Wie der Algorithmus von Netflix zu seinem wertvollsten Vermögenswert wurde

Eine Version dieses Artikels erschien ursprünglich im exklusiven Weekend Brief-Newsletter für Mitglieder von Quartz. Mitglieder von Quartz erhalten Zugang zu exklusiven Newslettern und mehr. Hier anmelden.

Netflix gibt sich selbst 90 Sekunden. So lange, wie Untersuchungen zeigen, dass der durchschnittliche Abonnent stöbert, bevor er das Interesse verliert und zu einem Konkurrenten wechselt. In diesem Zeitfenster muss die Empfehlungsmaschine des Unternehmens aus einem Katalog von Tausenden etwas Überzeugendes präsentieren. Klappt es, bleibt der Abonnent. Geht es zu oft schief, kündigt er.

Bereits 2016, als Netflix etwa 80 Millionen Abonnenten hatte, bewerteten die Führungskräfte dieses algorithmische Matching auf 1 Milliarde US-Dollar pro Jahr an gehaltenen Kunden. Ein Jahrzehnt später hat der Streaming-Riese nun 325 Millionen Abonnenten weltweit. Auch wenn Netflix diese Zahl nicht öffentlich aktualisiert hat, legt die Mathematik nahe, dass sein Empfehlungssystem zu einem der wertvollsten Softwareteile der Unterhaltungsbranche geworden ist.

Jetzt, da Netflix eine 83-Milliarden-Dollar-Übernahme von Warner Bros. Discovery anstrebt, einem jahrhundertealten Studio, das Hollywood mitbegründete, steht der algorithmische Ansatz, der die Dominanz des Streamers aufgebaut hat, kurz davor, die alte Garde vollständig zu absorbieren.

Netflix hat gelernt, dich zurück zu beobachten

Das frühe Empfehlungssystem des Unternehmens basierte auf Sternebewertungen – also darauf, was Nutzer nach dem Sehen über Filme sagten. Doch 2017 verließ Netflix diesen Ansatz zugunsten von etwas Aufschlussreicherem: Verhaltensdaten.

Was du tatsächlich anklickst. Wie lange du etwas ansiehst, bevor du einen Titel abbrichst. Zu welcher Tageszeit du schaust und auf welchem Gerät. Worüber du hinwegscrollst, ohne es auszuwählen. Dieses implizite Feedback erwies sich als wesentlich wertvoller als explizite Präferenzen. Die erklärten Geschmäcker der Menschen, so zeigt sich, sind unzuverlässige Erzähler.

Heute erfasst Netflix jährlich Hunderte Milliarden dieser Mikrointeraktionen und speist sie in ein System ineinandergreifender Algorithmen, das nahezu jedes Element des Seherlebnisses personalisiert. Derselbe Film kann unterschiedlichen Nutzern mit unterschiedlichen Vorschaubildern angezeigt werden – bei dem einen wird die Romanze hervorgehoben, beim anderen die Action.

Sogar die Reihenfolge der Zeilen auf deiner Startseite wird speziell für dich berechnet. Hinter den Kulissen schauen Teams von "Taggern" jeden Titel und weisen detaillierte Attribute zu – ob eine Serie ein Ensemble-Cast hat, im Weltraum spielt oder eine starke weibliche Hauptrolle bietet – die von Machine-Learning-Systemen genutzt werden, um Zuschauer in Tausende "Geschmacks-Communities" einzuteilen.

Die Effizienz dieses Ansatzes schuf eine neue Unterhaltungs-Kategorie, die Kritiker als "Algorithmus-Film" bezeichnet haben – Filme, die darauf ausgelegt sind, durch die Kombination bekannter, datenvalidierter Elemente das breiteste mögliche Publikum anzusprechen.