Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
oecd27. Mai 2025 · Q003359

Transparency Mechanisms for Social Media Recommender Algorithms: From Proposals to Action

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der vorliegende Auszug beschreibt die Sorge, dass personalisierte Empfehlungsalgorithmen schädliche Inhalte verbreiten und gesellschaftliche oder politische Auswirkungen haben könnten; belegt werden diese Folgen hier nicht. Da laut Bericht die besten Untersuchungsmethoden intern bei den Plattformunternehmen liegen, schlägt das Projekt Transparenzmechanismen vor, um damit Fragen von öffentlichem Interesse zu prüfen.

Mittel

Der vorliegende Text ist ein Auszug und enthält keine vollständigen Studienergebnisse. Er beschreibt Empfehlungssysteme sozialer Medien als KI-gestützte Verfahren, die Feeds anhand früherer Interaktionen personalisieren und Inhalte auswählen oder zurückhalten. Der Bericht geht von der Sorge aus, solche Systeme könnten Nutzer zu schädlichen Inhalten führen und möglicherweise politische Meinungsströmungen beeinflussen. Diese Folgen werden im Auszug als mögliche Risiken, nicht als nachgewiesene Ergebnisse dargestellt.

Als zentrales Problem nennt der Text, dass öffentlich nur wenige Informationen darüber verfügbar seien, wie Empfehlungsalgorithmen Inhalte verbreiten und Nutzer beeinflussen. Das Projekt habe zunächst Methoden zur Untersuchung dieser Auswirkungen geprüft. Laut Auszug kamen die Verfasser zu dem Schluss, dass die besten verfügbaren Methoden intern von den Plattformunternehmen genutzt werden und der Öffentlichkeit nicht zugänglich sind. Daher schlagen sie Transparenzmechanismen vor, durch die solche internen Methoden Fragen von öffentlichem Interesse zu möglichen schädlichen Auswirkungen untersuchen könnten. Konkrete Mechanismen, ihre Umsetzung oder empirische Befunde führt der Auszug nicht an.

Ausführlich lesen

Der vorliegende Text ist ein Auszug aus einem Bericht über Transparenz bei Empfehlungsalgorithmen sozialer Medien; er enthält weder den vollständigen Bericht noch dessen spätere Ergebnisse. Im Mittelpunkt stehen Empfehlungssysteme, die Inhalte für persönliche Feeds auswählen und ordnen. Laut Text nutzen sie maschinelles Lernen, um die Auswahl daran anzupassen, womit Nutzerinnen und Nutzer zuvor interagiert haben. Der Bericht vergleicht ihre Funktion mit der einer personalisierten Zeitungsredaktion, die entscheidet, was angezeigt und was zurückgehalten wird.

Als Ausgangspunkt beschreibt der Text die Sorge, Empfehlungssysteme könnten Nutzerinnen und Nutzer zu schädlichen Inhalten führen. Diese Sorge wird sowohl als technische Frage über die Lernverfahren der Systeme als auch als gesellschaftliche und politische Frage eingeordnet: Mögliche Auswirkungen auf Nutzer könnten politische Meinungsströmungen beeinflussen. Der Auszug stellt solche Schäden oder politischen Wirkungen jedoch nicht als nachgewiesene Ergebnisse dar.

Als Problem benennt der Text den Mangel an öffentlich zugänglichen Informationen darüber, wie Empfehlungsalgorithmen Inhalte verbreiten und Nutzer beeinflussen. Er hält es für wichtig, dass Regierungen und Öffentlichkeit besser nachvollziehen können, wie die Systeme Inhalte vermitteln, insbesondere bei potenziell schädlichen Inhalten.

Zum Vorgehen berichtet der Auszug, dass das Projekt zunächst mögliche Methoden zur Untersuchung der Auswirkungen von Empfehlungssystemen auf das Verhalten der Plattformnutzer geprüft habe. Die Verfasser kamen demnach zu dem Schluss, dass die besten verfügbaren Untersuchungsmethoden jene seien, die Unternehmen selbst intern einsetzen. Weil diese Methoden nur den Unternehmen zugänglich seien, schlugen sie Transparenzmechanismen vor: Interne Methoden sollten genutzt werden, um Fragen von öffentlichem Interesse zu möglichen schädlichen Auswirkungen zu untersuchen.

Der Auszug beschreibt damit eine vorgeschlagene Richtung, aber keine Umsetzung oder Bewertung solcher Mechanismen. Er nennt hier weder konkrete Verfahren noch untersuchte Plattformen, Daten, Messwerte oder empirische Resultate. Aussagen über mögliche Schäden und politische Einflüsse bleiben in diesem Textabschnitt Sorgen beziehungsweise mögliche Wirkungen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Vorfälle melden
  1. SF-M1 Ab wann ist ein KI-Vorfall so ernst, dass Staaten ihn einander melden müssen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 30 %Hintergrund, keine Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 27 %Hintergrund, keine Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 42 %gleiches Oberthema, hilft nicht
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 29 %Hintergrund, keine Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 23 %einzelne zitierbare Belege
    • d3-ultra 42 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 51 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 32 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 38 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 23 %Hintergrund, keine Belege
    • SubQ 29 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
  2. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 22 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 41 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 44 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →