020 gemeinsam mit der Prüfgesellschaft PwC erstmals die komplette programmatische Lieferkette nachverfolgen — von der Buchung einer Kampagne bis zur tatsächlichen Anzeige beim Publikum. Ergebnis: Nur rund die Hälfte jedes ausgegebenen Werbe-Euros kam bei den Publishern an, deren Inhalte die Anzeige überhaupt zeigten. Fünfzehn Prozent der Ausgaben ließen sich keiner einzigen Station der Kette zuordnen — eine Summe, die die Studie selbst als „unbekanntes Delta“ bezeichnete und die etwa einem Drittel aller Zwischenhändler-Kosten entsprach. Eine Folgestudie 2022/2023 zeigte immerhin Besserung: Der unbekannte Anteil sank auf drei Prozent, der Publisher-Anteil stieg auf 65 Prozent. Diese Zahlen machen sichtbar, was in der öffentlichen Debatte über „den Algorithmus“ oft übersehen wird: Zwischen einer geschalteten Anzeige und ihrem tatsächlichen Ziel liegt eine ganze Wirtschaftskette aus Vermittlungsplattformen, von denen jede einzelne an der algorithmischen Feinjustierung mitverdient.
Interessant an dieser Kette ist, wie sehr ihre einzelnen Glieder voneinander abhängen, ohne einander zu kennen. Die Demand-Side-Plattform, die im Namen eines Werbetreibenden bietet, weiß in der Regel nicht, welche Content-Moderatorin am anderen Ende der Welt dafür gesorgt hat, dass die Umgebung, in der die Anzeige erscheint, überhaupt sicher genug für Markenwerbung ist. Und die Content-Moderatorin wiederum sieht von den Milliardenbeträgen, die durch ihre Vorarbeit an anderer Stelle in der Kette erst möglich werden, nichts — ihr Beitrag taucht in keiner Umsatzstatistik der Werbebranche auf, obwohl er eine stille Voraussetzung dafür ist, dass diese Statistiken überhaupt so hoch ausfallen können.
Fazit: Zwei Seiten einer Medaille, die zusammengehören
Zwischen der Content-Moderatorin, die für wenig Geld Gewaltinhalte sichtet, und dem Werbetreibenden, der für eine besonders treffsichere Anzeigenplatzierung mehr bezahlt, liegt auf den ersten Blick keine offensichtliche Verbindung. Ökonomisch betrachtet sind aber beide Teil derselben Medaille: Die eine Seite hält die Illusion technischer Mühelosigkeit aufrecht, die andere Seite bezahlt genau für diese Illusion einen Aufpreis. Wer den Algorithmus ausschließlich als technisches Phänomen betrachtet, übersieht mindestens eine der beiden Seiten dieser Medaille — die Menschen, die ihn im Verborgenen am Laufen halten, und die Branche, die genau berechnet, wie viel seine gute Funktion wert ist.
Quelle: Herzbaum-DALIB-Universe
KI-generiert mit Nano Banana Pro
Bemerkenswert ist dabei, wie unterschiedlich sichtbar beide Seiten dieser Medaille gehalten werden. Über Werbeeinnahmen, Marktanteile und Wachstumsraten berichten Unternehmen bereitwillig in jedem Quartalsbericht — Zahlen wie die von IAB Europe sind öffentlich, geprüft, jederzeit zitierfähig. Über die Arbeitsbedingungen der Content-Moderator:innen und Daten-Labeler:innen, die dieselben Systeme am Laufen halten, existieren dagegen kaum vergleichbare, regelmäßig veröffentlichte Zahlen — was öffentlich bekannt ist, stammt fast ausschließlich aus einzelnen Kongressanhörungen, investigativen Recherchen oder eben aus Büchern wie dem von Gray und Suri, nicht aus freiwilliger unternehmerischer Offenlegung. Diese Asymmetrie in der Berichterstattung ist selbst schon eine ökonomische Aussage: Zahlen, die ein Unternehmen wertvoller erscheinen lassen, werden veröffentlicht. Zahlen, die es angreifbar machen würden, bleiben den Recherchen einzelner Journalist:innen und Wissenschaftler:innen überlassen, und damit überhaupt erst sichtbar zu werden.
Am Ende zeigt sich: Die graue Eminenz aus dieser Ausgabe hat sehr wohl ein Gesicht — mehrere sogar. Nur stehen sie an entgegengesetzten Enden der wirtschaftlichen Kette, und keines von beiden erscheint jemals in der Oberfläche, die Nutzende tatsächlich zu Gesicht bekommen. Wer verstehen will, wem ein Algorithmus wirklich nützt, muss deshalb an beiden Enden gleichzeitig hinschauen — nicht nur dorthin, wo das Geld sichtbar verdient wird, sondern auch dorthin, wo unsichtbar dafür gearbeitet wird, dass es überhaupt verdient werden kann.
Diese doppelte Unsichtbarkeit ist dabei kein Betriebsunfall, den ein einzelnes Unternehmen versehentlich verursacht hätte, sondern ein wirtschaftliches Grundmuster, das sich durch die gesamte Branche zieht — von kleinen Plattformen bis zu den größten Technologiekonzernen der Welt. Solange Investor:innen ein Unternehmen dafür belohnen, möglichst automatisiert zu wirken, und solange Werbetreibende bereit sind, für Treffsicherheit einen Aufschlag zu zahlen, ohne nach deren Zustandekommen zu fragen, bleibt es wirtschaftlich rational, diese beiden Enden der wirtschaftlichen Kette getrennt zu halten. Eine ehrliche Rechnung über den Wert eines Algorithmus müsste beide Posten gemeinsam ausweisen: die Einnahmen, die er erzielt, und die menschliche Arbeit, die ihn dazu befähigt. Bislang erscheint in den meisten öffentlichen Bilanzen nur die eine Hälfte dieser Gleichung.
Der Wurzelbote ist das rollende Themenmagazin des Herzbaum-DALIB-Universe. Neue Artikel erscheinen wöchentlich, passend zu den Ausgaben des Blätterboten. Den Blätterboten gibt es kostenlos auf https://hdu-niverse.de/blaetterbote.
Quellen:
- Wikipedia: Ghost Work — https://en.wikipedia.org/wiki/Ghost_work
- Washington Examiner: Kongressanhörung Zuckerberg — https://www.washingtonexaminer.com/news/128923/nine-minutes-to-cry-congresswoman-asks-zuckerberg-if-he-would-want-to-be-a-facebook-content-moderator/
- NBC News: Video zur Anhörung — https://www.nbcnews.com/video/congresswoman-challenges-zuckerberg-to-work-as-a-facebook-content-moderator-71926341854
- IAB Europe: AdEx Benchmark 2025 — https://iabeurope.eu/iab-europes-adex-benchmark-2025-report/
Hinterlasse jetzt einen Kommentar