Plattform für personalisierte Twitter-Agenten und Algorithmenkompetenz

27. November 2021 – Nur noch fürs Logbuch… hier die Projektskizze meiner Bewerbungen für den Prototype Fund. Ich war mal wieder so zuversichtlich, doch leider abgelehnt (Runde 10 & 11).

Projekttitel:

Beschreibe dein Projekt kurz

Das Projekt möchte die Algorithmenkompetenz unter journalistischen und selbstbestimmt informierten Twitter-Nutzer:innen fördern.

Dazu wird eine offene Plattform in Form eines personalisierbaren Informationsassistenten bereitgestellt, die ihre Anwender:innen ermächtigt, den eigenen Rechercheprozess oder die eigene Mediennutzung durch selbst aufgestellte Computeralgorithmen zu unterstützen und zu optimieren.

Nutzer:innen können sich somit – à la „Programming by Example“ – individuelle Werkzeuge und Arbeitsabläufe nach Bedarf maßschneidern und entwickeln gleichzeitig tiefere Intuition für die Funktion und den Einfluss praktischer Algorithmen vielfältiger Anwendungsbereiche.

Welche gesellschaftliche Herausforderung willst du mit dem Projekt angehen?

Algorithmen spielen in der Meinungsbildung inzwischen eine zentrale Rolle. Sobald Maschinen so stark in unser Leben eingreifen und selbstständig entscheiden, wer welche Medieninhalte bevorzugt zu Gesicht bekommt, folgen daraus direkte Auswirkungen auf die Meinungsbildungsprozesse Einzelner und über kurz oder lang auf die deliberative Demokratie.

Zum Ruf nach mehr gesamtgesellschaftlicher Medien- und Informationskompetenz gesellt sich daher zuletzt die Notwendigkeit, »algorithmisches Denken zu verstehen«. Um Entscheidungen zu beurteilen, die Programmierer:innen und ihr Code stellvertretend für Anwender:innen treffen, um mehr Transparenz einzufordern, ethische Standards und höhere Einflussnahme, muss niemand den Algorithmus selbst programmieren können, doch es hilft, sein Grundrezept verstanden zu haben.

Aus diesem Anlass möchte ich mit dem Projekt grundlegendes Wissen über genau jene Algorithmen und ihre Arbeitsweise vermitteln, denen Twitter-Nutzer:innen ohnehin in ihrer täglichen Praxis begegnen. Parallel dazu werden die Anwender:innen in die Lage versetzt, sich nach Baukastenprinzip ein ganz genau auf die persönlichen Bedürfnisse zugeschnittenes Empfehlungssystem selbst zu gestalten – immer im bevorzugten Rahmen irgendwo zwischen Informationsflut und Filterblase.

Wie willst du dein Projekt technisch umsetzen?

Was deutlich dafür spricht, den Prototypen auf Basis von Twitter zu erstellen, ist, dass es von der Zielgruppe aktiv genutzt wird und aus dem öffentlichen Diskurs auch kaum mehr wegzudenken ist. Zudem: Aufgrund offener Programmierschnittstellen sind die Daten großteils öffentlich nutzbar.

Als erste Anbindung halte ich Twitter deshalb für eine gute Wahl. Dennoch soll das System durch Verallgemeinerung wo nötig flexibel und unabhängig bleiben.

Zur Programmierung möchte ich auf Ruby on Rails zurückgreifen. Das Web-Framework hat sich als produktive Umgebung bewiesen, verfügt über eine bunte, lebendige Open-Source-Community und lässt sich leicht in der Cloud hosten oder datensouverän auch selbst.

Für die Bereiche des Maschinellen Lernens dagegen ist es kaum sinnvoll, Ruby einzusetzen, da sich in der Forschung Python etabliert hat. Darum werden diese Anteile mit Scikit-learn geschrieben.

Die grafische Visualisierung der Algorithmen sowie ihrer Parameter erfolgt mithilfe von D3 (Data-Driven Documents).

Nutzer:innen sollen untereinander föderiert Parameter („Sweet spots“) austauschen können. Dazu wird Twitter selbst als Vehikel genutzt, um Daten im JSON-Format als Textnachricht mit „folgenden“ Instanzen zu teilen.

Hast du schon an der Idee gearbeitet? Wenn ja, beschreibe kurz den aktuellen Stand und erkläre die geplanten Neuerungen.

2009 habe ich bereits an einem intelligenten Twitter-Werkzeug gearbeitet.

Der damalige Ansatz besaß jedoch vergleichsweise wenig Möglichkeiten zum Individualisieren vonseiten der Benutzer:innen.

In 2016 dann habe ich mit und für WirtschaftsWoche ein Recherchewerkzeug mit Newsletterversand entwickelt.

Unser Projekt, gefördert durch den Digital News Innovation Fund, öffnete zwar die Empfehlungsmaschinerie für den Nutzer:innen-Kreis, die algorithmischen Strukturen aber blieben fest vorgegeben.

Der neue Ansatz nun will Algorithmen- wie Parameterwahl demokratisieren.

Welche ähnlichen Ansätze gibt es schon und was wird dein Projekt anders bzw. besser machen?

Entfernt ähnlich sind News-Apps (wie bspw. Nuzzel).

Mein Projekt möchte deren magische Blackbox dagegen gerade aufbrechen.

Inspiriert durch „Explorable Explanations“, Bret Victor und Edward Tufte, möchte ich eine plastische, reaktive Umgebung schaffen, in der Algorithmen aus elf unterschiedlichen Fachgebieten auf spielerische Weise erlernt, getestet und miteinander kombiniert werden können.

Wer ist die Zielgruppe und wie soll dein Projekt sie erreichen?

Das Projekt richtet sich in erster Linie an journalistisch tätige und vergleichbar medienkompetente Wissensarbeiter:innen sowie alle Twitter-Aktivist:innen, welche ein echtes Interesse an der Demokratisierung von Such-, Ranking- und Empfehlungskriterien haben.

In 2009 habe ich 128 Alpha-Tester:innen über mein Projektblog rekrutieren können. Das hat sehr gut funktioniert und würde ich deshalb wieder so machen.

Für immer noch sehr medienwirksam halte ich die Öffentlichkeitsarbeit in Gestalt von Werkstattberichten im Projektblog. Bestenfalls denkt ein Blogartikel per Meilenstein das Vorhaben einmal voraus, ein zweiter Bericht fasst die Resultate und Erkenntnisse abschließend zusammen.

Skizziere kurz die wichtigsten Meilensteine, die im Förderzeitraum umgesetzt werden sollen.

Meilensteine werden in zwölf Iterationen à zwei Wochen ausgeliefert – mit folgenden Etappenzielen:

Elementare Twitter-App fertiggestellt

Aus jedem Bereich im Mittel zwei bis drei relevante Algorithmen angewandt und visualisiert:

Information Retrieval
Wahrscheinlichkeitstheorie
Empfehlungssysteme
Maschinelles Lernen
Computerlinguistik

Zum Bergfest steht somit die Basis zum Suchen-Filtern-Gewichten-Aggregieren.

Soweit die Pflicht – mögliche Kandidaten für die Kür wären:

Spieltheorie
Kollektive Intelligenz
Komplexe Dynamische Systeme
Soziale Netzwerkanalyse
Informationstheorie
Genetische Algorithmen

(Reihenfolge variabel)