Was ist ein Empfehlungssystem?
Wie findest du das nächste Video, ohne danach zu suchen? Das erledigt ein Empfehlungssystem. Es wählt aus Millionen Möglichkeiten die paar aus, die dich wahrscheinlich interessieren.
Du kennst das aus dem „Für dich“-Feed, aus „Kunden kauften auch“ im Shop und von der Startseite deines Streamingdienstes. Technisch gibt es drei Grundrichtungen:
- Kollaboratives Filtern: Leute mit ähnlichem Verhalten mochten auch das.
- Inhaltsbasiertes Filtern: Der Artikel ähnelt dem, was du schon mochtest.
- Hybride Systeme: beides zusammen, heute der Normalfall bei großen Plattformen.
Der Digital Services Act fasst den Begriff weit. Auch eine automatisch sortierte Trefferliste zählt dazu, nicht nur der Feed. Mit Empfehlungsmarketing hat das Ganze nichts zu tun: Dort empfehlen Menschen anderen Menschen etwas.
Was die Plattformen wirklich auswerten
Den einen Algorithmus gibt es nicht. Jede Plattform gewichtet anders, oft sogar je Oberfläche.
Plattform
Wichtige Signale
YouTube
Klicks, Sehzeit, Umfragen, Teilen, Likes
TikTok
Fertigschauen, Überspringen, Teilen, Folgen
YouTube schreibt in seiner Hilfe von über 80 Milliarden Signalen. Bei „Nächstes Video“ zählt vor allem das laufende Video, auf der Startseite vor allem dein Verlauf. TikTok berechnet aus den vorhergesagten Reaktionen einen Gesamtwert, die Gewichte verrät es aber nicht.
Was Empfehlungssysteme bringen
Die Reichweite ist enorm. Die Belege sind allerdings älter, als viele Folien vermuten lassen:
Case A · Streaming
Netflix, Stand 2015
80 %
der Stunden über Empfehlungen
> 1 Mrd. $
Ersparnis pro Jahr, geschätzt
Empfehlungen senken vor allem Kündigungen.
Eigene Angabe und interne Schätzung von Netflix-Mitarbeitern.
Case B · Onlinehandel
Feldexperiment bei einem Modehändler
+ 11 %
Absatz Produkt plus Ersatzprodukte
+ 9 %
Absatz der Ersatzprodukte
Randomisiertes Experiment mit über 2 Mio. Produktseitenaufrufen.
Kumar und Hosanagar, Fassung 2018. Die Gewinne verteilen sich ungleich.
YouTube-Produktchef Neal Mohan nannte 2018 rund 70 % der Sehzeit als Ergebnis von Empfehlungen. Eine aktuelle Prozentzahl veröffentlichen weder YouTube noch Netflix.
Was der Digital Services Act verlangt
Online-Plattformen müssen laut Artikel 27 DSA in ihren Nutzungsbedingungen die wichtigsten Kriterien ihrer Empfehlungen nennen und begründen, warum sie so gewichten. Sehr große Plattformen und Suchmaschinen müssen zusätzlich mindestens eine Option ohne Profiling anbieten (Artikel 38).
Das ist kein Papiertiger. Die EU-Kommission sah im Februar 2026 vorläufig süchtig machendes Design bei TikTok und nannte dabei auch das Empfehlungssystem. Eine endgültige Entscheidung steht noch aus.
Häufige Fehler
Fehler 1 · Empfehlungsumsatz als Mehrumsatz feiern
Wer über eine Empfehlung kauft, hätte das Produkt oft ohnehin gekauft oder dafür ein anderes liegen gelassen. Das Modehändler-Experiment zeigt: Die Wirkung ist echt, aber kleiner als die angezeigten Umsätze. Echte Wirkung misst du nur mit einer Kontrollgruppe.
Fehler 2 · Anbieterzahlen übernehmen
Werte wie „26 % mehr Umsatz“ oder „ROI 12:1“ stammen meist aus Blogs ohne Methodik. Frag nach Kontrollgruppe und Datenbasis. Bleibt die Antwort aus, ist die Zahl wertlos.
Fehler 3 · Vom Kaltstart überrascht werden
Ohne Daten kann ein System nichts lernen. Das trifft neue Produkte, neue Nutzer und kleine Shops. Dann bringen von Hand gepflegte Kombinationen oft mehr als jede KI.
Fehler 4 · Nischen zu verlieren
Empfehlungen stärken Beliebtes. In einem großen Experiment von Lee und Hosanagar (Information Systems Research, 2019) wuchsen auch Nischenartikel, die Bestseller aber deutlich stärker. Prüf also, ob dein Sortiment breiter genutzt wird oder nur die Top-Produkte wandern.
Was heißt das für dein Marketing?
Auf fremden Plattformen arbeitest du mit dem System, nicht dagegen. Die Signale oben sind deine Hebel: Bau Inhalte, die man zu Ende schaut, teilt und speichert. Laut TikTok sind Followerzahl und frühere Erfolge eines Kontos keine direkten Faktoren.
Im eigenen Shop reicht oft das Bordmittel. Shopify Search & Discovery schlägt verwandte Produkte automatisch vor, ergänzende legst du von Hand fest.
Häufige Fragen
Muss eine Plattform erklären, warum sie mir etwas empfiehlt?
Ja, zumindest grundsätzlich. Artikel 27 DSA verlangt, dass Online-Plattformen die wichtigsten Kriterien und Gründe für deren Gewichtung offenlegen. Eine Begründung für jede einzelne Empfehlung schreibt er nicht vor.
Kann ich personalisierte Empfehlungen abschalten?
Bei sehr großen Plattformen in der EU muss es mindestens eine Option ohne Profiling geben. Dazu kommen eigene Einstellungen: YouTube bietet „Kein Interesse“ und das Löschen des Verlaufs, TikTok den Stichwortfilter und das Zurücksetzen des Feeds.
Lohnt sich ein Empfehlungssystem für kleine Shops?
Ein eigenes meist nicht, dafür fehlen Daten. Die Funktionen deines Shopsystems und handgepflegte Kombinationen reichen für den Anfang. Wichtiger ist, die Wirkung sauber zu messen.
