Ich gebe dir 4,5 Sterne – Von Ratings und Bewertungen
Veröffentlicht von Simon LübkeZu Beginn diesen Jahres gab es einigen Wirbel um ein Experiment an einer Berliner Schule, welches auf einer Folge der Netflix Serie Black Mirror basierte. Es ging um ein soziales Bewertungssystem. Was war passiert?
Die Schülerinnen und Schüler wurden aufgrund ihrer Leistungen und Aufgaben in verschiedene Scores eingeteilt, die sich auf ihren Sitzplatz im Klassenraum auswirkten. Dadurch entstand ein neues Sozialgefüge innerhalb der Klasse, welches die schlechteren Schüler automatisch stigmatisierte (Epp, 2019). Die dem zugrunde liegende Black Mirror Folge (Staffel 3, Folge 1, englischer Titel: Nosedive ) wurde nach ihrer Ausstrahlung im Oktober 2016 auch in der internationalen Presse oft als Vergleich für ein sogenanntes Social Credit System hergezogen – wie es etwa in China geplant und auch umgesetzt wird (Jefferson, 2018). Dabei bewertet der Staat, beziehungsweise private Unternehmen das Verhalten der Bürger online und offline, um so beispielsweise auf die Kreditwürdigkeit zu schließen (Lee, 2017; Stepan/Mokry, 2015). Es gibt dabei aber einen entscheidenden Unterschied: In Nosedive bewerten sich die Bürger einer fiktiven Gesellschaft alle gegenseitig – in China und auch im Experiment an der Berliner Schule wird die Bewertung anhand externen Kriterien von einer höheren Instanz bzw. Institution durchgeführt, dem Staat respektive der Lehrerin. Was macht das für einen Unterschied?
Wir sind eher bereit dazu uns von anderen Menschen bewerten zu lassen als von Institutionen
Eine aktuelle Umfrage fragt genau diesen Unterschied ab. In dieser bewerten 68 Prozent der Befragten ein Social Credit System nach chinesischem Vorbild als schlecht und nur 17 Prozent als gut (Abbildung 1). Im Gegensatz dazu ist die Meinung zu einer Bewertung von anderen Bürgern deutlich ausgeglichener (Abbildung 2).
Abbildung 1 (SINUS-Institut/YouGov, 2019)
Abbildung 2 (SINUS-Institut/YouGov, 2019)
Die heutige Bewertungsgesellschaft
Bewertungen und Rezensionen sind heutzutage alltäglich geworden (Endler, 2019; Mau, 2017). Das Bewerten von Produkten und Erlebnissen ist mittlerweile so normal geworden, dass auch dem Bewerten von Menschen kaum noch zu entkommen ist: Schüler raten online ihre Lehrer, Uber Fahrer brauchen ein gutes Rating, um für Fahrten ausgewählt zu werden. Likes auf Facebook und Instagram sind gerade für viele junge Menschen ein Gradmesser für ihre Beliebtheit und damit auch für ihren eigenen Wert (Burrow/Rainone, 2017; Strenger, 2016). Für die heutige Gesellschaft sind solche interpersonellen Bewertungen so normal, dass sich die Befürworter und Gegner solcher Bewertungen die Waage halten, wie Abbildung 2 zeigt.
Auf der anderen Seite sind diese Bewertungen deutlich von einem Social Credit System oder anderen Scores von Institutionen zu unterscheiden. Indirekt erfasste Scores sind in der Kredit- oder Versicherungsbranche heute gang und gebe. Hier findet die Bewertung automatisch statt, anhand von externen Kriterien einer Institution, Firma oder eines Algorithmus.
Es besteht ein Unterschied zwischen einer direkten, interpersonalen und einer indirekten, institutionellen Bewertung
Im Rahmen der Verhaltensökonomik lässt sich der Unterschied mit dem sogenannten Public Goods Game, einem Standardexperiment zur Untersuchung von Kooperation in Gruppen, zeigen:
- Wird in diesem Spiel die Möglichkeit zur Bestrafung gegeben, so steigt die Kooperationsrate im Vergleich zum normalen Spiel signifikant an (Fehr/Gächter, 2000); ein guter Vergleich zu einem Social Score, bei dem eine schlechte Bewertung eine Art Strafe darstellt, auf die keine Gegenreaktion möglich ist.
- Wird jedoch zusätzlich die Möglichkeit gegeben, den Bestrafenden als Reaktion auf dessen Bestrafung direkt wieder zu bestrafen, so sinkt die Kooperationsrate in der Folge deutlich ab (Nikiforakis, 2008). Dies kann auf unsere heutige interpersonale Bewertungsgesellschaft bezogen werden: Wird man selbst schlecht von anderen bewertet, so ist man eher geneigt direkt und ohne rationalen Grund diese Personen auch schlecht zu bewerten.
Folgen und Motive des Scores
Sowohl in der interpersonalen als auch in der institutionellen Bewertung wird ein Score erstellt, ein Punktestand, der die betreffende Person in ihrer Freiheit einschränkt. Im Berliner Experiment rückten Schüler in der Sitzordnung nach hinten, in Nosedive wird u.a. der Zugang zu bestimmten öffentlichen Gebäuden eingeschränkt und im Social Credit System können keine Schnellzüge gebucht oder Kredite beantragt werden. Diese direkten Folgen des Scores haben aber auch eine indirekte soziale Wirkung, in dem sie die Betroffenen vom sozialen Leben in der Gesellschaft ausgrenzen, oder allgemein ein schlechteres Gefühl erzeugen, wenn Freunde oder andere Menschen einen schlecht bewerten (Wille, 2019; Chorzempa et al., 2018).
Auf der anderen Seite möchte beispielsweise die chinesische Regierung offiziell zunächst erreichen, dass die Kreditwürdigkeit von Unternehmen und Bürgern verlässlicher erfasst wird, dass Vertrauen innerhalb der Gesellschaft gestärkt wird, und dass die Ehrlichkeit in Geschäftsbeziehungen erhöht wird (Stepan/Mokry, 2015). Ähnliches wird auch als ein Vorteil von denjenigen gesehen, die dieses System betreffen würde (Kostka, 2018). Inwiefern aber ein wirklich moralisch besseres Verhalten gefördert oder nur das Verhalten der Mehrheit scheinbar moralisch legimitiert würde, ist noch unklar. Außerdem wird als größter Nachteil eines solchen Systems die Gefahr von falschen Bewertungen angegeben (Boie, 2015). Dieser größte Nachteil verstärkt die Zweifel am möglichen Vorteil des gestärkten moralischen Verhaltens. Wie kann sich schließlich das moralische Verhalten durch ein Social Scoring verbessern, wenn die Bewertungen falsch sind?
Fazit
Zusammenfassend lässt sich sagen, dass die Black Mirror Folge Nosedive zurecht einiges Aufsehen erregt hat. Das Level an unterschiedlichen Bewertungen in der heutigen Gesellschaft ist schon sehr hoch. Ein genereller Vergleich dieser Folge mit dem Social Credit System in China oder dem Berliner Schulexperiment erscheint allerdings nicht passend. Auch wenn die Folgen eines geringen Scores ähnlich sind, so macht die Differenzierung zwischen interpersoneller und institutioneller Bewertung einen Unterschied in der Wahrnehmung. Langfristig scheint es aber möglich zu sein, dass diese zwei Bewertungsarten zu einem Superscore verschmolzen werden. Die daraus resultierenden, gravierenden Auswirkungen auf die Gesellschaft können allerdings nicht mit dem Ziel der Verbesserung moralischen Handelns gerechtfertigt werden.
Quellen
Ambrus, Attila / Greiner, Ben, 2015, Democratic Punishment in Public Good Games with Perfect and Imperfect Observability, in: Economic Initiatives at Duke (ERID) Working Paper, Nr. 183
Boie, Johannes, 2015, Amazon klagt gegen Anbieter gefälschter Bewertungen, www.sueddeutsche.de/wirtschaft/produkt-rezensionen-amazon-klagt-gegen-anbieter-gefaelschter-bewertungen-1.2429384 [18.07.2019]
Burrow, Anthony L. / Rainone, Nicolette, 2017, How many likes did I get?: Purpose moderates links between positive social media feedback and self-esteem, in: Journal of Experimental Social Psychology, 69. Jg., S. 232–236
Chorzempa, Martin / Triolo, Paul / Sacks, Samm, 2018, China´s Social Credit System: A Mark of Progress or a Threat to Privacy?, Washington, DC, www.piie.com/system/files/documents/pb18-14.pdf [24.07.2019]
Endler, Rebekka, 2019, Über den Wunsch, unsere Mitmenschen zu bewerten, www.deutschlandfunknova.de/beitrag/social-scoring-wenn-menschen-andere-menschen-bewerten [24.07.2019]
Epp, Eugen, 2019, Lehrerin spielt mit ihrem Kurs Experiment aus „Black Mirror“ nach – und es funktioniert, [16.07.2019]
Fehr, Ernst / Gächter, Simon, 2000, Cooperation and Punishment in Public Goods Experiments. The American Economic Review, in: 00028282, 90. Jg., Nr. 4, S. 980–994
Jefferson, Ed, 2018, No, China isn’t Black Mirror – social credit scores are more complex and sinister than that, www.newstatesman.com/world/asia/2018/04/no-china-isn-t-black-mirror-social-credit-scores-are-more-complex-and-sinister [16.07.2019]
Kostka, Genia, 2018, China’s Social Credit Systems and Public Opinion: Explaining High Levels of Approval, papers.ssrn.com/sol3/papers.cfm [17.07.2019]
Lee, Felix, 2017, Die AAA-Bürger, www.zeit.de/digital/datenschutz/2017-11/china-social-credit-system-buergerbewertung [16.07.2019]
Mau, Steffen, 2017, Der neue Bewertungskult, www.faz.net/aktuell/finanzen/meine-finanzen/geld-ausgeben/online-bewertungen-werden-fuer-unternehmen-wichtiger-15086974.html [18.07.2019]
Nikiforakis, Nikos, 2008, Punishment and counter-punishment in public good games: Can we really govern ourselves?, in: Journal of Public Economics, 92. Jg., Nr. 1, S. 91–112
SINUS-Institut / YouGov, 2019, Social Scoring: Zwei von fünf Deutschen würden gerne das Verhalten ihrer Mitmenschen bewerten. SINUS-Studie zu „Social-Credit-System“ in Kooperation mit YouGov, www.sinus-institut.de/fileadmin/user_data/sinus-institut/Bilder/news/SocialScoring/Pressematerial_SocialScoring_SINUSYouGov.pdf [17.07.2019]
Stepan, Matthias / Mokry, Sabine, 2015, E-Government in China: Establishing a Social Credit System in China – Realist Dystopia?, Berlin, www.researchgate.net/publication/304497327_E-Government_in_China_Establishing_a_Social_Credit_System_in_China_-_Realist_Dystopia [16.07.2019]
Strenger, Carlo, 2016, Wie viele Likes bin ich wert?, www.nzz.ch/feuilleton/der-vermessene-mensch-wie-viele-likes-der-mensch-braucht-ld.134998 [18.07.2019]
Wille, Joel, 2019, Wie erschreckend schnell du in die Missgunst des Staates gerätst, www.welt.de/kmpkt/article183037072/Social-Credit-System-in-China-Wie-erschreckend-schnell-du-in-die-Missgunst-des-Staates-geraetst.html [24.07.2019]
