Der zentrale Motor: BaRT
Hinter den Kulissen nutzt Spotify ein Empfehlungssystem namens BaRT (Bandits for Recommendations as Treatments). Die Aufgabe von BaRT ist es, Hörer auf der Plattform zu halten, indem es Vertrautheit (Songs, die sie bereits mögen) mit Entdeckung (neue Songs, die ihnen gefallen könnten) ausbalanciert. Es lernt aus jedem Skip, Save, Repeat und jeder Playlist-Hinzufügung von Hunderten Millionen Nutzern.
Alle algorithmischen Playlists greifen auf diesen Motor zurück, doch jede Oberfläche gewichtet die Signale anders und bedient eine andere Hörerabsicht.
Release Radar
Was es ist: Eine personalisierte Playlist mit neuen Releases von Künstlern, denen der Hörer folgt oder mit denen er kürzlich interagiert hat. Wird jeden Freitag aktualisiert.
Wie Songs hineinkommen:
- Deine Follower erhalten deinen neuen Release automatisch, wenn du ihn über Spotify for Artists mindestens 7 Tage vor dem Release einreichst
- Nicht-Follower sehen deinen Tracken möglicherweise, wenn deine frühen Engagement-Kennzahlen (saves, Completion Rate, wenige Skips) stark sind und ihr Hörprofil sich mit deinen bestehenden Fans überschneidet
Strategische Implikationen:
- Die Follower-Zahl ist hier entscheidend. Mehr Follower = größere garantierte Release-Radar-Reichweite
- Die ersten 48-72 Stunden an Engagement-Daten entscheiden, ob du über deine Follower-Basis hinaus expandierst
- Pre-Save-Kampagnen bündeln die saves des ersten Tages, was dem Algorithmus Nachfrage signalisiert
Ausschlussrichtlinie:
Spotify hat begonnen, alternative Versionen aus Release Radar zu filtern. Akustik-, Aktiv- und Karaoke-Versionen werden jetzt herabgestuft oder ganz ausgeschlossen. Remixe bleiben zulässig. Die Audioanalyse von Spotify kann Aktiv-Aufnahmen erkennen, selbst wenn die Metadaten sie nicht als solche kennzeichnen.
Wenn du häufig Akustik-Sessions oder Aktiv-Aufnahmen veröffentlichst, beginne zuerst mit der originalen Studioversion, um Sichtbarkeit in Release Radar zu erzielen. Siehe Spotify Release Radar Änderungen für die vollständige Aufschlüsselung.
Discover Weekly
Was es ist: Eine personalisierte Playlist mit 30 Songs, die der Hörer noch nie gehört hat, jeden Montag aktualisiert. Angetrieben von kollaborativem Filtern und Audio-Ähnlichkeit.
Wie Songs hineinkommen:
- Spotify wartet nach dem Release 1-2 Wochen, um das Engagement zu beobachten, bevor ein Tracken in Discover Weekly auftaucht
- Songs benötigen in der Regel mindestens 20,000 Streams mit starken Durchhörraten, saves und Playlist-Hinzufügungen
- Der Algorithmus identifiziert „Geschmacks-Cluster" von Nutzern mit ähnlichen Hörmustern und bringt Tracks zum Vorschein, die bei ähnlichen Hörern gut abgeschnitten haben
Strategische Implikationen:
- Du kannst nicht direkt an Discover Weekly pitchen. Es wird durch anhaltendes Engagement verdient, nicht durch Spitzen in der Release-Woche
- Tracks, die über Wochen stetig wachsen, übertreffen oft solche, die kurz aufflammen und verblassen
- In Discover Weekly für ein Hörer-Cluster zu erscheinen, löst oft eine Kaskadenplatzierung in angrenzenden Clustern aus
Daily Mix
Was es ist: Bis zu sechs personalisierte Playlists (je 3-4 Stunden), die die Lieblingskünstler eines Hörers nach Genre oder Stimmung gruppieren. Täglich aktualisiert.
Wie Songs hineinkommen:
- Basierend auf den Bibliotheks-saves des Hörers, den letzten Wiedergaben und den geliketen Songs
- Spotify identifiziert innerhalb jedes Nutzers unterschiedliche Geschmacksprofile und erstellt separate Mixes für jedes (z. B. einen für Hip-Hop, einen für Indie-Rock)
- Neue Songs von Künstlern, die ein Hörer bereits häufig streamt, erscheinen automatisch
Strategische Implikationen:
- Daily Mix ist eine Retention-Oberfläche, keine Entdeckungs-Oberfläche. Es belohnt Katalogtiefe
- Künstler mit mehreren starken Tracks erhalten mehr Daily-Mix-Platzierungen als One-Hit-Künstler
- Wiederholte Wiedergaben von Fans festigen deine Position in deren Daily Mix und erzeugen einen Schwungrad-Effekt
Radio
Was es ist: Ein endloser Stream, der aus einem Song, Künstler oder einer Playlist gespeist wird. Optimiert, um den Hörer unbegrenzt am Spielen zu halten.
Wie Songs hineinkommen:
- Audio-Ähnlichkeit (Tempo, Tonart, Energie, Klangfarbe) zum Ausgangstrack
- Verhaltenssignale: Tracks, die Hörer mit ähnlichem Geschmack nicht übersprungen haben
- Session-Fortsetzungslogik: Spotify priorisiert Songs, die Hörsessions verlängern
Strategische Implikationen:
- Die Radio-Platzierung verstärkt sich im Laufe der Zeit. Sobald du in den Radio-Rotationen für ein Cluster ähnlicher Künstler bist, bleibst du dort, sofern die Skip-Raten nicht in die Höhe schnellen
- Die Completion Rate zählt hier mehr als irgendwo sonst. Wenn Hörer deinen Tracken konsequent zu Ende hören, bleibst du in der Rotation
- Siehe unseren Radio-Trigger-Leitfaden für konkrete anzustrebende Kennzahlen
Autoplay
Was es ist: Die Songs, die automatisch abgespielt werden, nachdem ein Album oder eine Playlist endet. Ähnliche Logik wie Radio, aber durch das Kontextende ausgelöst statt durch eine explizite Ausgangsauswahl.
Wie Songs hineinkommen:
- Dieselben Signale wie Radio: Audio-Ähnlichkeit, Skip-Vermeidung, Session-Verlängerung
- Greift oft auf das bestehende Geschmacksprofil des Hörers sowie auf klanglich verwandte neue Releases zurück
Editorial vs. algorithmisch
Es lohnt sich, die Unterscheidung klarzustellen:
| Typ | Auswahl | Skalierung | Vorhersagbarkeit |
|---|---|---|---|
| Editorial (z. B. RapCaviar, New Music Friday) | Menschliche Kuratoren | Feste Publikumsgröße | Niedrig (hängt vom Pitch und Geschmack des Kurators ab) |
| Algorithmisch (z. B. Discover Weekly, Radio) | Maschinenmodelle | Skaliert mit dem Engagement | Höher (durch messbare Signale gesteuert) |
| Algotorial (Hybrid) | Kurator gibt Impuls, Algorithmus erweitert | Variabel | Mittel |
Editorial macht die Schlagzeilen, doch algorithmische Oberflächen treiben für die meisten unabhängigen Künstler den Großteil der Entdeckung an. Eine einzelne Discover-Weekly-Platzierung, die Kaskadenplatzierungen auslöst, kann einen einwöchigen Editorial-Platz übertreffen, der wieder verblasst.
Was der Algorithmus tatsächlich misst
Über all diese Oberflächen hinweg verfolgt Spotify einen konsistenten Satz an Engagement-Signalen:
| Signal | Was es bedeutet | Relatives Gewicht |
|---|---|---|
| Save-Rate | Der Hörer will es erneut hören | Sehr hoch |
| Playlist-Hinzufügungen | Der Hörer integriert es ins tägliche Hören | Sehr hoch |
| Completion Rate | Der Tracken hielt die Aufmerksamkeit bis zum Ende | Hoch |
| Skip-Rate (vor 30s) | Schlechte Passung oder schwaches Intro | Negativ |
| Wiederholtes Hören | Starke Präferenz | Hoch |
| Session-Verlängerung | Der Hörer spielte nach deinem Tracken weiter | Mittel |
Im Jahr 2026 gewichten die Modelle von Spotify-saves und Playlist-Hinzufügungen stärker als reine Stream-Zahlen. Ein Tracken mit 1000 Streams und 200 saves übertrifft in der algorithmischen Reichweite einen Tracken mit 10,000 Streams und 10 saves.
Praktische Optimierungs-Checkliste
Nutze dies als Referenz am Release-Tag, um die algorithmische Chance über alle Oberflächen hinweg zu maximieren.
Tip Reiche bei Spotify for Artists 7+ Tage vor dem Release ein und bündle das Engagement des ersten Tages mit Pre-saves.
Lass die ersten 30 Sekunden zählen, um eine Disqualifikation bei Radio/Autoplay zu vermeiden. Baue Katalogtiefe für die Daily-Mix-Belohnungen auf. Verfolge Save-Rate und Completion Rate, um die algorithmische Expansion vorherzusagen.
Häufige Fehler
Diese Fehler schaden deinem algorithmischen Profil aktiv und lassen sich nur schwer beheben.
Warning Der Kauf von Playlist-Platzierungen vergiftet dein algorithmisches Profil, indem er die Streams aufbläht und gleichzeitig die Save-Raten abstürzen lässt.
Deine Follower zu ignorieren, verschwendet deine kostenlose Release-Radar-Vertrieb. Auf Streams statt auf Signale zu optimieren, bringt dem Algorithmus bei, dich nicht mehr zu empfehlen.
Der rote Faden: Vanity-Metriken hinterherzujagen auf Kosten der Engagement-Signale, die Spotify tatsächlich verwendet.