ZusammenfassungEmpfehlungssysteme sind Ordnungstechnologien des Digitalen. Sie bestimmen, welche Filme, Songs oder Artikel uns in welcher Reihenfolge angezeigt werden. Oftmals scheinen Empfehlungen zu personalisieren: „Ich sehe etwas ganz anderes als du.“ Der Artikel zeigt, dass auf der algorithmischen Hinterbühne gerade nicht singularisiert, sondern relationiert wird. Ich beschreibe vier Typen von Empfehlungssystemen, die Nutzerinnen von Webseiten, Streamingdiensten oder Apps auf unterschiedliche Weisen mit anderen Nutzerinnen und Dingen (Filme, Songs, Artikel etc.) in Beziehung setzen. Popularitätsmetriken unterstellen eine pauschale Relevanz für alle; stereotypisierende Verfahren beruhen auf kategorialer Relationierung; inhaltsbasierte Verfahren und Collaborative Filtering relationieren Nutzerinnen und Dinge über Matchings, eine spezifische Variante des Vergleichs, die die paarweisen (Ähnlichkeits‑)Relationen von Nutzerinnen und Dingen vergleichen. In der digitalen Ökonomie dienen Empfehlungssysteme dazu, „good matches“ zwischen Unternehmen, Nutzerinnen, Dingen (und Dritten) zu generieren.