Buchdoktor
Jodie Archer und Matthew L. Jockers haben computerbasiert, aus rein linguistischer Sicht Stil, Figuren und Handlungsverlauf von Bestsellern der New-York-Times-Bestsellerliste analysiert. Da das Etikett NYT-Bestseller bisher mit großer Treffsicherheit Bücher markierte, die mich beim Lesen enttäuschten, schlug ich den Buchdeckel mit seinem reißerischen Titel mit sehr gemischten Gefühlen auf. Im ersten Kapitel signalisierte mir die Sprache, die ich in der deutschen Übersetzung für das Thema selbstlernende Systeme zu altertümlich fand, dass hier von den Verfassern ausschweifend klassisches US-amerikanisches Marketing betrieben würde. Altertümlich wirkte die Einführung deshalb, weil Entwickler, die ihre Brötchen in dieser Branche verdienen, zwar von selbstlernenden Systemen berichten, selten jedoch von maschinenlernenden. Vom 2. Kapitel an konnte mich das Versprechen der Autoren fesseln, dass ihr computergestützter Bestseller-o-Meter mit 80%iger Wahrscheinlichkeit voraussagen könnte, ob ein Manuskript es auf die NYT-Bestsellerliste schaffen würde. Als „Futter“ des stilanalysierenden selbstlernenden Programms dienten neben 500 Bestseller-Titeln der NYT-Liste Romane des 19. Jahrhunderts, Science Fiction, Fantasy, Romantik und weniger erfolgreiche e-book-Titel bisher unbekannter Autoren. Bevor Romantexte PC-gestützt ausgewertet werden konnten, musste man sich auf den verlegerischen und buchhändlerischen Instinkt verlassen; exakte Voraussagen über den Erfolg eines Roman-Manuskripts waren jedoch noch nicht möglich. Das Archer/Locker-Team untersuchte nun, welche Themen sich Leser wünschen, die erfolgversprechendste Themengewichtung innerhalb des Textes, Handlungskurve und Erzähltempo. Die Summe dieser Faktoren bildet bei Lesern quer durch alle Leserschichten das Markenzeichen eines erfolgreichen Autors. Als herausragend erfolgreiche Autoren werden Danielle Steel und John Grisham vom PC-Programm TOP-Positionen zugeschrieben, in Übereinstimmung mit der NYT-Bestseller-Liste. Die Treffsicherheit dieses Bestseller-Tools ist wirklich verblüffend und wird durch Mustererkennung und Kombination verschiedener Faktoren möglich. Mit großer Heiterkeit konnte ich über die IT-gestützte Enttarnung von Robert Galbraith als Joanne K. Rowling in der Gegenwart und von Richard Bachman als Stephen King durch den Instinkt eines Buchhändlers in der Vergangenheit lesen. Was kann die rechnergestützte Analyse der beiden Literaturexperten, was ein täglich genutztes agiles Buchhändlergehirn nicht kann, habe ich mich natürlich gefragt. Nachdem ich mich mit dem Girl-Trend des neuen Sub-Genres von “Gone Girl”, “Girl on the Train” und “The Girl with the Dragon Tattoo” befasst hatte, ging es mit der Frage zur Sache, ob es einen perfekten, prognostizierbaren TOP-1-Sieger-Titel gibt, wie ein unbekannter Autor es überhaupt erst auf eine Bestseller-Liste schafft, und ob Romane zukünftig gleich rechnergestützt von PC-Programmen geplottet und formuliert werden. Die vom PC-Programm generierte Bestenliste hat leider meine Erfahrung bestätigt, dass Bücher von US-Bestenlisten mich häufig enttäuschen. Das erste für mich interessante Buch taucht erst auf Platz 29 auf, nur 12 der 100 Romane habe ich gelesen oder möchte sie lesen. Wer sich dafür interessiert, was Buchleser wünschen, ob ein Bestseller einen prominenten Namen, ein üppiges Werbebudget oder eher Fingerspitzengefühl für die Wünsche der Massen voraussetzt, kann hier interessante Einsichten gewinnen. Sie erfahren, warum 50 Shades of Grey vermutlich kein Zufallstreffer einer Anfängerin war, wie es der unbekannte Anthony Doerr auf die Liste schaffte, welche Tipps aus Schreibratgebern sicher zum Misserfolg führen oder woran stilsichere Sex-Szenen zu erkennen sind.
