Sind Plattformarbeiter nur Opfer algorithmischen Managements?

In einer neuen Veröffentlichung des Lehrstuhls „How Platform Workers Contest Algorithmic Management: Theorizing the Dynamics of Algoactivistic Practices“, erschienen in Information Systems Research (VHB A+; UTD; FT50), zeigt Prof. Adam zusammen mit anderen Forschern am Beispiel von Uber, wie Plattformarbeiter algorithmisches Management aktiv herausfordern.

Die Forschung von Martin Adam zeigt, dass Plattformarbeiter keine passiven Empfänger algorithmischen Managements sind. Wie sie reagieren, hängt von den ihnen zur Verfügung stehenden Ressourcen ab. Hieraus ergeben sich Strategien wie Selbstoptimierung, Distanzierung und Konfrontation.

Die zentrale Erkenntnis: Algorithmisches Management ist ein umkämpftes Terrain: ein fortlaufendes Wechselspiel, in dem sich Plattformen und Arbeiter aneinander anpassen und die Kontrolle über die Arbeitsbedingungen immer wieder neu aushandeln.

Martin Adam: „Ein besonderer Dank gilt Rideshare Drivers United in San Francisco für ihre unschätzbare Unterstützung, Offenheit und ihr Feedback während der vielen Jahre dieses Projekts. Viele späte Telefonate, tiefgehende Gespräche und Einblicke sind in dieses Paper eingeflossen – ich bin dankbar für die Gelegenheit, von denjenigen zu lernen, die algorithmisches Management aus erster Hand erleben.“

Das Paper kann hier abgerufen werden:


Link:
https://pubsonline.informs.org/doi/epdf/10.1287/isre.2024.0927

Folgendes Interview arbeitet die Hauptidee der Veröffentlichung heraus:

Wenn der Algorithmus zum Chef wird: Wie Plattformarbeiter Kontrolle zurückgewinnen

Plattformen wie Uber koordinieren Arbeit zunehmend durch Algorithmen: Sie verteilen Aufträge, bewerten Leistungen und setzen Anreize – häufig ohne direkten Kontakt zu einem menschlichen Vorgesetzten. Doch Plattformarbeiter sind dieser Form des „Algorithmic Management“ nicht einfach ausgeliefert. Eine aktuelle Studie in Information Systems Research untersucht, wie sie versuchen, die Kontrolle über ihre Arbeitsbedingungen zurückzugewinnen. Wir haben mit dem Autor, Prof. Dr. Martin Adam, über die zentralen Erkenntnisse gesprochen.

Herr Adam, was wollten Sie mit Ihrer Studie herausfinden?


Uns hat interessiert, wie Plattformarbeiter mit algorithmischer Kontrolle umgehen – und insbesondere, warum manche aktiv dagegen vorgehen und andere nicht. Bisher wurde häufig angenommen, dass eingeschränkte Autonomie nahezu automatisch Widerstand auslöst. Unsere Ergebnisse zeigen ein deutlich komplexeres Bild: Beschäftigte bewerten ihre Situation kontinuierlich neu und überlegen, ob und wie sie überhaupt Handlungsmöglichkeiten entwickeln können. Entscheidend ist dabei, auf welche Ressourcen sie zurückgreifen können.

Welche Ressourcen sind das?


Wir unterscheiden drei Formen des sogenannten Resourcing. Beim Algorithm Resourcing versuchen Fahrer beispielsweise zu verstehen, wie der Algorithmus funktioniert. Beim Market Resourcing schaffen sie sich Alternativen – etwa indem sie mehrere Plattformen nutzen. Und beim Voice Resourcing bauen sie Möglichkeiten auf, sich gegenüber der Plattform Gehör zu verschaffen, beispielsweise durch Dokumentation, Netzwerke oder gemeinsames Handeln. Diese Ressourcen sind ungleich verteilt. Deshalb bedeutet fehlender Widerstand auch nicht automatisch Zustimmung zum System.

Und wie sieht der eigentliche Widerstand gegen den Algorithmus aus?


Wir finden drei grundlegend unterschiedliche Strategien. Beim Self-optimizing versuchen Beschäftigte, innerhalb des Systems Vorteile zu erzielen – etwa durch selektive Auftragsannahme oder die Nutzung von Schlupflöchern. Beim Distancing reduzieren sie ihre Abhängigkeit von einer einzelnen Plattform. Und beim Confronting gehen sie offen gegen Entscheidungen oder Strukturen der Plattform vor, beispielsweise durch Beschwerden oder kollektiven Protest. Entscheidend ist: „Algoactivism“ ist damit nicht nur reaktives Zurückschlagen. Beschäftigte versuchen auch proaktiv, ihre Handlungsspielräume zu erweitern.

Wer gewinnt dieses Kräftemessen – die Plattform oder die Beschäftigten?


So einfach lässt sich das nicht beantworten. Wir sehen vielmehr ein dynamisches Wechselspiel. Fahrer entdecken Möglichkeiten, den Algorithmus zu ihrem Vorteil zu nutzen – und die Plattform verändert daraufhin ihr System. Gerade Self-optimizing kann deshalb zu einem regelrechten „Katz-und-Maus-Spiel“ führen: Ein Schlupfloch funktioniert eine Zeit lang, dann wird es geschlossen und Beschäftigte suchen nach einer neuen Strategie. Dauerhafter können Formen des Confronting sein, wenn sie beispielsweise zu institutionellen oder regulatorischen Veränderungen führen.

Was können Plattformbetreiber daraus lernen?


Widerstand sollte nicht nur als etwas verstanden werden, das verhindert werden muss. Beschwerden und andere Formen des Confronting können auch Hinweise auf problematische Regeln, Fehlentscheidungen oder Designschwächen liefern. Plattformen sollten deshalb Veränderungen ihrer algorithmischen Systeme transparenter erklären und echte Möglichkeiten für Feedback und Eskalation schaffen. Solche Strukturen können nicht nur Konflikte reduzieren, sondern auch dazu beitragen, Algorithmic Management nachhaltiger und legitimer zu gestalten.

Was ist für Sie die wichtigste Botschaft der Studie?


Algorithmic Management ist keine Einbahnstraße. Algorithmen kontrollieren Arbeit – aber Beschäftigte interpretieren, umgehen, nutzen und verändern diese Systeme zugleich durch ihr Verhalten. Plattformarbeit ist deshalb ein „contested terrain“: ein fortlaufendes Ringen darum, wer Kontrolle über die Arbeitsbedingungen besitzt.