Viralität und Contagion-Theorie

Viralität bezeichnet die Eigenschaft von Inhalten, sich in sozialen Netzwerken nach dem Muster biologischer Viren schnell und exponentiell auszubreiten; die Contagion-Theorie (Ansteckungstheorie) beschreibt allgemein, wie Ideen, Emotionen, Verhaltensweisen und Informationen sich – analog zu Krankheitserregern – durch soziale Kontakte übertragen und ausbreiten.

Rubrik: Medienpsychologie & Wirkungsforschung · Unterrubrik: Medientheorien · Niveau: Fortgeschritten Forschungskontext: Netzwerkforschung, Kommunikationswissenschaft, Soziologie; Schlüsselforscher: Jonah Berger, Damon Centola, Sinan Aral

Was sind Viralität und Contagion-Theorie?

Die Idee, dass Ideen und Informationen sich wie Krankheitserreger ausbreiten, ist älter als das Internet. Richard Dawkins prägte 1976 den Begriff „Mem" (Meme) als kulturelles Analogon zum Gen – eine Einheit kultureller Replikation, die sich durch Imitation verbreitet. Im digitalen Zeitalter haben soziale Netzwerke und Plattformsysteme neue Ausbreitungsinfrastrukturen geschaffen, die virale Dynamiken in bisher unbekanntem Ausmaß ermöglichen und beschleunigen.

Erklärung

Epidemiologische Analogie: In der Epidemiologie beschreibt der Reproduktionswert R, wie viele Personen ein Infizierter im Durchschnitt ansteckt. R > 1 bedeutet exponentielles Wachstum; R < 1 bedeutet Aussterben. Die gleiche Logik gilt für virale Inhalte: Wenn jeder Teiler des Inhalts mehr als eine weitere Person zum Teilen bringt, verbreitet sich der Inhalt viral.

Contagion-Theorie nach Damon Centola: Centola (2010, 2018) unterscheidet zwischen einfacher Ansteckung (simple contagion) und komplexer Ansteckung (complex contagion):

• Simple Contagion: Wie Krankheitsviren oder Gerüchte – eine einzige Exposition kann zur „Infektion" (Weiterleitung, Adoption) führen. Breitet sich effektiv über schwache Verbindungen aus (Weak Ties, Granovetter).
• Complex Contagion: Verhaltensänderungen, politische Überzeugungen, neue Praktiken – diese erfordern Bestätigung durch mehrere unabhängige soziale Kontakte. Breiten sich besser über starke, eng vernetzte Cluster aus.

Diese Unterscheidung hat wichtige Implikationen: Misinformation verbreitet sich oft via simple contagion; gesellschaftliche Verhaltensänderungen (Impfbereitschaft, Demokratisierung) erfordern complex contagion und brauchen andere Netzwerkstrategien.

Jonah Bergers STEPPS-Modell: Berger (2013) identifiziert sechs Faktoren, die Viralität begünstigen:

1. Social Currency – Was uns gut aussehen lässt
2. Triggers – Was im Alltag an Botschaft erinnert
3. Emotion – Emotionale Aktivierung (besonders High-Arousal-Emotionen: Ehrfurcht, Angst, Belustigung)
4. Public – Sichtbarkeit und soziale Beweis
5. Practical Value – Nützliche Information
6. Stories – Narrativ als Trägervehikel

Digitale Ausbreitungsdynamik: Soziale Netzwerke strukturieren Ausbreitung durch Netzwerkarchitektur (Hub-and-Spoke vs. dezentral), Algorithmen (Verstärkung viraler Inhalte) und Plattformdesign (Share-Buttons, Retweet-Funktionen). Vosoughi et al. (2018) zeigten in einer wegweisenden Studie: Falschinformationen verbreiten sich auf Twitter schneller, weiter und tiefer als wahre Information – primär weil sie neuartiger und emotionaler sind.

Beispiele

1. Ice Bucket Challenge (2014): Virales Awareness-Phänomen für ALS – klassisches Beispiel für simple contagion mit Social Currency und Emotionen als Treiber.
2. Desinformationskampagnen: Emotional aufgeladene Falschmeldungen nutzen simple contagion; ein Tweet kann Millionen Menschen erreichen, bevor er widerlegt wird.
3. TikTok-Trends: Tanzchoreografien und Sounds verbreiten sich mit R-Werten weit über 1 – viral durch niedrige Partizipationshürde und algorithmische Verstärkung.
4. Meme-Kultur: Politische Memes verbreiten sich über ideologische Netzwerke und erzeugen Wahrnehmungseffekte durch wiederholte Exposition (vgl. Desinformation & Fake News).
5. Produktbewertungen: Mund-zu-Mund-Empfehlungen folgen Contagion-Mustern – vertrauenswürdige soziale Verbindungen als entscheidende Übertragungsvektoren.

In der Praxis

Viral Marketing nutzt Contagion-Prinzipien: Inhalte werden so konzipiert, dass sie Bergers STEPPS-Kriterien erfüllen. Social-Media-Strategen analysieren Ausbreitungswahrscheinlichkeiten von Inhalten und optimieren Triggerpunkte. Krisenmanager und Public Health-Kommunikatoren nutzen Contagion-Modelle, um Informationen gezielt zu verbreiten (oder Desinformation zu bremsen). NGOs und Bewegungen profitieren von complex contagion-Strategien für Verhaltensänderungen.

Vergleich & Abgrenzung

Viralität ist die digitale Beschleunigung des Zwei-Stufen-Fluss der Kommunikation-Prinzips: Statt zwei Stufen gibt es in viralen Ausbreitungen N Stufen in kurzer Zeit. Die Aufmerksamkeitsökonomie ist der Kontext, in dem Viralität ökonomisch wertvoll wird. Desinformation & Fake News profitiert von viralen Mechanismen besonders stark. Algorithmus und Meinungsbildung beschreibt, wie Plattformsysteme virale Dynamiken verstärken oder dämpfen.

Häufige Fragen (FAQ)

Wie lässt sich Viralität im Medienalltag anwenden? Für Content Creator: Bergers STEPPS-Modell als Checkliste – löst der Inhalt High-Arousal-Emotionen aus? Hat er Social Currency? Erzählt er eine Geschichte? Für Journalisten: Das Verständnis viraler Mechanismen erklärt, warum manchmal minderwertige oder falsche Informationen mehr Aufmerksamkeit erhalten als sorgfältige Recherchen – und warum Faktenchecks oft zu wenig Reichweite generieren.

Welche Kritik gibt es an der Contagion-Theorie? Die biologische Analogie hat Grenzen: Menschen sind keine passiven Wirte, sondern aktiv entscheidende Akteure. Die Theorie neigt zu technologischem Determinismus und vernachlässigt soziale, kulturelle und emotionale Komplexität von Ausbreitungsprozessen. Zudem ist empirische Vorhersage viraler Ausbreitung bisher kaum zuverlässig gelungen – virale Hits sind ex post erklärbar, aber ex ante kaum planbar.

Weiterführend

• Berger, J. (2013). Contagious: Why Things Catch On. Simon & Schuster.
• Centola, D. (2010). The Spread of Behavior in an Online Social Network Experiment. Science, 329(5996), 1194–1197.
• Vosoughi, S., Roy, D. & Aral, S. (2018). The Spread of True and False News Online. Science, 359(6380), 1146–1151.