04 – Ein Blick ins Universum – 04 – Soziokulturell: Wenn Kultur lernt, für eine Maschine zu sprechen

August 3, 2026 Nick Ein Blick ins Universum, Sioziokulturell, Wurzelbote, Wurzelbote-Ausgabe-03-2026 0

Kultur war immer schon etwas, das aussortiert wurde — von Verlagen, Radioredaktionen, Galerien, Feuilletons. Auswahl an sich ist also keine neue Erscheinung. Verschoben hat sich etwas anderes: die Stelle in der Kette, an der ausgewählt wird. Früher stand die Auswahl am Ende, wenn ein fertiges Werk beurteilt wurde. Heute wirkt sie bereits am Anfang, lange bevor ein Werk überhaupt entsteht. Kultur beginnt sich zunehmend selbst nach den Kriterien zu formen, von denen sie erwartet, beurteilt zu werden — und diese Kriterien setzt heute in vielen Bereichen ein Algorithmus und kein Mensch mehr.

Diese Beobachtung ist zunächst rein deskriptiv gemeint, nicht wertend: Kulturelle Formen haben sich immer an die Bedingungen angepasst, unter denen sie entstanden — an das, was ein Medium technisch zuließ, was ein Verlag drucken wollte, was ein Sender ausstrahlen konnte oder wollte. Was sich mit algorithmisch kuratierten Plattformen geändert hat, ist weniger das Prinzip der Anpassung selbst als seine Geschwindigkeit, seine Unsichtbarkeit und die schiere Zahl der Menschen, die gleichzeitig auf dasselbe unsichtbare System reagieren.

Teil 1: Algorithmische Kultur als Begriff

Der amerikanische Kulturwissenschaftler Ted Striphas prägte 2015 in einem vielzitierten Aufsatz den Begriff „algorithmische Kultur“ — er selbst verweist dabei auf den Medientheoretiker Alexander Galloway, der die Wortverbindung bereits 2006 in einem Buch über die Kultur des Videospiels verwendet hatte. Striphas‘ These: Seit etwa dreißig Jahren delegieren Menschen zunehmend genau jene Arbeit an Computer, die früher den Kern dessen ausmachte, was man unter Kultur verstand — das Sortieren, Klassifizieren und Bewerten von Menschen, Orten, Objekten und Ideen. Was einmal die Aufgabe von Kritiker:innen, Kurator:innen und Redaktionen war, übernehmen heute in weiten Teilen Ranking- und Empfehlungssysteme von Unternehmen wie Amazon, Google, Netflix oder eben den Social Media Plattformen. Striphas betont dabei, dass sich dadurch nicht nur ändert, welche kulturellen Werke sichtbar werden — sondern das Wort „Kultur“ selbst eine neue Bedeutungsebene bekommt: Kultur wird zunehmend zu etwas, das aus großen Datenmengen berechnet statt von Menschen kuratiert wird.

Konkret zeigt sich das längst nicht mehr nur in sozialen Feeds. Der Journalist Alexis Madrigal deckte 2014 im Magazin „The Atlantic“ auf, dass Netflix intern mit 76.897 sogenannten „Altgenres“ arbeitet — weit mehr als den paar hundert klassischen Kategorien, die man erwarten würde —, hochspezifischen, algorithmisch erzeugten Mikrogenre-Bezeichnungen wie „Witzige Komödien mit einer starken weiblichen Hauptfigur“ oder „Kritisch gefeierte Dramen basierend auf Literatur des 20. Jahrhunderts“. Diese Kategorien entstehen aus der systematischen Verschlagwortung von Filmen durch eigens geschulte Mitarbeitende, deren Tags anschließend algorithmisch zu personalisierten Genrebezeichnungen kombiniert werden, nicht aus einem ästhetischen Urteil. Kein Kritiker und keine Kritikerin hätte je „Sentimentale, in Europa spielende Dramen aus den 1970er-Jahren“ als eigenständige Kategorie vorgeschlagen — sie entsteht ausschließlich, weil ein Algorithmus aus Nutzungsmustern eine Kombination errechnet, die genau genug ist, um noch als eigenes Genre zu funktionieren.

Entscheidend an Striphas‘ Beobachtung ist, dass sie nicht bei der Auswahl bereits fertiger Werke stehen bleibt. Sein Argument reicht weiter: Wenn bekannt ist, nach welchen groben Mustern ein System auswählt — auch ohne die genauen Kriterien zu kennen —, beginnt kulturelle Produktion selbst, sich an diesen vermuteten Mustern auszurichten. Kultur wird nicht mehr nur algorithmisch gefiltert. Sie beginnt, algorithmisch zu entstehen.

Methodisch geht Striphas dabei einen Weg, der an die „Keywords“-Studien des Kulturwissenschaftlers Raymond Williams erinnert: Er untersucht, wie sich die Bedeutung einzelner Schlüsselbegriffe über Zeit verschiebt, um daran gesellschaftlichen Wandel sichtbar zu machen. Für die algorithmische Kultur wählt er drei solcher Begriffe — Information, Menge (im Sinne der „Weisheit der Vielen“) und Algorithmus selbst — und zeigt, wie sich ihre Bedeutung parallel zur wachsenden Rolle der Datenverarbeitung verschoben hat. Was einst als kollektive, demokratische „Schwarmintelligenz“ gefeiert wurde, ist nach Striphas‘ Analyse längst zu einem privaten, kommerziell verwerteten Verfahren geworden: Nutzungsdaten von Millionen Menschen fließen in Systeme ein, deren Ergebnisse und Gewinne einigen wenigen Unternehmen gehören, nicht der Menge selbst, die sie erzeugt hat.

Teil 2: Formate, die für eine Maschine gebaut sind

Wie konkret sich das auswirkt, lässt sich am Konzept des „Plattform-Vernakulars“ zeigen, das die Forschenden Martin Gibbs, James Meese, Michael Arnold, Bjorn Nansen und Marcus Carter 2015 einführten. Sie beschreiben damit eine „einzigartige Kombination aus Stilen, Grammatiken und Logiken“, die sich auf jeder Plattform eigenständig herausbildet — als direkte Reaktion auf das, was die jeweilige Plattform-Architektur und ihr Algorithmus belohnen, nicht durch Zufall. Ihre ursprüngliche Studie untersuchte dabei ein denkbar sensibles Feld: Trauerbewältigung auf Instagram. Die Forschenden analysierten Fotos, die unter dem Hashtag „#funeral“ geteilt wurden, und stellten fest, dass sich Trauerpraktiken auf der Plattform von formalen, institutionalisierten Ritualen hin zu informellen, persönlich gestalteten Ausdrucksformen verschoben — geprägt weniger durch kulturelle Tradition als durch das, was die Plattform sichtbar und teilbar macht.

Quelle: Herzbaum-DALIB-Universe
KI-generiert mit Nano Banana Pro

Auf TikTok etwa hat sich unter Creator:innen ein fast schon ritualisiertes Konsens-Wissen darüber gebildet, dass die ersten ein bis drei Sekunden eines Videos über dessen weitere Verbreitung entscheiden: Fesselt der Einstieg nicht sofort, testet der Algorithmus das Video gar nicht erst bei einem größeren Publikum. Aus dieser einzigen technischen Randbedingung ist eine ganze Erzählkonvention entstanden — der „Hook“ als eigenständiges dramaturgisches Element, das es in dieser Form vor kurzformatigen, algorithmisch kuratierten Feeds so nicht gab. In der Praxis hat sich dafür sogar eine feste Dreiteilung durchgesetzt: Hook, der in den ersten Sekunden Aufmerksamkeit erzwingt, gefolgt vom eigentlichen Inhalt, abgeschlossen durch einen Call-to-Action, der zu Kommentar, Speicherung oder Teilen auffordert — drei algorithmisch relevante Handlungen, die alle weitere Reichweite erzeugen oder besser gesagt: erzeugen soll. Wer diese Struktur nicht einhält, riskiert nicht nur weniger Aufmerksamkeit, sondern im Extremfall sogenanntes Shadow Banning: eine stille, nie offiziell bestätigte Herabstufung, bei der Inhalte kaum noch ausgespielt werden, ohne dass die Urheberin oder der Urheber davon erfährt.

Diese Unsicherheit über das eigene Shadow-Banning-Risiko ist selbst schon ein kulturprägender Faktor: Weil niemand genau weiß, welches Verhalten eine Herabstufung auslöst, entwickeln sich innerhalb von Communities eigene Verhaltensregeln, die weit über das hinausgehen, was Plattformen offiziell verlangen — eine Art vorauseilende Selbstdisziplin, die entsteht, ohne dass je eine konkrete Regel formuliert wurde.

Auch weit weniger subtile Formate lassen sich auf dieselbe Logik zurückführen. Clickbait-Überschriften, die mehr versprechen als der Inhalt hält, und Ragebait, das gezielt auf Empörung statt auf Information zielt, sind letztlich nur besonders sichtbare Beispiele desselben Grundprinzips: Inhalte, die so gestaltet sind, dass sie algorithmische Belohnungssignale — Klicks, Verweildauer, Kommentare — zuverlässig auslösen, unabhängig davon, ob sie dem Publikum tatsächlich etwas Wertvolles bieten. Wie genau dieser Mechanismus wirtschaftlich funktioniert und welche Formen er annimmt, vertiefe ich ausführlich in einer eigenen Ausgabe dieses Themenblocks in Kürze — hier genügt der Hinweis, dass es sich um dieselbe Grundverschiebung handelt, die auch Striphas beschreibt: Die Form richtet sich zuerst am Algorithmus aus, erst in zweiter Linie an der eigentlichen Botschaft.

Teil 3: Wenn selbst die Sprache sich anpasst

Am deutlichsten zeigt sich algorithmische Kultur dort, wo sie die Sprache selbst verändert. Seit einigen Jahren verbreitet sich unter jungen Nutzer:innen eine Praxis, die inzwischen einen eigenen Namen trägt: „Algospeak“ — ein Begriff, der maßgeblich von der US-Journalistin Taylor Lorenz geprägt und populär gemacht wurde. Gemeint ist eine bewusst verfremdete Ausdrucksweise, mit der Menschen automatisierte Moderationsfilter umgehen, die bestimmte Wörter automatisch herabstufen oder blockieren. Aus „dead“ wird „unalive“, aus „sex“ wird „seggs“, aus „lesbian“ wird „le dollar bean“ — Wortverfremdungen, die für Algorithmen unlesbar bleiben sollen, für Menschen aber weiterhin verständlich sind.

Wie doppeldeutig dieses Phänomen zu bewerten ist, zeigt sich, sobald man es aus zwei Richtungen betrachtet. Aus der einen Perspektive ist Algospeak schlicht sprachliche Kreativität unter Zwang — ein Beweis dafür, dass sich menschliche Ausdrucksfähigkeit auch unter algorithmischer Beschränkung findig zeigt, ähnlich wie sich Sprache historisch immer wieder an Zensur angepasst hat, etwa in autoritären Regimen mit Anspielungen und Codes. Aus der anderen Perspektive markiert genau diese Kreativität das Ausmaß der Unterwerfung: Eine Gesellschaft, die lernt, über Themen wie Sexualität, Gewalt oder Diskriminierung nur noch in Codes zu sprechen, hat implizit akzeptiert, dass ein Unternehmen die Grenzen dieser Themen zieht — ohne dass jemals demokratisch verhandelt wurde, wo diese Grenzen liegen sollten.

Quelle: Herzbaum-DALIB-Universe
KI-generiert mit Nano Banana Pro

Bemerkenswert daran ist weniger die einzelne Umschreibung als das, was danach geschieht: Diese ursprünglich rein taktischen Ausweichwörter haben sich längst von ihrer Schutzfunktion gelöst und sind Teil des alltäglichen Sprachgebrauchs geworden — auch dort, wo gar keine Moderation droht. Wer „unalive“ sagt, obwohl im Gespräch mit Freund:innen niemand zensiert, hat eine Sprachgewohnheit übernommen, die ursprünglich rein aus der Anpassung an ein maschinelles System entstand. Sprache, die eigentlich Ausdruck menschlicher Kultur sein sollte, trägt hier sichtbar die Handschrift einer Verhandlung mit einer nicht-menschlichen Instanz. Verschärft wird das Phänomen dadurch, dass sich Algospeak fortlaufend weiterentwickelt: Sobald Plattformen ihre Filter an neue Umschreibungen anpassen, entstehen neue Varianten — ein sprachlicher Wettlauf zwischen menschlicher Kreativität und algorithmischer Erkennung, der sich schneller dreht als die meisten früheren Formen von Jugendsprache.

Dass sich Algospeak so schnell verbreitet, liegt auch daran, dass die betroffenen Themenfelder selten zufällig sind. Communities beobachten über Zeit gemeinsam, bei welchen Begriffen ihre Beiträge plötzlich weniger Reichweite bekommen, und leiten daraus ab, welche Themen ein System offenbar besonders vorsichtig behandelt — Sexualität, Genderidentität, Rassismus-Kritik, aber auch politische Inhalte allgemein gehören wiederkehrend dazu. Algospeak ist damit nicht nur ein sprachliches, sondern zugleich ein soziales Frühwarnsystem: Es zeigt an, wo Gemeinschaften eine algorithmische Grenze vermuten, lange bevor eine Plattform diese Grenze jemals offiziell benennt. Aus einer ursprünglich auf TikTok entstandenen Praxis ist inzwischen ein plattformübergreifendes Phänomen geworden, das sich auf Instagram, YouTube und zunehmend auch in gesprochener Alltagssprache junger Menschen wiederfindet.

Fazit: Was bleibt

Kultur hat sich schon immer an ihre Vermittler angepasst — an das Format der Schallplatte, an die Sendezeit des Radios, an die Seitenzahl einer Zeitschrift. An der algorithmischen Kultur ist deshalb weniger die Anpassung selbst neu als vielmehr ihre Unsichtbarkeit und Geschwindigkeit: Niemand hat eine Redaktionssitzung einberufen, um zu beschließen, dass Videos einen Hook in den ersten drei Sekunden brauchen oder dass „unalive“ gesagt werden muss statt „tot“. Diese Anpassungen entstanden dezentral, aus tausenden kleinen Versuchen, ein System zu verstehen, das seine eigenen Kriterien nicht offenlegt.

Der Unterschied zu früheren Anpassungen an Medienformate liegt vor allem im Tempo und in der Richtung des Feedbacks. Als sich Popsongs einst an die Dreieinhalb-Minuten-Grenze des Radioformats anpassten, geschah das über Jahre, vermittelt durch Sender, Labels und Charts — mit sichtbaren menschlichen Entscheidungsträgern an jeder Stelle der Kette. Die Anpassung an algorithmische Kriterien dagegen läuft in Wochen oder Tagen, direkt zwischen einzelnen Creator:innen und einem System, das unmittelbar in Reichweitenzahlen zurückmeldet, was funktioniert hat — ohne dass jemals eine Person diese Rückmeldung bewusst formuliert hätte. Kultur reagiert damit auf ein Feedback, das strukturell keine Haltung, keine Ästhetik und keinen Geschmack ausdrückt, sondern ausschließlich Verhaltensdaten in aggregierter Form.

Genau das macht algorithmische Kultur laut Striphas so schwer greifbar: Sie hat keinen Urheber, den man befragen könnte, keine Institution, die eine Entscheidung verantwortet. Sie entsteht als Summe unzähliger individueller Anpassungen an ein System, dessen Logik alle nur erahnen. Am Ende steht eine Kultur, die sich selbst zensiert, bevor irgendjemand sie zensieren müsste — aus der stillen Gewohnheit heraus, sich an eine Maschine zu richten, die man nie sehen, aber immer spüren kann. Ob eine Redewendung, ein Videoformat oder ein Musikgenre in fünf Jahren noch existiert, entscheidet sich damit zunehmend an einem Ort, an dem weder Kritik noch Widerspruch bislang vorgesehen sind.

Was diese Beobachtung von reiner Kulturpessimismus-Klage unterscheidet, ist, dass sie keine Aussage über die Qualität der entstehenden Kultur trifft — Algospeak kann ebenso erfinderisch sein wie ein Netflix-Mikrogenre gelegentlich treffend. Die eigentliche Frage, die algorithmische Kultur aufwirft, betrifft weniger, ob die Ergebnisse gut oder schlecht sind. Sie betrifft, wer künftig überhaupt mitentscheiden darf, wonach Kultur beurteilt wird — und ob eine Gesellschaft bereit ist, diese Entscheidung dauerhaft an Systeme abzugeben, deren Kriterien sie nicht kennt.

Diese Fragen, aus sozioökonomischer Sicht behandelt der nächste Artikel dieses Themenblockes hier im Wurzelboten ausführlich.

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:

Hinterlasse jetzt einen Kommentar

Kommentar hinterlassen

E-Mail Adresse wird nicht veröffentlicht.


*