Algorithmic Monoculture

Stell dir vor, du bewirbst dich bei zwanzig Firmen um einen Ausbildungsplatz. Alle zwanzig sortieren die Bewerbungen mit derselben eingekauften Software vor. Dann bekommst du nicht zwanzig unabhängige Chancen, sondern im Grunde nur eine einzige — zwanzigmal wiederholt. Genau dieses Muster meint der Begriff Algorithmic Monoculture: viele Entscheider, aber nur ein gemeinsames Urteil dahinter. Das Wort ist aus der Landwirtschaft entlehnt, wo eine Monokultur bedeutet, dass auf riesigen Flächen nur eine einzige Pflanzensorte wächst. Solche Felder liefern hohe Erträge, aber ein einziger passender Schädling kann die gesamte Ernte vernichten.

Wenn eine einzige Absage überall gilt

Eine Gesellschaft verlässt sich normalerweise darauf, dass Entscheider unterschiedlich ticken. Ein Personalchef achtet auf Praxiserfahrung, der nächste auf Noten, der dritte auf den persönlichen Eindruck im Gespräch. Wer bei einem durchfällt, hat beim nächsten eine echte neue Chance. Diese Vielfalt ist ein unsichtbares Sicherheitsnetz. Eine Monokultur zerschneidet es.

Forscher nennen die Folge systematischen Ausschluss. Betroffen sind nicht zufällig wechselnde Menschen, sondern immer dieselben — nämlich jene, die das eine verwendete Modell schlecht bewertet. Für die Einzelperson fühlt sich das wie Pech an. Statistisch ist es kein Pech, sondern eine strukturelle Sperre. Wer aus dem Raster fällt, fällt überall aus dem Raster.

Dazu kommt ein Risiko für alle: Alle hängen am selben Fehler. Wenn ein weit verbreitetes Modell eine Schwäche hat, taucht diese Schwäche gleichzeitig in tausenden Firmen auf. Ein einzelnes fehlerhaftes System kann so einen ganzen Markt in dieselbe falsche Richtung schieben. Fachleute sprechen von einem korrelierten Risiko — Fehler treten nicht verstreut auf, sondern gebündelt.

Warum am Ende alle dasselbe Modell nutzen

Der Weg in die Monokultur ist selten geplant. Große Sprachmodelle, also KI-Systeme, die Texte verstehen und erzeugen, kosten in der Entwicklung dreistellige Millionenbeträge. Nur eine Handvoll Konzerne kann das stemmen. Alle anderen mieten den Zugang und bauen ihre Produkte darauf auf. Damit sitzt in unzähligen Anwendungen dasselbe Gehirn.

Verstärkt wird das durch wirtschaftliche Anreize. Wer das System kauft, das als Branchenstandard gilt, muss seine Wahl nie rechtfertigen. Geht etwas schief, war es eben die Software, die alle nutzen. Diese Absicherung ist bequem und drängt Firmen zusätzlich zur gleichen Entscheidung.

Wichtig ist eine Abgrenzung: Monokultur bedeutet nicht automatisch Voreingenommenheit. Ein System kann verzerrt urteilen, ohne verbreitet zu sein — dann bleibt der Schaden lokal. Und ein sehr faires System kann trotzdem eine Monokultur bilden, weil kein Modell perfekt ist. Das eigentliche Problem ist also nicht die Qualität eines Systems, sondern das Fehlen von Alternativen daneben.

Von der Bewerbung bis zur Kreditvergabe

Am sichtbarsten ist der Effekt bei Bewerbungen. Viele Unternehmen verwenden dieselben Programme zur Vorauswahl, oft von wenigen Anbietern. Ähnlich sieht es bei Krediten aus: Banken stützen sich in Deutschland stark auf Scores weniger Auskunfteien. Ein schlechter Wert wirkt dann nicht bei einer Bank, sondern praktisch bei allen gleichzeitig.

In Tech-News begegnet dir der Begriff meist im Zusammenhang mit der Marktmacht weniger KI-Anbieter. Kritiker warnen, dass Schulen, Behörden und Redaktionen zunehmend über dasselbe Modell schreiben, prüfen und bewerten. Diskutiert wird auch, ob Texte im Netz einander ähnlicher werden, wenn Millionen Menschen mit demselben Werkzeug formulieren.

Gegenmittel gibt es, sie sind aber unbequem. Behörden können vorschreiben, dass wichtige Entscheidungen nicht allein automatisch fallen dürfen. Firmen können bewusst verschiedene Anbieter mischen oder Zufallselemente einbauen, damit nicht immer dieselben Menschen aussortiert werden. Jede dieser Lösungen kostet Effizienz — und genau darin liegt der Grund, warum Monokulturen so hartnäckig sind.