Wie YouTube AI-Empfehlungen funktionieren

Warum YouTube-Empfehlungen wichtig sind

YouTube sortiert Videos nicht nach einer einzigen magischen Regel. Es verwendet ein groß angelegtes maschinelles Lernsystem, das aus dem Verhalten auf der gesamten Plattform lernt und dieses Lernen dann nutzt, um die Startseite, die "Up Next"-Vorschläge, die Suchergebnisse, die Shorts-Feeds und mehr zu gestalten.

Mit über 2,7 Milliarden monatlich aktive Nutzer und jede Minute werden mehr als 500 Stunden Video hochgeladen (Statista, 2023), kann sich YouTube nicht auf die menschliche Kuration verlassen. Das Empfehlungssystem sorgt dafür, dass die Plattform benutzbar bleibt, und es ist auch der Grund, warum der Algorithmus einen enormen Einfluss darauf hat, was entdeckt wird und welche Schöpfer wachsen.

Historischer Kontext: Wie sich YouTube-Empfehlungen entwickelt haben

Frühe Tage (vor 2010): Ansichten, Klicks und grundlegende kollaborative Filterung

In der Anfangszeit waren die Empfehlungssysteme vergleichsweise einfach. Sie stützten sich stark auf die Popularität und die einfache Logik “Leute, die X gesehen haben, haben auch Y gesehen”. Das funktionierte, als die Bibliothek noch kleiner war, aber es schuf auch Anreize zur Optimierung für oberflächliche Klicks.

• Anzahl der Ansichten und Klicks
• Einfache kollaborative Filterung (Personen, die X gesehen haben, haben auch Y gesehen)
• Breite Beliebtheitssignale

Verschiebung in Richtung Überwachungszeit (2012 bis 2016): Von “Views” zu “Satisfaction”

Ein wichtiger Wendepunkt kam, als YouTube öffentlich seine wichtigste Kennzahl von Aufrufen auf die Betrachtungsdauer umstellte (Think with Google, 2012). Die Kernerkenntnis war einfach: Eine hohe Klickrate kann auch dann gut aussehen, wenn die Betrachter das Video schnell wieder verlassen, während eine längere Betrachtungsdauer ein besserer Indikator für die Zufriedenheit ist als Klicks allein.

• Eine hohe Klickrate (CTR) kann irreführend sein, wenn die Betrachter schnell wieder gehen.
• Videos, die den Betrachter bei der Stange halten, sind ein stärkeres Zufriedenheitssignal als Klicks allein.
• Klicks helfen immer noch bei der Entdeckung, aber die Verweildauer nach dem Klick wird immer wichtiger.

Deep Learning im YouTube-Maßstab (ab 2016)

2016 veröffentlichte Google AI “Deep Neural Networks for YouTube Recommendations” (Tiefe neuronale Netze für YouTube-Empfehlungen) und beschrieb darin den Wechsel von älteren Ansätzen wie der Matrixfaktorisierung zu tiefen neuronalen Netzen. Dies verbesserte die Qualität der Personalisierung, half dem System, aus spärlichem implizitem Feedback zu lernen, und unterstützte die Skalierung von YouTube und die schnelle Geschwindigkeit der Inhalte.

Kontinuierliche Iteration: Viele Modelle, konstante Experimente

Der YouTube-Algorithmus ist nicht statisch. Er wird durch laufende Modellverbesserungen, A/B-Testing-Infrastrukturen und Abstimmungen, die Relevanz und Vielfalt in Einklang bringen, kontinuierlich aktualisiert. Er integriert auch Richtlinien- und Sicherheitssysteme, einschließlich der Herabstufung von Inhalten, die gegen die Community-Richtlinien verstoßen.

Öffentliche Erklärungen von Quellen wie Think with Google (2023), The Verge (2023) und Hootsuite (2023) betonen immer wieder dasselbe Thema: Empfehlungen kommen von vielen Modellen, vielen Signalen und ständigen Messungen.

Wie der YouTube-KI-Algorithmus funktioniert

Tiefe neuronale Netze als Backbone

Die Empfehlungsfunktion von YouTube basiert auf Deep Learning, einem Teilbereich des maschinellen Lernens, bei dem mehrschichtige neuronale Netze verwendet werden, um Muster in großem Umfang zu erkennen. Deep Learning ist besonders effektiv, wenn die Datenmenge enorm ist, das Feedback oft implizit ist (Anschauen, Überspringen, Pausieren) und nicht explizit bewertet wird und die Beziehungen zwischen Nutzern und Inhalten komplex sind und sich ständig ändern.

Dies ist wichtig, weil die Interaktionsdaten von YouTube im Sinne eines Empfehlungssystems “spärlich” sind. Es gibt unzählige Videos, und viele haben im Vergleich zur Größe des Katalogs relativ wenige Interaktionen.

Das zweistufige Abfragesystem: Kandidatengenerierung und Ranking

Um aus einer umfangreichen Bibliothek effiziente Empfehlungen auszusprechen, verwendet YouTube in der Regel ein zweistufiges System. In der ersten Stufe wird eine große Anzahl potenziell relevanter Videos gefunden, und in der zweiten Stufe wird ausgewählt, welche Videos zuerst angezeigt werden sollen.

Kandidatengenerierungsnetzwerk (hoher Rückruf)

• Zweck: Generieren Sie eine breite Palette potenziell relevanter Videos mit hoher Auffindbarkeit.
• Eingänge: Frühere Aktivitäten eines Nutzers, einschließlich Beobachtungshistorie, Suchanfragen und abonnierte Kanäle.
• Mechanismus: Durch gelernte Darstellungen werden Videos gefunden, die den Interessen eines Nutzers entsprechen.

Diese Phase dient dazu, ein weites Netz auszuwerfen. In der Regel werden Hunderte von Bewerbern ausgewählt und nicht eine endgültige Liste.

Ranking-Netzwerk (hohe Präzision)

• Zweck: Bewerten und ordnen Sie Kandidatenvideos mit hoher Präzision.
• Eingänge: Kandidatenvideos plus umfassenderen Kontext, wie Tageszeit, Gerät und jüngstes Verhalten.
• Vorhersageziel: Erwartete Beobachtungszeit und Beobachtungszeit der Sitzung sowie Signale für das Engagement wie “Gefällt mir”, "Kommentare" und "Nicht interessiert".”
• Ausgabe: Die verfeinerte, geordnete Liste, die auf der Startseite, auf "Weiter" und auf anderen Oberflächen erscheint.

Praktisches mentales Modell: Die Kandidatengenerierung entscheidet, was in Frage kommt, und die Rangfolge entscheidet, was zuerst gezeigt werden sollte.

Vektoren einbetten: Ähnlichkeit in mathematischer Form

YouTube stützt sich in hohem Maße auf die Einbettung von Vektoren, d. h. numerische Darstellungen von Nutzern, Videos und Suchanfragen.

• Benutzer-Einbettungen: Repräsentieren Sie Präferenzen auf der Grundlage der Beobachtungshistorie und der Interaktionsmuster.
• Video-Einbettungen: Stellen Sie inhaltliche Merkmale wie Thema, Stil und die Reaktion des Publikums auf das Video dar.

Durch Einbettungen kann das System Nutzer und Videos in einem hochdimensionalen Raum vergleichen. Elemente, die in diesem Raum nahe beieinander liegen, werden als ähnlich behandelt, auch wenn sie keine offensichtlichen Merkmale wie denselben Ersteller oder identische Schlüsselwörter aufweisen. Dies ist ein Grund, warum YouTube Inhalte empfehlen kann, die auch ohne explizite Suche relevant erscheinen.

Signale, die YouTube für die Personalisierung verwendet

Die Personalisierung ist das Herzstück des Systems. YouTube versucht, nicht nur vorherzusagen, was jemand anklicken könnte, sondern auch, was er sich tatsächlich weiter ansehen wird.

Benutzerinteraktionssignale (explizit und implizit)

Geschichte beobachten (oft das stärkste Einzelsignal)

Der Verlauf der Sehgewohnheiten spiegelt das tatsächliche Verhalten wider und wird daher gemeinhin als eines der stärksten Signale betrachtet. Die jüngste Betrachtung ist in der Regel wichtiger als eine ältere Betrachtung, und wiederholtes Interesse an einem Thema oder einem Urheber stärkt diese Präferenz.

• Aktualität: Jüngere Aktivitäten können mehr Gewicht haben.
• Häufigkeit: Wiederholte Muster verstärken die Vorlieben.

Suchanfragen

Die Suche ist ein ausdrücklicher Ausdruck der Absicht. Wenn jemand nach “DIY home repair” sucht, hat das System einen guten Anhaltspunkt dafür, was er gerade will, und nicht nur, was er normalerweise sieht.

Kanal-Abonnements

Abonnements sind ein explizites Loyalitätssignal, das Interesse an einem bestimmten Schöpfer signalisiert. Abonnements beeinflussen Empfehlungen, aber sie kontrollieren sie nicht vollständig, insbesondere auf der Startseite, wo YouTube bekannte Kanäle mit Entdeckungsinhalten mischen kann.

Engagement-Metriken

YouTube verwendet eine Reihe von Engagement-Signalen mit unterschiedlichen Bedeutungen und Gewichtungen. Die Betrachtungszeit ist zentral, aber andere Signale können das Verständnis des Systems für Qualität, Zufriedenheit und Absicht verfeinern.

• Uhrzeit und Uhrzeit der Sitzung: Sie werden oft als die wichtigsten Metriken behandelt.
• Vorlieben und Abneigungen: Explizites positives oder negatives Feedback (Abneigungen funktionieren weiterhin als Interaktionsdaten).
• Kommentare: Ein Zeichen für tieferes Engagement und Interaktion in der Gemeinschaft.
• “Rückmeldung ”Kein Interesse": Ausdrückliche Anweisung, ähnliche Inhalte zu vermeiden.
• Durchklickrate (CTR): Nützlich für die erste Entdeckung, aber die Beibehaltung nach dem Klick hat Vorrang vor der CTR allein.
• Teilen: Dies deutet häufig auf einen wahrgenommenen Wert und eine positive Stimmung hin.

Demografische Informationen (oft abgeleitet)

Abgeleitete demografische Informationen können dabei helfen, die Zielgruppe besser zu verstehen und zu kategorisieren, aber die Personalisierung wird in erster Linie durch Verhaltens- und Kontextsignale gesteuert und nicht durch direkte demografische Zielgruppenansprache auf individueller Ebene.

Merkmale des Videoinhalts

YouTube wertet auch die Eigenschaften der Videos selbst aus, um zu verstehen, worum es in einem Video geht und wie die Zuschauer darauf reagieren.

• Metadaten: Titel, Beschreibungen, Tags und Kategorien unterstützen die Klassifizierung und Suchrelevanz.
• Vorschaubilder: Starker Einfluss auf die Klickentscheidungen und die anfängliche CTR.
• Zeitalter des Videos: Neuere Videos können in bestimmten Kontexten einen Freshness- oder Trending-Schub erhalten.
• Publikumsbindung: Wie viel des Videos die Betrachter sehen, ein starker Qualitätsindikator.
• Videoqualität: Auflösung und Audioqualität können sich indirekt auf die Zufriedenheit und die Nutzungsdauer auswirken.

Kontextuelle Faktoren

Die Empfehlungen können sich je nach Situation ändern, selbst bei ein und derselben Person.

• Zeit des Tages: Die Gewohnheiten sind unterschiedlich (Nachrichten- oder Unterhaltungsfernsehen).
• Verwendetes Gerät: Mobile und Desktop-Muster unterscheiden sich.
• Standort: Beeinflusst Sprachpräferenzen und lokale Entdeckung.

Kontinuierliche Rückkopplungsschleifen und adaptives Lernen

Jede Interaktion sind Daten

YouTube verbessert seine Empfehlungen, weil es kontinuierlich aus Interaktionen lernt. Selbst kleine Aktionen können als Signale dienen.

• Anschauen, Wiederschauen, Überspringen
• Gefällt mir, gefällt mir nicht, kommentiert
• Suchen, Abonnieren
• Verwendung von “Kein Interesse”
• Vorzeitiger Abbruch eines Videos

Profilaktualisierung in Echtzeit und Modelllernen

Wenn Menschen mit Inhalten interagieren, werden Benutzerprofile und Einbettungen aktualisiert, Videoeinbettungen entwickeln sich weiter, da das System lernt, wer ein Video ansieht und was danach passiert, und die Modelle werden durch laufende Trainingszyklen verfeinert.

Adaptive Personalisierung

Die Vorlieben sind nicht festgelegt. Es kann sein, dass jemand monatelang Reiseinhalte anschaut, dann zu Erziehungstipps wechselt und dann Kochvideos anschaut. Das System ist darauf ausgelegt, sich anzupassen. Deshalb können sich die Empfehlungen schnell ändern, wenn ein neues Sehverhalten auftritt.

Schlüsselkomponenten von YouTube-Empfehlungen

• Netzwerk für die Kandidatengenerierung: Ruft einen breiten Pool potenziell relevanter Videos ab, um einen hohen Abrufwert zu erzielen.
• Ranking-Netzwerk: Noten und Aufträge Kandidaten für hohe Präzision, die oft an erwartete Uhrzeiten und Sitzungszeiten gebunden sind.
• Modelle einbetten: Repräsentieren Sie Nutzer, Videos und Abfragen, damit das System Ähnlichkeiten über Schlüsselwörter hinaus messen kann.
• Feature Store: Verwaltet und liefert große Sammlungen von Merkmalen (Verlauf, Videoattribute, Kontext) an die Modelle.
• Infrastruktur für A/B-Tests: Testen Sie Änderungen in großem Maßstab, um messbare Verbesserungen bei Zufriedenheit und Engagement zu bestätigen.

A/B-Tests sind besonders wichtig, weil kleine Modelländerungen große Auswirkungen auf das Ökosystem von Milliarden von Nutzern haben können.

Wo die Empfehlungen erscheinen (Empfehlungstypen)

YouTube wendet die gleichen Grundprinzipien auf das gesamte Produkt an, aber jede Oberfläche hat ein anderes Ziel.

Homepage-Empfehlungen

• Zielsetzung: Starten oder Wiederaufnehmen einer Ansichtssitzung.
• Oft beeinflusst durch: Beobachtungsverlauf, Abonnements und abgeleitete Interessen.
• Typische Mischung: Bekannte Autoren, verwandte Themen und explorative Inhalte.

Up Next und Sidebar-Empfehlungen

• Zielsetzung: Verlängern Sie die aktuelle Sitzung.
• Oft beeinflusst durch: Ähnlichkeit mit dem aktuellen Video, was andere Zuschauer als Nächstes angeschaut haben, und persönliche Sehgewohnheiten.
• Schwerpunkt Optimierung: Kontinuität und Eigendynamik.

Suchergebnisse

• Zielsetzung: Beantworten Sie eine explizite Anfrage.
• Beeinflusst durch: Schlüsselwortrelevanz, Metadaten und Leistung für diese Abfrage (Verweildauer, Engagement).
• Personalisiert von: Beobachten Sie den Verlauf und frühere Interaktionen, die die Ergebnisse zwischen den Benutzern neu ordnen können.

Registerkarte "Trending

• Zielsetzung: Zeigen Sie beliebte und neue Videos auf der Plattform an.
• Personalisierungsgrad: In der Regel sind sie weniger personalisiert und werden eher von der Dynamik und der Breitenwirkung bestimmt.

Abonnements Feed

• Zielsetzung: Inhalte von Kanälen anzeigen, denen ein Nutzer explizit folgt.
• Gewöhnliches Verhalten: Oft chronologisch, manchmal mit einer Rangliste, die die besten Videos hervorhebt.

YouTube-Kurzfilm-Feed

• System: Eine ausgeprägte Empfehlungsmaschine, die auf die vertikale Betrachtung von Kurzformaten abgestimmt ist.
• Hervorhebung: Schneller Konsum, Neuartigkeit und eine schnellere Rückkopplung.
• Entdeckungseffekt: Kann eine schnelle Entdeckung unterstützen, da viele Artikel in kürzerer Zeit konsumiert werden können.

Live-Stream-Empfehlungen

• System: Spezialisierte Logik für Live-Inhalte.
• Oft beeinflusst durch: Echtzeit-Zuschauerzahlen, Themenrelevanz und die Geschichte eines Urhebers mit dem Live-Publikum.

Filterkonzepte im modernen Deep Learning

Auch wenn YouTube Deep Learning einsetzt, gelten die klassischen Empfehlungsideen weiter. In der Praxis werden sie in neuronale Modelle und Funktionen integriert und nicht als völlig separate Module implementiert.

Inhaltsbasiertes Filtern

• Empfiehlt Videos, die in Bezug auf Thema, Genre, Stil des Erstellers, Schlüsselwörter oder visuelle Muster dem ähneln, was dem Betrachter bereits gefallen hat.
• Häufig unterstützt durch Videoeinbettungen, die ähnliche Inhalte bündeln.

Kollaborative Filterung

• Empfiehlt Videos, die von ähnlichen Nutzern angesehen wurden und mit denen sie sich beschäftigt haben.
• Häufig unterstützt durch Benutzereinbettungen, die Menschen mit ähnlichem Geschmack gruppieren.

Hybrider Ansatz

Der aktuelle Ansatz von YouTube kombiniert beide Arten. Inhaltsbasierte Signale helfen, wenn die Ähnlichkeit eindeutig ist, und kollaborative Signale helfen, Inhalte zu entdecken, die nicht offensichtlich verwandt sind, aber bei ähnlichen Zuschauern gut abschneiden.

Beispiele aus der Praxis

Beispiel 3: Auswirkungen auf die Suchleistung

Wenn jemand nach “Heimwerkerarbeiten” sucht, werden in den Ergebnissen wahrscheinlich Videos angezeigt, die für diese Suchanfrage in Bezug auf Betrachtungsdauer und Engagement gut abschneiden, selbst wenn der Betrachter noch nie Inhalte zu Heimwerkerarbeiten gesehen hat. Die Suchabsicht grenzt das Feld ein, dann können Leistung und Personalisierung das endgültige Ranking neu ordnen.

Beispiel 4: Ausbruch eines kleinen Schöpfers

Ein kleinerer Kanal kann einen Sprung nach oben machen, wenn ein Video in der Anfangsphase eine hohe Sehdauer und ein hohes Engagement aufweist. Diese Leistung kann zu mehr Impressionen auf Home und einer Platzierung in Up Next für relevante Zielgruppen führen und die Reichweite über Abonnenten hinaus erweitern.

Beispiel 5: Verlagerung der Anreize weg von Clickbait

Irreführende Titel und Vorschaubilder können immer noch Klicks generieren, aber die Wahrscheinlichkeit, dass sie die Verbreitung aufrechterhalten, ist geringer, wenn der Betrachter schnell abspringt. Systeme, die im Hinblick auf die erwartete Verweildauer und die Verweildauer in einer Sitzung optimiert sind, bestrafen Unzufriedenheit, die sich in einem frühen Abbruch äußert.

Beispiel 6: Wachstumsdynamik der Plattform

Empfehlungen ermöglichen lange Sehsitzungen und die Entdeckung sowohl etablierter als auch neuer Schöpfer. In Branchenkommentaren wird oft behauptet, dass Empfehlungen einen Großteil der Sehdauer ausmachen, wobei weit verbreitete Schätzungen manchmal über 70 Prozent liegen. Diese Zahlen sind am besten als Schätzungen und nicht als bestätigte Plattformstatistiken zu betrachten, aber die Richtung ist klar: Empfehlungen sind von zentraler Bedeutung dafür, wie YouTube konsumiert wird.

Vorteile und Beschränkungen

Wie der YouTube-KI-Algorithmus im Vergleich zu Alternativen abschneidet

YouTube-Empfehlungen im Vergleich zu herkömmlichen Suchmaschinen

Bei YouTube stehen Empfehlungen im Vordergrund, während bei der herkömmlichen Websuche Abfragen im Vordergrund stehen. Beide können fortschrittliches maschinelles Lernen nutzen, aber YouTube stützt sich stark auf implizites Feedback (Sehdauer, Verweildauer, Engagement) und explizite Aktionen (Abonnements, Suchanfragen), während die Websuche in erster Linie durch explizite Suchanfragen und Relevanzsignale gesteuert wird. YouTube ist in der Regel so optimiert, dass die Nutzer länger auf der Plattform bleiben, während die Websuche oft auf eine schnelle Antwort abzielt und die Nutzer möglicherweise auf andere Websites weiterleitet.

Häufig gestellte Fragen

Was Sie über YouTube-Empfehlungen wissen sollten

Der KI-Algorithmus von YouTube lässt sich am besten als zweistufiges Deep-Learning-System verstehen: Er wählt eine breite Palette von Video-Kandidaten aus und ordnet sie dann auf der Grundlage der prognostizierten Zufriedenheit ein, wobei die Betrachtungsdauer als zentrale Kennzahl dient. Er lernt aus fast jeder Interaktion, passt sich an, wenn sich die Vorlieben ändern, und wendet eine leicht unterschiedliche Logik an, je nachdem, wo die Empfehlungen erscheinen, von "Home" über "Up Next" und "Search" bis hin zu "Shorts" und "Live".

Für Urheber und Vermarkter ist die praktische Auswirkung einfach: Die Verpackung bringt den Klick, aber die Zufriedenheit erhält den Vertrieb. Titel und Vorschaubilder können die Aufmerksamkeit auf sich ziehen, aber die Zuschauerbindung und die Verweildauer sind es, die einen vielversprechenden Upload in eine Empfehlungsmaschine verwandeln. Eine praktische Vorgehensweise besteht darin, die ersten 30 Sekunden zu verbessern, um die Aufmerksamkeit zu halten, die Titel und Miniaturansichten auf das abzustimmen, was das Video wirklich bietet, und die Videos so zu strukturieren, dass das Ansehen eines weiteren verwandten Videos als natürlicher nächster Schritt erscheint.