Schlagwort: Personalization

In verschiedenen digitalen Räumen stellen sich Personen unterschiedlich dar, wobei diese Darstellung nicht unbedingt der digitalen Person (Persönlichkeit) entsprechen muss. Laura Robinson (2007) hat beispielsweise argumentiert, dass „das Subjekt anhand der digitalen Elemente ein „self-ing“ betreibe und sich sodann als „Cyberself“ (2007, S. 98) hervorbringe. Das Cyberself sei ein ephemeres Selbst, so Robinson, welches nur für kurze Zeit beständig, rasch änderbar und ohne langfristige Bedeutung sei, da es sich stets in Abhängigkeit zu Handlungen bilde (vgl. ebd.)“ (Rathmann 2022).

Robinson, L. (2007). The cyberself: the self-ing project goes online, symbolic interaction in the digital age. New Media & Society, 9(1), 93–110. https://doi.org/10.1177/1461444807072216

Auch KI-Modelle unterscheiden sich untereinander. Je nachdem mit welchen Daten, Restriktionen und Regeln sie versehen wurden, spiegeln diese KI-Modelle eine Art „Persönlichkeit“ gegenüber den Nutzern, die sich allerdings von der menschlichen Persönlichkeit unterscheidet.

„Auch KI weist individuelle Unterschiede und eine Art „Persönlichkeit“ auf. Jedoch unterscheiden sich LLMs grundlegend vom Menschen: Sie agieren ohne neurobiologische Prozesse und primär über sprachliche Kanäle, während sich menschliche Persönlichkeit multimodal manifestiert“ (Schrödel et al., 2026).

Wenn sich also Künstliche Intelligenz, und hier speziell das hinterlegte Large Language Model (LLM), mit seiner „Persönlichkeit“ der menschlichen Persönlichkeit annähert, ist es möglich, einen Prozess der ständigen Personalisierung von Aussagen, Dienstleistungen und Produkten anzustoßen.

„LLMs bieten damit interessante Ansatzpunkte für personalisierte Anwendungen: Sie können aktuelles Verhalten erkennen, zukünftige Entwicklungen vorhersagen und durch sprachbasierte Interventionen gezielt verändern. Eine fortlaufende Personalisierung auf Basis längerer Interaktionsverläufe dürfte die Wirksamkeit dieser Schritte erhöhen. Belastbare empirische Evidenz zu Wirksamkeit und Nebenwirkungen fehlt bislang (Stade et al., 2024)“
Schödel et al., (2026). Künstliche Intelligenz und Individuelle Unterschiede: Eine Perspektive der Fachgruppe Differentielle Psychologie, Persönlichkeitspsychologie und Psychologische Diagnostik, Psychologische Rundschau, vol. 77, no. 3, pp. 149–155, Jul. 2026, doi: 10.1026/0033-3042/a000766.

Wenn sich also ein LLM – oder mehrere – immer wieder an die das Cyber-self anpasst, kann das gut gelingen, es kann allerdings auch sein, dass dieses multiple Cyberself gar nicht der analogen Person entspricht. Es käme dann zu einem Mismatch, der nicht dazu beiträgt, Werte für den Nutzer zu schaffen. Im schlimmsten Fall, könnte der Prozess sogar Werte vernichten.

Wenn ein Unternehmen also Personalisierung mit Hilfe der verfügbaren LLMs aufbauen möchte, sollte es sich darüber im Klaren sein, dass das Cyberself von dem analogen Menschen immer noch abweicht. Ich habe manchmal den Eindruck, dass Unternehmen immer noch dem Mythos unterliegen, dass sie durch die vielen generierten Daten eine Art Abbild vom Menschen vorliegen haben.

In der von mir initiierten Konferenzreihe zu Customization and Personalization geht die Community of Europe auf solche Zusammenhängen mit aktuellen Forschungsergebnissen und Fallstudien ein. Zuletzt haben wir uns auf der MCP 2026 vom 16.-19.09. in Balatonfüred (Ungarn) getroffen. Auch 2028 werden wir uns wieder treffen. Zu der Konferenzreihe können Sie sich gerne auf MCP-CE.org informieren.