Design Unleashed: Kollektive Intelligenz für die User Experience

1994 veröffentlichte der Philosoph Pierre Lévy ein Buch, in dem er argumentierte, dass das Internet zum Substrat einer neuen Form menschlicher Intelligenz werden würde – einer, die über Netzwerke verteilt ist, kontinuierlich von Millionen Beitragender hervorgebracht wird und sich qualitativ von allem unterscheidet, was ein einzelner Expertenverstand erzeugen könnte. Er nannte sie kollektive Intelligenz: nicht die Summe individueller Beiträge, sondern eine emergente Eigenschaft der Zusammenarbeit in großem Maßstab.

Dreißig Jahre später hat sich diese Vision zugleich bestätigt und verkompliziert. Wir haben Systeme mit außergewöhnlicher kollektiver Leistungsfähigkeit gebaut. Wir haben aber auch die Muster entdeckt, nach denen diese Systeme scheitern, ausschließen und bestehende Ungleichheiten reproduzieren, statt sie zu überwinden. Für Designer sind sowohl das Versprechen als auch die Probleme unmittelbar relevant.

Die theoretische Grundlage

Lévys zentrale These lautete, dass Wissen immer verteilt ist – keine einzelne Person und keine Institution besitzt ein vollständiges Verständnis eines komplexen Bereichs. Wie Intelligenz auf kollektiver Ebene aussieht, hängt vollständig von der Infrastruktur ab, die diese verteilten Wissenden verbindet. Das Internet, so argumentierte er, schuf eine Infrastruktur, die Wissen auf zuvor unmögliche Weise bündeln kann.

Die zentrale Erkenntnis für das Design ist, dass kollektive Intelligenz nicht automatisch entsteht. Sie ist eine emergente Eigenschaft gut gestalteter Systeme – Systeme, die die Hürden für Beiträge senken, relevantes Wissen sichtbar machen, sinnvolle Synthese ermöglichen und genug Kohärenz bewahren, um navigierbar zu bleiben. Das sind Designprobleme, nicht nur technische. Die Qualität der kollektiven Intelligenz, die ein System hervorbringt, ist untrennbar mit der Qualität seines Designs verbunden.

Belege aus der Praxis

Drei Fälle veranschaulichen sowohl das Potenzial als auch die Struktur von Systemen kollektiver Intelligenz.

Linux. Der Linux-Kernel begann 1991 als Soloprojekt von Linus Torvalds und wurde durch verteilte Zusammenarbeit zu einer der komplexesten Software, die je geschrieben wurde. Was ihn funktionieren ließ, war nicht nur Offenheit, sondern Architektur: eine modulare Codebasis, klare Beitragsnormen, eine Hierarchie von Maintainern, die Arbeit von Tausenden Beitragenden integrieren konnten, und Werkzeuge (Versionskontrolle, Mailinglisten, später GitHub), die den Prozess von Beitrag und Review handhabbar machten. Die kollektive Intelligenz von Linux entstand nicht spontan – sie wurde in den Prozess hineingestaltet.

Arduino. Die Open-Source-Hardwareplattform demokratisierte das Prototyping von Elektronik, indem sie die Hürde für Beiträge extrem niedrig ansetzte. Jeder konnte etwas bauen, das Design teilen und es von anderen verbessern lassen. Arduino zeigte eine andere Form kollektiver Intelligenz: nicht großangelegte Koordination, sondern schnelle parallele Erkundung. Tausende unabhängige Maker, die gleichzeitig experimentierten, mit Designs, auf denen jeder aufbauen konnte, brachten ein Ökosystem hervor, das kein einzelnes Unternehmen hätte entwerfen können. Die Intelligenz liegt in der Vielfalt der Ansätze, nicht in einem einzelnen Weg.

Wikipedia. Die größte Enzyklopädie der Welt ist zugleich das am besten untersuchte System kollektiver Intelligenz. Ihr Erfolg beruht auf einem sorgfältig gestalteten Satz von Normen – Belegbarkeit, neutraler Standpunkt, keine eigene Forschung –, die Beiträge so einschränken, dass Synthese möglich wird. Ohne diese Normen erzeugt ein System, das Millionen Beitragender offensteht, Rauschen. Mit ihnen erzeugt es etwas, das einer enzyklopädischen Abdeckung von Millionen Themen in Hunderten Sprachen nahekommt. Die Gestaltung des Governance-Systems ist ebenso wichtig wie die Gestaltung der Bearbeitungsoberfläche.

Das 1:10:89-Prinzip und seine Folgen

Eines der am beständigsten beobachteten Muster in Systemen kollektiver Intelligenz ist eine extreme Ungleichheit der Beteiligung. Etwa 1 % der Nutzer erstellt den Großteil der Inhalte, 10 % tragen gelegentlich bei, und 89 % konsumieren, ohne beizutragen. Dies wird manchmal als 1:10:89- oder 90-9-1-Regel bezeichnet, und sie hat sich in Foren, Wikis, Open-Source-Projekten und sozialen Plattformen bestätigt, solange man sie untersucht.

Für Designer hat das mehrere Folgen. Erstens sind Systeme kollektiver Intelligenz in ihrer Produktion nicht wirklich kollektiv – sie werden von einer kleinen, selbstselektierten Gruppe hervorgebracht, deren Merkmale sich systematisch von der breiteren Bevölkerung unterscheiden. Die Autorinnen und Autoren von Wikipedia sind überproportional männlich, westlich und technisch versiert. Die Beitragenden zu Linux stammen aus einer bestimmten beruflichen Gemeinschaft. Die kollektive Intelligenz, die diese Systeme hervorbringen, spiegelt die Perspektiven ihrer aktiven Beitragenden wider, nicht die der Nutzer oder der Gesellschaft als Ganzes.

Zweitens prägt die Gestaltung der Beitragsmechanismen stark, wer beiträgt. Beitragsprozesse mit hoher Reibung filtern alle außer den motiviertesten heraus. Prozesse mit geringer Reibung erhöhen das Volumen, können aber die Qualität verringern. Das schwierigste Designproblem besteht darin, Beitragserlebnisse zu schaffen, die eine wirklich vielfältige Bandbreite an Beitragenden anziehen – nicht nur diejenigen, die ohnehin zur Beteiligung neigen.

Drittens sind die inhaltlichen Lücken in Systemen kollektiver Intelligenz nicht zufällig. Sie spiegeln die Lücken in der Demografie der Beitragenden wider. Themen, die für unterrepräsentierte Gruppen wichtig sind – Frauengesundheit, Geschichte des Globalen Südens, Minderheitensprachen –, sind in Systemen, deren Beitragende nicht aus diesen Gruppen stammen, systematisch unterentwickelt. Für kollektive Intelligenz zu gestalten bedeutet, Verantwortung für diese Lücken zu übernehmen.

Hin zu inklusivem kollektivem Design

Die Herausforderung besteht nicht darin, kollektive Intelligenz als Designressource aufzugeben – ihre Fähigkeiten sind real und wertvoll. Die Herausforderung besteht darin, kollektive Systeme mit expliziter Aufmerksamkeit für Inklusion zu gestalten, nicht als nachträglichen Gedanken.

Mehrere Prinzipien leiten diese Arbeit. Differenzierte Beitragsformen ermöglichen es Menschen, auf eine Weise teilzunehmen, die zu ihren Fähigkeiten und Einschränkungen passt – die Korrektur eines Tippfehlers ist nicht dasselbe wie das Verfassen eines ganzen Artikels, aber beides sind Formen der Beteiligung, die Anerkennung und Unterstützung verdienen. Explizite Repräsentationsziele legen fest, wer beiträgt, nicht nur was beigetragen wird, und gestalten Rekrutierung und Onboarding entsprechend. Feedbackschleifen, die für die Vielfalt der Beitragenden sensibel sind, überwachen nicht nur die Qualität der Ergebnisse, sondern auch die demografische Verteilung der aktiven Beitragenden und machen systematische Lücken sichtbar, bevor sie sich verfestigen.

Die tiefere Designfrage lautet, welche Art kollektiver Intelligenz ein System hervorbringen soll. Ein System, das auf schnelle technische Innovation optimiert ist, sieht anders aus als ein System, das auf inklusive Wissensproduktion optimiert ist. Beides sind legitime Ziele; wer sie vermischt, erzeugt Systeme, die keinem von beiden gut dienen.

Lévys Vision war die einer Intelligenz, die wirklich verteilt ist – die menschliche Fähigkeiten verstärkt, statt sie zu konzentrieren. Diese Vision zu verwirklichen erfordert Designer, die sowohl das Versprechen als auch die strukturellen Grenzen kollektiver Systeme verstehen und bereit sind, die schwierigere Arbeit zu leisten, Inklusion als vorrangiges Anliegen zu gestalten statt als nachträglichen Gedanken.