Abgehört? Nein. Berechnet.
Viele Menschen kennen diese Situation. Im Gespräch mit Freundinnen oder Kollegen fällt ein bestimmtes Produkt, etwa ein Saugroboter oder spezielles Tierfutter. Wenige Stunden später erscheint genau dafür Werbung am Smartphone. Das fühlt sich unheimlich an und führt schnell zur Vermutung, dass das Handy Gespräche mithört. Diese Erklärung ist verständlich, trifft aber in den meisten Fällen nicht zu.
Ein dauerhaft aktives Abhören wäre technisch auffällig und wirtschaftlich unsinnig. Kontinuierliche Audioaufnahmen würden große Datenmengen erzeugen, den Akku stark belasten und messbaren Datenverkehr verursachen. Genau das lässt sich bei Smartphones nicht beobachten. Zudem wäre es für Unternehmen deutlich teurer, Gespräche auszuwerten, als vorhandene Nutzungsdaten zu analysieren. Deshalb greifen Plattformen auf effizientere Methoden zurück.
Ein Teil des Effekts entsteht auch in unserem Kopf. Die Psychologie spricht hier vom Baader Meinhof Phänomen. Sobald wir uns mit einem Thema beschäftigen, achten wir stärker darauf. Passende Werbung fällt uns plötzlich auf, während wir unzählige andere Anzeigen weiterhin ausblenden. Hinzu kommt der Bestätigungsfehler. Einzelne Treffer merken wir uns besonders gut, alle Gegenbeispiele vergessen wir.
Der eigentliche Schlüssel liegt in der Analyse sozialer Netzwerke. Der Netzwerkforscher Albert László Barabási zeigt, dass moderne Netzwerke nicht zufällig organisiert sind. Einige wenige Knoten sind stark vernetzt, die meisten nur schwach. So funktionieren soziale Medien, das Internet und auch Werbesysteme. Menschen sind Knoten, Beziehungen sind Verbindungen.
Plattformen erstellen daraus einen sogenannten sozialen Graphen. Er bildet ab, wer mit wem in Kontakt steht, wer sich am selben Ort aufhält oder ähnliche Interessen zeigt. Treffen sich zwei Personen im selben Café oder in der Schule, erkennen Systeme diese Nähe über Standortdaten, WLAN oder Bluetooth. Inhalte von Gesprächen spielen dabei keine Rolle.
Warum wirkt Werbung dann so treffsicher. Algorithmen nutzen statistische Verfahren, die auf Ähnlichkeit und Nähe beruhen. Wenn eine Person aus dem eigenen Umfeld starkes Interesse an einem Produkt zeigt, steigt die Wahrscheinlichkeit, dass dieses Interesse auch auf nahestehende Personen übergeht. Was Menschen in deinem Umfeld interessiert, könnte auch für dich relevant sein.
Ein Beispiel aus dem Alltag macht das deutlich. Eine Kollegin informiert sich online über einen Saugroboter. Am nächsten Tag trefft ihr euch. Eure Smartphones registrieren die gemeinsame Zeit. Kurz darauf erhältst du Werbung für Saugroboter. Nicht weil ihr darüber gesprochen habt, sondern weil Nähe, ähnliche Lebenssituationen und typische Interessen zusammenpassen.
Das Ergebnis ist oft beunruhigender als die Vorstellung eines lauschenden Mikrofons. Denn gegen diese Form der Vorhersage lässt sich kaum vollständig abschotten. Selbst wer sparsam mit eigenen Daten umgeht, bleibt Teil sozialer Netzwerke und wird über andere mit erfasst.
Smartphones hören nicht zu. Sie erkennen Muster, Beziehungen und Wahrscheinlichkeiten. Die Werbung wirkt passend, weil unser Leben eng vernetzt ist. Entscheidend ist nicht, was wir sagen, sondern mit wem wir Zeit verbringen. Das ist keine Spionage, sondern angewandte Mathematik.
Dieser Artikel wurde mit Unterstützung von ChatGPT 5.2 formuliert.