Wie der Spotify Algorithmus unseren Musikgeschmack bestimmt

Mit über 248 Millionen monatlich aktiven Usern ist Spotify im Moment der größte Musik-Streaming-Dienst der Welt. Dabei reicht das Angebot der Plattform schon lange über die pure Wiedergabe von Musiktiteln hinaus. Neben Millionen von Titeln, von diversen Künstlern aus der ganzen Welt, bietet Spotify auch zahlreiche Playlists zu verschiedenen Genres, Stimmungen oder zu ganz unterschiedlichen Anlässen an. Gleichzeitig ist es gerade der gezielte Einsatz umfangreicher Algorithmen und Datenbanken , die dem einzelnen Hörer eine noch bessere User-Experience ermöglichen. Heute bestimmt der Spotify Algorithmus den gesamten Hör-Prozess des Streaming Giganten. So hat es Spotify geschafft, sich an die Spitze des Musik-Streamings zu setzen.

Die Geschichte von Spotify

Gegründet im Jahr 2006 hat es zwei Jahre gedauert, bis der Streaming Dienst im Jahr 2008 auf den Markt kam. Damals sollte Spotify eine legale Alternative zu der grassierenden Internet-Piraterie darstellen. Zu Beginn der Firmengeschichte schlossen jedoch nur wenige Nutzer ein Premium-Abo ab, sodass Spotify Verluste einfuhr. Erst 2018 konnte die Firma das erste Mal Gewinne verzeichnen. Kaum vorstellbar, wenn man bedenkt, dass sie bereits 2015 82 Millionen aktive User hatten.

Das Geschäftsmodell von Spotify basiert auf zahlreichen Lizenzverträgen, die sowohl mit großen Plattenlabels wie Universal Music oder Sony geschlossen werden, als auch mit Indie Labels. Dabei kommt ein Großteil der Einnahmen entweder aus der geschalteten Werbung zwischen den Songs, oder den kostenpflichtigen Abos. So weit, so gewöhnlich. Doch mit dem Kauf der Firma Echo Nest im Jahr 2014 startete Spotify ein groß angelegtes Algorithmus-Programm, das bis heute von keinem Musik-Streaming-Dienst erfolgreich kopiert worden ist.

Wie funktioniert der Spotify Algorithmus genau?

Ursprünglich entstand das Unternehmen Echo Nest aus einer Doktorarbeit der beiden MIT-Absolventen Tristan Jehan und Brian Whitman. Ihre Vision war es, Musikstücke in ihre Bestandteile zu zerlegen und quasi „analysierbar“ zu machen. Dazu werteten sie Millionen von Songs aus und brachten einer KI bei, selbstständig Muster und gewisse Strukturen innerhalb verschiedener Genres zu erkennen.

Und wie übersetzt sich dieses Konzept in Spotify? Die Ergebnisse des Algorithmus lassen sich vor allem in der Discovery Weekly Playlist sehen. User bekommen hier jeden Montag 30 Songs präsentiert, die zu ihrem Geschmack passen. Und dabei ist der Algorithmus erstaunlich erfolgreich. Im Moment arbeitet der Spotify Algorithmus, der bis heute den Namen Echo Nest trägt, aufgrund von drei Hauptkomponenten.

Vom Taste Profile zum Internet-Scan

Zunächst einmal wird ein individuelles Taste Profile für jeden einzelnen Spotify-Nutzer erstellt. Dort wird festgehalten, welche Künstler, Songs, Alben, Playlists und auch Podcast und Hörbücher der jeweilige Nutzer hört. Und auch wie lange er sich die Musikstücke anhört, wo er das tut und wie oft. Diese Daten werden dann mit dem Taste Profiles der anderen User abgeglichen. Wenn ein anderer Nutzer zum Beispiel große Überschneidungen beim Musikgeschmack mit euren eigenen Playlists hat, werden euch Songs in der Discovery Weekly Playlist angezeigt, die der andere Nutzer bereits regelmäßig hört. Playlists mit mehr Followern landen dabei häufiger in den Discovery Weekly Ordnern, als die mit weniger Followern.

Darüber hinaus analysiert der Echo Nest die einzelnen Komponenten der Musikstücke. Er zerlegt jeden Song, der auf Spotify verfügbar ist, nach Tempo, Instrumente, Dauer, Höhen und Tiefen, Klangfarbe und so weiter. Zur Einordnung dieser Kategorien kommt ein höchst kompliziertes Analyseverfahren zum Einsatz, welches Spotify in 2015 selbst in einer ausführlichen Präsentation veröffentlichte. Aufgrund der vielen Daten unterteilt der Spotify Algorithmus die Songs in bisher über 1500 verschiedene Genres. Die Einteilung ist online auf der Website Every Noise At Once einsehbar. Neben vielen regionalen Unterschieden in Musik-Genres kommen allerdings auch immer wieder „unsinnige“ Genres bei der Analyse der KI heraus. Während man sich unter deep power pop punk vielleicht noch irgendetwas vorstellen kann, sind Genres wie djent nicht wirklich realitätsnah. Aber der Echo Nest Algorithmus lernt schließlich auch immer wieder dazu.

Emotionen in Musik als Teil der Analyse

Zu diesem Analyse-Schritt gehört im Übrigen auch die Einteilung der Songs in fröhliche, traurige, melancholische oder anders geartete Musikstücke. Also die Einteilung nach Gefühlen. Allerdings ist dieses Feature auch in Expertenkreisen umstritten. Was definiert traurige oder fröhliche Musik? Das ist auch immer vom individuellen Hörer und seiner Stimmung abhängig. Um die KI an dieser Stelle etwas zu unterstützen, liest sie die Titel der Playslists der User aus. Landet ein Song öfters in Playlists mit Titeln wie Liebeslieder oder romantische Musik geht die KI davon aus, dass der Song als Liebeslied zu bewerten ist. Dies ist im Moment noch die größte Hürde des Algorithmus. Denn auch die Einteilung auf Basis von Playlists ist natürlich fehleranfällig.

Spotify ist zudem nicht der einzige Musik-Streaming-Dienst, der mit einer KI zur Einteilung von Musikstücken experimentiert. Deezer hatte diese Vorstellung ebenfalls seit längerer Zeit und stellt dafür ein gänzlich anderes Modell zur Analyse der Emotionen in Songs vor.

Echo Nest durchsucht das World Wide Web

Spätestens dieses Feature erlaubt es Spotify deutlich präziser bei der Bewertung von Musikstücken zu sein, als vergleichbare Konkurrenten. Der Echo Nest Algorithmus macht sich täglich daran, das gesamte Web nach Blogposts, Kommentaren auf Websites, Artikeln, YouTube Videos, Facebook Postings und Kommentaren und Tweets zu durchsuchen, diese auszuwerten, und daraus ein Meinungsbild über einen bestimmten Song zu erstellen. Somit merkt der Algorithmus binnen weniger Tage, wie ein Song insgesamt aufgenommen wird. Ob die Kritiken gut oder schlecht sind. Ob die Leute die Songs weiterempfehlen oder von ihnen abraten etc. Somit entsteht schnell eine bestimmte Bewertung zu jedem Track, welche wiederum die Entdecken Funktion und andere Empfehlungs-Formate innerhalb der Plattform beeinflusst.

Spotify Algorithmus
Dies ist ein Screenshot der Präsentation, die Spotify veröffentlicht hat, um die Funktionsweisen ihres Algorithmus näher zu beleuchten. – Image by Leonie Werner

Der Spotify Algorithmus ist noch nicht auf seinem Peak angekommen

Es bleibt die Frage, ob wir uns eine solche „Rationalisierung“ unseres Musik-Geschmackes überhaupt wünschen. Wollen wir, dass künstliche Intelligenzen alle nur erdenklichen Daten aufsaugen und uns damit ein abgeschlossenes Repertoire an Musik präsentieren? Können wir dann überhaupt noch unseren Musikgeschmack selbst erweitern oder ganz neue Dinge kennen lernen? Auch Spotify ist sich inzwischen bewusst, dass rein maschinelle Vorschläge nicht bei jedem User gut ankommen werden. Deswegen gibt es seit letztem Jahr eine Erweiterung der Editorial Playlists, die bislang von realen Redakteuren und Musikexperten von Spotify mit neuen Titeln versorgt werden. Diese sollen jetzt bis zu 1.000 Songs, statt nur 100 Songs, beherbergen können und vor allem neuen Künstlern die Chance geben, eine Platzierung in den beliebten Listen zu erhalten.

Allerdings sind die Möglichkeiten des Spotify Algorithmus noch nicht ausgereizt. Eine Kollaboration mit der Dating App Tinder lässt zum Beispiel Nutzer den eigenen Lieblingssong als solchen auf dem Tinder Profil festlegen. Die Idee dahinter ist, dass Menschen mit dem gleichen Musikgeschmack besser zueinander passen und man sich, ob indirekt oder direkt, für die Person entscheidet, die den gleichen Künstler mag wie man selbst.

In Zukunft könnte Echo Nest darüber hinaus auch in der Lage sein Songs vorzuschlagen, die zu einer bestimmten Tätigkeit passen. Hört ihr zum Beispiel eine bestimmte Playlist immer wenn ihr im Fitnessstudio, oder beim Autofahren seid, könnte sich das der Spotify Algorithmus merken und euch zu den gleichen Uhrzeiten ähnliche Musik vorschlagen. Ob es der KI jemals gelingen wird, ein zu 100 Prozent akkurates Profil für jeden Song auf Spotify anzulegen bleibt fragwürdig. Dafür ist die Komponente Mensch, und die individuellen Assoziationen mit einem Musikstück, einfach zu unberechenbar. Dennoch lässt der Echo Nest Algorithmus vermuten, wie passgenauer Medienkonsum in Zukunft auch in anderen Bereichen gestaltet werden kann.


Image by Kaspars Grinvalds via adobestock

Leonie Werner

interessiert sich für alles, was mit Medien zu tun hat. Insbesondere für Themen im digitalen Bereich ist sie offen und in Sachen Gaming immer auf dem neuesten Stand.


Artikel per E-Mail verschicken
Schlagwörter: , , , ,