§ 7. Geltungsgründe algorithmischer Ordnung

§ 7 fragt, warum algorithmische Ordnungen befolgt werden. Die Antwort kann nicht lauten: weil der Algorithmus funktioniert. Erfolg ist ein wichtiger Geltungsgrund, aber er ist nicht der einzige. Algorithmische Ordnung wird auch aus Gewohnheit, aus Objektivitätsglauben, aufgrund formaler Satzung, wegen organisatorischer Erwartung oder unter dem Druck praktischer Unausweichlichkeit anerkannt. Damit bleibt Legitimität eine soziale Chance und keine technische Eigenschaft (Weber, 1978).

Traditionelle Geltung entsteht in algorithmischen Ordnungen schneller, als der Begriff zunächst vermuten lässt. Was gestern noch neues Werkzeug war, kann heute schon als normale Vorgehensweise gelten. Bewerbungen werden vorsortiert, Übersetzungen maschinell vorbereitet, Recherchen über Suchmaschinen begonnen, Bilder über Empfehlungslogiken gefunden. Die Beteiligten müssen diese Verfahren nicht ausdrücklich bejahen; es genügt, dass sie sie als üblichen Weg behandeln. Kitchin betont deshalb zu Recht, dass Algorithmen nicht isolierte Rechenvorschriften sind, sondern in Alltagspraktiken, Organisationen, Datenbestände und diskursive Erwartungen eingebettet werden (Kitchin, 2017).

Ein zweiter Geltungsgrund ist der Glauben an sachliche oder rechnerische Überlegenheit. Algorithmische Empfehlungen erscheinen oft als weniger parteilich, weil ihre Bewertungsmaßstäbe formalisiert, quantifiziert oder statistisch begründet auftreten. Dieser Glaube kann produktiv sein, wenn er willkürliche Entscheidungen begrenzt; er wird problematisch, wenn er soziale Voraussetzungen, Trainingsdaten und Zielkonflikte unsichtbar macht. Noble zeigt am Beispiel von Suchmaschinen, dass algorithmische Sichtbarkeit bestehende rassistische und sexistische Ordnungen nicht einfach neutral abbildet, sondern verstärken kann (Noble, 2018). Objektivitätsglaube ist daher ein Geltungsgrund, aber kein Wahrheitsbeweis.

Formale Satzung bildet eine dritte Quelle. Organisationen legen fest, wann KI-Systeme eingesetzt werden, welche Dokumentation erforderlich ist, wann menschliche Prüfung erfolgen muss und wer Abweichungen begründen darf. Zugleich setzen Plattformen und Anbieter Nutzungsbedingungen, Moderationsrichtlinien, API-Bedingungen und Lizenzregime. Solche Satzungen erzeugen bindende Erwartungen, auch wenn sie nicht immer staatliches Recht sind. Gerade hierin liegt eine zentrale Spannung algorithmischer Ordnung: Private Regeln können öffentlichkeitswirksam werden, ohne denselben Legitimationsanforderungen wie demokratisches Recht zu unterliegen (Gillespie, 2018; van Dijck et al., 2018).

Erfolgsgeltung ist besonders attraktiv. Wenn ein Modell schneller klassifiziert, genauer prognostiziert, billiger skaliert oder bequemer reagiert, erzeugt es Anerkennung durch Leistung. Doch Leistung ist kein einfacher Tatbestand. Sie hängt davon ab, welche Ziele gemessen, welche Fehler toleriert und welche Schäden ausgelagert werden. Pasquales Kritik der Black-Box-Gesellschaft macht deutlich, dass leistungsfähige algorithmische Systeme gerade dann schwer kontrollierbar werden können, wenn ihre Bewertungskriterien als Geschäftsgeheimnis, Expertensache oder proprietäre Infrastruktur erscheinen (Pasquale, 2015).

Schließlich gibt es Geltung durch Unausweichlichkeit. Nutzer:innen akzeptieren eine Ordnung nicht, weil sie sie für richtig halten, sondern weil soziale Teilnahme, Erwerbschancen, Sichtbarkeit oder Verwaltungszugang ohne sie kaum möglich sind. Dieser Geltungsgrund ist soziologisch besonders wichtig, weil er die Grenze zwischen Anerkennung und Anpassungszwang markiert. Algorithmische Ordnung kann befolgt werden, obwohl sie innerlich abgelehnt wird. § 7 bereitet damit § 8 vor: Wo Geltung nicht überzeugt, sondern praktischen Druck ausübt, wird Ordnung zum Gegenstand von Kampf.