Projekteinwerbung: Prof. Dr. Roland Verwiebe und Fr. Dr. Lena Seewann

Ehemalige Projektmitarbeiter*innen: Claudia Buder (MA), Dr. Nina-Sophie Fritsch, Chiara-Osorio Krauter (MA), Marie Theres-Hesse (MA)

Gastwissenschaftler*innen 24/25: Dajana Auerswald, Kiara Boer, Ruth Doehring, Joana Gottstein, Luise Graw, Jamie Jane Jocher, Lilian Mann, Samira Rissmann, Inken Rabea Schmidt, Laura Wagner, Johannes Wolfgram

Das Projekt verfolgt mehrere Themen. Einerseits geht es darum die Selbstwahrnehmung von YouTuberInnen als Berufsgruppe zu untersuchen. Zentrale Fragen dabei sind:

• Welche Bedeutung geben YouTuberInnen ihrem eignen Handeln auf der Plattform? Wo liegen die Grenzen von Freizeitaktivität und beruflicher Tätigkeit?
• Welche Chancen, aber auch Hürden, weist dieses neue Berufsfeld auf?
• Welche Strategien nutzen Menschen, um diese Plattform beruflich nutzen zu können?
   

Andererseits untersuchen wir Ungleichheitsstrukturen, die innerhalb des Berufsfeld der YouTuberInnen entstehen:

• Welche typischen (Berufs-)Verläufe lassen sich durch die Aktivität auf dieser Plattform identifizieren?
• Wie wirkt sich der YouTube-Algorithmus (als nicht menschlicher Akteur) auf Sichtbarkeits- und Einkommensungleichheit auf YouTube aus?
• Wie stark beeinflussen Merkmale wie Alter, Geschlecht, Bildungsstand, Herkunft oder Branche Ungleichheiten auf YouTube?
• Welche Rolle spielen soziotechnische Skills oder Organisationsformen für die Positionierung auf YouTube?
   

Aktuelle Fragestellungen sind: 

• Welche inhaltlichen Muster von Sentiment und Diskriminierung lassen sich innerhalb von YT identifizieren? Welche Unterschiede nach sozialstrukturellen Merkmalen (z.B. Geschlecht, Migrationshintergrund) sowie Merkmalen der Social Media Plattform (Branche des YouTube-Kanals, Zahl der Abos, Views und Likes (Reichweite / Erfolg)) bestehen hierbei?
• Welche individuellen Coping-Strategien entwickeln Content Creators, um mit Sentiment und Diskriminierungspraktiken auf Social Media umzugehen?
• „Wie re-konfiguriert sich für die Berufsgruppe der Content Creators auf YouTube die Ausverhandlung von sozialer Anerkennung?“
• Lässt sich bei Content Creator:innen auf YouTube eine arbeitsbezogene Subjektform identifizieren, die Autonomiestreben, Leistungsorientierung und Selbstoptimierung internalisiert hat – und welche Konsequenzen ergeben sich daraus für ihre Arbeits- und Lebensführung?
• Welche Faktoren und Mechanismen prägen die Stratifizierung der Content-Ersteller in einem zunehmend differenzierten Berufsfeld? Wie beeinflussen Metriken und die Einbettung in Plattformen Erfolg und Reichweite, und wie werden diese durch soziodemografische Merkmale strukturiert?
• Steigert eine positive Beziehung zum Publikum die soziale Anerkennung und dadurch wiederum die Einkommenschancen der CCs? Wirkt sich eine intensive Beschäftigung mit Hasskommentaren negativ auf die Publikumsbeziehung aus und verringert damit indirekt Anerkennung und Einkommen?
• Aus einer methodenkritischer Sichtweise stellen wir uns außerdem die Frage, wie KI-gestützte Tools verwendet werden können, um etwa Posts in ihrer Stimmung einzuschätzen, Gefühle aus Mimiken, Sounds und Gestiken zu erkennen, politische Meinungen oder soziodemographische Merkmale wie Geschlecht oder Migrationshintergrund auf Basis von Textfragmenten, Namen, Bildern und Verhalten automatisiert schätzen zu können?
   

Klassifikationssurvey 

Um Variablen zu generieren, die zwar auf der Plattform zu Teilen ersichtlich sind, jedoch nicht gescrapted werden können, wird ein Klassifikationssurvey genutzt. Mithilfe dieses Surveys haben studentische Hilfskräfte systematisch die Charakteristika von 5000 Kanälen klassifiziert (zB. das Geschlecht, das Alter, den Migrationshintergrund aber auch kanalspezifische Merkmale wie die Anzahl der beteiligten Personen, weitere Einkommensquellen wie Patreon oder gesponsorte Videos, und das spezifische Thema des Channels). Das Klassifikationssurvey gibt den Kodierer*innen nacheinander drei Stimuli vor (die Kanalbeschreibung, das letzte Video und zuletzt weitere Quellen wie Wikipedia oder LinkedIn), die dabei helfen, nachzuvollziehen woher einzelne Informationen kommen und erfasst jede Person innerhalb eines Kanals einzeln (siehe Bild).

• Diese Daten dienen als Erweiterung des gescrapten Datensatzes und erlauben die Analyse  von soziologischen Fragestellungen auf YouTube, die demografische Merkmale  der Kanäle einschließt und damit im deutschsprachigen Raum bisher einzigartig ist.
• In einem weiteren Schritt wird der Datensatz um eigens generierte Variablen wie z. Bsp. dem allgemeinen Sentiment in den Kommentaren, dem Anteil von Hate Speech oder der Community-Stärke ergänzt.

Methodik und aktuelle Projekte

Darüber hinaus werden eine Vielzahl von Analysemethoden aus den Bereichen der qualitativen und quantitative Sozialforschung, Mixed-Methods und Computational Social Science verwendet. Mithilfe einer Themenanalyse (Braun & Clarke, 2012) wurde der Frage nachgegangen, wie Content Creators den YouTube Algorithmus in ihrer Arbeit wahrnehmen. Die Befunde zeigen, dass dieser als intransparent und unvorhersehbar gesehen wird, ihm absichtsvolles handeln und anthropomorphe Eigenschaften zugeschrieben werden, über Metriken kommuniziert und durch seine Macht Ungleichheiten verstärkt.

Eine qualitative Inhaltsanalyse (Kuckartz 2012) zu Copingstrategien von Content Creators auf Online Aggressions hat gezeigt, dass Kommentare selten gelöscht werden oder über Filter dagegen vorgegangen wird, sondern sich eher konkret mit diesen auseinandergesetzt wird. Zudem wird kaum auf externe Hilfe zurückgegriffen, sondern eigenständig auf diese reagiert.

Durch Machine-Learning Algorithmen (z. Bsp. XGBoost) und Deep Learning (z. Bsp. BERT) wurde das Sentiment und der Anteil von Hate-Speech in 40 Millionen YouTube Kommentaren berechnet (hierzu wurde ein Sentiment und Hate-Speech Dictionary erstellt, in welchem 7.300 deutsche und englische Kommentare händisch klassifiziert und als Trainingsdaten genutzt wurden). Im Gegensatz zu bestehenden Studien zeigen unsere Ergebnisse, dass weibliche Content Creator mit weniger Negativität, weniger beleidigender Sprache und weniger Hate Speech konfrontiert sind. Insbesondere zeigt unsere Analyse, dass BIPoC, die als CCs arbeiten, zwar deutlich mehr negatives Sentiment erhalten, aber nicht mit mehr beleidigenden Kommentaren oder Hassreden konfrontiert sind. Darüber hinaus spielen auch Plattformmerkmale eine entscheidende Rolle, da Kanäle, die sich auf Verschwörungstheorien oder Politik konzentrieren, häufiger mit Negativität und Hate Speech konfrontiert werden.

Um uns Daten von der Plattform YouTube zugänglich zu machen, greifen wir auf die YouTube Data API zurück. APIs (Application Programming Interfaces) bieten die Möglichkeit, Funktionen der betreffenden Website in eigene Websites oder Apps zu integrieren, indem sie mit verschiedenen Programmiersprachen angesteuert werden können. In unserem Fall nutzen wir Python, um mithilfe der Schnittstelle (API), Daten strukturiert abzurufen und zu speichern. Wir sind somit in der Lage, Informationen zu Kanälen (z. Bsp. Name, Beschreibung, Anzahl Subscriber, Anzahl Videos, Profilbild), Videos (z. Bsp. Aufrufzahlen, Anzahl Likes, Topics) und Kommentaren (z. Bsp. Inhalt, Anzahl Likes, Name des Kanals) zu scrapen. Die dazugehörigen Python-Skripte stellen wir hier zur Verfügung. Hinzukommend wurde der Quelltext der Kanäle ausgelesen, welcher zusätzliche Informationen erhält, die nicht über die YouTube Data API abgerufen werden können.

Für die 116.000 Kanälen wurden Kanal-, Video- und Kommentarinformationen gescraped, welche sich mittlerweile fast auf 200GB belaufen. Diese Querschnittsdaten, wurden zwischen Januar und Juni 2023 erfasst.

Veröffentlichungen

• Buder, C., Fritsch, N. S., Osorio-Krauter, C., Philipp, A., Verwiebe, R., & Weißmann, S. (2026). Efficiency vs. Understanding: A critical examination of ChatGPT’s performance in context-sensitive annotation tasks. International Journal of Sociology. Forthcoming.
• Philipp, A. & Verwiebe, R. (2026). Drivers of inequality on YouTube: Deconstructing the occupational group of content creators. Soziale Welt Sonderband. Forthcoming.
• Seewann, L., Verwiebe, R., Buder, C., & Fritsch, N. S. (2022). "Broadcast your gender." A comparison of four text-based classification methods of German YouTube channels. Frontiers in Big Data (5). doi: 10.3389/fdata.2022.908636
• Verwiebe, R., Buder, C., Philipp, A., Weißmann, S., Osorio Krauter, C. (2024). “The algorithm is like a mercurial god”: Exploring content creators’ perception of algorithmic agency on YouTube. New Media & Society. https://journals.sagepub.com/doi/abs/10.1177/14614448241307931 
• Verwiebe, R., Osorio-Krauter, C., Fritsch, N. S., Weißmann, S., Philipp, A., & Buder, C. (2026). Working on an algorithm-controlled platform as a content creator: what explains unequal earnings on YouTube?. European Societies, 1-29. https://doi.org/10.1162/EUSO.a.42 
• Weißmann, S. & Bobzien, L. (2026). Gender Gaps on YouTube: Unpacking Gender Inequality in Content Creator Earning. Soziale Welt Sonderband. Forthcoming.
• Weißmann, S., Graw, L., Rißmann, S., Schmidt, I. R., & Wagner, L. (2026). „Ich gehe vor die Kamera und ich muss jetzt mich selber spielen “–Authentische Darstellung von Content Creator: innen auf YouTube. Österreichische Zeitschrift für Soziologie, 51(1), 4. https://doi.org/10.1007/s11614-026-00641-w 
• Weißmann, S., Philipp, A., Verwiebe, R., Krauter, C. O., Fritsch, N.-S., & Buder, C. (2025). Clicks, comments, consequences: Are content creators' socio-structural and platform characteristics shaping the exposure to negative sentiment, offensive language, and hate speech on YouTube?. arXiv preprintarXiv:2504.07676. https://doi.org/10.48550/arXiv.2504.07676
   

Konferenzen (chronologisch)

• Weißmann, S., Philipp, A., & Verwiebe, R. (2026). Job demands and work–life balance on digital labor markets. An analysis of content creators on YouTube. Annual Conference of the American Sociological Association, New York
• Philipp, A., Weißmann, S., & Verwiebe, R. (2026). Job demands and work–life balance on digital labor markets. An analysis of content creators on YouTube. Poster Session, RC-28 Spring Meeting, Sevilla
• Weißmann, S., Verwiebe, R., & Philipp, A. (2026). Job demands and work–life balance on digital labor markets. An analysis of content creators on YouTube. ECSR 2026, Dublin
• Verwiebe, R., Philipp, A., & Weißmann, S. (2026): Arbeitseinstellungen und Work-Life-Balance auf digitalen Arbeitsmärkten. Frühjahrstagung der DGS-Sektion Soziale Ungleichheit und Sozialstrukturanalyse, Potsdam
• Weißmann, S. & Bobzien, L. (2025). Gender-Pay Gap on YouTube. Annual Conference of the American Sociological Association, Chicago
• Verwiebe, R., Weißmann, S., & Philipp, A. (2025). Ad-hoc Gruppe: Algorithmen, künstliche Intelligenz und die Neustrukturierungen des Arbeitsmarktes. DGS-Kongress, Duisburg
• Weißmann, S. & Bobzien, L. (2025). Gender-Pay Gap auf YouTube. DGS-Kongress, Duisburg
• Philipp, A. & Verwiebe, R. (2025). Die Berufsgruppe der Content Creator: Eine explorative Fallstudie auf YouTube. DGS-Kongress, Duisburg
• Buder, C., Fritsch, N. S., Osorio-Krauter, C., Philipp, A., Verwiebe, R., & Weißmann, S. (2025). ChatGPT outperforms Human Coder for Annotation Tasks: Not So Fast. Poster Session, ECSR 2025, Cologne
• Philipp, A. & Verwiebe, R. (2025). Deconstructing the occupational group of content creators on YouTube. ECSR 2025, Cologne
• Weißmann, S. & Bobzien, L. (2025). Gender-Pay Gap on YouTube. ECSR 2025, Cologne
• Weißmann, S. (2025): Gender Pay Gap Among Content Creators, 5^th ISA Forum of Sociology, Rabat
• Philipp, A., Verwiebe, R., Buder, C., Osorio-Krauter, C., Weißmann, S. (2025): ML-Based Annotation Outperforms Human Coder for Annotation Tasks: Not so Fast. an Analysis of Race Annotation for YouTube Using ML-Based, Standardized Human Coded and Qualitative Data, 5^th ISA Forum of Sociology, Rabat
• Buder, C., Osorio-Krauter, C., Philipp, A., Verwiebe, R. & Weißmann, S. (2025): „The Algorithm Is like a Mercurial God” – Exploring Content Creators' Perception of Algorithmic Agency on YouTube. 5^th ISA Forum of Sociology, Rabat
• Weißmann, S., Verwiebe, R., Buder, C., Osorio-Krauter, C., Philipp, A. (2024): Content Creators on YouTube. Unveiling negativity, offensive language and hate speech, 16th European Sociological Association Conference, Porto
• Weißmann, S., Verwiebe, R., Philipp, A. (2024): Unveiling negativity, offensive language and hate speech, 30th International Conference for Europeanists, Lyon
• Verwiebe, R., Philipp, A., Weißmann, S., Osorio-Krauter, C., Fritsch, N.-S. (2024): Exploring inequality of earnings on YouTube, RC28 Spring Meeting, Shanghai
• Weißmann, S., Osorio-Krauter, C., Verwiebe, R., Philipp, A., Fritsch, N.-S. (2024): Online Sentiment and Hate Speech on YouTube. An Analysis of the Effects of Platform Features and Content Creators’ Social Characteristics Using a Representative Sample YouTube Channels from German-speaking Countries, RC28 Spring Meeting, Shanghai
• Philipp, A., Verwiebe, R., Weißmann, S. (2023): Sentiment und Diskriminierung auf Social Media? Ein Mixed-Methods-Ansatz zur Untersuchung von Kommunikations- und Debattenstrukturen innerhalb der YouTube-Community, DGS Sektion "Soziale Ungleichheit und Sozialstrukturanalyse" - Frühjahrstagung 2023, Mannheim
• Philipp, A., Verwiebe, R., Weißmann, S. (2023): Sentiment and hate-speech on social media. An analysis of the relevance of gender and race for the emergence of new communication structures within the YouTube Community, General Online Research (GOR 23), Kassel
   

Weiteres

• Die Phython-Skripte finden Sie hier über GitHub, um eigene Daten wie Kanalinformationen, Videoinformationen und Kommentare mithilfe der YouTube API zu extrahieren.
• Sentiment und Hate-Speech Dictionary mit 7.300 händisch klassifizierten YouTube-Kommentaren
• Artikel über das Forschungsprojekt in dem „Portal Wissen. Das Forschungsmagazin der Universität Potsdam“ 01/2023

Wintersemester 2025/2026

• Die Vermessung der Creator Economy auf YouTube

Sommersemester 2024

• Lehrforschungsprojekt: YouTube - der Arbeitsplatz von Content Creators: Parasoziale Beziehungen, Umgang mit Hate Speach und Kampf um soziale Anerkennung

Wintersemester 2024/2025

• Content Creators auf YouTube - Theoretische und empirische Analysen