Zentrale Systeme
BaRT (Bandits for Recommendations as Treatments)
Das KI-System, das die Empfehlungen auf Spotifys Home-Bildschirm steuert. BaRT nutzt einen Multi-Armed-Bandit-Ansatz, um Exploitation (Inhalte zu zeigen, von denen das System weiß, dass du sie magst) mit Exploration (neue Inhalte zu testen, um mehr über deine Vorlieben zu lernen) auszubalancieren. Vollständige Erklärung →
Kollaboratives Filtern
Eine Empfehlungstechnik, die Muster darin erkennt, was ähnliche Hörer mögen. Wenn Hörer, die deinen Track gespeichert haben, auch Track B speichern, empfiehlt der Algorithmus Track B eher neuen Hörern deiner Musik. Das treibt die Zuordnungen von „Fans Also Like“ und große Teile von Discover Weekly an. Vollständige Erklärung →
Audioanalyse
Das Herausarbeiten messbarer Merkmale aus der rohen Audio-Wellenform eines Tracks. Spotify verwendet Convolutional Neural Networks (CNNs), um Spektrogramme zu analysieren und Eigenschaften wie Tempo, Tonart, Energie und Stimmung zu erkennen. Dadurch werden Empfehlungen nach klanglicher Ähnlichkeit für Radio und Autoplay möglich. Vollständige Erklärung →
Verarbeitung natürlicher Sprache (NLP)
Die Fähigkeit des Algorithmus, Textkontext zu verstehen. Spotifys NLP-Komponente analysiert Playlist-Titel, Songtexte, Blog-Erwähnungen und Diskussionen in sozialen Medien, um den kulturellen Kontext von Musik zu verstehen.
Engagement-Metriken
Save-Rate
Der Prozentsatz der Hörer, die deinen Track in ihrer Bibliothek speichern. Berechnet als saves ÷ unique listeners. Eine hohe Save-Rate signalisiert starke Hörerabsicht und gehört zu den wichtigsten Prädiktoren für algorithmischen Erfolg. Vollständige Erklärung →
Skip-Rate
Der Prozentsatz der Streams, bei denen der Hörer vor einem bestimmten Schwellenwert, häufig der 30-Sekunden-Marke, weiterschaltet. Hohe frühe Skip-Raten zeigen dem Algorithmus, dass dein Track für die Zielgruppe, der er gezeigt wurde, schlecht passt.
Abschlussrate
Der Prozentsatz der Hörer, die einen Track von Anfang bis Ende abspielen. Hohe Abschlussraten zeigen starke Bindung und wirken sich positiv auf die algorithmische Bewertung aus.
Rate wiederholter Wiedergaben
Wie oft einzelne Hörer zurückkehren, um denselben Track mehrfach abzuspielen. Hohe Wiederholungsraten signalisieren tiefes Engagement und können die Einstufung als „Superhörer“ auslösen.
Stream-zu-Hörer-Verhältnis
Die durchschnittliche Zahl der Streams pro eindeutigem Hörer in einem bestimmten Zeitraum. Ein Verhältnis über 1,0 zeigt wiederholtes Hören. Höhere Werte deuten auf engagierte Fans statt auf einmalige, zufällige Plays hin.
Audio-Merkmale
Tempo
Die Geschwindigkeit eines Tracks, gemessen in Beats pro Minute (BPM). Der Bereich reicht von 0 bis 250 BPM.
Energie
Ein Maß von 0,0 bis 1,0 für Intensität und Aktivität. Es kombiniert Dynamikbereich, wahrgenommene Lautheit, Klangfarbe, Anschlagsrate und Entropie. Death Metal erzielt hohe Werte, Ambient-Musik niedrige.
Valenz
Ein Maß von 0,0 bis 1,0 für die musikalische Positivität. Hohe Valenz (0,8+) klingt fröhlich oder euphorisch. Niedrige Valenz (0,2 oder weniger) klingt traurig, melancholisch oder wütend.
Tanzbarkeit
Eine Bewertung von 0,0 bis 1,0 dafür, wie gut ein Track zum Tanzen geeignet ist, basierend auf Tempo, rhythmischer Stabilität, Beat-Stärke und Regelmäßigkeit.
Akustikgrad
Ein Konfidenzmaß von 0,0 bis 1,0 dafür, ob ein Track akustisch ist. Ein Wert von 1,0 bedeutet hohe Sicherheit, dass der Track keine elektronischen oder verstärkten Instrumente enthält.
Instrumentalität
Eine Vorhersage von 0,0 bis 1,0 darüber, ob ein Track Gesang enthält. Werte über 0,5 deuten auf Instrumentaltracks hin. „Ooh“- und „Aah“-Laute werden als instrumental behandelt.
Sprachanteil
Ein Maß von 0,0 bis 1,0 für den Anteil gesprochener Sprache. Podcast-ähnliche Inhalte erzielen hohe Werte, reine Instrumentalmusik niedrige.
Algorithmische Flächen
Discover Weekly
Eine personalisierte Playlist mit 30 Tracks, die der Hörer noch nicht gehört hat und die jeden Montag aktualisiert wird. Sie wird hauptsächlich durch kollaboratives Filtern angetrieben. Vollständige Erklärung →
Release Radar
Eine personalisierte Playlist mit neuen Veröffentlichungen gefolgter Künstler und ähnlicher Acts, die jeden Freitag aktualisiert wird. Dafür muss mindestens 7 Tage vor der Veröffentlichung über Spotify for Artists gepitcht werden.
Radio
Eine automatisch erzeugte Warteschlange mit Tracks, die einem Ausgangssong oder -künstler ähneln. Sie nutzt Audioanalyse für klangliche Ähnlichkeit und kollaboratives Filtern für Überschneidungen beim Publikum.
Autoplay
Die Funktion, die Musik weiter abspielt, wenn eine Playlist oder ein Album endet. Sie wird von denselben Signalen wie Radio angetrieben und verlängert die Hörsitzung unbegrenzt.
Daily Mix
Eine Gruppe aus 4–6 Playlists, die deine gespeicherte Musik und ähnliche Tracks nach Genre oder Stimmung zusammenfasst. Sie wird täglich aktualisiert.
AI DJ
Ein personalisiertes Radioerlebnis mit synthetischer Sprachmoderation. Es nutzt dieselbe Personalisierungsmaschine wie andere Flächen, ergänzt aber gesprochenen Kontext zu Künstlern und Tracks. Vollständige Erklärung →
Werbewerkzeuge
Discovery Mode
Eine Vereinbarung zur Beteiligung an Tantiemen, bei der Künstler einer Kürzung von 30 % auf Streams aus Radio, Autoplay und Mixes zustimmen und dafür eine höhere Empfehlungswahrscheinlichkeit erhalten. Vollständige Erklärung →
Marquee
Eine bildschirmfüllende Anzeige für neue Veröffentlichungen (innerhalb von 21 Tagen), die erscheint, wenn angesprochene Hörer die mobile App öffnen. Sie ist Teil des Campaign Kit und wird per Klick abgerechnet.
Showcase
Eine Banneranzeige im Spotify-Home-Feed für jede Veröffentlichung. Sie ist Teil des Campaign Kit und wird per Klick abgerechnet. Vollständige Erklärung →
Canvas
Ein 3–8 Sekunden langes Loop-Video, das auf Mobilgeräten hinter deinem Track läuft. Es ist nicht direkt algorithmisch, kann aber Engagement-Metriken verbessern, weil es Hörer zum Ansehen und Speichern animiert.
Technische Konzepte
Exploration vs. Exploitation
Der Zielkonflikt, den BaRT zwischen bekannten Lieblingsinhalten (Exploitation) und Tests neuer Inhalte zum Lernen über deine Vorlieben (Exploration) steuert. Neue Nutzer erhalten mehr Exploration, etablierte Nutzer mehr Exploitation.
Kaltstartproblem
Die Schwierigkeit, Musik für neue Künstler oder neue Nutzer ohne Hörhistorie zu empfehlen. Audioanalyse hilft dabei, weil sie Empfehlungen nach klanglicher Ähnlichkeit auch ohne Verhaltensdaten ermöglicht.
Epsilon-greedy-Strategie
Der konkrete Algorithmus, mit dem BaRT Exploration und Exploitation ausbalanciert. Meist betreibt er Exploitation (Empfehlungen mit hoher Sicherheit); gelegentlich exploriert er (zeigt unsichere Empfehlungen, um Daten zu sammeln).
Kontextuelles Bandit-Modell
Ein Machine-Learning-Rahmen, der optimale Aktionen anhand des Kontexts lernt. BaRT ist ein kontextuelles Bandit-System und berücksichtigt bei Empfehlungen den Nutzerkontext (Tageszeit, Gerät, letzte Aktivität).
Spektrogramm
Eine visuelle Darstellung von Schallfrequenzen über die Zeit. Spotifys CNNs analysieren Spektrogramme, um Audio-Merkmale aus rohen Wellenformen zu gewinnen.
Mikro-Genre
Eine detaillierte Untergenre-Klassifikation zur Personalisierung. Spotify pflegt eine große Taxonomie von Mikro-Genres, die auf Hörmustern und Audioeigenschaften beruht.
Hörersegmente
Aktiver Hörer
Ein Hörer, der deine Musik in den letzten 28 Tagen absichtlich aus aktiven Quellen gesucht hat (Künstlerprofil, Veröffentlichungsseiten, persönliche Playlists oder Suche).
Monatlich aktiver Hörer
Der Teil der monatlichen Hörer, die absichtlich aus aktiven Quellen gestreamt haben, nicht nur durch passive Playlists oder Radio auf dich gestoßen sind.
Programmierter Hörer
Ein Hörer, der deine Musik über algorithmische oder redaktionelle Playlists gehört, dich aber nicht aktiv gesucht hat.
Plattformkonzepte
30-Sekunden-Regel
Ein Stream zählt nur dann für Tantiemen und Engagement-Metriken, wenn der Hörer den Track mindestens 30 Sekunden abspielt. Skips vor 30 Sekunden bringen keinen Umsatz und senden negative Signale. Vollständige Erklärung →
Schwelle von 1.000 Streams
Seit 2024 müssen Tracks innerhalb eines rollierenden Zeitraums von 12 Monaten 1.000 Streams sammeln, um Tantiemen zu erzeugen. Streams unterhalb dieser Schwelle werden nicht ausgezahlt.
Popularitätsindex
Eine Punktzahl von 0 bis 100, die Spotify jedem Track und Künstler anhand der jüngsten Streaming-Geschwindigkeit zuweist. Höhere Werte zeigen schnelleres Wachstum im Vergleich zum Plattformdurchschnitt. Vollständige Erklärung →
Geschmacksprofil
Das algorithmische Modell, das Spotify für jeden Nutzer aus Hörhistorie, Saves, Skips und Playlist-Aktivität aufbaut. Es steuert alle personalisierten Empfehlungen.