Algorithmenbasierte Such- und Empfehlungssysteme bestimmen in der digitalen Welt, welche Güter (Waren, Dienstleistungen und Inhalte) wir im Online-Informationsüberfluss überhaupt wahrnehmen und damit letztlich oft auch, zwischen welchen Gütern wir auswählen. Was uns in den "Rankings" nicht prominent angezeigt wird, wird auch nicht wahrgenommen und in Erwägung gezogen. Damit stellen digitale Empfehlungssysteme eine wichtige Schnitsstelle zwischen Onlinediensten/-plattformen und ihren Nutzern dar - und somit auch einen wichtigen Forschungsgegenstand der computational social sciences. Aufgrund ihrer starken Wirkung auf die Entscheidungen von Nutzern - Konsumenten ebenso wie kommerziellen Nutzern - wird derzeit intensiv über eine Regulierung dieser algorithmischen Systeme diskutiert.
Oliver Budzinski und Annika Stöhr (TU Ilmenau, FG Wirtschaftstheorie) legen zu dieser Kernfrage der Digitalwirtschaft im Journal of Competition Law & Economics (einer renommierten wissenschaftlichen Fachzeitschrift mit externem Begutachtungsverfahren) einen Beitrag über ihre jüngsten Forschungsergebnisse vor. In "Regulating Recommender Systems? Effects of Data-Based Individualization (and its Limits) on Competition in the Digital World" arbeiten die beiden Autoren den bislang weitgehend übersehenen Zusammenhang zwischen Individualisierung/Personalisierung von Rankings durch die algorithmische und KI-basierte Nutzung personalisierter Daten einerseits und der Intensität des wohlfahrtsfördernden Wettbewerbsprozesses auf den damit zusammenhängenden Märkten andererseits heraus. Individualisierung bzw. Personalisierung fördert Vielfalt, Diversität und dynamischen Wettbewerb, weswegen eine Regulierung, welche die datenbasierte Personalisierung einzuschränken sucht, Gefahr läuft, diese gesellschaftlich-positiven Wohlfahrtseffekte zu erodieren.
Anders als in vielen anderen Beiträgen zur Regulierungsproblematik von algorithmischen Empfehlungssytemen vergleichen Budzinski & Stöhr die derzeit diskutierten Regulierungsvorschläge nicht mit einem theoretischen Ideal, sondern untersuchen, ob die Haupt- und (die sonst oft übersehenen) Nebenwirkungen dieser Regulierungsansätze zu einer zuverlässigen Verbesserung gegenüber dem unregulierten Zustand führt. Die Autoren isolieren schließlich, welche Regulierungsinstrumente vielversprechende Elemente für eine Markordnung für algorithmische Empfehlungssysteme darstellen.
Keywords: digital economy, data-based algorithmic recommender systems, economics of individualization and personalization, algorithms and artificial intelligence, regulation of digital markets