Entwicklerin Lyra Rebane hat Xikipedia gestartet, eine Web-App, die Wikipedia-Einträge in einem Feed im Stil sozialer Medien anzeigt. Die App bezieht Inhalte aus Simple Wikipedia und verwendet einen Empfehlungsalgorithmus, der vollständig lokal arbeitet, ohne Benutzerdaten zu sammeln oder weiterzugeben.

Auf der Xikipedia-Landingpage heißt es: „Es dient als Demonstration, wie selbst ein einfacher, nicht [maschinell lernender] Algorithmus ohne Daten von anderen Benutzern schnell lernen kann, womit Sie sich beschäftigen, um Ihnen ähnlichere Inhalte vorzuschlagen.“ Es fügt hinzu: „Hier werden keine Daten gesammelt oder geteilt, der Algorithmus läuft lokal und die Daten verschwinden, sobald Sie die Registerkarte aktualisieren oder schließen.“

i made a version of wikipedia you can doomscrollxikipedia.org

Rebane (@rebane2001.bsky.social)2026-02-01T23:43:37.999Z

Benutzer können den Feed filtern, um Einträge aus bestimmten Kategorien anzuzeigen, einschließlich benutzerdefinierter Kategorien. Jeder Beitrag enthält eine Zusammenfassung eines einfachen Wikipedia-Artikels. Laut Rebane erhöht das Liken eines Beitrags die Chance, künftige Beiträge aus derselben Kategorie, ihren übergeordneten Kategorien und darin verlinkten Artikeln zu sehen.

Durch Klicken oder Tippen auf einen Beitrag wird der vollständige Simple-Wikipedia-Artikel geöffnet. Die App wählt Artikel nach dem Zufallsprinzip aus, was bedeutet, dass Benutzer durch längeres Scrollen möglicherweise nicht arbeitssicherem (NSFW) Material ausgesetzt sind. Xikipedia erfordert das Laden von etwa 40 MB an Daten, was zu einer kurzen anfänglichen Wartezeit führt.

Die einfache englische Wikipedia enthält mehr als 278.000 Artikel und bietet Hunderttausende potenzieller Beiträge. Aktualisierungen erfolgen jedoch seltener als auf der Hauptseite von Wikipedia. Beispielsweise fehlten im Artikel eines Musikers Einträge zu seinen beiden neuesten Alben in der Diskografie-Sektion.

Xikipedia funktioniert wie der frühere StumbleUpon-Dienst und bietet eine Möglichkeit, neue Themen durch zufällige, aber personalisierte Artikelvorschläge zu entdecken und eine Abwechslung zu herkömmlichen Social-Media-Feeds zu schaffen.


Quelle des hervorgehobenen Bildes