Plattformstudie am Beispiel des Kanals MOOCit Education / @moocit education
Wie reagiert YouTube auf professionell erzeugte, KI-gestützte Bildungsvideos, die systematisch veröffentlicht und wissenschaftsorientiert vorbereitet werden, und inwiefern erfolgt ihre geringe öffentliche Sichtbarkeit durch aktive plattformseitige Klassifikation statt allein durch geringe Attraktivität für Nutzer:innen?
Wissenschaftliche Analyse: Reaktion von YouTube auf KI-erzeugte Bildungsvideos am Beispiel des Kanals MOOCit Education
Titel
Wie reagiert YouTube auf KI-erzeugte Bildungsvideos? Eine explorative Plattformanalyse am Beispiel des Kanals MOOCit Education / @moocit_education
1. Ausgangspunkt und Erkenntnisinteresse
Diese Analyse untersucht die Reaktion der Plattform YouTube auf eine systematisch und in hoher Frequenz publizierte Reihe KI-erzeugter Bildungsvideos. Im Mittelpunkt steht nicht primär die Frage der Monetarisierung als ökonomisches Ziel, sondern die Frage der öffentlichen Sichtbarkeit und der plattformseitigen Behandlung eines Bildungsangebots.
Der zentrale Befund des vorliegenden Falls lautet: Der Bildungskanal MOOCit Education wurde durch die Plattformlogik von YouTube weitgehend von der Öffentlichkeit ferngehalten, obwohl YouTube die Inhalte technisch sehr genau erfassen, transkribieren, klassifizieren und bewerten kann.
Gerade dieser Umstand ist wissenschaftlich relevant. Denn die geringe Sichtbarkeit der Inhalte lässt sich im vorliegenden Fall nicht einfach als Folge mangelnder Attraktivität oder fehlender Nachfrage interpretieren. Vielmehr sprechen die dokumentierten Plattformreaktionen dafür, dass eine aktive plattformseitige Ausgrenzung stattfindet, also eine regel- und klassifikationsbasierte Begrenzung der Sichtbarkeit und Anerkennung. Diese Ausgrenzung wird im vorliegenden Fall durch die offiziellen Rückmeldungen von YouTube greifbar:
- zuerst: kein pädagogischer Wert
- später: nicht authentische Inhalte
Damit wird deutlich, dass nicht bloß das Publikum „anders entschieden“ hat, sondern dass die Plattform selbst das Bildungsangebot normativ und kategorisierend bewertet und dadurch seine Stellung im digitalen öffentlichen Raum beeinflusst.
2. Forschungsfrage
Die Forschungsfrage lautet in präzisierter Form:
Wie reagiert YouTube auf professionell erzeugte, KI-gestützte Bildungsvideos, die systematisch veröffentlicht und wissenschaftsorientiert vorbereitet werden, und inwiefern erfolgt ihre geringe öffentliche Sichtbarkeit durch aktive plattformseitige Klassifikation statt allein durch geringe Attraktivität für Nutzer:innen?
3. Untersuchungsgegenstand
Untersucht wurde der YouTube-Kanal MOOCit Education / @moocit_education, der im dokumentierten Zeitraum als offizieller Künstlerkanal mit mehreren tausend veröffentlichten Videos geführt wurde.
Im Verlauf des Beobachtungszeitraums stieg die Zahl der Abonnent:innen nach den vorliegenden Angaben von etwa 300 auf rund 1.200. Zugleich wurden laut den dokumentierten Kanal- und Studioangaben innerhalb von 365 Tagen unter anderem folgende Werte erreicht:
- 133.995 Aufrufe
- 3.902,1 Stunden Wiedergabezeit
- 62.820 einzelne Zuschauer:innen
Diese Zahlen zeigen, dass der Kanal grundsätzlich Reichweite erzeugen konnte. Zugleich ist aus den Beobachtungen bekannt, dass zahlreiche einzelne Videos dennoch nur einstellige Aufrufzahlen erzielten. Gerade diese Kombination ist analytisch bedeutsam: Es existieren sowohl Reichweitenspitzen als auch eine auffällige Unterverbreitung vieler Einzelvideos. Das spricht gegen eine simple Erklärung nach dem Muster „die Inhalte waren insgesamt uninteressant“, und lenkt den Blick auf die Selektionsmechanismen der Plattform.
4. Zeitlicher Rahmen und Upload-Strategie
Der Untersuchungszeitraum begann im November 2025. Seitdem wurden in hoher Frequenz täglich KI-gestützte Bildungsvideos hochgeladen. Nach den vorliegenden Angaben wurden pro Tag zwischen 25 und 30 Videos veröffentlicht. Organisatorisch bedeutete dies im Regelfall mindestens eine Playlist pro Tag mit etwa 25 Videos.
Diese hohe Frequenz war nicht bloß Produktionsroutine, sondern Teil des Untersuchungszusammenhangs: Sie machte sichtbar, wie die Plattform auf systematische Bildungsproduktion reagiert, wenn diese nicht sporadisch, sondern seriell, planvoll und thematisch geordnet erfolgt.
5. Professionelles Erstellungsvorgehen der Videos
Für die wissenschaftliche Einordnung ist zentral, dass die Inhalte nicht zufällig, spontan oder beliebig produziert wurden, sondern nach einem mehrstufigen, professionell strukturierten Verfahren entstanden.
5.1 Themenwahl mit ChatGPT
Im ersten Schritt wurden mit ChatGPT systematisch Themen generiert. Dabei wurden nicht bloß Titel gesammelt, sondern Themenfelder mit:
- thematischer Beschreibung
- Kurzanweisung
- möglicher analytischer Perspektive
- Gegenwartsbezug
entwickelt. Ziel war eine planvolle Themenarchitektur, nicht bloß eine additive Anhäufung einzelner Inhalte.
5.2 Erstellung der Quellentexte mit ChatGPT
Im zweiten Schritt wurden mit dem vorgefertigten GPT NotebookLM zu jedem einzelnen Thema jeweils zehn wissenschaftlich orientierte Quellentexte erzeugt. Diese Textpakete dienten als inhaltliche Grundlage für die spätere Videoerstellung.
Die Texte umfassten insbesondere:
- Sachanalyse des Themas
- begriffliche Klärung
- aktueller Bezug
- Fokus auf Wahrheitsgehalt, Richtigkeit und Verständlichkeit
- wissenschaftsnahe Einordnung
Das Ziel bestand ausdrücklich darin, nicht oberflächliche, reißerische oder bloß unterhaltende Clips zu produzieren, sondern Inhalte mit hohem Informations- und Bildungswert.
5.3 Videoerstellung mit NotebookLM / Google
Im dritten Schritt wurden die Inhalte mit NotebookLM weiterverarbeitet. Das Verfahren umfasste:
- Upload der Quellentexte
- Angabe eines gewünschten Stils
- Generierung von Videos oder Audios
- Erstellung längerer Analysevideos inklusive Präsentationsstruktur und Infografiken
Besonders bedeutsam ist dabei: YouTube beziehungsweise Google konnte die Inhalte nicht nur formal, sondern semantisch verstehen. Die Videos beruhen auf schriftlich ausgearbeiteten Quellentexten; zudem wurden sie mit einem Google-nahen System erzeugt. Hinzu kommt, dass zu jedem einzelnen Bildungsvideo nach den vorliegenden Angaben Faktenchecks mit Gemini (Google) durchgeführt wurden. Damit ist der Fall wissenschaftlich besonders aufschlussreich: Die Plattformfamilie Google verfügt hier nicht bloß über oberflächliche Metadaten, sondern über mehrere Ebenen inhaltlicher Erschließung:
- Quellentexte
- Transkripte
- KI-generierte Zusammenfassbarkeit
- semantische Klassifizierbarkeit
- zusätzliche Faktenprüfung
Der Fall betrifft also nicht das Missverständnis eines dunklen, unlesbaren oder zufällig produzierten Angebots, sondern die Behandlung eines Angebots, das für die Plattform technisch in ungewöhnlich hohem Maße lesbar und verstehbar war.
5.4 Erstellung der Videobeschreibungen mit ChatGPT
Im vierten Schritt wurden die Videobeschreibungen mit ChatGPT erzeugt. Auch dies geschah strukturiert und nicht zufällig. Die Beschreibungstexte dienten der Einordnung, Themenmarkierung und besseren Auffindbarkeit.
5.5 Upload auf YouTube
Im fünften Schritt wurden die Videos auf YouTube hochgeladen, in hoher Taktung und thematisch gruppiert. Pro Tag wurde mindestens eine Playlist mit etwa 25 Videos veröffentlicht.
6. Warum geringe Klickzahlen hier nicht einfach mangelnde Attraktivität bedeuten
Eine oberflächliche Deutung könnte lauten, Bildungsvideos erhielten eben weniger Klicks, weil sie weniger attraktiv seien. Eine solche Erklärung greift im vorliegenden Fall jedoch zu kurz.
Dafür sprechen mehrere Gründe:
6.1 Plattformintervention statt bloßer Publikumsentscheidung
Entscheidend ist, dass YouTube selbst durch die Bewerbung zur Monetarisierung explizit Gründe für die Ablehnung formuliert hat. Diese Gründe beziehen sich nicht auf spontane Nutzerpräferenzen, sondern auf eine plattformseitige Bewertung des Kanals.
Die dokumentierten Ablehnungsgründe lauten:
- kein pädagogischer Wert
- nicht authentische Inhalte
Damit wird die geringe Sichtbarkeit nicht als bloßes Marktresultat beschrieben, sondern als Folge einer Plattformklassifikation. Der Kanal wurde also nicht nur vom Publikum unterschiedlich stark angenommen, sondern von der Plattform selbst begrifflich und normativ einsortiert.
6.2 Aktive Klassifikation statt bloßer neutraler Verteilung
Wenn eine Plattform Inhalte als pädagogisch wertlos oder als nicht authentisch einordnet, dann handelt es sich um mehr als um eine neutrale Ausspielung. Es liegt dann eine aktive Ausgrenzung durch Kategorisierung vor. Diese Ausgrenzung ist nicht notwendigerweise offen repressiv, wirkt aber faktisch durch:
- eingeschränkte Anerkennung
- Benachteiligung im Plattformstatus
- verminderte Legitimität
- potenziell reduzierte algorithmische Sichtbarkeit
- symbolische Herabstufung als minderwertiger Inhalt
6.3 Technische Verstehbarkeit der Inhalte
Gerade weil zu jedem Video Transkripte, Quellentexte und Faktenchecks vorlagen, ist die Annahme unplausibel, die Plattform habe den Bildungscharakter einfach nicht erkennen können. Im Gegenteil: Die Inhalte waren für YouTube beziehungsweise Google besonders gut lesbar. Wenn unter diesen Bedingungen dennoch ein Urteil wie „kein pädagogischer Wert“ oder „nicht authentische Inhalte“ fällt, dann ist das nicht bloß technisches Nichtverstehen, sondern eine Form aktiver plattformseitiger Abwertung.
6.4 Eintaktung von Bildung als Verdachtsmoment
Im Bildungsbereich sind Wiederholung, Struktur, Reihenbildung, Vergleichbarkeit und systematische Vertiefung legitime und oft notwendige didaktische Merkmale. Genau diese Merkmale scheinen im vorliegenden Fall jedoch plattformseitig als verdächtige Signale gelesen worden zu sein. Was aus didaktischer Sicht ein Qualitätsmerkmal ist, wurde aus Plattformsicht offenbar als Repetition, Vorlage oder Skalierbarkeit interpretiert.
7. Plattformseitige Ausgrenzung als zentrales Ergebnis
Das zentrale Ergebnis der Analyse lautet daher nicht bloß: „Die Videos hatten teilweise wenige Klicks.“
Sondern: Die geringe Sichtbarkeit vieler Einzelvideos ist als Folge einer aktiven plattformseitigen Ausgrenzung zu interpretieren, nicht bloß als Ausdruck mangelnder Attraktivität.
Diese Ausgrenzung wird im vorliegenden Fall empirisch durch folgende Elemente gestützt:
- hohe technische Lesbarkeit der Inhalte
- professionelle, wissenschaftsorientierte Herstellung
- systematische Faktenchecks mit Gemini
- offizielle Ablehnungsgründe seitens YouTube
- explizite Abwertung des pädagogischen Werts
- explizite Einordnung als „nicht authentisch“
Der Begriff „Ausgrenzung“ ist hier analytisch präzise zu verstehen: nicht als psychologische Zuschreibung, sondern als regel- und klassifikationsförmige Einschränkung der öffentlichen Zugänglichkeit und Anerkennung.
8. Die Rolle der Monetarisierungsbewerbung als Erkenntnisinstrument
Die Bewerbung um Monetarisierung ist in dieser Analyse nicht primär als ökonomischer Schritt relevant, sondern als Erkenntnisinstrument. Erst durch die Bewerbung wurde sichtbar, wie die Plattform den Kanal intern bewertet.
Die Bewerbung fungierte damit als eine Art diagnostischer Test. Sie machte die verborgenen Urteile der Plattform explizit. Ohne diesen Schritt wäre nur die geringe Sichtbarkeit vieler Inhalte beobachtbar gewesen; mit der Bewerbung wurden die plattformseitigen Gründe benennbar.
Gerade dadurch erhält der Fall wissenschaftliche Schärfe: Die Plattform hat ihre Ausgrenzungslogik nicht bloß implizit wirksam werden lassen, sondern in zwei Stufen auch sprachlich offengelegt:
- kein pädagogischer Wert
- nicht authentische Inhalte
Diese beiden Formeln sind für die Analyse zentral, weil sie den Kernkonflikt sichtbar machen:
- Der Bildungscharakter wird bestritten.
- Die Darstellungsform wird abgewertet.
Damit wird sowohl der Inhalt als auch die Form des Bildungsangebots problematisiert.
9. Interpretation
Die Untersuchung legt nahe, dass YouTube auf KI-erzeugte Bildungsvideos nicht neutral reagiert. Vielmehr scheint eine spezifische Spannung zwischen Bildungslogik und Plattformlogik zu bestehen.
Bildungslogik bevorzugt:
- Struktur
- Wiederholung
- didaktische Reihen
- systematische Vertiefung
- sachliche Einordnung
- Verständlichkeit
- Wahrheitsorientierung
Plattformlogik bevorzugt demgegenüber offenbar stärker:
- Variationssignale
- hohe Reizdichte
- spontane Individualitätsmarker
- unmittelbare Aufmerksamkeitsstärke
- formale Unverwechselbarkeit
- kurze affektive Zugriffspunkte
Das führt zu einer paradoxen Situation: Je systematischer, lesbarer und didaktisch geordneter KI-Bildung produziert wird, desto eher kann sie aus Plattformperspektive als repetitiv, vorlagenhaft oder unauthentisch erscheinen.
Im vorliegenden Fall bedeutet das: Nicht trotz, sondern gerade wegen ihrer strukturierten Bildungsform geraten die Videos in ein Ausgrenzungsregime.
10. Vorläufiges Fazit
Das Experiment am Kanal MOOCit Education zeigt, dass KI-erzeugte Bildungsvideos auf YouTube technisch verstanden, sprachlich erfasst und inhaltlich klassifiziert werden können. Die Inhalte wurden nicht im Blindflug veröffentlicht, sondern professionell vorbereitet, wissenschaftsnah konzipiert, mit ChatGPT geplant, mit NotebookLM erzeugt, mit Gemini gegengeprüft und systematisch publiziert.
Gerade deshalb ist das zentrale Ergebnis besonders deutlich: MOOCit Education wurde nicht deshalb weitgehend von der Öffentlichkeit ferngehalten, weil die Plattform die Inhalte nicht verstanden hätte oder weil Bildungsinhalte notwendig unattraktiv wären. Vielmehr sprechen die vorliegenden Befunde dafür, dass eine aktive plattformseitige Ausgrenzung stattfand, die über offizielle Ablehnungsgründe sichtbar wurde.
Die geringe Sichtbarkeit vieler Einzelvideos ist damit nicht bloß als passiver Mangel an Nachfrage zu interpretieren, sondern als Folge einer Plattformlogik, die wissenschaftsorientierte, strukturierte und KI-gestützte Bildungsvideos normativ abwertet und in ihrer öffentlichen Anschlussfähigkeit begrenzt.
11. Wissenschaftliche Zuspitzung
Der Fall kann deshalb in einer zugespitzten, aber analytisch begründeten Formel zusammengefasst werden:
YouTube versteht die Bildungsvideos von MOOCit vollständig – und grenzt sie gerade deshalb nicht aus Versehen, sondern klassifikatorisch aus.
Oder wissenschaftlicher formuliert:
Die vorliegenden Daten sprechen dafür, dass die geringe öffentliche Sichtbarkeit des Kanals nicht primär auf mangelnde Attraktivität der Inhalte zurückzuführen ist, sondern auf eine aktive plattformseitige Kategorisierung, in der pädagogische Systematik als mangelnder Wert und authentische Bildungsstruktur als Verdachtsmoment behandelt werden.