Netflix versprach die Demokratisierung der Unterhaltung – personalisierte Inhalte für jeden Geschmack, entdeckt durch intelligente Algorithmen. Doch während die Abonnentenzahlen steigen, sinkt die Qualität dramatisch. Das ist kein Zufall, sondern im Geschäftsmodell angelegt: Algorithmen können optimieren, was messbar ist. Kulturelle Qualität gehört nicht dazu.
Sechzig bis neunzig Sekunden. Mehr Zeit bleibt nicht. Das hat Netflix empirisch ermittelt: Der durchschnittliche Nutzer verliert nach eineinhalb Minuten das Interesse, wenn er sich durch Vorschaubilder scrollt. Erscheint in diesem Zeitfenster nicht der perfekte Treffer, ist er weg – beschäftigt sich mit etwas anderem, kündigt womöglich das Abo.
Also muss der Algorithmus liefern. Und er liefert: 80 Prozent aller auf Netflix konsumierten Inhalte werden über algorithmische Empfehlungen entdeckt, nur 20 Prozent über aktive Suche. Was wie der Triumph der Personalisierung aussieht, ist in Wahrheit der Kern des Problems. Denn was der Algorithmus in diesen 90 Sekunden maximiert, ist nicht Qualität, sondern Klickwahrscheinlichkeit. Nicht kultureller Wert, sondern Engagement-Metrik. Nicht künstlerische Innovation, sondern statistisch wahrscheinliche Zufriedenheit.
Das Ergebnis sehen wir heute: über 4.500 Filme und 2.600 Serien allein in Deutschland, doch die Nutzer klagen über sinkende Qualität. Auf Bewertungsportalen wie Trustpilot erzielt Netflix nur 1,5 von 5 Sternen. „Masse statt Klasse“, heißt es in tausenden Rezensionen. „Preise steigen, Qualität sinkt.“ Selbst erfolgreiche Serien wie „Squid Game“, „Stranger Things“ oder „Wednesday“ überzeugen, so die Kritik der taz, nicht durch „herausragende Qualität oder Originalität“. Es ist optimierte Mittelmäßigkeit im Millionenbudget.
Wie konnte es dazu kommen?
Der Code-Konflikt: Wenn Wirtschaft über Kunst entscheidet
Niklas Luhmann unterschied Funktionssysteme durch ihre binären Codes: Das Wirtschaftssystem operiert mit der Differenz Zahlung/Nichtzahlung, das Kunstsystem mit der Differenz gelungen/misslungen. Netflix‘ fundamentales Problem liegt darin, kulturelle Produktion nach ökonomischer Logik zu organisieren.
Der Algorithmus kann messen, ob ein Film funktioniert – er kann nicht beurteilen, ob er gut ist. Er erfasst Klickraten, Verweildauer, Abschlussquoten, Wiederholungskonsum. Was er nicht erfassen kann: künstlerische Innovation, kulturelle Relevanz, gesellschaftliche Wirkung, langfristige Bedeutung. Der Algorithmus optimiert nicht auf „guten Content“, sondern auf „verwertbaren Content“.
Das wäre kein Problem, wenn Netflix nur kuratieren würde. Aber Netflix produziert. Und zwar datenbasiert. Das Unternehmen nutzt sogenannte „Knowledge Graphs“, die Beziehungen zwischen Inhalten erfassen – Genre, Thema, Stil, Schauplatz, Ära. „Similarity Maps“ identifizieren gemeinsame Erfolgsmuster. Predictive Modeling berechnet erwartete Zuschauerzahlen pro Region. Googles Sprachmodell BERT analysiert, welche narrativen Strukturen und Charaktereigenschaften erfolgreich waren.
Das Paradebeispiel ist „House of Cards“. Netflix verkaufte die Serie als mutiges künstlerisches Wagnis und investierte 100 Millionen Dollar in die ersten beiden Staffeln. In Wahrheit war es eine statistisch abgesicherte Wette: David Fincher als Regisseur (nachgewiesener Erfolg), Kevin Spacey als Star (etablierte Zugkraft), Politdrama als Genre (dokumentiertes Zuschauerinteresse), BBC-Vorlage als Grundlage (erprobtes Format). Der Algorithmus hatte berechnet, dass diese Kombination funktionieren würde. Und er hatte recht.
Aber ist das Innovation? Oder die Industrialisierung des Bewährten?
Die Illusion der Wahlfreiheit
„Mit den Streamingplattformen werden wir alle in unterschiedlichen globalen Dörfern leben, die vor allem vom Algorithmus der Streamingdienste bestimmt werden“, warnte Oliver Schütte 2020 in seinem Buch „Die Netflix-Revolution„. Die Warnung war prophetisch.
Netflix teilt seine Nutzer in über 2.000 sogenannte „Taste Communities“ ein – algorithmisch definierte Geschmacksgruppen. Was als Personalisierung verkauft wird, ist systematische Kategorisierung. Jede Interaktion wird erfasst: Wann pausiert der Nutzer? Wo spult er zurück? Welche Szenen schaut er mehrfach? Nach welchen 20 Sekunden bricht er ab? Das System erstellt detaillierte Verhaltensprofile und verstärkt erkannte Präferenzen. Alternative Inhalte werden systematisch ausgeblendet.
Die indische Filmproduzentin Priya Deshpande beschreibt die Konsequenzen konkret: „Die Algorithmen drängen die Masse der Nutzer in Richtung Mainstream und lassen ungewöhnliche, kleinere und vor allem nicht-amerikanische Produktionen durch das Raster fallen.“ Ihr Beispiel: „Laapataa Ladies“, Indiens Oscar-Beitrag 2025. Der Film war auf Netflix verfügbar – aber der Algorithmus „entdeckte“ ihn nicht für die relevanten Zielgruppen. Er passte nicht in die vorberechneten Geschmacksprofile.