Algorithmische Empfehlungssysteme spielen eine immer wichtigere Rolle bei der Gestaltung dessen, was wir im Internet sehen. Diese Systeme sollen das Verhalten und die Präferenzen der Nutzer analysieren, um relevante Inhalte anzubieten, die sie interessieren könnten. Sie verewigen jedoch häufig heteronormative Annahmen über Geschlecht und Sexualität, was problematisch sein kann, wenn es darum geht, erotische Inhalte zu empfehlen. Wenn ein Benutzer beispielsweise eine verbreitete Pornografie mit Cisgender-Männern und -Frauen betrachtet, die Vanillesex betreiben, können algorithmische Empfehlungssysteme davon ausgehen, dass diese Person traditionelle Formen der Erotik bevorzugt, und mehr davon empfehlen. Dies könnte die Vielfalt der Optionen einschränken, die Nutzern zur Verfügung stehen, die sich als LGBTQ + identifizieren oder unkonventionelle sexuelle Wünsche haben. Darüber hinaus können diese Systeme schädliche Stereotypen darüber verstärken, was eine „normale" Sexualität darstellt, die den Zugang zu geeignetem Material für diejenigen ausschließt, die nicht den gesellschaftlichen Normen entsprechen. Außerdem verlassen sich algorithmische Empfehlungssysteme auch auf Metadaten und Schlüsselwörter, um Inhalte zu klassifizieren, was zu einer ungenauen oder unvollständigen Beschreibung der sexuellen Natur des Materials führen kann. Wenn ein Video beispielsweise einige Sekunden explizite Frames enthält, sich jedoch hauptsächlich auf die Erzählung oder die Entwicklung eines Charakters konzentriert, kann es als „allgemeines Interesse" gekennzeichnet werden, wodurch die Wahrscheinlichkeit verringert wird, dass es in den Richtlinien für Zuschauer erscheint, die explizites Material suchen. Dies kann zu einer Homogenisierung der Inhalte und mangelnder Diversität in Bezug auf die Repräsentation führen.
Um diesen Herausforderungen zu begegnen, muss innerhalb der algorithmischen Empfehlungssysteme für mehr Transparenz und Rechenschaftspflicht gesorgt werden. Unternehmen müssen verschiedene Teams einstellen, um ihre Algorithmen zu entwickeln und sicherzustellen, dass alle Perspektiven im Designprozess berücksichtigt werden. Sie müssen auch klare und genaue Metadaten liefern, die die sexuelle Natur jedes einzelnen Inhalts beschreiben, so dass die Zuschauer fundierte Entscheidungen treffen können, die auf ihren Präferenzen basieren, anstatt sich ausschließlich auf automatisierte Angebote zu verlassen.
Schließlich müssen Plattformen der Inklusion Priorität einräumen, indem sie eine breite Palette von Inhalten präsentieren, die unterschiedlichen Geschmäckern und demografischen Merkmalen entsprechen. Dadurch können sie ein einladenderes Umfeld für alle Nutzer schaffen, unabhängig von ihrer Geschlechtsidentität oder sexuellen Orientierung.
Wie verstärken algorithmische Empfehlungssysteme die Heteronormativität beim Online-Konsum erotischer Inhalte?
Algorithmische Empfehlungssysteme haben gezeigt, dass sie heteronormative Verhaltensmuster verstärken, indem sie eine enge Palette sexueller Orientierungen und Präferenzen fördern. Dies ist auf mehrere Faktoren zurückzuführen, darunter die Dominanz von Cisgender und geradlinigen Gesichtern in den Entwicklungsteams hinter diesen Systemen sowie die Abhängigkeit der Algorithmen von Daten, die von Massenplattformen wie YouTube und Pornhub gesammelt werden.