Filterblase (englisch filter bubble) oder Informationsblase ist ein Begriff der Medienwissenschaft, der vom Internetaktivisten Eli Pariser in seinem gleichnamigen Buch von 2011 geprägt wurde.Eli Pariser: The Filter Bubble: What the Internet Is Hiding from You. Penguin Press, New York, 2011, ISBN 978-1-59420-300-8. Laut Pariser entsteht eine Filterblase, weil Webseiten versuchen, algorithmisch vorauszusagen, welche Informationen der Benutzer auffinden möchte – und stützen sich dabei auf den verfügbaren Informationen über den Benutzer (beispielsweise sein Standort, Suchhistorie und Klickverhalten). Daraus resultiere eine Isolation gegenüber Informationen, die nicht dem Standpunkt des Benutzers entsprechen. Die isolierende Wirkung von Filterblasen ist Gegenstand wissenschaftlicher Untersuchungen und gilt nicht allgemein als belegt.Judith Moeller, Natali Helberger: Beyond the filter bubble: concepts, myths, evidence and issues for future debates, Report der Universität von Amsterdam, 25. Juni 2018.
Konzept Durch die Anwendung von Algorithmen neigen Internetseiten dazu, dem Benutzer nur Informationen anzuzeigen, die mit seinen bisherigen Ansichten übereinstimmen. So wird er sehr effektiv in einer „Blase“ isoliert, die dazu tendiert, Informationen auszuschließen, die seinen bisherigen Ansichten widersprechen.
Ein Paradebeispiel dafür sind Googles personalisierte Suchergebnisse und der personalisierte News Stream von Facebook.Lynn Parramore: The Filter Bubble. In: The Atlantic. Zitat: “Google has been personalized for everyone. So when I had two friends this spring Google ‘BP,’ one of them got a set of links that was about investment opportunities in BP. The other one got information about the oil spill.” Nach Parisers Meinung wird der Benutzer so weniger durch gegenteilige Ansichten „belastet“ und somit in einer Informationsblase intellektuell isoliert.
Pariser bringt ein Beispiel, in dem ein Nutzer auf Google mit dem Stichwort „BP“ suchte und Nachrichten zu Investitionsmöglichkeiten von British Petroleum erhielt, während ein anderer mit der gleichen Suchanfrage Informationen über die von Deepwater Horizon verursachte Ölpest bekam – somit die beiden Suchanfragen völlig unterschiedliche Ergebnisse brachten.Jacob Weisberg: Bubble Trouble: Is Web personalization turning us into solipsistic twits?Doug Gross: In: CNN. Zitat: “I had friends Google BP when the oil spill was happening. These are two women who were quite similar in a lot of ways. One got a lot of results about the environmental consequences of what was happening and the spill. The other one just got investment information and nothing about the spill at all.”Paul Boutin: Your Results May Vary: Will the information superhighway turn into a cul-de-sac because of automated filters? In: The Wall Street Journal. Zitat: “By tracking individual Web browsers with cookies, Google has been able to personalize results even for users who don’t create a personal Google account or are not logged into one. …” Dieser isolierende Blaseneffekt könne nach Pariser negative Folgen für den Diskurs der Zivilgesellschaft haben. Jedoch gibt es auch gegenteilige Meinungen, die besagen, dass der Effekt minimal und handhabbar sei.Zhang Yuan Cao, Diarmuid Ó Séaghdha, Daniele Quercia, Tamas Jambor: Auralist: Introducing Serendipity into Music Recommendation. (PDF; 645 kB)
mini|Eli Pariser, 2012 Das Konzept, mittels Amplifizierungs-Algorithmen die Aufmerksamkeit der Nutzer durch selektiv gefilterte Informationen zu fesseln, die deren Ansichten bestätigen, wird noch durch verstärkende Informationen gesteigert, die über eine Bestätigung hinaus Angst und Wut auslösen. Beispiele sind Hate Speech oder Verschwörungstheorien.Monika Ermert: Missing Link: Nur ein Verbot bestimmter Algorithmen kann die Demokratie retten. In: heise.de 20. Februar 2020, abgerufen am 11. Februar 2020.
Personalisierung Personalisierung lässt sich wie folgt definieren: Bei der Web-Personalisierung werden Inhalt und Struktur einer Web-Anwendung den besonderen Bedürfnissen, Zielen, Interessen und Vorlieben eines jeden Nutzers angepasst. Dazu wird ein Benutzermodell (englisch user model) erstellt, das die Annahmen und die Informationen erfasst, die das System über den Benutzer hat. Das System kann so voraussagen, was für den Nutzer relevant sein wird. Es filtert irrelevante Informationen heraus und erhöht so seine persönliche Relevanz für einen Benutzer.Engin Bozdag, Job Timmermans: Values in the filter bubble. Ethics of Personalization Algorithms in Cloud Computing. In: C. Detweiler, A. Pommeranz, J. van den Hoven, H. Nissenbaum (Hrsg.): Proceedings of the 1st International Workshop on Values in Design. Building Bridges between RE, HCI and Ethics. 6. September 2011, S. 7–15, abgerufen am 4. September 2011.
Nach Pariser verwendet Google zum Beispiel diverse „Signale“Rene Pickhardt: Abgerufen am 30. September 2011.Dirk von Gehlen: Wie Google und Co. uns andere Standpunkte vorenthalten. Welt ohne Gegenmeinung. In: Süddeutsche. 28. Juni 2011, abgerufen am 14. September 2011.Jörg Wittkewitz: Die Intuitionspumpe “Filter Bubble”. In: netzpiloten.de, abgerufen am 14. September 2011.Peter Sennhauser: “Filter-Blase”. Die neue Gefahr der Tarnkappen-Gatekeeper. In: netzwertig.com, abgerufen am 14. September 2011. (frühere Such-Stichworte, Standort, Status-Updates von Kontakten auf Sozialen-Netzwerk-Seiten etc.), um Suchergebnisse und die geschalteten Anzeigen an den Benutzer anzupassen (Targeted Advertising). Facebook beobachtet dagegen die Interaktionen eines Nutzers mit anderen und filtert Posts von bestimmten Nutzern. Das bedeutet, Benutzeraktivitäten (Klickhistorie) werden in eine einzige Benutzeridentität übersetzt und auf Grundlage dieser Identität werden bestimmte Informationen herausgefiltert. Bis 2011 kam bei Facebook dafür der sogenannte EdgeRank-Algorithmus zum Einsatz,Jeff Widman: EdgeRank. A guide to Facebook’s newsfeed algorithm. In: edgerank.net, abgerufen am 19. März 2013. der in Folge durch ein wesentlich komplexeres, maschinenlernendes System abgelöst wurde.Roman Tschiedl: The most powerful channel - zur (algorithmischen) Gouvernementalität sozialer Medien am Beispiel Facebooks News Feed. Universität Wien, 2015, S. 102. Abgerufen am 15. Mai 2015.
Pariser umschreibt sein Konzept der Filterblase formal als „das persönliche Informations-Ökosystem, das durch diese Algorithmen geschaffen wird.“ Auch andere Termini wurden verwendet, um dieses Phänomen zu beschreiben, wie „ideologische Rahmen“ (engl. ideological frames) oder auch „figurative Sphäre, die einen umgibt, wenn man im Internet sucht“.Shira Lazar: Algorithms and the Filter Bubble Ruining Your Online Experience? In: Huffington Post. Zitat: „a filter bubble is the figurative sphere surrounding you as you search the Internet.“
Der Suchverlauf sammelt sich im Laufe der Zeit an, wenn ein Internetbenutzer Interesse an bestimmten Themen zeigt, indem er auf die passenden Links klickt, Seiten von Freunden besucht, bestimmte Filme in die Warteschlange legt, ausgewählte Schlagzeilen liest und so weiter. Für das Sammeln und die Analyse dieser Daten verwenden Webseitenbetreiber häufig Tracking-Dienste wie z. B. Google Analytics.Peter Neugebauer: Schutz vor Trackingdiensten die das Nutzerverhalten analysieren. In: knowhow.ngbonline.de, abgerufen am 5. Februar 2021. Internetfirmen verwenden diese Informationen dann, um Werbung auf die Bedürfnisse und den Geschmack des konkreten Benutzers zuzuschneiden oder um die passende Werbung an prominenterer Stelle im Suchergebnis unterzubringen.
Parisers Besorgnis ähnelt den von Tim Berners-Lee 2010 geäußerten Bedenken wegen des Hotel-California-Effekts (etwa: herein geht es, aber nie mehr hinaus), der eintritt, wenn soziale Netzwerke im Internet Inhalte von Konkurrenz-Seiten abblocken und aussperren, um so einen größeren Teil der Netzgemeinde in ihrem Netzwerk zu haben. Je mehr man eingibt, desto mehr ist man eingeschlossen und an die Informationen innerhalb einer spezifischen Website gebunden. Sie wird zum abgeschlossenen „Betonbunker“ und es besteht das Risiko der Fragmentierung des World Wide Web, meint Tim Berners-Lee.Bianca Bosker: Tim Berners-Lee: Facebook Threatens Web, Beware. In: The Guardian. Zitat: „Social networking sites are threatening the Web’s core principles …“ Berners-Lee argued. „Each site is a silo, walled off from the others,“ he explained. „The more you enter, the more you become locked in….“
Beispielsweise sind die Benutzer von Facebook in gewisser Weise für immer dort „gefangen“. Wenn sie sich irgendwann entscheiden sollten, das Netzwerk zu verlassen, wird ihr Benutzerprofil zwar deaktiviert, aber nicht gelöscht. Alle ihre persönlichen Informationen und das Protokoll aller ihrer Aktivitäten auf Facebook bleiben für immer auf den Servern von Facebook erhalten. So können sie die Facebook-Seite nie vollständig verlassen.
In seinem Buch The Filter Bubble warnt Pariser, dass ein potentieller Nachteil der gefilterten Suche ist, dass sie „uns von neuen Ideen, Themen und wichtigen Informationen ausschließt“First Monday: What’s on tap this month on TV and in movies and books: The Filter Bubble by Eli Pariser. In: USA Today. Zitat: „Pariser explains that feeding us only what is familiar and comfortable to us closes us off to new ideas, subjects and important information.“ und den „Eindruck schafft, dass nur die Dinge existieren, die unser enges Selbstinteresse kennt“. Das ist seiner Meinung nach potentiell schädlich, sowohl für den Einzelnen als auch für die Gesellschaft. Er kritisiert Google und Facebook dafür, dass sie auf Inhalte bezogen „zu viele Süßigkeiten und nicht genug Karotten“ anbieten.Anmerkung: im engl. Originaltext „candy and carrots“, etwa „Süßigkeiten und Karotten“ als Symbol für eine „ausgewogene Informations-Diät“: „The best editing gives us a bit of both. It gives us a little bit of Justin Bieber and a little bit of Afghanistan. … some information vegetables and … some information dessert.“Bianca Bosker: Facebook, Google Giving Us Information Junk Food, Eli Pariser Warns. In: Huffington Post. Zitat: „When it comes to content, Google and Facebook are offering us too much candy, and not enough carrots.“ Er warnt davor, dass wir „nur noch eingeschränkt neuen Informationen“ ausgesetzt sind und unsere Sichtweise eingeengt wird, dadurch dass „unsichtbare Algorithmen das Netz redaktionell bearbeiten“. Pariser denkt, dass die nachteiligen Auswirkungen der Filterblase auch umfassende Beeinträchtigungen für die Gesellschaft im Allgemeinen mit sich bringen, in dem Sinn, dass dadurch möglicherweise „der zivile Diskurs untergraben wird“ und die Menschen empfänglicher und anfälliger für „Propaganda und Manipulationen“ werden.
Pariser schreibt:
Messung Die Vielfalt an zur Verfügung stehenden Nachrichten und Informationen, die quasi der Umfang einer Filterblase bilden, ist durch individuelle Unterschiede im Umfang des Nachrichtenkonsums schwer zu erfassen und zu quantifizieren. Daher ist es zunächst wichtig zu definieren, welcher Kontext der Medienvielfalt genauer betrachtet werden soll. Laut Webster und Ksiazek (2012) kann hier der Fokus auf einen von drei Bereichen gelegt werden:
Medien, d. h. auf die Vielfalt der angebotenen Inhalte Einzelne Individuen und ihre personalisierte Auswahl an Informationen Die Struktur und Vielfalt einer Leser- oder Zuhörerschaft