Das Internet beschäftigt weiterhin eine Frage, die durch Ella Langleys rekordbrechenden Country-Hit aufgeworfen wurde: Wie konnte ein Lied, von dem viele Menschen sagen, es nie gehört zu haben, von einer Sängerin, die sie nicht kannten, mehr Wochen auf Platz 1 verbringen als jedes andere Lied in der 68-jährigen Geschichte der Billboard Hot 100?

Langleys „Choosin’ Texas” blieb 24 Wochen an der Spitze der Charts und übertraf damit den 22-Wochen-Rekord von Mariah Careys „All I Want for Christmas Is You”. Careys Urlaubssong ist eine saisonale Konstante, die jeden Winter in die öffentliche Diskussion zurückkehrt. Langleys Lauf endete in der Chartausgabe vom 10. Oktober, als Taylor Swifts „Patient Zero” auf Platz 1 einstieg. Careys Song, der üblicherweise jeden Dezember auf Platz 1 zurückkehrt, hätte drei weitere Wochen an der Spitze gebraucht, um den Rekord zurückzuerobern, laut Billboard und Billboards Bericht über Swifts Debüt.

Dennoch wussten im zweiten Quartal 2026 nur 24 % der US-Musikhörer, wer Ella Langley ist, wie das Unterhaltungsdaten- und Forschungsunternehmen Luminate mitteilte, das die Zahlen mit Fortune teilte. Die Bekanntheit war von 13 % im vierten Quartal 2025 und 17 % im ersten Quartal 2026 gestiegen, erreichte aber weiterhin weniger als jeden vierten US-Musikhörer.

Ein Nummer-eins-Hit kann also weiterhin große Teile der Öffentlichkeit die Frage aufwerfen lassen: „Wer?” Diese Diskrepanz wirft eine umfassendere Frage auf: Was ist aus der Monokultur geworden?

Monokultur bezeichnet einen gemeinsamen Satz kultureller Referenzen – die Lieder, Fernsehsendungen und Filme, von denen man annehmen konnte, dass andere sie kannten, unabhängig davon, ob man sie persönlich mochte. In jüngerer Zeit verwenden Kritiker den Begriff auch in einer fast entgegengesetzten Bedeutung, um zu beschreiben, wie Algorithmen und künstliche Intelligenz die Kultur zu Gleichförmigkeit verflachen können.

Teilen von Referenzen war einfacher, als ein Großteil dessen, was die Menschen sahen und hörten, über eine kleine Anzahl von Fernsehsendern, Radiosendern und MTV lief. Gatekeepers der Branche bestimmten, was ein Massenpublikum erreichte. Man musste kein Fan sein, um zu wissen, worüber alle anderen sprachen.

Dieses gemeinsame Publikum umfasste nie alle, und es begann sich vor TikTok zu fragmentieren. Doch personalisierte Feeds haben diese Aufspaltung weiter vorangetrieben: Was einen Nutzer erreicht, hängt zunehmend davon ab, was das System einer Plattform glaubt, dass diese bestimmte Person sehen möchte. Fortune hat das Verhältnis zwischen Algorithmen, KI und Monokultur zuvor in einem separaten Bericht untersucht.

Die Feedback-Schleife in Aktion

TikTok betont die Personalisierung seines For-You-Feeds. Wie das Unternehmen in seiner Beschreibung der Funktionsweise der Empfehlungen erklärt, gibt es „keinen einzelnen For-You-Feed”.

Beispielsweise könnte ein Nutzer ein Konzertvideo von Olivia Rodrigo ansehen und danach das Gefühl haben, dass jedes fünfte Video ein weiteres Clip der Sängerin zeigt. TikTok sagt, sein System berücksichtige, was Nutzer liken und teilen, wem sie folgen und ob sie ein Video bis zum Ende ansehen. Es bewertet auch die Videos selbst, einschließlich ihrer Untertitel, Sounds und Hashtags. Sprachpräferenz, Ländereinstellung und Gerätetyp werden ebenfalls berücksichtigt, wobei TikTok sagt, dass diese Faktoren weniger ins Gewicht fallen.

Zusammen helfen diese Signale dem System zu entscheiden, welche Inhalte mehr Aufmerksamkeit eines Nutzers erhalten sollen. TikTok sagt auch, es versuche, Vielfalt zu erhalten, unter anderem indem es im Allgemeinen zwei aufeinanderfolgende Videos mit demselben Sound oder vom selben Creator vermeidet.

In den Vereinigten Staaten wird das Empfehlungssystem nun von dem von Oracle unterstützten Joint Venture überwacht, das im Januar TikToks amerikanische Geschäfte übernommen hat. Das Joint Venture hat angekündigt, den Empfehlungsalgorithmus mit Daten US-amerikanischer Nutzer neu zu trainieren. Fortune berichtete über die Eigentumsregelung im Dezember 2025.

Wer weiter eine bestimmte Art von Inhalten ansieht, dem zeigt der Algorithmus möglicherweise weiterhin mehr davon. Forscher beachteten diese Feedback-Schleife in einer Studie, die im Februar in EPJ Data Science veröffentlicht wurde. Die Forscher testeten TikToks For-You-Feed mit automatisierten Konten, die um unterschiedliche Interessen herum programmiert waren.

Die Studie ergab, dass TikTok zunehmend Videos empfahl, die diesen Interessen entsprachen, wobei die Verstärkung typischerweise innerhalb der ersten 200 angesehenen Videos einsetzte. Die Feeds bewahrten einige Vielfalt, doch je stärker die Interessen eines Kontos verstärkt wurden, desto weniger unterschiedliche Hashtags begegnete es. Die Experimente wurden 2024 durchgeführt, vor TikToks Wechsel der US-Eigentumsverhältnisse. Die Studie ist über Springer verfügbar.

Die Ergebnisse helfen zu erklären, warum eine Person glauben kann, ein Thema übernehme das Internet, während eine Nachbarin einen völlig anderen Feed erhält und keine Ahnung hat, wovon die Rede ist.

Nutzer können ihre Auswahl auch selbst eingrenzen. TikTok und andere Plattformen bieten Kontrollen wie TikToks Einstellung „Manage Topics” an, mit der Nutzer angeben können, welche Themen sie mehr oder weniger sehen möchten. Details zu dieser Funktion wurden von TechCrunch berichtet.

Beobachtet von allen Seiten

Die Informationen zur Personalisierung eines Feeds können auch von außerhalb der App stammen. Meta kündigte im Juni an, Informationen, die andere Unternehmen bereits mit ihm teilen – darunter Einkäufe auf anderen Websites –, zu nutzen, um die Feeds und KI-Antworten der Nutzer zu personalisieren – und nicht nur Werbeanzeigen.

Metas Beispiel war einfach: Wer online ein Zelt kauft, sieht möglicherweise anschließend mehr Camping-bezogene Reels. Nutzer können diese Aktivität über eine Einstellung namens „Aktivität von anderen Unternehmen” verwalten, wie das Unternehmen in seiner Ankündigung mitteilte.

Was Nutzer ansehen und was sie kaufen, kann beide in die Berechnung einfließen und eine individuelle Ecke des Internets formen, die auf diese Person zugeschnitten ist.

Nicht jeder begrüßt diese Bequemlichkeit. Der New-Yorker-Autor Kyle Chayka hat ein ganzes Buch seinen Bedenken gewidmet: Filterworld: How Algorithms Flattened Culture.

„Diese digitalen Plattformen und Feeds versprechen eine Art großartiges gemeinschaftliches Erlebnis … aber ich glaube, sie atomisieren unsere Erfahrungen tatsächlich eher, weil wir nie wissen können, was andere in ihren eigenen Feeds sehen”, sagte Chayka 2024 in NPRs Fresh Air. Das Interview ist über NPR verfügbar.

Diese Fragmentierung, so argumentierte Chayka, nehme der Kunst einen Teil ihrer Freude und mache es den Menschen schwerer, sich für dieselben Dinge zu begeistern. Fortschrittlichere Empfehlungssysteme mögen uns in getrennte Blasen zurücklassen. Doch der Konflikt bleibt: Wenn einen etwas nicht interessiert, soll es dann nur für ein gemeinsames kulturelles Erlebnis im eigenen Feed erscheinen? Und wenn der Inhalt einen nie erreicht – wie sollte man dann wissen, ob er einem gefallen hätte?

Diese Geschichte erschien ursprünglich auf Fortune.com.